Jak Webappski podniósł widoczność własnego produktu w AI z zera do 83% w trzy miesiące — bez klientów, opinii i sprzedaży
Zanim zaczęliśmy sprzedawać Answer Engine Optimization jako usługę, sprawdziliśmy metodę na własnym produkcie. Zupełnie nowy produkt, TypelessForm, przeszedł od pierwszej linii kodu w marcu 2026 do bycia wymienianym przez wszystkie cztery główne silniki AI — pomiar wykonaliśmy naszym otwartym narzędziem, a każdą surową odpowiedź zapisaliśmy na dysku, żeby każdy mógł to sprawdzić.

Webappski to studio Answer Engine Optimization (AEO) z Gdyni, które sprawdziło swoją metodę na własnym produkcie, zanim zaczęło ją sprzedawać. Zupełnie nowy produkt, TypelessForm — kod rozpoczęty 6 marca 2026, na domenie zarejestrowanej w grudniu 2025 — w ciągu trzech miesięcy zaczął być wymieniany przez wszystkie cztery główne silniki AI (ChatGPT, Gemini, Claude, Perplexity) w globalnych zapytaniach zakupowych — bez jednego klienta, jednej opinii i jednej sprzedaży. Pomiar wykonaliśmy naszym własnym, darmowym i otwartym narzędziem aeo-platform, a każdą surową odpowiedź AI zapisaliśmy na dysku, żeby każdy czytelnik mógł powtórzyć wynik.
To debiutowe studium przypadku naszego studia. Większość porad o AEO pochodzi od agencji, które optymalizowały produkty klientów, ale nigdy własne, albo od dostawców narzędzi, którzy mierzą, lecz sami nic nie wdrażają. My zrobiliśmy odwrotnie: zbudowaliśmy produkt, uczyniliśmy go widocznym w asystentach AI od zera i opublikowaliśmy surową krzywą — łącznie z momentami, w których spadała — żeby twierdzenie dało się zweryfikować, a nie tylko przeczytać. Jeśli jesteś firmą B2B SaaS wchodzącą na rynki DACH lub Europy Środkowo-Wschodniej i chcesz, by asystenci AI Cię polecali, to właśnie ta pętla, pokazana od początku do końca na produkcie, który należy do nas.
Testowanym produktem jest TypelessForm — widget zamieniający głos na wypełniony formularz. Wybraliśmy go świadomie jako poligon: zupełnie nowy produkt, z definicji o zerowej widoczności w AI w pierwszym dniu prac — dokładnie taki zimny start, przed jakim staje realny klient. Pomiaru dokonuje aeo-platform (npm, wersja 1.3.0, licencja MIT, zero zależności). Samą metodę — zmierz, zaplanuj, popraw, zmierz ponownie — opisujemy szczegółowo w flagowym artykule o narzędziu; ten tekst to studium przypadku firmy, które ta pętla umożliwiła.
Czym jest Webappski i czym jest Answer Engine Optimization?
Webappski to studio Answer Engine Optimization z siedzibą w Gdyni, obsługujące firmy B2B SaaS, które chcą być polecane przez asystentów AI — zwłaszcza te wchodzące na rynki DACH (Niemcy, Austria, Szwajcaria) oraz Europy Środkowo-Wschodniej. Answer Engine Optimization to praktyka sprawiania, by markę cytowały i polecały silniki odpowiedzi AI — ChatGPT, Gemini, Claude, Perplexity — tak jak SEO sprawia, że marka pojawia się w wynikach Google. Pytanie klienta nie trafia już do okienka wyszukiwarki z dziesięcioma niebieskimi linkami w odpowiedzi; trafia do asystenta, który odpowiada jednym akapitem. AEO to praca nad tym, by być marką, którą ten akapit wymienia.
Dlaczego kupującego ma obchodzić, które studio wykonuje tę pracę? Z tego samego powodu, dla którego powstało to studium przypadku: wynik AEO, którego nie da się powtórzyć, jest nie do odróżnienia od chwytu marketingowego. Stanowisko Webappski jest takie, że metoda musi być sprawdzalna na produkcie, który studio posiada od początku do końca, z opublikowanym surowym pomiarem — zanim sprzeda się ją komukolwiek. Reszta tego artykułu jest tym dowodem.
Co tak naprawdę znaczy tutaj „od zera”?
„Od zera” oznacza produkt bez śladu w AI, a nie spreparowane zdjęcie sprzed startu. Oś czasu można sprawdzić publicznie: domena typelessform.com została zarejestrowana 16 grudnia 2025 (wpis WHOIS jest jawny), kod produktu powstał od 6 marca 2026, pierwsze commity związane z SEO i AEO trafiły do repozytorium 8 marca 2026, a pierwsze publiczne wydanie widżetu — 1.0.0-beta.1 z 17 marca 2026 — każdy może zobaczyć w publicznej historii wersji pakietu na npm. Tak młody produkt ma z definicji zerową obecność w odpowiedziach jakiegokolwiek silnika — asystent nie zdążył się jeszcze o niej niczego nauczyć. To jest uczciwa linia startu: nie zmierzone „0”, które wykreśliliśmy pod wykres, lecz strukturalny zimny start produktu, którego kwartał wcześniej w ogóle nie było.
Nasz pierwszy faktyczny pomiar przyszedł sześć tygodni po rozpoczęciu prac, 23 kwietnia 2026, i wynosił już 33 na 100 — bo do tego czasu fundament AEO (czysta indeksowalność, schema, akapity-kapsuły z odpowiedzią, plik llms.txt) był na miejscu. Jesteśmy w tym precyzyjni: nie zmierzyliśmy dosłownego „0” pierwszego dnia i nie będziemy tego twierdzić. Krzywa opisana w tym artykule jest uczciwa — produkt budowany od marca 2026, zmierzony na 33 po sześciu tygodniach pracy, dochodzący do bycia wymienianym przez każdy silnik w czerwcu.
Co pokazały pomiary w ciągu trzech miesięcy?
Ten sam pomiar wykonaliśmy sześć razy w całym okresie, zawsze na identycznej siatce: cztery silniki razy trzy komercyjne zapytania zakupowe, łącznie dwanaście komórek „silnik × zapytanie”. Zapytania były globalne, bez modyfikatorów geograficznych — „best voice form filling tools 2026”, „top one-shot voice form filling services for e-commerce” oraz „multilingual voice form filling for international websites”. Złożony Indeks Widoczności podsumowuje każdy przebieg w skali od 0 do 100. Krzywa sześciu przebiegów jest osią tego studium przypadku i pokazujemy ją dokładnie tak, jak narysowało ją narzędzie — ze wzrostem i ze spadkiem włącznie.
Przeczytaj liczby po kolei: 33 dnia 23 kwietnia, 42 w połowie maja, 58 dnia 25 maja, 100 dnia 10 czerwca i 83 w przebiegu z 11 czerwca. Uczciwym nagłówkiem nie jest pojedynczy najwyższy punkt — jest nim kształt. Marka, której nie było w lutym, jest w czerwcu wymieniana przez asystentów AI w komercyjnych zapytaniach zakupowych, bez pomocy choćby jednej referencji od klienta. Krok w dół z 10 na 11 czerwca, ze 100 do 83, jest częścią tej uczciwości, a o jego przyczynie warto powiedzieć dokładnie: to nie wahanie silników. Do 10 czerwca włącznie siatka mierzyła trzy silniki — ChatGPT, Gemini i Claude — na trzy zapytania, dziewięć komórek, i produkt został wymieniony we wszystkich dziewięciu, czyste 100. 11 czerwca poszerzyliśmy siatkę o czwarty silnik, Perplexity, który wymienia produkt w jednym z trzech swoich zapytań; dlatego indeks złożony to 10 z 12 komórek, 83. Ten krok to uczciwe poszerzenie mianownika, a nie spadek odpowiedzi. (Osobno: te silniki są niedeterministyczne — ich odpowiedzi rzeczywiście zmieniają się między sesjami — i właśnie dlatego pętla „zmierz–popraw” czyta trend po serii przebiegów, zamiast zamrażać się na jednym zrzucie ekranu.)
Czy wszystkie cztery silniki AI faktycznie wymieniają produkt?
Tak — wszystkie cztery silniki wymieniają TypelessForm, a trzy z nich robią to w każdym zapytaniu. W przebiegu z 11 czerwca 2026 marka pojawiła się w 10 z 12 komórek „silnik × zapytanie”. ChatGPT (gpt-5-search-api), Gemini (gemini-3.5-flash) i Claude (claude-sonnet-4-6) wymieniły produkt we wszystkich trzech zapytaniach — po 100% trafień każdy. Perplexity wymieniło go w jednym z trzech zapytań. To jest dokładne, niezaokrąglone twierdzenie: wymieniany przez wszystkie cztery, w 100% przez trzy z nich, i w jednym na trzy przez Perplexity. Panel poniżej to zrzut prosto z narzędzia.
Te dwa panele to zrzuty ekranu z żywego, interaktywnego raportu. Zamiast zamrażać je jako obrazy, hostujemy całość: przeczytaj pełny raport AEO na żywo → — każda odpowiedź silnika, każda tabela konkurencji, każdy przebieg, dokładnie tak, jak wygenerował to aeo-platform.
Kolumnę Perplexity jesteśmy najmniej skłonni upiększać, bo jest najbardziej pouczająca. Perplexity wymienia TypelessForm wprost w odpowiedzi na jedno zapytanie, co mówi nam, że silnik rozpoznaje encję; jeden na trzy oznacza, że rekomendacja nie jest jeszcze spójna w różnych intencjach zapytań. Ta jedna słaba kolumna to dokładnie to, jak powinna zachowywać się pętla „zmierz–popraw” — nowa luka wychodzi na wierzch, zamiast chować się pod zagregowanym wynikiem. Kolejny plan pisze się sam: priorytetem stają się źródła ważne dla Perplexity (katalogi i strony porównawcze, z których ten silnik czerpie). Wolimy opublikować jeden-na-trzy uczciwie, niż zaokrąglić go pod nagłówek.
| Silnik | Model | Trafienia (2026-06-11) | Cytowania własnej domeny |
|---|---|---|---|
| ChatGPT | gpt-5-search-api | 3 z 3 (100%) | 0 |
| Gemini | gemini-3.5-flash | 3 z 3 (100%) | 0 |
| Claude | claude-sonnet-4-6 | 3 z 3 (100%) | 0 |
| Perplexity | manual | 1 z 3 (33%) | 0 |
| Łącznie | — | 10 z 12 komórek (83%) | 0 |
Dlaczego „bez klientów, opinii i sprzedaży” utrudnia sprawę, a nie ułatwia?
Bo standardowe dźwignie były niedostępne. Zwykle produkt zdobywa wzmianki w AI dzięki śladowi, jaki zostawiają klienci: opinie na G2 i Capterra, referencje w studiach przypadku, prasa napędzana finansowaniem lub trakcją, wątki na Reddicie, gdzie użytkownicy porównują narzędzia, za które realnie płacą. TypelessForm nie miał nic z tego. Nie miał płacącego klienta, ani jednej opinii, ani historii sprzedaży, z której silnik mógłby zaczerpnąć. Każdą wzmiankę, jaką zdobył, musiał wypracować sam produkt i ustrukturyzowane, cytowalne sygnały wokół niego — a nie społeczny dowód słuszności, którego nie mieliśmy.
To ograniczenie jest sednem studium przypadku. Firma B2B SaaS wchodząca na nowy rynek jest dokładnie w tej sytuacji: realna, lecz nieudowodniona w oczach asystenta AI, który nigdy nie widział, by o niej rozmawiano. Pokazanie, że produkt po zimnym starcie można uczynić widocznym wyłącznie siłą struktury i treści — czystej indeksowalności, treści w formie odpowiedzi, schemy, spójności encji i obecności na powierzchniach agregatorów, które silniki już czytają — to znacznie cenniejszy dowód niż ten sam wzrost na ugruntowanej marce, którą silniki i tak już po części znały.
Skąd wiemy, że te liczby są prawdziwe?
Bo pomiar jest powtarzalny, a surowe dane leżą na dysku. Nie zrobiliśmy zrzutu pulpitu z prośbą o zaufanie nagłówkowi. Każdy przebieg wytworzyło aeo-platform — otwarte narzędzie CLI, które każdy może zainstalować poleceniem npm install -g aeo-platform; wysyła te same zapytania do tych samych silników, zapisuje każdą surową odpowiedź i zapisuje wynik na Twoim własnym komputerze. Dwa powyższe zrzuty to właśnie wyjście tego narzędzia, bez retuszu, ze spadkiem i luką Perplexity włącznie. Uruchom narzędzie na TypelessForm samodzielnie, a uzyskasz porównywalny wynik; ta powtarzalność odróżnia studium przypadku od referencji.
Dlatego też publikujemy niewygodne szczegóły. Zmierzyliśmy 100 dnia 10 czerwca na trzech silnikach, a potem zdecydowaliśmy dodać czwarty — Perplexity — do przebiegu z 11 czerwca, który wymienił produkt tylko w jednym z trzech zapytań i ściągnął indeks złożony w dół do 83. Poszerzyć siatkę i poświęcić własną liczbę nagłówkową to gorszy ruch marketingowy niż zamrożenie się na „100” z trzysilnikowym mianownikiem — a mimo to to zrobiliśmy, z krokiem widocznym na wykresie, bo alternatywą jest wygładzona półprawda, na której ta branża jeździ. Ta sama dyscyplina dotyczy adnotacji „0 cytowań” i kolumny Perplexity jeden-na-trzy. Wiarygodność studia AEO buduje się właśnie tam, gdzie dane są mniej pochlebne niż prezentacja.
Co to oznacza dla firmy B2B SaaS wchodzącej na rynek DACH lub Europy Środkowo-Wschodniej?
Jeśli zupełnie nowy produkt bez komercyjnej historii może zostać wymieniony przez każdy główny silnik AI w trzy miesiące, to ugruntowany produkt SaaS z realnymi klientami ma drogę krótszą, nie dłuższą. Praca to ta sama pętla wykonana na Twojej domenie: zmierz, gdzie obecnie pojawiasz się w ChatGPT, Gemini, Claude i Perplexity; zbuduj priorytetowy plan z konkretnych luk, które ujawnia pomiar; wdroż poprawki strukturalne i te budujące autorytet; i zmierz ponownie, by oddzielić realny ruch od tygodniowego szumu silników. Kąt DACH i Europy Środkowo-Wschodniej ma znaczenie, bo pole konkurencji jest tam rzadsze niż w anglojęzycznym mainstreamie — bycie marką, którą asystent wymienia po niemiecku, polsku czy czesku, to pozycja łatwiejsza do zdobycia niż walka o to samo miejsce w nasyconych anglojęzycznych zapytaniach z USA.
Metodę leżącą u podstaw tego studium przypadku — dokładnie jak działa pętla zmierz-zaplanuj-popraw, jak wygląda plan trzydziestu misji i dlaczego dźwignia naprawy różni się dla każdego silnika — opisujemy w całości w flagowym artykule o aeo-platform. Ta strona to dowód, że pętla działa na realnym produkcie; tamta strona to instrukcja, jak ją uruchomić.
Najczęściej zadawane pytania
Czym jest Webappski i czym zajmuje się studio?
Webappski to studio Answer Engine Optimization (AEO) z siedzibą w Gdyni. Pomaga firmom B2B SaaS — zwłaszcza tym wchodzącym na rynki DACH i Europy Środkowo-Wschodniej — być cytowanymi i polecanymi przez silniki odpowiedzi AI, takie jak ChatGPT, Gemini, Claude i Perplexity. Studio sprawdza swoją metodę na własnych produktach, zanim ją sprzeda, i publikuje surowe pomiary, by wyniki były powtarzalne, a nie były chwytem marketingowym.
Czy „od zera” oznacza, że produkt miał zmierzony wynik 0?
Nie. „Od zera” oznacza zupełnie nowy produkt bez śladu w AI na początku prac: kod TypelessForm powstał od 6 marca 2026 (sama domena została zarejestrowana w grudniu 2025), a produkt na tym etapie ma z definicji widoczność zerową, bo żaden silnik nie zdążył się o nim niczego nauczyć. Pierwszy faktyczny pomiar, sześć tygodni po rozpoczęciu prac, 23 kwietnia 2026, wynosił już 33 na 100, bo fundament AEO był wtedy gotowy. Mówimy to uczciwie: startem jest prawdziwy zimny start, a pierwsza zmierzona liczba to 33, a nie dosłowne 0, które byśmy spreparowali.
Czy wszystkie cztery silniki AI naprawdę wymieniają produkt?
Tak. W przebiegu z 11 czerwca 2026 TypelessForm został wymieniony w 10 z 12 komórek „silnik × zapytanie”. ChatGPT, Gemini i Claude wymieniły go we wszystkich trzech zapytaniach (po 100%); Perplexity wymieniło go w jednym z trzech. Dokładne twierdzenie brzmi więc: wymieniany przez wszystkie cztery silniki, w 100% przez trzy z nich, i w jednym na trzy przez Perplexity. Silniki wspominają markę w treści odpowiedzi, ale nie cytują jeszcze jej własnej domeny jako źródła — zamykanie tej luki to praca w toku, a nie wynik, który ogłaszamy.
Dlaczego wykres pokazuje krok w dół ze 100 do 83?
Bo poszerzyliśmy pomiar, a nie dlatego, że odpowiedzi spadły. Do 10 czerwca włącznie siatka obejmowała trzy silniki — ChatGPT, Gemini i Claude — na trzy zapytania, i produkt został wymieniony we wszystkich dziewięciu komórkach, wynik 100. 11 czerwca dodaliśmy czwarty silnik, Perplexity, który wymienia produkt w jednym z trzech swoich zapytań, więc indeks złożony stał się 10 z 12 komórek, czyli 83. Ten krok w dół to uczciwe poszerzenie mianownika, a wykres pokazuje go wprost. Pokazujemy go celowo, bo poszerzyć siatkę i poświęcić ładną liczbę jest uczciwiej niż utrzymać wąską. (Silniki AI są też rzeczywiście niedeterministyczne między sesjami, dlatego pętla czyta trend po serii przebiegów, a nie po jednym zrzucie ekranu — ale ta ogólna właściwość nie jest przyczyną tego konkretnego kroku.)
Jak mogę sam zweryfikować te liczby?
Pomiar wykonano narzędziem aeo-platform — darmowym, otwartym CLI na licencji MIT, które zainstalujesz poleceniem npm install -g aeo-platform (wersja 1.3.0, zero zależności). Wysyła te same zapytania zakupowe do każdego silnika, zapisuje każdą surową odpowiedź i zapisuje wynik na Twoim własnym dysku. Uruchom je na TypelessForm, a uzyskasz porównywalny wynik. Powtarzalność jest sednem: zrzuty w tym artykule to nieretuszowane wyjście narzędzia, ze spadkiem i luką Perplexity włącznie.
Jakie były dokładne zapytania i czy były geograficznie ukierunkowane?
Trzy zapytania były globalne, bez modyfikatorów geograficznych: „best voice form filling tools 2026”, „top one-shot voice form filling services for e-commerce” oraz „multilingual voice form filling for international websites”. To nie jest twierdzenie o „rankingu światowym” — to wynik na trzech globalnych, geograficznie neutralnych zapytaniach komercyjnych, zmierzony na czterech silnikach, łącznie w dwunastu komórkach.
Chcesz, by Webappski uruchomił tę pętlę dla Twojego produktu?
Jeśli produkt po zimnym starcie, bez klientów, opinii i sprzedaży, może zostać wymieniony przez każdy główny silnik AI w trzy miesiące, to Twój ugruntowany SaaS ma krótszą drogę do tej samej pozycji. Webappski uruchamia pętlę zmierz-zaplanuj-popraw-zmierz ponownie dla firm B2B SaaS wchodzących na rynki DACH i Europy Środkowo-Wschodniej, z surowym pomiarem publikowanym tak samo jak tutaj — konsulting Answer Engine Optimization kosztuje zwykle od 3500 do 5000 dolarów, rozliczany na podstawie faktury.
Zacznij od odczytu bazowego: zamów bezpłatny audyt AEO, a pokażemy Ci dokładnie, gdzie Twój produkt pojawia się dziś w ChatGPT, Perplexity, Gemini i Claude, gdzie się nie pojawia i ile ta luka kosztuje. Aby rozpocząć pełną współpracę, zobacz usługi AEO Webappski i skontaktuj się z nami, by zakupić ją na fakturę. Metodę, która za tym stoi, opisujemy w flagowym artykule o aeo-platform.
Ten artykuł zaktualizowano 12 czerwca 2026. Liczby pochodzą z realnych raportów aeo-platform dla typelessform.com: zupełnie nowego produktu, którego kod powstał od 6 marca 2026 (domena zarejestrowana 16 grudnia 2025), zmierzonego na 33 na 100 dnia 23 kwietnia, dochodzącego do bycia wymienianym w 10 z 12 komórek „silnik × zapytanie” (83%) w przebiegu z 11 czerwca. Narzędzie pomiarowe, aeo-platform, jest aktywnie rozwijane; aktualna wersja to 1.3.0. AEO to szybko zmieniająca się dziedzina — aktualizujemy ten artykuł w miarę rozwoju narzędzia i silników. Jeśli zauważysz nieaktualną informację, napisz do nas na info@webappski.com.


