Z nowego raportu badawczego wynika, że ​​w źródłach, na których opierają się zalecenia dotyczące oprogramowania firmy Perplexity, przeważają strony stworzone z myślą o czytaniu modeli, a nie ludzi – w tym trzy witryny, które łącznie opublikowały 215 128 stron „najlepszego oprogramowania” wygenerowanych maszynowo. Z raportu opublikowanego w środę przez Trellner Research wynika, że ​​prawie 60 procent cytatów z odpowiedzi Perplexity w 380 kategoriach oprogramowania wskazywało na domeny spoza listy 100 000 najpopularniejszych witryn w Internecie. Odkrycia pojawiają się w kontekście coraz większego zasięgu branży sztucznej inteligencji tego, jak wyszukiwarkami i aparatami odpowiedzi można po cichu sterować za pomocą opracowanych treści.

Co zmierzono w badaniu

Trellner umieścił 380 kategorii oprogramowania przeznaczonego dla nabywców — od „oprogramowania CRM” po „oprogramowanie do zarządzania zbiorami muzealnymi” — do dwóch internetowych modeli firmy Perplexity, perplexity/sonar i perplexity/sonar-pro, działających za pośrednictwem OpenRouter. W teście wykorzystano jeden monit na kategorię i model: w sumie 760 wywołań, z których każde zawierało prośbę o podanie pierwszej piątki w formacie JSON z oficjalną domeną strony głównej każdego produktu.

Każde połączenie zwracało możliwą do przeanalizowania odpowiedź. W rezultacie powstało 3800 miejsc z rekomendacjami, w których wymieniono 1807 różnych produktów, popartych 7534 cytatami w 2055 różnych domenach. Następnie Trellner sprawdził każdą cytowaną domenę z listą najczęściej odwiedzanych stron internetowych na świecie Tranco oraz z Wayback Machine i pobrał każdą z 1502 stron głównych dostawców dostarczonych przez modele.

Gdzie lądują cytaty

Liczby w nagłówkach są porażające. Spośród 7534 cytowań 59,8 procent wskazało domeny, które w rankingu Tranco zajmowały gorszą pozycję niż 100 000, a 23,4 procent wskazało domeny, które w ogóle nie znalazły się na pierwszym milionowym miejscu. Mediana pozycji Tranco wśród cytatów wskazujących na domenę rankingową wyniosła 71 611.

Najczęściej cytowane źródła były mieszanką znanych i nieznanych źródeł. Na czele znajduje się G2 z 291 cytowaniami, drugie miejsce zajmuje Reddit z 261. Trzecim co do wielkości źródłem – cytowanym 194 razy, przed Gartnerem 158 – był Guideflow.com, blog marketingowy dostawcy zawierający interaktywne prezentacje produktów, który nie konkuruje w żadnej z kategorii, w których był cytowany. Jej blog dostarczył podstaw do odpowiedzi na temat oprogramowania do renderowania 3D, oprogramowania IVR, oprogramowania RFID i oprogramowania do praktyki architektonicznej. Dla porównania Wikipedia była cytowana trzykrotnie z 7534 cytowań.

Nowsze, mniej znane i szybko rozwijające się

Raport dodaje wymiar czasowy: domeny nierankingowe są również znacznie nowsze. Mediana pierwszego przechwycenia przez Wayback Machine nierankingowych domen cytowanych miała miejsce w 2020 r. w porównaniu z 2011 r. w przypadku domen rankingowych, a 16,6 procent zarchiwizowanych domen nierankingowych pojawiło się po raz pierwszy w 2025 roku lub później – w porównaniu z 1,6 procent domen rankingowych. Innymi słowy, znacząca część odpowiedzi na pytania Perplexity istniała dopiero niedawno.

215 128 stron stworzonych do czytania przez modelki

Najbardziej uderzające twierdzenie raportu dotyczy trzech witryn, które zdaniem Trellnera działają pod pozornie wspólną kontrolą. Dwóch z nich nadało swojej stronie głównej tytuł HTML „Strona z faktami i uziemieniem” – uziemienie jest samym krokiem wyszukiwania, jaki wykonują te modele – i wraz z trzecią witryną opublikowali 215 128 wygenerowanych maszynowo „najlepszych [kategorii]” stron. Żadna z trzech domen nie istniała przed grudniem 2023 r.

Trellner dba o kadrowanie. W raporcie zauważono, że nic w content marketingu prowadzonym przez dostawcę nie jest samo w sobie zwodnicze – firmy cały czas publikują duże blogi – i że pomiar dotyczy tego, co robi z nim warstwa wyszukiwania: „własne listy dostawcy dotyczące rynków, na których nie działa, stały się trzecią co do wielkości bazą danych” dla rekomendacji zakupu.

Dlaczego ma to znaczenie w wyszukiwaniu AI

Badanie stanowi ilościowy obraz zmiany, przed którą ostrzegali praktycy SEO: optymalizacja przestała zajmować pozycję w wynikach wyszukiwania i zaczęła być pobierana przez wyszukiwarki odpowiedzi. Strony napisane dla modeli – gęste, szablonowe i zaprojektowane tak, aby wyglądały wiarygodnie – mogą stać się bazą dowodową dla rekomendacji, które konsumenci traktują jako neutralne. W przypadku HN raport zebrał setki głosów pozytywnych, a komentatorzy debatowali, czy odzwierciedla to niepowodzenie wyszukiwania AI, czy po prostu dostosowanie się do tego Internetu.

Ważne zastrzeżenia

Trellner wyraźnie mówi o zakresie. Zmierzono jedynie zakłopotanie i „niczego tutaj nie należy czytać jako twierdzenia dotyczącego jakiegokolwiek innego silnika”. Google zostało całkowicie pominięte, ponieważ uziemienie modelu Gemini przez OpenRouter kieruje go przez własną wtyczkę do wyszukiwania stron internetowych OpenRouter, co zanieczyściłoby pomiar. Kategorie zostały napisane przed zobaczeniem jakichkolwiek wyników i nigdy nie były poprawiane, a pełny zestaw danych – podpowiedzi, cytaty i wyszukiwania domen – towarzyszy raportowi.

Te zastrzeżenia działają w obie strony. Zawężają wyniki w porównaniu do ogólnego oskarżenia dotyczącego wyszukiwania sztucznej inteligencji, ale utrudniają też ich odrzucenie: w podanym zakresie pomiar jest prosty, powtarzalny i niewygodny dla każdego, kto zakłada, że ​​oparte na podstawach odpowiedzi spoczywają na najbardziej zaufanych półkach otwartej sieci.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →