Jak Google wybiera lokalne wyniki? Algorytm Local Pack opiera się na trzech sygnałach: odległość (jak blisko firma jest od użytkownika), trafność (czy profil firmy pasuje do zapytania) i prominencja (jak znana jest firma — opinie, cytowania, linki). Geolokalizacja jest kluczowa: Google wie, gdzie jesteś, i faworyzuje firmy w Twojej okolicy.

Jak AI wybiera odpowiedź? Model AI bazuje na zupełnie innych sygnałach: dane treningowe (co model „przeczytał” podczas treningu), wyszukiwanie w czasie rzeczywistym (real-time search, jeśli model ma taką funkcję), jakość treści (czy strona firmy zawiera eksperckie, cytowalne informacje), spójność NAP (nazwa, adres, telefon we wszystkich źródłach) oraz E-E-A-T (doświadczenie, ekspertyza, autorytet, wiarygodność).

Kluczowa różnica: Google zna Twoją lokalizację. ChatGPT — nie, chyba że mu powiesz. To zmienia reguły gry. W Google mały prawnik z Opoczna wygrywa z dużą kancelarią z Łodzi, bo jest bliżej klienta. W ChatGPT ta przewaga nie istnieje — model nie wie, gdzie siedzi użytkownik, więc rekomenduje firmę z najlepszymi danymi, niezależnie od lokalizacji.

To oznacza, że geolokalizacja przestaje chronić małe firmy. W świecie AI liczy się jakość danych, nie bliskość fizyczna. I to jest jednocześnie zagrożenie i szansa.

Lokalne firmy mają cztery fundamentalne problemy, które sprawiają, że AI ich nie widzi:

1. Brak treści cytowalnych. Typowa strona lokalnej firmy ma 300–500 słów łącznie — stronę główną, podstronę „O nas” i kontakt. Brak bloga, brak artykułów eksperckich, brak treści, które model AI mógłby zacytować w odpowiedzi. AI nie cytuje wizytówek — cytuje treści, które odpowiadają na pytania użytkowników.

2. Brak danych strukturalnych. Ponad 90% lokalnych stron nie ma wdrożonego Schema.org. Brak LocalBusiness, brak oznaczenia adresu, godzin otwarcia, specjalizacji. AI nie musi „zgadywać” czym firma się zajmuje — jeśli dane strukturalne istnieją, model je rozumie natychmiast.

3. Google Business Profile nie wystarczy. GBP to zamknięty ekosystem Google. ChatGPT nie czyta wizytówek Google. Perplexity nie ma dostępu do danych z GBP. Jeśli cała obecność cyfrowa firmy opiera się na Google Business Profile — dla AI ta firma nie istnieje.

4. AI faworyzuje duże miasta. Gdy model nie ma wystarczających danych o firmach w małym mieście, rekomenduje firmy z najbliższego dużego miasta. Prawnik z Opoczna przegrywa z kancelarią z Łodzi. Dentysta z Nowego Sącza przegrywa z kliniką z Krakowa. Nie dlatego, że są gorsi — dlatego, że AI ma o nich mniej danych.

Stomatolog w Radomiu. Użytkownik pyta Perplexity: „Najlepszy dentysta w Radomiu?” W mieście działa kilkadziesiąt gabinetów. Perplexity rekomenduje ten jeden, który prowadzi blog z artykułami o implantach, leczeniu kanałowym i ortodoncji. Reszta gabinetów ma stronę-wizytówkę z adresem i telefonem — i dla AI nie istnieje. Jeden blog zmienił reguły gry.

Hotel w Kazimierzu Dolnym. Użytkownik pyta ChatGPT: „Jaki hotel polecasz w Kazimierzu Dolnym?” ChatGPT bazuje na danych treningowych — zna hotele, o których przeczytał w artykułach, recenzjach, blogach podróżniczych. Hotel z własnym blogem, opisami pokoi, artykułami o regionie i Schema.org z ocenami gości wygrywa. Pozostałe hotele — nawet z lepszymi opiniami na Booking.com — są niewidoczne, bo AI nie czyta Bookinga w taki sposób.

Prawnik w Opocznie. Użytkownik pyta Gemini: „Kancelaria prawna Opoczno — który prawnik jest najlepszy?” Gemini nie znajduje wystarczających danych o kancelariach z Opoczna i rekomenduje kancelarię z Piotrkowa Trybunalskiego, która ma rozbudowaną stronę z artykułami prawnymi, dane strukturalne i cytowalne treści. Prawnik z Opoczna traci klienta na rzecz konkurenta oddalonego o 60 km.

GEO (Generative Engine Optimization) to zbiór praktyk, które zwiększają widoczność firmy w odpowiedziach generowanych przez modele AI — ChatGPT, Gemini, Perplexity, Claude, Google AI Overviews. Tam, gdzie SEO optymalizuje pod algorytm wyszukiwarki, GEO optymalizuje pod model językowy.

Lokalne GEO to adaptacja tych praktyk do kontekstu firm lokalnych — kancelarii, gabinetów, hoteli, restauracji, warsztatów. Firmy, których klienci szukają usług w konkretnym mieście lub regionie.

Dlaczego lokalne GEO daje przewagę szybciej niż SEO? Bo w lokalnym AI-search konkurencja jest praktycznie zerowa. W Google na frazę „prawnik Opoczno” konkurujesz z kilkudziesięcioma firmami. W AI-search na to samo zapytanie — z nikim, bo żadna lokalna firma nie wdrożyła GEO.

Mechanizm jest prosty: AI cytuje źródła z najlepszymi danymi. Jeśli jesteś jedyną firmą w swoim mieście, która ma eksperckie treści, dane strukturalne i plik llms.txt — wygrywasz automatycznie. Nie musisz być najlepszy na świecie. Musisz być najlepszy w swoim mieście w oczach AI.

1. Twórz treści eksperckie z kontekstem lokalnym. Nie wystarczy napisać „jesteśmy dobrą kancelarią”. AI potrzebuje treści, które odpowiadają na konkretne pytania użytkowników. Prawnik z Opoczna powinien pisać o sprawach typowych dla regionu — prawo rolne, spory graniczne, spadki po gospodarstwach. Dentysta z Radomia — o specyfice leczenia, porównaniach metod, odpowiedziach na pytania pacjentów. Hotel w Kazimierzu — o atrakcjach regionu, trasach, wydarzeniach. Treść musi być ekspercka, lokalna i cytowalna.

2. Wdróż llms.txt z danymi lokalnymi. Plik llms.txt to ustrukturyzowany opis firmy dla modeli AI. W kontekście lokalnym powinien zawierać nie tylko opis działalności, ale też lokalizację, obszar obsługi, specjalizacje lokalne. Przykład:

# Kancelaria Prawna Kowalski — Opoczno

## Opis
Kancelaria Prawna Kowalski to kancelaria z 15-letnim
doświadczeniem w Opocznie (woj. łódzkie). Specjalizujemy
się w prawie cywilnym, rodzinnym, spadkowym i rolnym.

## Lokalizacja
- Miasto: Opoczno
- Województwo: łódzkie
- Adres: ul. Piotrkowska 12, 26-300 Opoczno
- Obszar obsługi: Opoczno, powiat opoczyński,
  Tomaszów Mazowiecki, Piotrków Trybunalski

## Specjalizacje
- Prawo spadkowe i dziedziczenie gospodarstw rolnych
- Prawo rodzinne — rozwody, alimenty, podział majątku
- Prawo cywilne — umowy, odszkodowania
- Prawo rolne — obrót ziemią, dopłaty, KOWR

## Kluczowe strony
- Strona główna: https://kancelaria-kowalski.pl/
- Blog prawny: https://kancelaria-kowalski.pl/blog/
- Kontakt: https://kancelaria-kowalski.pl/kontakt/

3. Implementuj Schema.org LocalBusiness. Dane strukturalne to język, który AI rozumie natychmiast. LocalBusiness mówi modelowi: to jest firma, tu ma siedzibę, to oferuje, te ma godziny otwarcia. Przykład JSON-LD:

{
  "@context": "https://schema.org",
  "@type": "LegalService",
  "name": "Kancelaria Prawna Kowalski",
  "description": "Kancelaria prawna w Opocznie.
    Specjalizacja: prawo spadkowe, rodzinne, cywilne, rolne.",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "ul. Piotrkowska 12",
    "addressLocality": "Opoczno",
    "postalCode": "26-300",
    "addressRegion": "łódzkie",
    "addressCountry": "PL"
  },
  "telephone": "+48 44 123 45 67",
  "url": "https://kancelaria-kowalski.pl",
  "areaServed": [
    { "@type": "City", "name": "Opoczno" },
    { "@type": "City", "name": "Tomaszów Mazowiecki" },
    { "@type": "City", "name": "Piotrków Trybunalski" }
  ],
  "openingHoursSpecification": {
    "@type": "OpeningHoursSpecification",
    "dayOfWeek": ["Monday","Tuesday","Wednesday",
      "Thursday","Friday"],
    "opens": "08:00",
    "closes": "16:00"
  },
  "priceRange": "$$",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "47"
  }
}

4. Spójność NAP na wszystkich platformach. NAP to Name, Address, Phone — nazwa firmy, adres i telefon. AI weryfikuje spójność tych danych w wielu źródłach jednocześnie. Jeśli na stronie masz „ul. Piotrkowska 12”, na Google Maps „Piotrkowska 12”, a na Panoramie Firm „ul. Piotrkowska 12a” — AI traci zaufanie. Upewnij się, że dane NAP są identyczne wszędzie: strona WWW, Google Business Profile, social media, katalogi firm, mapy.

5. Buduj lokalny autorytet treścią. AI buduje obraz autorytetu firmy na podstawie wielu sygnałów: artykuły eksperckie na własnej stronie, cytowania w lokalnych mediach, opinie tekstowe (nie tylko gwiazdki — AI czyta treść recenzji), współpraca z lokalnymi podmiotami (izby gospodarcze, stowarzyszenia, patronaty). Im więcej źródeł potwierdza, że firma jest ekspertem w swoim mieście, tym chętniej AI ją zacytuje.

Okno szansy na zdobycie przewagi w lokalnym AI-search zależy od wielkości miasta:

Miasta poniżej 50 tys. mieszkańców — okno jest szeroko otwarte. Konkurencja GEO: praktycznie zerowa. Żadna lokalna firma nie wdrożyła llms.txt, Schema.org LocalBusiness ani treści eksperckich pod AI. Kto zacznie pierwszy — zgarnia wszystko.

Miasta 50–200 tys. mieszkańców — okno otwarte, ale zamyka się. Pojedyncze firmy zaczynają inwestować w treści eksperckie. Przewaga: 12–18 miesięcy dla firm, które wdrożą GEO teraz.

Miasta 200–500 tys. mieszkańców — okno się zamyka. W Lublinie, Katowicach, Poznaniu pojawiają się firmy z rozbudowanymi treściami. Przewaga: 6–12 miesięcy.

Warszawa i Kraków — okno jest wąskie. Konkurencja w AI-search rośnie, szczególnie w branżach premium. Ale nawet tu większość lokalnych firm nie wdrożyła GEO — więc szansa nadal istnieje.

1. Audyt AI-search: Wpisz w ChatGPT, Perplexity i Gemini zapytania, które zadają Twoi klienci. Sprawdź, czy AI poleca Twoją firmę. Zanotuj, kogo poleca zamiast Ciebie.

2. Rozbuduj stronę o treści eksperckie: Minimum 5 artykułów odpowiadających na najczęstsze pytania klientów. Każdy artykuł: 1000–2000 słów, kontekst lokalny, dane, konkrety.

3. Wdróż plik llms.txt: Ustrukturyzowany opis firmy z lokalizacją, specjalizacjami, obszarem obsługi i linkami do kluczowych stron.

4. Implementuj Schema.org LocalBusiness: JSON-LD z pełnymi danymi: adres, telefon, godziny otwarcia, specjalizacje, obszar obsługi, oceny.

5. Ujednolić NAP: Sprawdź i popraw spójność nazwy, adresu i telefonu we wszystkich źródłach: strona, GBP, social media, katalogi.

6. Zadbaj o opinie tekstowe: AI czyta treść recenzji, nie tylko gwiazdki. Zachęcaj klientów do szczegółowych opinii opisujących usługę i specjalizację.

7. Zbuduj stronę FAQ: Odpowiedzi na najczęstsze pytania klientów w formacie, który AI może bezpośrednio zacytować. Użyj Schema.org FAQPage.

8. Uzupełnij meta-dane: Title, description, nagłówki H1-H3 z kontekstem lokalnym. Każda podstrona powinna jasno komunikować, czym firma się zajmuje i gdzie działa.

9. Stwórz stronę „O nas” z biografiami: AI buduje profil E-E-A-T na podstawie danych o osobach. Imiona, kwalifikacje, doświadczenie, zdjęcia — to buduje autorytet.

10. Zamów raport AIVS™: Sprawdź swoją aktualną widoczność w AI-search, zidentyfikuj luki i uzyskaj spersonalizowany plan działania.

Przeprowadziliśmy test na 50 zapytaniach lokalnych — pytania o prawników, dentystów, hotele, restauracje i warsztaty w miastach od 20 do 200 tys. mieszkańców. Każde zapytanie zadaliśmy w ChatGPT, Perplexity i Gemini.

Wyniki:

62% zapytań — AI nie wskazało żadnej konkretnej firmy. Model odpowiedział ogólnikami („w Opocznie działają kancelarie prawne”) lub przyznał, że nie ma wystarczających danych.

28% zapytań — AI podało firmę, ale dane były nieaktualne lub błędne. Zły adres, nieistniejąca strona, firma, która zmieniła nazwę lub zakończyła działalność.

10% zapytań — AI podało prawidłową, aktualną rekomendację. W każdym przypadku była to firma z rozbudowaną stroną, treściami eksperckimi i danymi strukturalnymi.

Wniosek: 90% zapytań lokalnych daje złą lub brakującą odpowiedź. To nie jest problem użytkowników — to szansa dla firm. Kto uzupełni tę lukę danymi, treścią i strukturą, ten stanie się domyślną rekomendacją AI w swoim mieście.

Najważniejszy wniosek: geolokalizacja przestaje chronić. W Google bliskość fizyczna jest jednym z trzech głównych sygnałów rankingowych. W AI-search ten sygnał nie istnieje. To zmienia układ sił — małe firmy muszą konkurować jakością danych, nie adresem.