Czy kolejność słów decyduje, którą markę polecają AI Overviews? Sprawdziliśmy na 102 zapytaniach

W tym miesiącu w zespołach SEO krąży twierdzenie z bardzo pewną siebie liczbą przyczepioną na końcu: umieść markę A jako pierwszą w zapytaniu porównawczym, a AI Overview Google'a poleci markę A w około 80% przypadków. Odwróć kolejność, a rekomendacja odwróci się razem z nią. Bycie znacznie większym nie ratuje większej marki.

To wygodna historia, bo tłumaczy coś, co każdy śledzący odpowiedzi AI widział na własne oczy: odpowiedzi porównawcze wcale nie wyglądają jak lista wyników, a nikt poza Google nie może zajrzeć w to, jak zostały złożone. Zrobiliśmy więc rzecz nudną i sprawdziliśmy. 11 września 2026 roku przepuściliśmy 102 zapytania porównawcze przez działające AI Overviews Google'a: 16 par marek, obie kolejności, po dwa–trzy powtórzenia każda, i zapisaliśmy każdą odpowiedź oraz każde cytowane źródło.

Wynik: kolejność zmieniła rekomendację w zerze z 16 par. Marka zapisana w zapytaniu jako pierwsza została nazwana pierwsza w 49% uruchomień, co wygląda dokładnie jak rzut monetą. Odpowiedź zmieniały natomiast niezawodnie dwie rzeczy: sposób sformułowania zapytania i to, która powierzchnia Google na nie odpowiada.

Twierdzenie w wersji, w jakiej krąży

Wersja krążąca w tym miesiącu brzmi mniej więcej tak:

• Brand A vs Brand B zwraca AI Overviews, które otwierają się marką A i polecają ją w około 80% przypadków.
• Brand B vs Brand A zwraca lustrzane odbicie.
• Działa to nawet wtedy, gdy marka A jest znacznie większa i starsza od marki B.
• Proponowany mechanizm: AI Overviews rozgałęzia zapytanie na podwyszukiwania, a pierwsza nazwana w zapytaniu marka zakotwicza te podwyszukiwania.

Ostatni punkt czyni twierdzenie wiarygodnym i jest zarazem najlepiej udokumentowaną jego częścią.

Mechanizm jest prawdziwy, dlatego twierdzenie podróżuje

Opublikowany w maju 2026 roku przewodnik Google po funkcjach generatywnego AI potwierdza fan-out zapytań: AI Overviews i AI Mode potrafią rozwinąć jedno zapytanie w kilka powiązanych podzapytań, uruchomić je równolegle przeciw indeksowi i zsyntetyzować jedną odpowiedź z połączonych wyników. Jakie to były podzapytania, nie jest raportowane nigdzie, łącznie z Search Console. Więc patrząc na AI Overview, patrzysz na wynik procesu, którego nie możesz obserwować.

Efekty kolejności w modelach językowych też są prawdziwe i stoją za nimi recenzowane badania. Opublikowane w sierpniu 2026 roku w PNAS Nexus badanie przetestowało dziewięć modeli na porównaniach CV i wyborze koloru i znalazło efekty pozycji, które nie były zwykłym rozstrzyganiem remisów: w niektórych przypadkach zmiana kolejności opcji odwracała to, którą model preferuje, i model wybierał wtedy gorszą opcję. Praca z Columbia Business School pokazała pokrewną prawidłowość w przeciwnym kierunku: ChatGPT wybierał pierwszą opcję z listy w około 63% przypadków na 5 447 promptach, a wynik ten powtórzył się na poziomie 64,29% w 64 800 próbach prostszej konfiguracji.

Przeczytaj te dwa ustalenia razem, a viralowe twierdzenie wygląda jak naturalny następny krok: fan-out istnieje, modele mają dziwactwa związane z kolejnością, więc kolejność musi decydować o rekomendacjach marek.

Luka jest w ostatnim kroku. Tamte eksperymenty proszą model o ocenę listy opcji i wybór jednej. Zapytanie porównawcze w AI Overviews nie jest tym zadaniem. To prośba o syntezę, na którą odpowiada system wyszukiwania opierający odpowiedź na stronach osób trzecich. Właśnie dlatego twierdzenie warto było sprawdzić, a nie powtórzyć.

Co przepuściliśmy

Znaczenie mają dwie decyzje projektowe. Po pierwsze, każde zapytanie uruchamialiśmy dwa albo trzy razy, bo pojedyncza odwrócona odpowiedź niczego nie dowodzi w systemie, w którym jest choć trochę losowości. Po drugie, zapisywaliśmy, jak odpowiedź została zbudowana, a nie tylko co mówi: która marka jest nazwana pierwsza, jak często pojawia się każda z nich, jak wyglądają cytowane strony i ile cytowań wskazuje na własną domenę każdej marki.

16 par dobrano tak, by objąć dwie sytuacje: porównania software'owe, w których obie marki są podmiotami, które ludzie badają (Notion vs Asana, Slack vs Microsoft Teams, Semrush vs Ahrefs, Figma vs Sketch), oraz porównania konsumenckie, w których większa marka jest oczywista (Nike vs Adidas, Coca-Cola vs Pepsi, iPhone vs Samsung Galaxy, Netflix vs Disney+, Toyota vs Honda, iRobot Roomba vs Roborock).

Wynik 1: odpowiedź nie poszła za kolejnością

Spośród 100 uruchomień, które dały czystą i mierzalną pierwszą wzmiankę, marka zapisana w zapytaniu jako pierwsza została nazwana pierwsza 49 razy: 49%.

Żadna większość się nie odwróciła. Kiedy odpowiedź miała preferencję, zachowywała ją w obu kolejnościach: AI Overviews otwierały się na Asanie i dla Notion vs Asana, i dla Asana vs Notion, na Monday.com w obu porównaniach z Airtable, na Google Meet w obu porównaniach z Zoomem. Nike prowadził w obu kolejnościach przeciw Adidasowi. Samsung Galaxy prowadził w obu kolejnościach przeciw iPhone'owi.

Powtórzone uruchomienia zgadzały się ze sobą 93 razy na 100. Sześć z siedmiu wyjątków pochodziło z jednej pary przy innym sformułowaniu, co okazało się właściwą historią. Siódmy to jedno uruchomienie Slack vs Microsoft Teams, które otworzyło się na Slacku zamiast na Teams; dwa kolejne wróciły do Teams.

Jednej rzeczy ten pomiar nie rozstrzyga: stać na początku odpowiedzi to nie to samo co być polecanym. Dlatego policzyliśmy też język rekomendacji. We wszystkich 60 uruchomieniach par software'owych zdania używające słów zwycięstwa (wins, better choice, recommend, stronger, go-to) rozłożyły się 40 do 39 między markę zapisaną w zapytaniu jako pierwszą i tę drugą. Zupełny remis.

Wynik 2: dwie odpowiedzi były zwykle tą samą odpowiedzią

Gdyby kolejność zakotwiczała podwyszukiwania, dwie wersje zapytania powinny pobierać różne strony, a odpowiedzi powinny się rozchodzić. Przeważnie się nie rozchodziły.

W 8 z 10 par software'owych AI Overview dla A vs B i ten dla B vs A były identyczne słowo w słowo. Porównaj pierwsze zdania Semrush vs Ahrefs w obu kolejnościach:

Semrush to kompleksowa platforma marketingowa, a Ahrefs to narzędzie specjalizujące się w SEO i analizie linków zwrotnych. (Cytat w oryginale po angielsku.)

To samo zdanie, ta sama kolejność faktów, to samo zamknięcie „wybierz Semrush, jeśli… / wybierz Ahrefs, jeśli…", niezależnie od tego, od której marki zaczynało się zapytanie. Tylko dwie pary pokazały prawdziwy dryf tekstu: Slack vs Microsoft Teams i Shopify vs WooCommerce, przy czym w przypadku Shopify dryf ograniczył się do inaczej sformułowanego akapitu otwierającego, a nie do innego wniosku.

Dowody pomocnicze wskazują w tę samą stronę. Wśród 806 wpisów odnośników w uruchomieniach par software'owych cytowania własnych domen obu marek wyszły 36 do 36. Tytuły cytowanych stron, które nazywają obie marki, stawiały markę zapisaną w zapytaniu jako pierwszą przed drugą 392 razy, a tę drugą przed pierwszą 396 razy: 49,7%, kolejny rzut monetą. Łączna liczba wzmianek marek rozłożyła się 337 do 336, czyli 50,1% do 49,9%.

System, którego wyszukiwanie byłoby sterowane marką pojawiającą się w zapytaniu jako pierwsza, nie dałby ani rozkładu cytowań 36 do 36, ani identycznego co do bajtu tekstu.

Co naprawdę poruszyło odpowiedź

Dwie rzeczy, obie bardziej przydatne niż kolejność.

Sformułowanie. Dla trzech par uruchomiliśmy zapytanie vs oraz zapytanie which is better, X or Y w obu kolejnościach. AI Overviews zachowywały się tak, jakby to były różne pytania, i robiły to identycznie w obu kolejnościach.

Dla Shopify i WooCommerce Shopify vs WooCommerce otworzyło się opisem produktu: Shopify to kompleksowy hostowany kreator sklepów, a odpowiedź przeszła przez różnice. Which is better, Shopify or WooCommerce otworzyło się odmową uszeregowania ich: żaden nie jest obiektywnie lepszy, wszystko zależy od potrzeb. Te same cztery uruchomienia, ta sama para, ten sam dzień, przeciwne pierwsze wrażenia, napędzane wyłącznie sformułowaniem, a nie pozycją.

Dla Semrush i Ahrefs odpowiedzi na which is better zawierały wyraźne zdania werdyktu i każde z nich przypisywało przewagę Ahrefsowi: pięć z pięciu uruchomień, niezależnie od tego, czy zapytanie brzmiało Semrush or Ahrefs, czy Ahrefs or Semrush. Kolejność była nieistotna wobec faktu, że leżący u podstaw korpus porównawczy traktuje Ahrefsa jako mocniejsze narzędzie do linków zwrotnych.

Powierzchnia. Przepuściliśmy 18 tych samych zapytań przez Google AI Mode, powierzchnię konwersacyjną. Jego zachowanie różni się od AI Overviews w sposób, który wygląda na wrażliwość na kolejność, ale nią nie jest. Dla Semrush vs Ahrefs AI Mode otwierał się zwrotem Both Semrush and Ahrefs are… albo Both Ahrefs and Semrush are… w zależności od kolejności zapytania, odzwierciedlając ją. I zwróć uwagę, na którym wariancie się zatrzymał: Both X and Y, konstrukcja bez żadnej implikacji rankingowej. Imię otwierające zdanie to stylistyczne echo promptu.

Pod tym echem treść odpowiedzi AI Mode była znacznie mniej stabilna niż w AI Overviews: podobieństwo tekstu między uruchomieniami w obrębie tej samej kolejności wynosiło tylko 0,30–0,36, a między kolejnościami 0,38, podczas gdy AI Overviews dawały identyczny tekst dla większości par. W dwóch z trzech par odpowiedzi AI Mode były identyczne co do bajtu między kolejnościami, a w przypadku Shopify za każdym razem otwierał się na WooCommerce, podczas gdy AI Overviews za każdym razem otwierały się na Shopify. Każda powierzchnia ma utrwalone nawyki pisania i nie są to te same nawyki.

Historia o kolejności nie jest czystą fikcją

Jeden pomiar rzeczywiście poruszał się razem z kolejnością słów i jest to ten, za którym większość ludzi naprawdę patrzy: klasyczna lista wyników.

W 5 z 10 par software'owych trzy pierwsze tradycyjne wyniki organiczne różniły się między A vs B i B vs A, w tym w parze, w której AI Overview był identyczny w obu kolejnościach. Reddit trzymał się blisko szczytu w większości porównań software'owych, a to, który konkretny wątek się pojawiał, zmieniało się wraz ze sformułowaniem. Więc w Google Search naprawdę istnieje wrażliwość na kolejność przy zapytaniach porównawczych. Leży w warstwie pod odpowiedzią AI, a nie w samej rekomendacji. Ta różnica to cały powód, dla którego warto było ten test przeprowadzić, i nie jest to ustalenie, które spodziewaliśmy się napisać.

Ma to znaczenie dla raportowania. Jeśli Twój tracker pozycji pokazuje, że pozycja skacze między markowymi i niemarkowymi zapytaniami porównawczymi, widzisz realny efekt. Tylko nie jest to efekt opisany w viralowym twierdzeniu i optymalizacja pod niego nie zmieni tego, co AI Overview mówi o Tobie.

Dźwignia, na którą dane rzeczywiście wskazują

Najczystszy sygnał w naszych uruchomieniach nie dotyczył wcale konstrukcji zapytania. Dotyczył korpusu porównawczego, z którego zbudowano każdą odpowiedź.

W Airtable vs Monday.com cytowane źródła obejmowały 18 stron należących do Monday.com i zero stron należących do Airtable, w obu kolejnościach. W Mailchimp vs Klaviyo sześć cytowań należących do Mailchimp, zero Klaviyo. Shopify vs WooCommerce dało trzy cytowania należące do WooCommerce i żadnego należącego do Shopify. Tymczasem w sporej liczbie par własna domena którejkolwiek z marek nie pojawiła się wcale: odpowiedź została złożona z porównań osób trzecich, serwisów recenzenckich i wątków na forach.

Ten wzorzec jest spójny z tym, jak wyszukiwanie faktycznie działa. Model nie przejmuje się tym, którą nazwę wpisałeś pierwszą; przejmuje się tym, jakie strony istnieją i jak opisują każdą markę. Tam, gdzie marka ma własne treści porównawcze, te strony są wciągane do środka. Tam, gdzie ich nie ma, brakuje ich w odpowiedziach wszystkich, którzy pytają.

Jak przeprowadzić własny test odwrócenia kolejności

Piętnaście minut i bez dostępu do API:

1. Wybierz pięć zapytań porównawczych, w których Twoja marka jest jedną z dwóch nazw i masz realnego konkurenta.
2. Uruchom każde w obu kolejnościach i każdą kolejność dwa razy. Cztery odpowiedzi na parę, dziesięć par odpowiedzi łącznie.
3. Zapisz odpowiedzi, zanim je przeczytasz. Zrób zrzut ekranu albo skopiuj pełny tekst i cytowane źródła.
4. Porównaj osobno dwie rzeczy: która marka jest nazwana pierwsza i co odpowiedź mówi o każdej marce. Tam, gdzie znaleźliśmy ciekawy sygnał, kolejność była stabilna, a treść nie.
5. Patrz na listę cytowań, nie tylko na tekst. Jeśli własna domena konkurenta pojawia się ciągle, a Twoja nie, znalazłeś prawdziwe wąskie gardło.

AI Overview Citation Checker pokaże Ci, które strony AI Overview cytuje dla zapytania, co jest najszybszym sposobem sprawdzenia, czy Twoja domena w ogóle jest w puli.

Zrób to co najmniej dwa razy, w różne dni, zanim cokolwiek wyciągniesz. Nasza własna zgodność między uruchomieniami wyniosła 93%, nie 100%, a jedno odwrócone uruchomienie to dokładnie ten rodzaj szumu, który zamienia się w pewny siebie wpis na blogu.

Co z tym zrobić

Nie przebudowuj stron porównawczych wokół kolejności słów. Nie ma dowodów, że zmienia ona to, co polecają AI Overviews, a nawet gdyby Google kiedyś nadał jej wagę, poprawka byłaby edycją jednego słowa, która nie mówi nic o Twojej rzeczywistej pozycji.

Traktuj sformułowanie jako prawdziwą zmienną. X vs Y i which is better, X or Y to różne zapytania dające różne odpowiedzi. Jeśli Twoi kupujący formułują porównania jako pytania, potrzebujesz treści, która odpowiada na pytanie, a nie tylko tabeli specyfikacji.

Sprawdź, czy własne strony Twojej marki pojawiają się w cytowaniach w porównaniach, na których Ci zależy. Rozkład 18 do 0, który zobaczyliśmy, to najbardziej praktyczna liczba w tym zbiorze danych i dotyczy publikowania, a nie formułowania promptów.

Zachowaj metrykę pierwszej wzmianki, jeśli już ją masz, i traktuj ją jako opis tego, co mówi odpowiedź, a nie jako dźwignię, którą można pociągnąć. W naszych danych był to rzut monetą podążający za korpusem, nie za zapytaniem.

Ograniczenia

To jeden dzień danych z jednej lokalizacji i jednego języka, na desktopie, zebranych przez SERP API, a nie przez sesję przeglądarki, na 16 parach marek. Wyniki wyszukiwania zmieniają się wraz z personalizacją, czasem i urządzeniem, a jeden dzień nie wyklucza przyszłej zmiany.

Mierzyliśmy, która marka jest nazwana pierwsza, jak często jest wzmiankowana i które źródła są cytowane. Żaden z tych pomiarów nie jest bezpośrednią miarą tego, jak przekonująca jest odpowiedź dla czytelnika, a odpowiedź, która nazywa Twoją markę pierwszą, wciąż może pozostawić wrażenie, że wygrywa ta druga.

Próba dla AI Mode to 18 zapytań w trzech parach: dość, by zobaczyć, że powierzchnia zachowuje się inaczej, i za mało, by ją kwantyfikować. Czytaj ten rozdział jako kierunek, nie jako wskaźnik.

I wreszcie, twierdzenia o mechanizmie z oryginalnej historii pozostają nieweryfikowalne z zewnątrz. Google potwierdza, że fan-out zachodzi, i nie ujawnia podzapytań, więc nikt nie może pokazać, jakie podzapytania wygenerowało Twoje zapytanie. Nasz test może pokazać, że odwrócenie kolejności nie zmieniło wyniku. Nie może pokazać dlaczego.

Najczęstsze pytania

Czy kolejność słów w zapytaniu Google wpływa na AI Overviews? W naszym teście nie. Wśród 102 zapytań do AI Overviews obejmujących 16 par marek w obu kolejnościach marka zapisana jako pierwsza została nazwana pierwsza w 49% przypadków i żadna para nie zmieniła kierunku, gdy odwróciliśmy zapytanie. Osiem z dziesięciu par software'owych zwróciło identyczne słowo w słowo odpowiedzi w obu kolejnościach.

Dlaczego ludzie mówią, że kolejność wpływa na rekomendacje AI? Bo efekty kolejności są udokumentowane w modelach językowych proszonych o wybór z listy, gdzie pierwsza opcja wygrywa w około 63% przypadków w opublikowanych badaniach, i bo fan-out zapytań Google czyni proces wyszukiwania niewidocznym. Oba fakty są prawdziwe. Żaden z nich nie oznacza, że zapytanie porównawcze w AI Overviews zmieni markę, gdy przestawisz nazwy.

Co naprawdę zmienia AI Overview dla zapytania porównawczego? Sformułowanie i powierzchnia. Shopify vs WooCommerce dało odpowiedź prowadzoną produktem w obu kolejnościach, podczas gdy which is better, Shopify or WooCommerce dało odpowiedź „żaden nie jest obiektywnie lepszy" w obu kolejnościach. Te same zapytania w AI Mode wróciły z jeszcze innym ujęciem i znacznie większą zmiennością między uruchomieniami.

Czy warto optymalizować pod pierwszą wzmiankę w AI Overviews? Obserwuj ją, ale nie optymalizuj pod nią. W naszych danych pierwsza wzmianka podążała za korpusem źródeł, a nie za czymś, co kontrolowaliśmy od strony zapytania. Zmienną, którą kontrolujesz, jest to, czy Twoje własne strony porównawcze są w ogóle w puli cytowań: jedna z badanych par zebrała 18 cytowań należących do konkurenta i zero od drugiej marki.

Powiązane lektury

• Jak optymalizować strony porównawcze pod cytowania w wyszukiwaniu AI
• Dlaczego Twój artykuł „best X" sprawia, że AI poleca konkurentów
• Które typy zapytań AI Overviews faktycznie zmieniają i ile Cię to kosztuje

Autor: Ethan Marlowe, lider pomiaru GEO w Auspia, ponad 500 promptów. Pisze o pomiarze widoczności w AI, projektowaniu zestawów promptów i o tym, jak prowadzić testy, które wytrzymują drugie spojrzenie.