Generative AI Report w Google Search Console pokazuje głównie ekspozycję linków witryny w generatywnych funkcjach Google Search. W obecnie opisanym wariancie raportu podstawową metryką są impressions, a dane można analizować przez Pages, Countries, Dates i Devices. Taki zapis nie oznacza kliknięcia, sesji, konwersji ani potwierdzenia, że dany URL był groundingiem określonego fragmentu odpowiedzi.
Najważniejsze pytanie brzmi więc nie „czy liczba rośnie?”, lecz „co dokładnie zostało policzone i na jakim poziomie?”. Bez tego łatwo pomylić ekspozycję linku z efektem biznesowym albo przypisać raportowi możliwości, których bieżąca dokumentacja nie opisuje.
Co dokładnie mierzy Generative AI Report?
Dokumentacja raportu Generative AI w Search Console opisuje go jako widok pokazujący, jak witryna pojawia się w generatywnych funkcjach Google Search. W wersji dokumentacji zweryfikowanej 11 sierpnia 2026 r. raport Search obejmuje AI Overviews i AI Mode. Google zastrzega, że lista obsługiwanych funkcji może się zmieniać.
Jednostką obserwacji jest impression linku. Raport liczy sytuację, w której link prowadzący do witryny został pokazany użytkownikowi w objętej raportem generatywnej funkcji Search. To ważne rozróżnienie: raport rejestruje ekspozycję linku, a nie pełny łańcuch zachowania użytkownika.
- AI Overviews — raport obejmuje wyświetlenia linków według reguł liczenia przypisanych temu formatowi.
- AI Mode — raport obejmuje wyświetlenia linków według metodologii Search Console dla tego trybu.
- Discover — ma osobny raport Generative AI i nie powinien być mieszany z raportem Search.
Ta granica jest ważna także dla języka analitycznego. Zdanie „URL ma impression w Generative AI Report” jest zgodne z zakresem pomiaru. Zdanie „Google użył tej strony jako źródła określonego twierdzenia” wymaga innego dowodu.
Jeżeli problemem nie jest interpretacja danych, lecz sam dostęp do widoku, osobno opisano jak sprawdzić, czy masz raport Generative AI w Google Search Console.
Jak czytać Pages, Countries, Dates i Devices?
Bieżąca dokumentacja raportu wymienia cztery wymiary: Pages, Countries, Dates i Devices. Każdy odpowiada na inne pytanie i każdy zachowuje własne ograniczenia interpretacyjne.
| Wymiar | Pytanie analityczne | Granica interpretacji |
|---|---|---|
| Pages | Które adresy URL otrzymują generatywne impressions? | Dane stron trzeba czytać z uwzględnieniem finalnego URL-a oraz canonical. |
| Countries | Jak rozkładają się impressions między krajami? | Sam kraj nie wyjaśnia przyczyny różnicy między wartościami. |
| Dates | Jak zmienia się ekspozycja w czasie? | Najnowsze dane mogą mieć status preliminary i jeszcze się zmienić. |
| Devices | Jak rozkładają się impressions między typami urządzeń? | Różnica między urządzeniami nie dowodzi sama przyczyny obserwowanej zmiany. |
Wymiar Pages wymaga szczególnej uwagi. Google opisuje go przez końcowy URL, czyli adres uzyskany w wyniku przekierowań, a większość danych przypisuje do canonical URL. Oznacza to, że analiza pojedynczego adresu powinna uwzględniać sposób kanonikalizacji oraz końcowy adres raportowany przez system.
Wymiar Dates w bieżącym opisie raportu wskazuje dni, tygodnie i miesiące, a zasady czasu odwołują się do metodologii standardowego raportu Performance. Ten sam system udostępnia widok godzinowy dla widoku 24-godzinnego. Nie należy więc upraszczać całej warstwy czasu do jednego stałego trybu.
Najświeższe wartości mogą być oznaczone jako preliminary. Taka liczba nie musi być jeszcze ostateczna, więc analiza bardzo krótkiego odcinka czasu wymaga ostrożności.
Dlaczego wykres i tabela mogą pokazywać inne sumy?
Różnica między wykresem i tabelą nie musi oznaczać błędu. Powodem może być odmienny poziom agregacji. Wykres domyślnie agreguje dane na poziomie property, natomiast tabela Pages operuje na poziomie strony.
Hipotetyczny przykład: jedna generatywna odpowiedź pokazuje dwa linki prowadzące do dwóch różnych URL-i tej samej witryny. Na wykresie property takie zdarzenie może zostać ujęte jako jedno impression dla witryny. W tabeli Pages oba adresy mogą otrzymać własne przypisanie na poziomie strony. Mechanizm wynika z zasad agregacji opisanych w oficjalnej dokumentacji raportu; przykład nie przedstawia danych konta SEOsklep24.
Filtr URL zmienia sposób agregacji wykresu na poziom wskazanego adresu. Z tego względu porównywanie sum bez sprawdzenia aktywnego wymiaru i filtrów może prowadzić do błędnej diagnozy.
Czego nie znajdziesz w dedykowanym raporcie?
W dokumentacji zweryfikowanej 11 sierpnia 2026 r. osobny Generative AI performance report (Search) nie wymienia kilku pól znanych z ogólnego Performance.
- Queries — nie występuje na bieżącej liście wymiarów dedykowanego raportu.
- Clicks — nie jest wymienione jako metryka tego widoku.
- CTR — nie jest wymienione jako metryka tego widoku.
- Average position — nie jest wymienione jako metryka tego widoku.
To ograniczenie odnosi się do dedykowanego raportu, nie do całego Search Console. Jeśli kolejnym zadaniem jest praca z klasycznym wymiarem Queries, osobny materiał pokazuje jak interpretować zapytania widoczne dla witryny w Google Search Console.
Taki podział ma znaczenie szczególnie przy pytaniach o AI Mode, ponieważ metodologia liczenia wyświetleń, kliknięć i pozycji w Search Console traktuje kolejne pytanie użytkownika w AI Mode jako nowe query i przypisuje nowej odpowiedzi jej własne dane o impressions, clicks i position.
Brak wymiaru Queries w dedykowanym widoku nie oznacza więc automatycznie, że każde zachowanie związane z zapytaniami AI jest niewidoczne w całym produkcie. Nie daje też podstawy do obietnicy pełnej rekonstrukcji promptów użytkowników.
Jak Generative AI Report łączy się ze zwykłym Performance?
Raport Generative AI i ogólny Performance pełnią różne role. Generative AI Report daje osobny widok generatywnych impressions. Google opisuje sposób raportowania AI features w Search Console tak, że dane z AI Overviews i AI Mode pozostają równocześnie częścią ogólnego typu wyszukiwania Web.
Najprostszy model analityczny ma więc dwie warstwy:
- Generative AI Report — służy do obserwacji ekspozycji linków w objętych raportem generatywnych funkcjach Search.
- Performance — Web — pokazuje szerszy obraz wyników wyszukiwania, w którym dane z funkcji generatywnych nadal są uwzględniane według metodologii Search Console.
Te dwa widoki nie są zamiennikami. Pierwszy izoluje określony typ ekspozycji, drugi zachowuje szerszy kontekst Search. Brak Queries w dedykowanym raporcie nie tworzy osobnej reguły, która usuwałaby metodologię query z całego Performance.
Czy Generative AI impression oznacza cytowanie albo użycie strony jako źródła?
Nie. Samo Generative AI impression potwierdza zdarzenie ekspozycji linku według definicji raportu. Nie stanowi samoistnego dowodu kliknięcia, sesji, konwersji ani grounding określonego twierdzenia odpowiedzi.
Metodologia Search Console dotycząca impressions wskazuje, że w AI Overview impression linku wymaga, aby link został przewinięty lub rozwinięty do widoku. AI Mode stosuje standardowe reguły impressions opisane przez Search Console. Ta metodologia mówi, kiedy system zalicza ekspozycję linku. Nie opisuje osobnej metryki „URL był źródłem zdania X”.
Dobrym testem językowym jest rozdzielenie dwóch zdań:
- „Link do strony został pokazany w objętej raportem generatywnej funkcji Search.” — taki sens odpowiada metryce impression.
- „Strona była groundingiem określonego twierdzenia odpowiedzi.” — sam raport nie dostarcza osobnego pola, które potwierdzałoby taki wniosek na podstawie samego impression.
Ta różnica chroni analizę od nadinterpretacji. Wysoka liczba impressions opisuje ekspozycję w granicach definicji raportu. Sama nie rozstrzyga jakości cytowania, intencji użytkownika ani wartości biznesowej ruchu.
Jak dobrać dane z raportu do pytania analitycznego?
Najbezpieczniejsza analiza zaczyna się od pytania, a nie od samej liczby. Dopiero gdy wiadomo, jaka obserwacja jest potrzebna, można dobrać metrykę, wymiar i poziom agregacji.
Infografika poniżej pokazuje kolejność interpretacji danych: od pytania i dostępnej metryki przez poziom agregacji do granicy wniosku. Tabela pod grafiką rozwija ten model o konkretne pytania analityczne, właściwe dane i interpretacje, których sam raport nie potwierdza.
| Pytanie | Dane | Poziom agregacji | Dozwolony wniosek | Wniosek wykraczający poza dane |
|---|---|---|---|---|
| Które URL-e mają generatywne impressions? | Impressions + Pages | Page | Można wskazać strony, którym raport przypisał ekspozycję linków. | Nie można z samej tej wartości stwierdzić, że każda strona była groundingiem odpowiedzi. |
| Czy ekspozycja zmienia się w czasie? | Impressions + Dates | Property lub URL zależnie od widoku i filtra | Można opisać zmianę liczby impressions w obserwowanym okresie. | Nie można z samej zbieżności czasowej przypisać zmiany określonej optymalizacji. |
| Skąd różnica między wykresem i tabelą? | Chart + table + aktywny wymiar | Property albo page | Można sprawdzić, czy różnica wynika z odmiennej agregacji. | Nie należy automatycznie uznawać różnicy za błąd raportu. |
| Czy raport pokaże frazę lub follow-up użytkownika? | Raport Generative AI: brak Queries na bieżącej liście wymiarów | Nie dotyczy | Można stwierdzić, że ten widok nie udostępnia wymiaru Queries. | Nie można rozszerzyć tego stwierdzenia na całe Search Console. |
| Czy impression oznacza sukces biznesowy? | Generative AI impression | Zależnie od widoku | Można potwierdzić ekspozycję linku według definicji raportu. | Nie można z samej tej metryki potwierdzić kliknięcia, sesji, konwersji ani przyczynowego efektu działań SEO. |
- Nazwij pytanie. Ustal, czy chodzi o URL, kraj, czas, urządzenie, zmianę sumy czy granicę interpretacji.
- Wskaż metrykę i wymiar. Sprawdź, czy raport Generative AI posiada pole potrzebne do odpowiedzi.
- Sprawdź agregację. Ustal, czy odczyt dotyczy property, pojedynczej strony czy widoku zmienionego filtrem URL.
- Dodaj ograniczenie. Uwzględnij canonical, preliminary data, brak danego wymiaru albo fakt, że impression opisuje ekspozycję linku.
- Sformułuj tylko taki wniosek, jaki wspiera obserwacja. Jeżeli pytanie wymaga kliknięć, sesji, konwersji, grounding albo przyczynowości, sam Generative AI Report nie wystarcza.
Taki model pozwala używać raportu jako źródła obserwacji, a nie jako skrótu do odpowiedzi na każde pytanie o widoczność AI. Dalszym zadaniem pomiarowym jest zbudowanie punktu odniesienia dla widoczności w Google AI Search i dopiero późniejsza ocena zmian względem tej samej metodologii.
