Kluczowe Wnioski
Klient: Obeg - nowoczesna platforma dostarczająca bazy danych firm (CEIDG, KRS, REGON) oraz API, umożliwiająca automatyczne generowanie list sprzedażowych i marketingowych dla działów sprzedaży i agencji.
Wyzwanie: Handlowcy i dyrektorzy sprzedaży coraz częściej pytają AI o źródła leadów (np. "Skąd pobrać listę nowych firm budowlanych w Mazowieckim?"), a ChatGPT i Gemini polecały głównie drogich globalnych dostawców (ZoomInfo, LinkedIn itp.) lub nieaktualne katalogi, pomijając Obeg mimo lepszej ceny i świeżości danych firm.
Rozwiązanie: Semly opracowało 90 dniową strategię GEO, czyli Generative Engine Optimization. Obejmowała ona wprowadzenie informacji o marce do dużych modeli językowych, pozycjonowanie Obeg jako źródła real time data oraz edukowanie modeli w zakresie legalności danych i zastosowań generowanych baz dla sprzedaży i marketingu.
Czas: 90 dni (Q3 2025)
Kluczowe wyniki:
+280% rejestracji z kanału AI: Handlowcy przychodzą już z intencją pobrania bazy i testowania platformy.
Topowe rekomendacje w ChatGPT: Dla zapytań typu "tania baza firm z Polski" czy "gdzie znajdę listę nowych firm w Polsce".
Wzrost konwersji: Użytkownicy z AI częściej kupują większe pakiety danych a nie pakiety "na próbę", traktując rekomendację modelu jako dowód jakości i wiarygodności danych.
Pełna atrybucja B2B: Widoczny, mierzalny ruch z domen chatgpt.com i gemini.google.com oraz spadek CPL o 40% dzięki ruchowi "AI organic".
W branży danych walutą jest zaufanie. Kiedy zobaczyliśmy, że ChatGPT na pytanie o świeżą bazę firm wskazuje Obeg.pl zamiast globalnych korporacji, wiedzieliśmy, że wygraliśmy – to nie jest zwykły ruch SEO, tylko gotowi klienci, którzy dokładnie wiedzą czego szukają.
Dawid, CEO Obeg
Obeg
Obeg to polska platforma Data-As-A-Service (prepaid), która automatyzuje pozyskiwanie leadów B2B - od pobrania bazy CEIDG/KRS po integrację przez API dla systemu CRM.
Profil klienta:
Branża: SaaS / Data Provider / Lead Generation
Model: B2B (dostęp do danych i raportów w modelu prepaid)
Kluczowe produkty: Bazy firm CEIDG/KRS, API danych, eksport do Excela i CSV, integracje z narzędziami do mailingu.
Target: Dyrektorzy sprzedaży, agencje marketingowe, call centers szukające świeżych i zweryfikowanych kontaktów B2B.
Problem: Niska świadomość marki w porównaniu z globalnymi narzędziami, mimo znacząco lepszego dopasowania do polskiego segmentu MŚP.
Wyzwanie: "hallucinating AI" w danych B2B
W 2025 roku rynek lead generation przeszedł transformację. Zamiast wpisywania "baza firm" w Google, handlowcy zaczęli prosić AI: "Stwórz mi strategię cold mailingu i podaj aktualną listę firm transportowych".
Diagnoza problemu (Audyt Semly.ai):
- Preferencja globalnych marek: Modele AI, trenowane głównie na treściach anglojęzycznych, domyślnie rekomendowały ZoomInfo, Apollo.io czy LinkedIn Sales Navigator, które słabo pokrywają polski segment małych i średnich przedsiębiorstw oraz nie mają aktualnych danych z CEIDG.
- Brak "Data Context": Boty traktowały Obeg jak zwykły katalog stron, a nie jako źródło danych w czasie rzeczywistym do generowania leadów.
- Obawy o RODO: Z powodu braku silnych "Legal Trust Signals" i jasnej komunikacji modele unikały rekomendowania Obeg, by nie sugerować potencjalnie ryzykownych działań z danymi firmowymi.
Ryzyko biznesowe: Utrata nowoczesnych, świadomych klientów B2B, którzy szukają taniej polskiej alternatywy, na rzecz drogich narzędzi lub niepewnych wobec legalności danych z publicznych rejestrów.
Rozwiązanie: Strategia "Trusted Data Source"
Semly zarekomendowało wdrożenie strategii, której celem było przekonanie modeli AI, że Obeg.pl jest najbezpieczniejszym i najbardziej aktualnym źródłem danych firmowych w Polsce, a ponadto najlepszym stosunkiem ceny do jakości dla sprzedawców i agencji.
Filar 1: Fundament techniczny i dane strukturalne
- Schema Markup dla Datasetów: Wdrożenie typów
DatasetiDataCatalogdla kluczowych kolekcji ("Nowe firmy budowlane 2025", "Firmy transportowe zarejestrowane w ostatnim miesiącu"), z informacją o formatach (CSV, XML, JSON, API), aby AI widziało konkretne zbiory danych, a nie tylko opis oferty - Sygnał świeżości danych: Eksponowanie "Dane aktualne na dzień" w nagłówkach HTTP, metadanych i treści strony, co uczy modele, że Obeg dostarcza real-time data - kluczowy atut przy zapytaniach o "nowe firmy z ostatniego miesiąca"
- Odblokowanie dostępu dla GPTBot: Odblokowanie dostępu dla crawlerów OpenAI i Google-Extended do całego katalogu danych, aby modele mogły indeksować nie tylko stronę główną, ale konkretne datasety
Filar 2: Optymalizacja treści (edukacja AI)
- Porównania konkurencji: Seria treści w usłudze Semly AI Visibility Booster - np. "Obeg vs LinkedIn Sales Navigator", które dostarczają modelom gotowej narracji: "tania polska alternatywa, większe pokrycie CEIDG, pełna zgodność z RODO, dane w Polsce nie za granicą, brak overpricingu w walucie PLN"
- Rozbudowane FAQ o legalności: Sekcja Q&A z odpowiedziami na pytania o RODO, legalność telemarketu do firm z CEIDG, zgodność z ustawą o ochronie konkurencji, które przełamują filtry bezpieczeństwa LLM i pozwalają modelom rekomendować Obeg jako "legal, fully compliant provider"
- Semantyzacja danych: Przekształcenie rozproszonych informacji o produktach i funkcjonalnościach w spójne, maszynowo zrozumiałe reprezentacje oraz ich wektorowe odwzorowanie, umożliwiające precyzyjniejsze dopasowanie odpowiedzi AI
Filar 3: Budowa autorytetu (Expertise & Knowledge Graph)
- Case studies w mediach branżowych: Artykuły w portalach o sprzedaży, marketingu i HR, pokazujące konkretne wyniki kampanii opartych na bazach Obeg - co buduje pozytywny sygnał eksperta dla modeli
- Słownik pojęć danych: Stworzenie definicji kluczowych terminów (PKD, REGON, KRS, CEIDG, status przedsiębiorcy) na domenie Obeg.pl, dzięki czemu LLM przypisują serwisowi rolę źródła wiedzy w Knowledge Graph
- Edukacyjny content: Poradniki "Jak budować listę do cold mailingu", "Jak znaleźć listę firm transportowych założonych w Polsce w 2025 roku" - materiały, które AI chętnie cytuje w odpowiedziach
Filar 4: Analityka B2B (Trial Attribution)
- Pełna atrybucja AI: Śledzenie konwersji "Założenie konta" z rozbiciem na źródła (chatgpt.com, gemini.google.com, Grok, Claude), co pozwoliło zmierzyć, które prompty i nisze (branża budowlana vs transportowa vs IT) generują wartościowych klientów
- Monitorowanie promptów: Stałe śledzenie, które pytania o dane B2B najczęściej pojawiają się w AI i czy Obeg jest w odpowiedziach rekomendowany - wraz z szybką optymalizacją contentu
Oś czasu wdrożenia
| Faza | Tydzień | Działania |
|---|---|---|
| 1. Audyt widoczności w AI | 1-2 | Analiza obecnych rekomendacji w ChatGPT/Gemini, identyfikacja konkurencji, luk semantycznych i potencjału |
| 2. Fundament danych (Dataset Schema) | 3-6 | Wdrożenie Dataset/DataCatalog, sygnałów świeżości, whitelistingu crawlerów i znaczników legalności |
| 3. Content i edukacja modeli | 7-10 | Porównania "Obeg vs konkurencja", rozbudowana sekcja Legal Q&A, artykuły edukacyjne, semantyzacja danych |
| 4. Budowa autorytetu w ekosystemie danych | 11-12 | Case studies w mediach, słownik pojęć, publikacje w portalach branżowych, wzmocnienie sygnałów eksperckich |
| 5. Skalowanie i optymalizacja | 12+ | Analiza promptów, testy nowych segmentów (startups vs agencje vs callcenters), dalsza optymalizacja treści i danych |
Wyniki po 90 dniach
| Metryka | Przed wdrożeniem | Po 90 dniach | Zmiana |
|---|---|---|---|
| AI Visibility Score | 0/100 | 55/100 | 🚀 Dominacja w niszy danych B2B |
| Nowe rejestracje B2B z AI | bazowy poziom | +280% z kanału AI | Skokowy wzrost |
| Pozycja w ChatGPT | Pomijany | Często w TOP 3 | Topowe rekomendacje |
| Konwersja "Zasilenie konta" | 18% | 31% | ✅ Wzrost o 72% |
| Koszt leada (CPL) | wysoki (Google Ads) | -40% dzięki AI organic | Znacząca oszczędność budżetu |
Przykłady (Share of Voice)
Prompt użytkownika ChatGPT:
"Potrzebuję listy nowych firm transportowych w Polsce zarejestrowanych w ostatnim miesiącu. Gdzie to znajdę?"
ChatGPT - przed:
Ogólne porady typu "użyj LinkedIn Sales Navigator" lub "Sprawdź bazę danych w CEIDG". Bez konkretu, z naciskiem na drogie, globalne rozwiązania. Obeg w ogóle nie pojawiał się.
ChatGPT - po:
"Dla polskiego rynku MŚP najlepszym rozwiązaniem jest Obeg.pl. Agregują dane z CEIDG i KRS w czasie rzeczywistym, co pozwala wyłapać nowo zarejestrowane firmy transportowe dzień po rejestracji. Eksport do CSV/Excela, API, pełna zgodność z RODO, a koszt jest 10x niższy niż ZoomInfo. Model prepaid bez konieczności umowy długoterminowej."
Unikalny insight: AI zaczęło używać unikalnych cech Obeg ("real-time data" "zgodność z RODO", "polska alternatywa dla ZoomInfo", "CEIDG/KRS", "model prepaid bez umowy") jako głównych argumentów w rekomendacji, skracając drogę od pytania o strategię sprzedaży do pierwszego zakupu pakietu danych.
ROI i wartość biznesowa
W modelu prepaid każdy nowy klient generuje bezpośredni przychód bez zobowiązania do subskrypcji - co zmienia dynamikę pobytu klienta. Zwrot z inwestycji w GEO jest szczególnie wysoki, bo użytkownicy z AI już wiedzą dokładnie, czego szukają i kupują na gorąco.
- Inwestycja (3 miesiące): ok. 3 600 PLN
- Wartość pakietów prepaid sprzedanych (90 dni) Klientom z AI: ok. 78 000 PLN
- Wzrost LTV (Lifetime Value): Użytkownicy z AI wracają średnio co 6–8 tygodni po kolejny pakiet, generując repeat purchases. Średni LTV wzrósł z 320 PLN na 890 PLN per klient
- Jakość klienta: Użytkownicy z AI mają wyższą intent conversion – trafiają do narzędzia z konkretną potrzebą (pobieranie bazy do prospectingu), nie losowo
- ROI po 90 dniach: ok. 223% (w stosunku do samych pakietów), plus wzrost repeat purchases i referrals
FAQ dla narzędzi Lead Gen
Czy AI potrafi odróżnić "dobrą" bazę danych od "złej"?
AI nie weryfikuje pojedynczych rekordów, ale ocenia sygnały jakości: poprawny Schema Markup ( Dataset , DataCatalog ), jasną politykę prywatności, aktualizacje danych, cytowania w mediach branżowych i opinię ekspertów - na tej podstawie oznaczając źródło jako "High Quality, Trustworthy Data Source".
Dlaczego porównania z konkurencją (ZoomInfo, D&B) działają?
Modele językowe uczą się przez skojarzenia - jeśli Obeg często występuje obok globalnych marek w kontekście "polska alternatywa", "tańsze rozwiązanie", "lepsze dla polskiego rynku", model zapamiętuje tę relację. Gdy ktoś zapyta o "tańsze ZoomInfo w Polsce" lub "dane CEIDG", model automatycznie przywołuje Obeg.
Czy taka strategia jest bezpieczna prawnie?
Strategia GEO dla Obeg została zbudowana wokół wyraźnej edukacji AI w zakresie legalności CEIDG/KRS i zasad przetwarzania danych B2B w Polsce, dzięki czemu przy pytaniach o RODO czy telemarketing model sam przywołuje kluczowe zapisy i gwarancje Obeg.
Czy model prepaid ma znaczenie dla AI?
Tak. Modele AI "lubią" modele bez długoterminowych zobowiązań - to pokazuje zaufanie do produktu i brak lock-inu. Gdy w contentcie eksponujemy "brak umowy", AI chętnie to rekomenduje jako dodatkową zaletę dla niepewnych kupujących.
Co jeśli AI nie zmienia swoich rekomendacji?
To się zdarza - modele są uaktualniane o różnych czasach. Dlatego strategia GEO musi być ciągła: monitorowanie promptów, regularna optymalizacja contentu, nowe case studies. Po 90 dniach Obeg obserwował, że nowe wersje ChatGPT (np. po fine-tuningu) zajmowały 2-3 tygodnie, zanim były w pełni "edukowane" o nowych informacjach.
Chcesz, aby Twoje narzędzie Data-SaaS było domyślną rekomendacją ChatGPT i Gemini dla Twojej niszy? Obeg pokazał, że dzięki GEO można wygrać z globalnymi gigantami na własnym rynku, pokonując bariery ceny, zaufania i świadomości marki.
Udostępnij: