Jak restauracja może trafić do rekomendacji AI?

„Gdzie zjemy dziś wieczorem?" - takie pytanie coraz częściej trafia nie do wyszukiwarki, tylko do czatu AI. Ktoś rzuca je głosem, prowadząc auto, albo wpisuje na telefonie w drodze na spotkanie. Chce jednej konkretnej podpowiedzi na teraz, nie listy dziesięciu linków do przeklikania.

I tu rozstrzyga się gra o Twój stolik. Model nie odsyła do mapy z pinezkami. Wymienia dwie-trzy nazwy z krótkim uzasadnieniem: ta ma świetne opinie o pizzy, tamta pasuje na randkę. Gastronomia rządzi się przy tym własnymi regułami: zdjęcia, świeże menu i oceny ważą tu więcej niż w niejednej innej branży. W tym artykule pokazuję, co realnie pracuje na to, żeby wśród tych nazw padła Twoja.

Jak goście szukają miejsca na jedzenie?

Gość gastronomii prawie nigdy nie pyta o nazwę lokalu. Pyta o okazję i miejsce. „Gdzie na romantyczną kolację w Krakowie?", „dobra pizza w okolicy", „restauracja na urodziny dla piętnastu osób", „śniadania na Kazimierzu" - tak brzmią realne pytania, które trafiają do AI.

Dwie cechy tych pytań zmieniają zasady gry. Po pierwsze, są mocno lokalne: prawie zawsze noszą nazwę miasta, dzielnicy albo dopisek „w pobliżu". Po drugie, wiele z nich pada głosem, w drodze. Kierowca nie przegląda wyników, tylko słucha jednej odpowiedzi i zapamiętuje nazwę, którą usłyszy.

Do tego dochodzi okazja. Klient nie szuka po prostu „restauracji", tylko miejsca na konkretną sytuację: randkę, urodziny, szybki lunch, śniadanie z dzieckiem. Im lepiej AI rozumie, na jaką okazję pasujesz, tym częściej wymienia Cię przy właściwym pytaniu. Mechanikę lokalnych rekomendacji rozbieram szerzej w artykule o GEO dla firm lokalnych i wygrywaniu pytań „w pobliżu".

Czym gastronomia różni się od innych branż w oczach AI?

Jedną rzeczą: to najbardziej wizualno-recenzyjna branża ze wszystkich. O wyborze lokalu decydują zdjęcia jedzenia, oceny i świeżość informacji - menu, godziny, bieżące wydarzenia. W usługach dla firm klient czyta opis oferty; w gastronomii najpierw patrzy na talerz i na gwiazdki.

To przenosi się wprost na odpowiedzi AI. Model chętniej wymienia lokal, o którym sieć ma dużo świeżych, konkretnych sygnałów: nowe zdjęcia dań, regularne opinie z nazwami potraw, aktualne godziny. Wpis, który stoi bez zmian od dwóch lat, wygląda dla maszyny jak miejsce, które być może już nie działa.

Druga różnica to zaplecze silników. Pytania „w pobliżu" i „w [dzielnica]" najmocniej pracują tam, gdzie silnik czyta ekosystem Google: Gemini, AI Overviews i AI Mode sięgają po te same dane co Mapy i lokalne wyniki. ChatGPT i Perplexity też potrafią polecić lokal, ale opierają się na innych źródłach: rankingach, przewodnikach i artykułach. Dlatego jedną nazwę widać w jednym silniku, a w drugim nie, i dlatego warto mierzyć każdy z osobna.

Co pracuje na rekomendacje AI dla restauracji?

Silniki AI nie mają własnego zdania o Twojej kuchni. Sklejają odpowiedź z tego, co znajdą w sieci: z wizytówek, opinii, zestawień i menu. Dla restauracji najwięcej ważą te ślady:

• Kompletny i świeży Profil Firmy w Google. Kategoria kuchni, zdjęcia dań, aktualne godziny i atrybuty w rodzaju „dla rodzin", „na wynos" czy „opcje wegańskie". To fundament dla Gemini, AI Overviews i AI Mode. Samemu profilowi poświęciłem osobny artykuł o tym, jak Profil Firmy w Google zasila odpowiedzi AI.
• Opinie i odpowiadanie na nie. Klient opisuje w opinii danie, okazję i miasto, czyli dokładnie te słowa, które padają potem w pytaniach do AI. Twoja odpowiedź to również treść, którą maszyny czytają, więc odpisuj konkretnie, nie jednym szablonem.
• Obecność w lokalnych zestawieniach. „Najlepsze śniadania w [miasto]", listy tras kulinarnych, przewodniki po knajpach - to ulubione źródła modeli przy prośbie o polecenie. Jeden wpis w rzetelnym zestawieniu waży więcej niż dziesięć własnych podstron.
• Strona z aktualnym menu w czytelnym tekście. Menu w formie zwykłego HTML model przeczyta i zacytuje: nazwy dań, ceny, opcje dla wegan. Menu wklejone jako obrazek albo PDF jest dla maszyny puste, choć człowiek widzi je bez trudu.
• Spójne dane w sieci. Ta sama nazwa, adres i telefon na stronie, w wizytówce i w katalogach. Rozjazd między nimi wygląda dla modelu jak trzy różne lokale i rozprasza sygnały, które powinny sumować się w jeden.

Czego unikać, budując widoczność restauracji w AI?

Lista zakazów jest krótka, ale każdy punkt realnie kosztuje Cię wzmianki.

• Menu wyłącznie jako grafika albo PDF. Ładnie wygląda, a dla AI nie istnieje. Jeśli model nie przeczyta dań, nie wymieni Cię przy pytaniu o „dobre ramen w okolicy". Grafikę zostaw dla estetyki, treść menu daj też w zwykłym tekście.
• Nieaktualne godziny i dane kontaktowe. Godziny sprzed remontu albo stary numer telefonu zamieniają polecenie w rozczarowanie klienta, który trafi pod zamknięte drzwi. Model, który raz podał zły adres, przy kolejnych pytaniach wybierze pewniejszy lokal.
• Kupowane opinie. Fałszywe recenzje to w Unii nieuczciwa praktyka rynkowa, a Google potrafi za nie usunąć wszystkie opinie z profilu. Przy pierwszej wpadce tracisz więcej, niż dały wszystkie dokupione gwiazdki razem.
• Martwy profil i strona bez zmian. W branży, w której świeżość waży najwięcej, brak nowych zdjęć i wpisów to dla maszyny sygnał, że lokal być może już nie działa.

Jakimi promptami zmierzyć widoczność restauracji?

Zanim cokolwiek zmienisz, sprawdź punkt wyjścia. Zadaj silnikom pytania, które zadałby Twój gość. Takie testowe pytania nazywa się promptami. Restauracja potrzebuje ich w dwóch odmianach: z samą dzielnicą lub miastem oraz z okazją, bo to właśnie okazja decyduje, kiedy pasujesz.

Każdy prompt zadaj w ChatGPT, Gemini i Perplexity, a te z nazwą miejsca sprawdź też w Google, gdzie odpowiadają AI Overviews i AI Mode. Zanotuj, czyje nazwy padają w odpowiedzi i które strony model cytuje jako źródła. Pomiar powtórz po miesiącu, bo odpowiedzi różnią się między silnikami i zmieniają w czasie. Gdy pytań przybywa, ręczne notowanie przestaje się spinać; wtedy warto sięgnąć po monitoring widoczności marki w AI, który powtarza te pomiary regularnie.

Na start wystarczy sześć promptów:

• „Gdzie zjeść dobrą pizzę na Mokotowie?"
• „Polecisz miejsce na romantyczną kolację w Gdańsku?"
• „Szukam restauracji na urodziny dla piętnastu osób w Poznaniu. Co polecasz?"
• „Gdzie na dobre śniadanie na Kazimierzu w Krakowie?"
• „Knajpa z opcjami wegańskimi blisko dworca we Wrocławiu?"
• „Dobre miejsce na biznesowy lunch w centrum Katowic?"

Sedno

Twoi goście już pytają AI, gdzie zjeść, i w tych odpowiedziach coraz częściej pada konkretna nazwa. Nikt uczciwie nie zagwarantuje Ci miejsca w tej trójce, bo ostatnie słowo ma model. Masz jednak realny wpływ na to, co model o Tobie znajdzie: świeży profil ze zdjęciami dań, menu w czytelnym tekście, uczciwe opinie i obecność w lokalnych zestawieniach.

Specyfika branży gra tu na Twoją korzyść. Świeże zdjęcia i regularne opinie i tak już zbierasz dla gości, a teraz ta sama praca pracuje drugi raz, w odpowiedziach AI. Zacznij od pomiaru, popraw fundamenty i sprawdzaj co miesiąc, czy Twoja nazwa zaczyna padać częściej. Właśnie to robi CiteLyzer: mierzy te same prompty w ChatGPT, Gemini, Perplexity, AI Overviews i AI Mode, żebyś widział, czy zmiany przynoszą efekt.