Nazwa marki może wpływać na to, jak sztuczna inteligencja rozumie twoją firmę [BADANIE]

Pierwsze badanie – obserwacyjne – objęło 904 rzeczywiste marki w pięciu środowiskach. Wykazano, że nazwa, która uzyskuje wynik o jeden punkt wyższy na skali walencji słów, jest opisywana o 0,07 punktu bardziej pozytywnie. Drugie – badanie laboratoryjne – obejmowało 80 par wymyślonych nazw, dopasowanych pod względem długości, liczby sylab, częstotliwości słów, intensywności emocjonalnej oraz tego, jak silnie odbierane jest dane słowo. W każdej parze jeden pozytywny wyraz zestawiono z jednym negatywnym, a test przeprowadzono na czterech modelach. Wniosek? „To nazwa wykonuje pracę, a nie firma”. 

W badaniach wskazano również, że: „Efekt pojawia się tylko w przypadku marek, których modele nie rozpoznają. W momencie, gdy marka staje się znana, efekt znika”. Modele czasami pomijają również informacje dotyczące firmy i zamiast tego opisują słownikowe znaczenie jej nazwy. 

Każda wymyślona nazwa wykorzystana w badaniu laboratoryjnym jest rzeczywistym angielskim słowem. Pozostały więc dwa pytania otwarte, które postanowiliśmy sprawdzić: czy chodzi o znaczenie słowa, czy o jego formę, oraz czy efekt ten przekracza granicę językową.

9600 odpowiedzi, trzech asystentów, najnowsza wersja każdego z nich, 21 rynków, sierpień 2026 r., wyszukiwanie internetowe wyłączone. 1350 z tych odpowiedzi dotyczyło 15 wymyślonych firm. Pozostałe 8250 dotyczyło 264 rzeczywistych firm z listy FT 1000 najszybciej rozwijających się firm w Europie. Żadne zapytanie nie zakończyło się błędem. 

Użyliśmy tego samego narzędzia oceny, którego użył Peec, czyli norm Warrinera, Kupermana i Brysbaerta (2013):

TOP10 to już za mało. Jak AI zmienia definicję widoczności marki

• 13 915 angielskich słów ocenianych od 1 dla najbardziej nieprzyjemnych do 9 dla najbardziej przyjemnych.
• Murder („morderstwo”) znajduje się w pobliżu 1.
• Vacation („wakacje”) w pobliżu 9.
• Door („drzwi”) i engine („silnik”) znajdują się w okolicach 5.
• Nasze 15 pojęć obejmuje zakres od Poison („trucizna”) z wynikiem 2,16 do Excellence („doskonałość”) z wynikiem 7,87, czyli 5,7 punktu tej skali.
• Każde pojęcie występowało w trzech formach: angielskiego słowa, wymyślonego odpowiednika różniącego się jedną literą oraz polskiego słowa oznaczającego to samo pojęcie.
• Trzech asystentów, dziesięć powtórzeń dla każdej komórki. 

W przypadku firmy, o której asystenci nigdy nie słyszeli, nazwa staje się opisem 

W 1350 odpowiedziach dotyczących wymyślonych nazw, różnica między nazwami nieprzyjemnymi a przyjemnymi wyniosła 3,10 punktu w Gemini, 1,81 w Claude i 0,89 w GPT. 

• Wynik Gemini na poziomie 3,10 obejmuje 39% odległości między dwoma końcami skali. Jest to różnica zbliżona do tej między oceną słowa funeral („pogrzeb”), a oceną słowa holiday („wakacje”). Ta sama wymyślona firma, to samo pytanie, inna nazwa. 

• Gemini określa Poison Inc. jako toksyczną, śmiertelnie niebezpieczną, niebezpieczną, silną i chemiczną.

• GPT określa tę samą wymyśloną firmę jako innowacyjną, dynamiczną i nastawioną na współpracę.

• Kindness Inc. otrzymuje od wszystkich trzech określenia takie jak wspierająca, empatyczna i współczująca. 

Żadna z tych firm nie istnieje. 

Zmień jedną literę, a większość efektu znika 

Dla każdego rzeczywistego słowa stworzyliśmy wymyślone słowo różniące się jedną spółgłoską. Następnie sprawdziliśmy je względem norm walencji Warrinera oraz systemowej listy słów, aby potwierdzić, że nie jest to istniejące słowo. 

• Poison Inc. kontra Poisom Inc. 

• Freedom Inc. kontra Freedon Inc. 

Brzmią niemal identycznie. Tylko jedno słowo z każdej pary jest prawdziwym słowem. Gdyby asystent reagował na to, jak brzmi nazwa, oba warianty powinny uzyskać podobne wyniki. 

• Gemini zachowuje 0,95 punktu ze swoich 3,10.

• Claude zachowuje 0,42 ze swoich 1,81.

• GPT zachowuje 0,00 ze swoich 0,89.

Jeśli usuniemy znaczenie, pozostawiając samo brzmienie, 31% efektu pozostaje w Gemini, 23% w Claude, a w GPT nie pozostaje nic. Mechanizm jest leksykalny: asystent odnajduje słowo w swoim słownictwie i opisuje to, co w nim znajduje. 

Test w drugim języku 

Użyliśmy polskich słów dla tych samych 15 pojęć, podczas gdy prompt nadal był w języku angielskim. 

• Trucizna oznacza poison. 

• Szantaż oznacza blackmail. 

• Wolność oznacza freedom. 

Gemini tłumaczy nazwę i opisuje jej tłumaczenie: trucizna Inc. → śmiertelna, toksyczna, chemiczna, silna, niebezpieczna, poison Inc. → toksyczna, śmiertelna, niebezpieczna, silna, chemiczna Te same pięć słów. 

• W Gemini polska nazwa daje wynik 2,93 punktu w porównaniu z 3,10 dla angielskiego słowa, co oznacza, że 94% znaczenia przenosi się przez granicę językową, której prompt nawet nie wspomina. 

• Claude zachowuje 0,73 w porównaniu z 1,81, czyli 40%. 

• GPT nie przenosi tego efektu: -0,04 w porównaniu z 0,89.

Trzy testy w jednym ujęciu

Rzeczywiste słowo zmienia odpowiedź, zmiana jednej litery usuwa większość efektu, a polskie słowo przenosi niemal cały efekt w Gemini. Claude jest jedynym z trzech modeli, który powie Ci, że nigdy nie słyszał o danej firmie. 

W przypadku Szantaż Inc. odpowiada „fikcyjna”, „nieznana”, „niezweryfikowana” lub „nieistniejąca” w 7 na 10 przypadków, a w 2 przypadkach tłumaczy to słowo. W 37% odpowiedzi dotyczących polskich nazw wskazuje, że nazwa jest polska. 

Mimo to, przez większość czasu nadal wymyśla działalność firmy: Wolność Inc. we wszystkich dziesięciu odpowiedziach otrzymuje skojarzenia z Polską, technologią i oprogramowaniem, a w ośmiu – określenie „niezależna”. 

Jeśli więc nazwa Twojej firmy jest słowem w Twoim własnym języku, anglojęzyczna odpowiedź AI na temat Twojej firmy może w rzeczywistości opisywać to słowo. To, którego asystenta otworzy twój potencjalny klient, decyduje o tym, czy tak się stanie. To słowo jest pierwszym akapitem, który przeczyta. 

Co nie zadziałało 

Przeprowadziliśmy ten sam test na 264 rzeczywistych firmach. Związek między nazwą a opisem istnieje i jest niewielki, a jego występowanie nie zależy od tego, czy AI zna daną firmę. 

Powód jest prosty. Rzeczywiste nazwy opisują działalność. Coffi Lab sprzedaje kawę. Baroni Home sprzedaje artykuły do domu. Przyjemna nazwa i przyjemny biznes pojawiają się razem, a żaden z naszych pomiarów nie pozwala ich od siebie oddzielić. 

Raportujemy ten wynik, ponieważ jego pominięcie sprawiłoby, że pozostałe rezultaty wyglądałyby na silniejsze, niż są w rzeczywistości. 

To, na co istnieje prawidłowa odpowiedź 

Dla każdej rzeczywistej firmy sprawdziliśmy jedną rzecz, która ma prawidłową odpowiedź: czy asystent przypisuje firmę do branży, w której faktycznie działa? Branżę zaczerpnęliśmy z własnych danych FT i akceptowaliśmy odpowiednio zbliżone określenia. 175 firm nadawało się do oceny. 

• 49% z nich zostało prawidłowo sklasyfikowanych w co najmniej 90% odpowiedzi.
• 24% w 50-89% odpowiedzi. 
• 27% w mniej niż połowie odpowiedzi. 

To najszybciej rozwijające się firmy na kontynencie, z rzeczywistymi przychodami i rzeczywistymi pracownikami.

175 firm z FT 1000 ocenionych na podstawie pytania, na które istnieje prawidłowa odpowiedź. Wyszukiwanie internetowe było wyłączone, więc mierzymy to, co asystenci już „mają”, a nie to, co mogą znaleźć w internecie. 

We wszystkich 8250 odpowiedziach odsetek błędnego przypisania do branży wyniósł: 

• 24,90% w Gemini,
• 32,60% w Claude,
• 32,10% w GPT.

Odsetek przypadków, w których asystent mówi, że nie zna firmy, wyniósł: 

• 0,00% w Gemini,
• 19,00% w Claude,
• 0,00% w GPT.

Claude jest najmniej dokładnym z trzech modeli i jedynym, który Ci o tym powie. 

Clever jest duńską firmą energetyczną. Do właściwej branży została przypisana w 0,0% z 60 odpowiedzi. Wszyscy trzej asystenci opisują ją płynnie i szczegółowo. W odpowiedzi nie ma niczego, co wskazywałoby, gdzie kończy się ich wiedza. 

Jeśli nie jesteś firmą technologiczną, twój wynik jest niższy

175 firm dzieli się wyraźnie według sektorów. 

• IT i oprogramowanie: 52 firmy, średnio 86,1% prawidłowych klasyfikacji, a 10% z tych firm uzyskuje wynik poniżej 50%. 

• Wszystkie pozostałe sektory: 123 firmy, średnio 64,2%, a 34% z nich uzyskuje wynik poniżej 50%. 

Średnia ogólna jest podbijana przez sektor oprogramowania. Wszystkie pozostałe sektory uzyskują niższy wynik. 

Mówiąc wprost: na każde sto firm spoza sektora oprogramowania, 34 są przypisywane do niewłaściwej branży w większości odpowiedzi. W przypadku firm programistycznych ta liczba wynosi 10. Jeśli sprzedajesz energię, ubezpieczenia, usługi logistyczne, żywność lub usługi profesjonalne, ogólna średnia jest podbijana przez inny sektor. Dla Twojego sektora właściwą liczbą jest 64%. 

Firmy technologiczne pozostawiają po sobie bardziej wyraźny ślad możliwy do odczytania przez maszyny, a dokładność podąża za tym śladem. 

Jedną rzecz przewidzieliśmy błędnie

Oczekiwaliśmy, że efekt będzie mniejszy niż szum w pojedynczej odpowiedzi AI i powiedzieliśmy to publicznie przed przeprowadzeniem testu. Okazał się większy. 

Zmierzyliśmy szum. Zadaliśmy pytanie o tę samą firmę ponownie, a odpowiedź zmieniła się o 0,28 punktu skali. 

• Efekt nazwy w Gemini jest około 11 razy większy. 

• W Claude około 6 razy większy. 

• W GPT około 3 razy większy. 

Pojedyncza odpowiedź wystarczająco wyraźnie pokazuje efekt w Gemini. 

Kwestia szumu pozostaje jednak istotna na poziomie populacji. Wynik Peec – 0,07 punktu za każdy punkt walencji nazwy – jest prawdziwym stwierdzeniem dotyczącym populacji 904 marek. Jednak stwierdzenie dotyczące całej populacji nie może odpowiedzieć na pytanie, które naprawdę zadaje pojedyncza firma: czy jej własna nazwa coś ją kosztuje? 

To pytanie wymaga badania na poziomie marki, a takie badanie daje odpowiedź osobno dla każdego asystenta: 3,10 punktu w Gemini, 1,81 w Claude i 0,89 w GPT, mierzone w sytuacji, gdy asystent nie ma możliwości rozpoznania firmy. 

W przypadku 264 rzeczywistych firm, żaden z zastosowanych projektów badawczych nie pozwala oddzielić nazwy od działalności, którą ta nazwa opisuje. 

Co z tym zrobić 

Jeśli prowadzisz firmę, kluczowe pytanie brzmi: czy asystent już cię zna? Dopóki cię nie zna, opisuje twoją nazwę. Bycie rozpoznawalnym jest rozwiązaniem. I jest to jedyne rozwiązanie. Oto jeden przykład tego, jak wygląda rozpoznanie, gdy rzeczywiście następuje.

W Claude, Poison Inc. była jedyną z pięciu nieprzyjemnych nazw, w przypadku której prawdziwe słowo uzyskało wyższy wynik niż jego wymyślony odpowiednik – 5,01 w porównaniu z 4,01. Powód? Claude rozpoznał zespół glam-rockowy z lat 80. i w 7 z 10 odpowiedzi i opisywał zespół: rock, zespół, glam, teatralność. Gemini i GPT ani razu nie wspomniały o zespole i oba oceniły Poison Inc. niżej niż Poisom Inc. 

Jeśli jesteś odbiorcą odpowiedzi AI, traktuj płynność języka jako dekorację. Systemy te brzmią tak samo niezależnie od tego, czy znają firmę, czy jedynie pracują na podstawie liter w jej nazwie.  Możesz sprawdzić własną firmę jeszcze przed lunchem. 

Otwórz nowy czat, wyłącz wyszukiwanie, zapytaj trzech asystentów dziesięć razy, czym zajmuje się twoja firma, i policz, jak często prawidłowo wskażą branżę. 

Metoda i ograniczenia 

Czego to badanie nie może nam powiedzieć: czy odpowiedź AI jest szczegółowo prawdziwa, jak zachowuje się ten efekt przy włączonym wyszukiwaniu internetowym oraz czy wyniki utrzymują się poza 21 testowanymi rynkami i trzema asystentami. 

Uznanie należy się tam, gdzie powinno. To badanie powstało, ponieważ Peec AI opublikowało swoje. Wykorzystaliśmy ich skalę, aby można było bezpośrednio porównywać liczby i przeprowadziliśmy dwa testy, które pozostały otwarte w ich projekcie badawczym. 

PS Tworzenie nazwy nowej marki to… koszmar [PORADNIK]