Wikipedia traci czytelników. Ale nie z winy AI

Wyzwanie

Wikimedia Polska obchodzi 25-lecie polskiej Wikipedii i w ramach akcji #BI_NGO udostępniła wolontariuszom swoje dane historyczne. Do wzięcia było jedenaście lat statystyk oglądalności: 126 kolejnych miesięcy, w podziale na komputery, przeglądarki mobilne i aplikację.

Pierwsze, co rzuca się w takich danych w oczy, to sezonowość. Styczeń wysoko, lipiec nisko, i tak co roku. Zrobiłam z tego wykres, popatrzyłam i stwierdziłam, że to za mało. Że ludzie mniej czytają encyklopedię w wakacje, wie każdy, kto chodził do szkoły. To nie jest odkrycie, to potwierdzenie intuicji.

Postanowiłam poszukać czegoś, czego z tych liczb nie widać na pierwszy rzut oka.

Co zrobiłam

Zaczęłam od pytania, które wydawało się proste: skoro ruch spada, to czy Wikipedia traci czytelników, czy po prostu jest nas mniej? Polska demografia leci w dół od lat, więc to nie jest głupie pytanie.

Dociągnęłam dwa wskaźniki Banku Światowego przez API: liczbę ludności Polski i odsetek osób korzystających z internetu. Potem podzieliłam ruch Wikipedii przez jedno i drugie.

Wyszło coś, czego się nie spodziewałam. Ludności rzeczywiście ubywa, o 4% przez dekadę. Ale internautów w tym samym czasie przybyło o 16%, bo rósł dostęp do sieci. A mimo to statystyczny polski internauta otwierał w 2025 roku 108 stron Wikipedii rocznie, wobec 138 w 2016. Spadek o 21,7% na osobę.

Czyli Wikipedia traci nie dlatego, że jest nas mniej. Traci dlatego, że każdy sięga po nią rzadziej.

Wykres, który kłamał przez przypadek

Trend długookresowy narysowałam najpierw wprost: 126 miesięcznych punktów na jednej linii. Wyszła gęsta piła, w której nie było widać zupełnie nic. Sezonowość jest tak silna, że zagłuszała kierunek zmian.

Nałożyłam więc średnią kroczącą z dwunastu miesięcy. Każdy punkt obejmuje pełny rok, więc wahania sezonowe znoszą się same, a zostaje sam trend:

const WINDOW = 12;
const movingAvg = data.map((_, i) => {
    if (i < WINDOW - 1) return null;
    let sum = 0;
    for (let k = i - WINDOW + 1; k <= i; k++) sum += data[k].total;
    return sum / WINDOW;
});

Dopiero wtedy było widać, że trend osiągnął szczyt w marcu 2021 i od tego czasu opada. Surowe wartości zostawiłam w tle bladą linią, żeby nie ukrywać, jak naprawdę wyglądają dane.

Test hipotezy, która się nie potwierdziła

Na koniec sprawdziłam to, co dziś mówi się najczęściej: że winne są odpowiedzi AI w wyszukiwarce. Google pokazuje gotową odpowiedź nad wynikami, więc nikt już nie klika w link do Wikipedii. Brzmi sensownie.

Policzyłam to najpierw na pamięć, przyjmując, że AI Overviews ruszyły w maju 2024. Wyszło pięknie: spadek dokładnie po tej dacie. Potem sprawdziłam datę i okazało się, że maj 2024 dotyczył tylko Stanów. W Polsce funkcja ruszyła 25 marca 2025.

Z prawdziwą datą obraz się odwraca. Najgłębsze spadki przypadły na jesień 2024 i początek 2025, czyli pół roku przed wejściem funkcji. Porównanie dwunastu miesięcy przed i po tej dacie daje -14,3% wobec +2,3%. Sprawdziłam jeszcze, czy to nie kwestia doboru okresu: przy każdym punkcie startowym od 2016 do 2024 kierunek jest ten sam.

Zostawiłam to na dashboardzie razem z zastrzeżeniem, którego nie da się obejść. Dane Pageviews nie zawierają informacji o źródłach wejść, więc nie widać z nich, ile ruchu szło z wyszukiwarki. Z tych liczb wynika jedno wąskie stwierdzenie: moment wejścia AI Overviews w Polsce nie pokrywa się z początkiem spadku. To nie to samo, co teza, że AI nie ma wpływu.

Rzeczy, które trzeba było zrobić uczciwie

Rok 2026 kończy się w danych na czerwcu. Gdyby wliczyć go do średnich sezonowych, luty i marzec wyszłyby zaniżone o około 2%. Wyłączyłam go z uśredniania i z wykresu urządzeń, a w mapie ciepła brakujące miesiące oznaczyłam jako brak danych, nie jako zero.

Podobnie z penetracją internetu: dane za 2025 nie były jeszcze opublikowane, więc przyjęłam wartość z 2024. To założenie ostrożne, bo przy dalszym wzroście spadek na internautę byłby jeszcze głębszy. Napisałam o tym w stopce, zamiast udawać, że liczba jest pewna.

Jedną rzecz musiałam sobie też wprost sprostować. W pierwszej wersji napisałam, że desktop odbija, bo jego udział wzrósł z 39,4% do 44%. Potem policzyłam wartości bezwzględne: desktop urósł o 1,9%, a mobile spadł o 15,8%. Udział rósł przez szybsze kurczenie się ruchu mobilnego, nie przez powrót do komputerów. To zupełnie inna historia i tak jest teraz opisana.

Warstwa wizualna

Konkurs wymagał zgodności z identyfikacją Wikimedia, więc dashboard korzysta z palety Core z akcentami Legacy w wariantach AAA oraz z krojów Montserrat i Source Serif 4. Wszystkie kombinacje tekstu i tła przeliczyłam pod kątem kontrastu, minimum to 4,62:1.

Fonty, logotypy i samą bibliotekę Chart.js hostuję lokalnie. Nie z zasady, tylko dlatego, że pierwotny adres Chart.js z CDN zaczął zwracać 404 i cały dashboard przestał się renderować. Teraz nie zależy od niczyjego serwera.

Efekt

Dashboard pokazuje pięć widoków: sezonowość, udział urządzeń w dekadzie, trend ze średnią kroczącą, zestawienie z demografią i test hipotezy o AI. Działa na telefonie, wykresy można otworzyć na pełnym ekranie, terminy branżowe mają objaśnienia dostępne też z klawiatury.

Najmocniejszy wniosek nie jest o sezonowości, od której zaczynałam. Jest o tym, że rosnąca liczba internautów i malejące czytanie rozjeżdżają się na wykresie w sposób, którego demografia nie tłumaczy. A popularne wyjaśnienie tego zjawiska nie broni się na polskich danych.

Praca powstała w ramach wolontariatu, więc nie ma tu klienta, który coś zaoszczędził. Jest za to coś innego: pokazanie, że zanim ogłosi się wniosek, warto sprawdzić własną hipotezę. Moja pierwsza wersja analizy AI była efektowna i błędna. Wystarczyło zweryfikować jedną datę.