AI SEO — Widoczność w Wyszukiwarkach AI

AI SEO — widoczność marki w odpowiedziach sztucznej inteligencji

AI SEO to praca nad tym, żeby model językowy — Google AI Overviews, tryb AI w wyszukiwarce, ChatGPT, Perplexity czy Gemini — wymienił Twoją firmę w odpowiedzi, którą generuje dla użytkownika. Punktem odniesienia przestaje być pozycja na liście dziesięciu linków, a staje się nią obecność wewnątrz jednej odpowiedzi, którą użytkownik przeczyta zamiast tej listy.

Zmienia to mechanikę wyszukiwania w trzech miejscach. Po pierwsze, zapytanie użytkownika nie trafia już do indeksu w jednej postaci: silnik rozbija je na kilkanaście albo kilkadziesiąt pod-zapytań zadawanych równolegle (query fan-out) i dopiero z ich wyników składa odpowiedź. Po drugie, do odpowiedzi wchodzą fragmenty stron, a nie strony — model cytuje akapit, listę albo tabelę, które samodzielnie odpowiadają na pod-zapytanie. Po trzecie, użytkownik często kończy sesję na odpowiedzi i nie klika nigdzie dalej.

Dla firmy B2B praktyczny wniosek brzmi: widoczność w AI jest osobnym kanałem, który trzeba obsłużyć osobną robotą, ale rozlicza się z tego samego wyniku, co reszta — z Generowania Leadów Sprzedażowych.

Jak nazywa się AI SEO: GEO, AEO i LLMO to jedno zjawisko

Na to samo zjawisko używa się dziś czterech nazw i warto wiedzieć, która skąd pochodzi, bo w rozmowie z dostawcą różnica bywa wyłącznie marketingowa.

Praktyczna różnica między GEO i AEO jest niewielka; realna różnica przebiega gdzie indziej — między optymalizacją pod cytowanie przez model a używaniem AI jako narzędzia do produkcji treści. Pierwsze jest strategią widoczności, drugie sposobem pracy. Firma, która kupuje „AI SEO”, powinna wiedzieć, które z dwojga dostaje.

Co AI SEO zmienia wobec klasycznego SEO, a co zostawia bez zmian

Bez zmian zostaje fundament: indeksowalność, sensowna architektura serwisu, szybkość, poprawne nagłówki, spójne encje. Model odpowiedzi korzysta z tego samego indeksu i tych samych sygnałów jakości, co klasyczne wyniki — strona, której wyszukiwarka nie umie przetworzyć, nie ma z czego zostać zacytowana.

Zmienia się jednostka sukcesu i jednostka treści.

Najpoważniejsza zmiana dotyczy odsyłaczy. W klasycznym modelu głosowały linki. Model językowy czyta również same wzmianki — zdania o marce bez odsyłacza, w cudzych tekstach, zestawieniach i wątkach społecznościowych. Wzmianka bez linku, która jeszcze niedawno nie liczyła się w ogóle, zaczyna pracować.

Dwie gry: wzmianka przy zapytaniach informacyjnych, klik przy komercyjnych

Ten podział rozstrzyga, gdzie w firmie B2B opłaca się wkładać pracę.

Analiza zbioru fraz wywołujących AI Overviews, którą Ahrefs opublikował w 2026 roku, pokazuje, że niemal wszystkie mają intencję informacyjną — pytania „czym jest”, „jak zrobić”, „ile trwa”. Tam odpowiedź AI zjada klik: użytkownik dostaje swoje wyjaśnienie i nie wchodzi na stronę. Frazy z intencją zakupową — „usługi”, „dla firm”, „wdrożenie”, nazwa kategorii z dopiskiem B2B — wywołują panel AI znacznie rzadziej, a użytkownik i tak wchodzi na stronę, bo chce zobaczyć dostawcę.

Stąd dwie gry, które prowadzi się równolegle i innymi środkami:

• treść informacyjna → gra o wzmiankę. Zostaje w planie, ale rozlicza się z obecności w odpowiedzi, nie z kliku. Zadaniem takiego tekstu jest być cytowalnym: mieć fragment, który model może wziąć w całości, i wnosić coś, czego nie ma w dziesięciu innych źródłach.
• treść komercyjna → gra o klik i o lead. Strona usługowa, strona dla segmentu, strona z dowodem. Tu wygrywa się tym, czym zawsze: jasną ofertą, konkretem i ścieżką do kontaktu.

Praktyka laboratorium sprowadza tę różnicę do jednego kryterium redakcyjnego: zanim powstanie tekst, fraza dostaje etykietę „wzmianka” albo „klik”, a z etykiety wynika struktura, długość i sposób rozliczenia.

Czy ChatGPT zrobi SEO za Ciebie

Nie w całości — i to nie jest kwestia jakości modelu, tylko tego, z czego składa się praca SEO.

Model językowy dobrze wykonuje zadania, które mają zamknięty wsad i sprawdzalny wynik: szkic outline'u na podstawie zebranych termów, przepisanie akapitu, wygenerowanie wariantów tytułów, uporządkowanie listy fraz w klastry, wstępna klasyfikacja intencji, przegląd tekstu pod kątem powtórzeń. To realna oszczędność godzin.

Czego model nie zrobi za Ciebie:

• nie ma dostępu do Twoich danych — do statystyk serwisu, kosztów kampanii, CRM-u i tego, które zapytania zamieniły się w zamówienia; bez tego każda rekomendacja jest ogólna;
• nie zna Twojej sytuacji konkurencyjnej poza tym, co znajdzie w publicznym tekście, a decyzja o tym, na których frazach w ogóle stajemy do walki, jest decyzją biznesową;
• nie wniesie unikalnych danych — a to właśnie unikalne dane są dziś głównym paliwem wzmianek: model cytuje to, czego nie ma gdzie indziej;
• nie odpowiada za skutek — za trafność wyboru, konsekwencję wdrożenia i pomiar odpowiada człowiek.

Zdroworozsądkowy podział wygląda tak: model przyspiesza wykonanie, człowiek decyduje o kierunku i dostarcza to, czego w internecie jeszcze nie ma. Serwis zbudowany w całości z treści wygenerowanej bez własnego wsadu jest nie do odróżnienia od dziesiątek innych — a model, wybierając źródło cytatu, odróżnia.

Jak budować treść, którą model może zacytować

Cytowanie odbywa się na poziomie fragmentu, więc tekst projektuje się z fragmentów.

Jak mierzyć skuteczność AI SEO

Trzema warstwami naraz: obecnością marki w odpowiedziach na stały zestaw promptów, ruchem odesłanym z silników AI i wynikiem na leadzie. Żadna z nich osobno nie wystarcza, a wiążąca jest ostatnia — dwie pierwsze da się raportować bez dotykania systemu sprzedaży i właśnie dlatego łatwo je pokazać, a trudno coś z nich wywnioskować.

Warstwy po kolei, od najmniej do najbardziej wiążącej:

Dwie liczby z pomiarów laboratorium drySEO pokazują, dlaczego ta dyscyplina nie jest formalnością:

• Koszt pozyskania leada z reklamy to w tym samym koncie i tym samym okresie 73 zł, 237 zł albo 452 zł — zależnie od tego, czy dzielimy koszt przez wszystkie leady z obsługiwanych rynków zagranicznych, przez leady z parametru kampanii, czy przez konwersje zliczone w panelu reklamowym. Rozrzut 6,2× jest definicyjny, nie rynkowy: to jedno zjawisko policzone trzema mianownikami (dane drySEO lab).
• Panel reklamowy niedowidzi konwersji 1,4–1,9× — leady z parametru kampanii odnalezione w CRM wobec konwersji zliczonych w panelu; kierunek jest jednostronny, panel zawsze widzi mniej (dane drySEO lab).

Jeżeli tak zachowuje się pomiar w kanale, który ma własny panel i własne parametry, to miara widoczności w AI — z natury pośrednia — wymaga podania mianownika tym bardziej. Wskaźnik bez mianownika nie jest wynikiem, tylko liczbą.

AI SEO w firmie B2B: od widoczności do zapytania handlowego

Poskładane w całość, praca nad widocznością w AI wygląda w firmie B2B tak:

1. Rozdzielenie fraz na informacyjne (gra o wzmiankę) i zakupowe (gra o klik i lead).
2. Porządek techniczny i encyjny — indeksowalność, nagłówki, spójne dane o firmie w serwisie i poza nim.
3. Przebudowa treści informacyjnej pod cytowanie — sekcje atomowe, odpowiedź na wstępie, dowód przy twierdzeniu.
4. Wprowadzenie własnych danych — pomiar, zestawienie, przypadek. To jest dźwignia wzmianek i jednocześnie jedyna treść nie do skopiowania.
5. Utrzymanie warstwy komercyjnej — stron, na które ten ruch ma trafiać, bo to na nich powstaje zapytanie handlowe.
6. Pomiar w trzech warstwach i rozliczenie na leadzie.

Punkty 1–4 dotyczą kanału. Punkt 5 jest miejscem, w którym kanał spotyka się z wynikiem, dla którego jest prowadzony: widoczność zamienia się w lead na stronie docelowej, nie w odpowiedzi modelu. Dlatego AI SEO prowadzimy jako jeden z kanałów w ramach pozycjonowania stron, rozliczany z tego samego wyniku, co pozostałe.