SEO a AI - jak sztuczna inteligencja zmienia wyszukiwarki
SEO a AI to zestawienie klasycznego pozycjonowania z nowym sposobem obsługi zapytań przez wyszukiwarki oparte na dużych modelach językowych. Sztuczna inteligencja nie likwiduje indeksu Google, lecz nakłada na niego dodatkową warstwę: rozbija pytanie na podpytania, wyszukuje kandydatów, wybiera z nich pojedyncze fragmenty i składa jedną odpowiedź z kilkoma cytowaniami. W praktyce oznacza to, że o widoczności decyduje już nie tylko pozycja strony w rankingu, ale też to, czy konkretny fragment Twojej treści da się wyrwać z kontekstu, potwierdzić w innych źródłach i wpleść w wygenerowaną wypowiedź.
- Czym różni się SEO pod wyszukiwarki AI od klasycznego pozycjonowania?
- Jak sztuczna inteligencja generuje dziś odpowiedź na zapytanie?
- Ile ruchu realnie zabierają odpowiedzi generowane przez AI?
- Jak sztuczna inteligencja wybiera strony, które cytuje?
- Co zmienia się w warsztacie SEO, a co zostaje bez zmian?
- Jak pisać treści, które sztuczna inteligencja może zacytować?
- Czym jest GEO i czy zastępuje klasyczne SEO?
- Jak mierzyć widoczność w wyszukiwarkach opartych na AI?
- Jakie błędy najczęściej widzę przy dostosowywaniu SEO do AI?
- Od czego zacząć dostosowanie serwisu w najbliższych miesiącach?
- Podsumowanie
- Źródła i dokumentacja
Najczęstszy sygnał, z jakim przychodzą do mnie klienci, wygląda dziś tak: pozycje w Search Console stoją, liczba wyświetleń rośnie, a kliknięcia lecą w dół. Nikt nic nie zepsuł. Zmienił się interfejs wyników. Przez lata audytowania kont i serwisów nauczyłem się, że taki rozjazd między wyświetleniami a kliknięciami to zwykle nie kara algorytmiczna, tylko odpowiedź generowana nad wynikami. Ten artykuł jest węzłem, do którego wracam za każdym razem, gdy trzeba wyjaśnić, co dokładnie w tym mechanizmie się zmieniło, a co w pozycjonowaniu stron internetowych zostało dokładnie tam, gdzie było. Najczęstsze przekonania na ten temat, od „SEO umarło” po karanie treści z AI, sprawdzam w rankingu mitów o SEO.
Wnioski, które decydują o tym, czy Twoja treść trafi do odpowiedzi generowanej przez wyszukiwarkę.
-
AI Overviews korzystają z tego samego indeksu Google co wyniki organiczne
Warstwa generatywna dokłada do klasycznego rankingu tylko dwa etapy: dobór pasaży i syntezę wypowiedzi. Strona niewidoczna dla robota nie wejdzie do puli kandydatów, więc indeksowalność pozostaje warunkiem wstępnym, a nie przeżytkiem.
-
Jednostką cytowania w odpowiedzi generowanej jest pasaż 50-300 słów
Pasaż nadaje się do cytowania, gdy odpowiada na pytanie w pierwszych dwóch zdaniach i nie odsyła do wcześniejszych akapitów. Strona z trzeciej pozycji bywa pominięta, bo żaden jej fragment nie broni się osobno.
-
Podsumowanie AI obniża klikalność wyniku organicznego z 15% do 8%
Pew Research Center zmierzył ten rozkład na próbie 900 dorosłych użytkowników w USA (dane z 2025 roku). Ahrefs niezależnie podał średnio 34,5% niższy CTR strony z pierwszej pozycji, gdy nad wynikami stoi podsumowanie.
-
Około 75% cytowań w podsumowaniach AI pochodzi ze stron z top 10
Zbieżne analizy Ahrefs i Seer Interactive pokazały, że warstwa generatywna sięga niemal wyłącznie po dokumenty obecne w klasycznym rankingu (stan na lipiec 2025 roku). Osobna furtka do cytowań z pominięciem SEO nie istnieje.
-
Artykuły cytowane w podsumowaniach AI zaczynały się definicją i listą lub tabelą
Z moich obserwacji: spośród 47 artykułów na artursmolicki.com, które w ciągu ostatnich dziewięciu miesięcy zaczęły pojawiać się jako źródło w podsumowaniach AI, 38 miało taki układ w pierwszych 300 słowach. To korelacja z jednej domeny, nie dowód przyczynowy.
-
Sprzeczne liczby na dwóch podstronach wykluczają serwis z puli źródeł dla danego faktu
Systemy generatywne liczą wskaźnik sprzeczności dla dokumentu i traktują go progowo: jedno jaskrawo niespójne zdanie potrafi wyrzucić artykuł z cytowań, mimo że pozostałe trzy tysiące słów jest bez zarzutu.
Czym różni się SEO pod wyszukiwarki AI od klasycznego pozycjonowania?
Klasyczne SEO optymalizuje stronę pod pozycję na liście wyników. SEO pod wyszukiwarki AI optymalizuje pojedyncze fragmenty strony pod bycie zacytowanym w wygenerowanej odpowiedzi. To dwa różne cele mierzone dwiema różnymi metrykami, choć realizowane na tej samej treści i tej samej infrastrukturze technicznej.
Różnica jest subtelna i dlatego kosztowna. W modelu listy dziesięciu linków użytkownik sam wybierał źródło, więc walczyłeś o uwagę tytułem i opisem. W modelu odpowiedzi generowanej wybór robi system: bierze fragment A z jednej domeny, fragment B z drugiej, zestawia je i pokazuje trzy do ośmiu linków obok. Twoim zadaniem jest dostarczyć fragment, który da się wziąć bez korekty.
W relacji SEO a AI pojawia się jeszcze jedna zmiana: przesunięcie punktu ciężkości z frazy na pytanie. Narzędzia nadal pokazują słowa kluczowe, ale system pracuje na wariantach zapytania i na sekwencji pytań następnych. Opisuję ten mechanizm szerzej przy dekompozycji zapytań, bo bez niego dobór nagłówków przestaje mieć sens.
- Cel klasyczny: pozycja 1-10 dla frazy, kliknięcie jako miara sukcesu, cała strona jako jednostka rankingu.
- Cel przy AI: obecność w odpowiedzi, cytowanie jako miara sukcesu, pasaż jako jednostka wyboru.
- Wspólny fundament: dostępność dla robotów, poprawny HTML, sensowna architektura informacji, wiarygodność autora.
- Nowy wymóg: samodzielność fragmentu, czyli sens bez kontekstu reszty artykułu.
- Nowe ryzyko: sprzeczność wewnętrzna między stronami tego samego serwisu, która wyklucza całą domenę z puli źródeł dla danego faktu.
Uważam, że największym błędem interpretacyjnym ostatnich lat jest traktowanie tego jako nowej dyscypliny wymagającej osobnego zespołu narzędzi. To ta sama praca, tylko z inną jednostką pomiaru i wyższym progiem precyzji faktograficznej.
Jak sztuczna inteligencja generuje dziś odpowiedź na zapytanie?
Odpowiedź AI powstaje w pięciu etapach: dekompozycja pytania, wyszukanie kandydatów w indeksie, wybór konkretnych pasaży, przypisanie zdań do źródeł i synteza językowa. Każdy etap można przegrać osobno, a przegranie jednego wyklucza stronę z odpowiedzi niezależnie od jakości pozostałych.
Pięć komponentów pracujących po kolei na tym samym indeksie co klasyczne wyniki. Twoja treść musi przejść wszystkie, żeby pojawić się jako źródło w odpowiedzi.
Jedno pytanie zamienia się w wachlarz przeformułowań i podpytań. Każdy wariant dostaje własne wyszukiwanie w indeksie.
Dopasowanie leksykalne i wektorowe zwraca zbiór dokumentów oraz fragmentów. Kandydatem jest fragment, nie domena.
System ocenia fragmenty rzędu 50-300 słów pod kątem samodzielności i dopasowania do konkretnego podpytania.
Zdania odpowiedzi są przypisywane do źródeł. Twierdzenie bez potwierdzenia w innym miejscu sieci wypada z odpowiedzi.
Model składa wybrane pasaże w jedną wypowiedź, zachowując zwykle od 3 do 8 widocznych linków źródłowych.
Wypadnięcie na dowolnym etapie oznacza brak cytowania. Wysoka pozycja nie kompensuje nieczytelnego fragmentu.
Co robi query fan-out z Twoim planem treści
Query fan-out to rozbicie jednego zapytania na wiele równoległych wyszukiwań: przeformułowań, podpytań i pytań następnych. Praktyczny skutek jest prosty: artykuł odpowiadający wyłącznie na pytanie główne trafia do jednego kawałka odpowiedzi, a artykuł mający wyodrębnione sekcje na pytania drugie i trzecie zbiera cytowania wielokrotnie.
Dlatego w planowaniu struktury przestałem robić płaską listę nagłówków. Zamiast tego wypisuję ścieżkę poznawczą: co użytkownik zapyta jako drugie, trzecie i czwarte po pytaniu wejściowym, i każdemu z tych pytań przypisuję dokładnie jedną sekcję. Jedno podpytanie odpowiedziane w dwóch miejscach to nie wzmocnienie, tylko rozmycie - system nie wie, który fragment jest kanoniczny.
Dlaczego retrieval działa na fragmentach, nie na stronach
Wyszukiwanie kandydatów łączy dopasowanie leksykalne z dopasowaniem wektorowym, a oceniane są bloki tekstu, nie adresy URL. Ten mechanizm rozkładam na części w materiałach o retrievalu semantycznym oraz o rerankingu i wyborze najlepszego fragmentu, bo to jedyna warstwa, w której realnie da się coś ugryźć redakcyjnie.
Konsekwencja jest niewygodna dla długich, meandrujących tekstów. Sekcja, która miesza dwa wątki, ma rozmyty wektor znaczeniowy i przegrywa z krótszą, jednotematyczną sekcją konkurenta. Krótszy artykuł z czystymi, jednointencyjnymi blokami może więc zbierać cytowania częściej niż dłuższy, ale meandrujący.
Czy wiesz, że…
Google podaje, że obsługuje ponad 5 bilionów zapytań rocznie, a podsumowania AI zostały udostępnione w ponad 200 krajach i terytoriach oraz w 40 językach. Skala wdrożenia oznacza, że dla większości polskich zapytań informacyjnych warstwa AI to już domyślny widok, a nie eksperyment.
Ile ruchu realnie zabierają odpowiedzi generowane przez AI?
Najtwardsze dostępne dane pochodzą z badania Pew Research Center: na próbie 900 dorosłych użytkowników w USA wizyty na stronie wyników z podsumowaniem AI kończyły się kliknięciem w klasyczny wynik w 8% przypadków, a kliknięciem w link wewnątrz podsumowania w 1%. Bez podsumowania klikalność klasycznego wyniku wynosiła 15%.
Rozkład zachowań na stronie wyników z podsumowaniem AI według badania Pew Research Center na próbie 900 dorosłych użytkowników w USA.
Do tego dochodzą pomiary po stronie branży. Analiza Ahrefs wskazała średnio 34,5% niższy CTR strony z pierwszej pozycji organicznej, gdy nad wynikami pojawia się podsumowanie AI. Seer Interactive raportowało spadek organicznego CTR z 1,41% do 0,64% dla zapytań z podsumowaniem. Trzy niezależne pomiary, ta sama kierunkowość: pozycja zostaje, kliknięcia topią się.
Menedżerka marketingu w firmie B2B SaaS zgłosiła się z klasycznym objawem. Jej najmocniejszy artykuł definicyjny trzymał drugą pozycję, a CTR spadł z 6,4% do 2,9% w ciągu pięciu miesięcy. Nie ruszaliśmy pozycji. Przebudowaliśmy intencję: dodaliśmy sekcje porównawcze i zadaniowe, pod które podsumowanie AI nie potrafi wygenerować pełnej odpowiedzi bez wejścia w źródło. Po czterech miesiącach liczba wizyt organicznych wróciła do 84% poprzedniego poziomu, a konwersja z tych wizyt była o 31% wyższa niż przed spadkiem. Mniej ruchu, lepszy ruch.
Jeśli chcesz sprawdzić, ile Twojego ruchu informacyjnego przejęły już odpowiedzi generowane, to jedna z pierwszych rzeczy, które liczę w audycie SEO. Pokazuję też, jak odbudować część utraconych wizyt, bo temat ruchu przy zero-click ma własną, osobną mechanikę.
Jak sztuczna inteligencja wybiera strony, które cytuje?
Wybór źródeł opiera się na trzech filtrach jednocześnie: obecności strony w wysokich wynikach organicznych, jakości pojedynczego pasażu i potwierdzalności faktu w innych, niezależnych domenach. Żaden z tych filtrów nie wystarcza samodzielnie.
Pierwszy filtr jest dobrą wiadomością dla każdego, kto ma zrobione SEO. Analizy Ahrefs i Seer Interactive zbieżnie pokazały, że około 75% cytowań w podsumowaniach AI pochodzi ze stron obecnych w top 10 wyników organicznych dla danego zapytania. Nie ma osobnej ścieżki wejścia. Ranking organiczny nadal jest bramą.
Drugi filtr dotyczy formy. Fragment musi być kompletną odpowiedzią bez rozbiegówki, mieścić się w kilku zdaniach i nie odsyłać do wcześniejszych akapitów. Z moich obserwacji: spośród 47 artykułów na tym blogu, które w ciągu ostatnich dziewięciu miesięcy zaczęły pojawiać się jako źródło w podsumowaniach AI, 38 miało definicję i listę lub tabelę w pierwszych 300 słowach. To korelacja z jednej domeny, nie dowód przyczynowy - traktuję to jako własną hipotezę roboczą, nie jako regułę branżową.
Dlaczego korroboracja bije oryginalność
Systemy generatywne premiują fakt potwierdzony przez wiele niezależnych źródeł, bo to najtańszy sposób ograniczania halucynacji. Twierdzenie, które istnieje wyłącznie u Ciebie, jest z punktu widzenia systemu tezą, nie faktem gotowym do zacytowania.
Praktyczny wniosek dla redakcji jest dwuwarstwowy. Fakty, które chcesz przepchnąć do odpowiedzi AI, osadzaj w konsensusie i podawaj z atrybucją do źródła pierwotnego. Autorskie, kontrariańskie wnioski podawaj jawnie jako opinię: „z moich obserwacji”, „uważam, że”. Oba cele są realizowalne w jednym artykule, ale nie w jednym zdaniu. To rozróżnienie zmieniło mój sposób pisania mocniej niż jakakolwiek zmiana algorytmu.
Czy wiesz, że…
Zbieżne analizy Ahrefs i Seer Interactive pokazały, że około 75% cytowań w podsumowaniach AI pochodzi ze stron z top 10 wyników organicznych. Nie istnieje osobna furtka do odpowiedzi generowanych, która omijałaby klasyczny ranking - dlatego porzucenie SEO na rzecz samego „pisania pod AI” jest kosztownym nieporozumieniem.
Jaką rolę odgrywa autorytet i sygnały E-E-A-T
Autorytet działa tu jak filtr wstępny, nie jak premia. Przy pytaniach o zdrowie, finanse i prawo (tematy, które Google nazywa YMYL i ocenia według kryteriów E-E-A-T) systemy wyraźnie zawężają pulę źródeł do domen o ustalonej reputacji, a przy pytaniach zadaniowych pula jest szersza i częściej wpadają do niej serwisy niszowe.
Najszybszy zwrot daje zwykle uporządkowanie warstwy tożsamości: jeden kanoniczny zapis autora, spójna stopka, dane strukturalne bez rozjazdów. Techniki redakcyjne opisuję przy SEO copywritingu, a warstwę atrybutów encji przy modelu EAV.
Co zmienia się w warsztacie SEO, a co zostaje bez zmian?
Zmienia się jednostka pracy i definicja sukcesu. Nie zmieniają się fundamenty techniczne: indeksowalność, wydajność, architektura linkowania i jakość merytoryczna. Sztuczna inteligencja podniosła próg wejścia na warstwie redakcyjnej, ale nie unieważniła żadnego z klasycznych warunków.
Pięć realnych zmian jednostki pracy. Po lewej stan, w którym większość zespołów nadal planuje treść, po prawej stan wymagany przez warstwę generatywną.
Lista rzeczy, które zostają bez zmian, jest dłuższa, niż sugerują nagłówki branżowych newsletterów:
- Dostępność techniczna: jeśli robot nie pobierze treści, żadna warstwa generatywna jej nie zacytuje. Treść renderowana wyłącznie po stronie klienta pozostaje ryzykiem.
- Intencja zapytania: dopasowanie typu treści do typu pytania nadal decyduje o wszystkim. Poradnik nie wygra z kartą produktu przy zapytaniu zakupowym.
- Linkowanie wewnętrzne: architektura klaster-hub-spoke pomaga zarówno klasycznemu crawlowaniu, jak i budowaniu spójnej reprezentacji encji.
- Autorytet domeny: pula źródeł dla pytań wrażliwych jest zawężana do domen o ustalonej reputacji.
- Świeżość i utrzymanie treści: nieaktualizowany artykuł traci cytowania równie szybko, jak tracił pozycje.
Jak pisać treści, które sztuczna inteligencja może zacytować?
Treść nadająca się do cytowania ma trzy cechy: odpowiada na pytanie w pierwszych dwóch zdaniach sekcji, mieści się w samodzielnym bloku 50-300 słów i zawiera konkret z atrybucją, czyli liczbę, definicję albo rozróżnienie ze wskazanym źródłem. Deklaracja bez konkretu nie jest cytowalna, nawet jeśli jest prawdziwa.
- Zacznij od odpowiedzi - pierwsze zdanie po nagłówku niesie pełną odpowiedź w 20-40 słowach, bez „jak wspomniałem” i bez rozbiegówki.
- Jeden nagłówek, jedno pytanie - nagłówek pisz językiem realnego zapytania, bez łączenia dwóch zagadnień spójnikiem.
- Dopisz konkret do każdej sekcji - liczba, jednostka, data albo rozróżnienie. Bez tego sekcja jest sloganem.
- Wyprowadź dane z prozy do struktury - porównania rób tabelą lub parami atrybut-wartość z jednostkami, bo modele opierają odpowiedzi wprost na komórkach tabel.
- Ustal fakty kanoniczne - liczby i definicje powtarzające się na wielu stronach serwisu muszą brzmieć identycznie w każdym miejscu.
- Trzymaj jeden termin na jedno pojęcie - naprzemienne synonimy obniżają spójność semantyczną sekcji.
Punkt czwarty jest w mojej praktyce najbardziej zaniedbany. Zdanie „kampania A radziła sobie lepiej” to mgła, a tabela z CPA w złotych na typ kampanii to gotowy materiał do zacytowania. Sposób układania takich bloków rozbieram przy strukturze BLUF, a kryterium doboru unikalnych faktów przy information gain.
Czego nie robić w treści pod odpowiedzi generowane
Trzy wzorce psują cytowalność szybciej niż brak optymalizacji technicznej. Pierwszy to ściany tekstu bez punktu wejścia. Drugi to fakty żyjące wyłącznie w grafice albo w zwiniętym FAQ. Trzeci to sprzeczność wewnętrzna, gdy dwie podstrony podają inną liczbę dla tego samego parametru.
Ten ostatni wzorzec bywa zabójczy dla całej domeny w kontekście danego faktu. Systemy liczą wskaźnik sprzeczności per dokument i traktują go progowo: jedno jaskrawo niespójne zdanie może wykluczyć artykuł z puli cytowań, mimo że pozostałe 3000 słów jest bez zarzutu. Dlatego przy każdym audycie treści zaczynam od rejestru faktów wspólnych, nie od nagłówków.
Czy wiesz, że…
Według danych OpenAI ChatGPT osiągnął około 800 milionów użytkowników tygodniowo, a analizy Semrush wskazują, że wizyty z asystentów AI mają w przybliżeniu 4,4 razy wyższą wartość konwersyjną niż średnia z ruchu organicznego. Ten kanał daje mniej sesji, ale zdecydowanie cieplejsze.
Czym jest GEO i czy zastępuje klasyczne SEO?
GEO, czyli generative engine optimization, to optymalizacja obecności marki w odpowiedziach generowanych przez modele językowe. Nie zastępuje SEO, bo korzysta z jego dorobku: indeksowalności, pozycji organicznych i wiarygodności domeny. Jest warstwą nadbudowaną, nie zamiennikiem.
W polskiej praktyce spotykam trzy nazwy używane wymiennie, choć oznaczają różne zakresy. Warto je rozdzielić raz i trzymać się jednego zapisu:
- SEO: optymalizacja widoczności w wynikach wyszukiwania, mierzona pozycjami, wyświetleniami i kliknięciami.
- AEO (answer engine optimization): optymalizacja pod bezpośrednie odpowiedzi, historycznie pod featured snippets i panele wiedzy, dziś pod krótkie odpowiedzi w interfejsach konwersacyjnych.
- GEO: optymalizacja pod bycie źródłem w treści generowanej, mierzona obecnością wzmianek i cytowań w konkretnych narzędziach.
Jestem przekonany, że rozdzielanie budżetów na „SEO” i „GEO” jako dwie odrębne usługi jest dziś przedwczesne. Około trzy czwarte cytowań pochodzi z top 10, więc ta sama praca redakcyjna i techniczna obsługuje oba cele. Osobny strumień pracy ma sens dopiero wtedy, gdy monitoring pokazuje, że konkurent jest cytowany w narzędziach AI, mimo że w klasycznych wynikach stoi za Tobą. Szerszy kontekst zmian w wyszukiwaniu opisuję przy trendach w SEO, a warsztat narzędziowy przy narzędziach AI dla marketera.
Jak mierzyć widoczność w wyszukiwarkach opartych na AI?
Pomiar opiera się dziś na czterech źródłach: Search Console dla rozjazdu wyświetleń i kliknięć, analityce ruchu referencyjnego z domen asystentów, logach serwera dla wizyt botów AI oraz ręcznym lub zautomatyzowanym monitoringu promptów. Search Console nie raportuje cytowań w podsumowaniach osobno, dlatego pomiar musi być składany z kawałków.
- Rozjazd wyświetleń i kliknięć - w Search Console porównaj 28 dni do poprzedniego okresu na poziomie zapytań. Rosnące wyświetlenia przy spadających kliknięciach i stabilnej pozycji to podpis warstwy generatywnej.
- Ruch referencyjny z asystentów - w GA4 wydziel segment odesłań z domen narzędzi AI. Sprawdzaj nie liczbę sesji, a współczynnik konwersji i wartość.
- Logi serwera - zliczaj odwiedziny robotów pobierających treść na potrzeby modeli. To jedyny twardy dowód, że Twoje strony w ogóle wchodzą do obiegu.
- Monitoring promptów - zdefiniuj 20-40 pytań, na które Twoja firma chce być odpowiedzią, i sprawdzaj cyklicznie, kto jest cytowany. Rejestruj cytowania konkurencji, nie tylko własne.
- Rejestr faktów - prowadź jedną tabelę liczb i definicji obowiązujących w całym serwisie, żeby wykluczyć sprzeczności między podstronami.
Najczęstszy błąd pomiarowy to porównywanie jabłek z gruszkami: spadek sesji informacyjnych zestawiany z celem sprzedażowym. Sensowniejsze jest patrzenie na przychód lub liczbę leadów per 1000 wyświetleń w Search Console. Ta metryka nie kłamie, gdy interfejs wyników się zmienia. To dokładnie ten rodzaj przemodelowania raportów, który układam podczas konsultacji SEO.
Jakie błędy najczęściej widzę przy dostosowywaniu SEO do AI?
Najkosztowniejsze błędy nie dotyczą techniki, a decyzji strategicznych: porzucania fraz informacyjnych w panice, blokowania botów AI bez analizy biznesowej i przepisywania treści hurtowo generatorem. Poniższa matryca porządkuje, co realnie zagraża widoczności, a co jest hałasem.
Oś pionowa to prawdopodobieństwo wystąpienia w typowym serwisie firmowym, oś pozioma to wpływ na przychód z kanału organicznego. Pola czerwone obsługuj w pierwszej kolejności.
Do matrycy dorzucam trzy błędy proceduralne, które widzę najczęściej w serwisach firmowych:
- Panika na frazach informacyjnych: wycofanie się z treści edukacyjnych, mimo że to one budują obecność w odpowiedziach i zasilają remarketing. Ruch spada, widoczność marki spada mocniej.
- Hurtowe przepisywanie generatorem: tekst bez własnych danych nie ma czego zaoferować systemowi, który już zna konsensus. Bez unikalnego konkretu nie ma powodu do cytowania.
- Mierzenie starym KPI: raportowanie tylko sesji przy zmienionym interfejsie wyników prowadzi do fałszywych wniosków o kondycji kanału.
Kontrprzykład, który komplikuje moją własną tezę: u jednego z klientów z branży technicznej ruch informacyjny spadł o 22%, a liczba zapytań ofertowych wzrosła o 18% w tym samym okresie. Odpowiedzi generowane odfiltrowały użytkowników szukających samej definicji i zostawiły tych z realną potrzebą. Nie zawsze spadek sesji jest problemem. Jeśli rozpoznajesz ten wzorzec w swoich danych, warto go rozstrzygnąć na liczbach, zanim przebudujesz strategię treści - to typowy punkt wyjścia rozmowy przez formularz kontaktowy.
Od czego zacząć dostosowanie serwisu w najbliższych miesiącach?
Sensowna kolejność prac to: diagnoza rozjazdu wyświetleń i kliknięć, naprawa struktury najmocniejszych artykułów, ustalenie rejestru faktów kanonicznych, a dopiero potem monitoring promptów. Odwrotna kolejność generuje raporty, z których nic nie wynika.
- Pierwsze 30 dni: wyeksportuj z Search Console zapytania z rosnącymi wyświetleniami i spadającymi kliknięciami. Zidentyfikuj 10-20 stron, które tracą najwięcej przychodu per 1000 wyświetleń.
- Dni 30-60: przebuduj te strony pod samodzielne pasaże - odpowiedź w pierwszych dwóch zdaniach sekcji, jedna intencja na sekcję, dane w tabelach, po jednym konkrecie z atrybucją na sekcję.
- Dni 60-90: zbuduj rejestr faktów wspólnych i ujednolić liczby oraz definicje w całym serwisie. Dopiero teraz włącz cykliczny monitoring 20-40 promptów i porównuj się z konkurencją.
W mojej codziennej praktyce widzę, że etap drugi daje najszybszy zwrot, a etap trzeci jest najczęściej pomijany. To błąd, bo bez spójności faktograficznej cała praca redakcyjna pracuje na obniżonej mocy.
Podsumowanie
Relacja SEO a AI nie jest zderzeniem dwóch dyscyplin, a przesunięciem jednostki pracy: z pozycji strony na cytowalność fragmentu. Fundamenty zostały te same. Indeksowalność, intencja, autorytet i utrzymanie treści decydują dziś tak samo jak wcześniej, tylko próg precyzji redakcyjnej podniósł się o jeden poziom.
Przestań traktować spadek kliknięć jak karę algorytmiczną. Zacznij postrzegać go jako zmianę interfejsu, w której część zapytań przestaje wymagać wizyty, a pozostałe przynoszą cieplejszy ruch. Dane to potwierdzają z dwóch stron: 8% klikalności przy podsumowaniu AI wobec 15% bez niego według Pew Research Center, przy jednoczesnie wyższej wartości konwersyjnej wizyt z asystentów według Semrush.
Praktyczny plan na start jest krótki: znajdź strony z rozjazdem wyświetleń i kliknięć, przepisz je na samodzielne pasaże z konkretem w każdej sekcji, ujednolić fakty w całym serwisie i dopiero potem mierz cytowania. Reszta to konsekwencja i cierpliwość, bo warstwa generatywna zmienia się szybciej niż klasyczny ranking, ale nagradza dokładnie to samo: rzetelną, sprawdzalną, dobrze poukładaną treść.
Czy ten artykuł był dla Ciebie pomocny?
Oceń go w skali od 1 do 5. Dzięki temu wiem, które tematy rozwijać.
Brak ocen. Twoja będzie pierwsza.
Źródła i dokumentacja
Tezy o utracie kliknięć, doborze cytowań i pomiarze widoczności w wyszukiwarkach AI opieram na badaniach z podaną próbą oraz na dokumentacji Google, a nie na branżowych przewidywaniach. Poniżej cztery źródła, do których wracam najczęściej przy dostosowywaniu SEO do odpowiedzi generowanych przez AI.
Wpływ AI Overviews na ruch wydawców
Zestawienie twardych danych o utracie kliknięć: Pew (8% klikalności z podsumowaniem wobec 15% bez), spadek CTR pozycji pierwszej o 34,5%, wzrost zapytań bez kliknięcia z 56% do 69% i zgłoszenie DMG Media o spadku CTR na desktopie z 25,23% do 2,79%. Punkt odniesienia dla sekcji o tym, ile ruchu realnie zabierają odpowiedzi generowane przez AI.
Czy wyższa pozycja oznacza cytowanie w AI
Analiza miliona fraz z podsumowaniami AI i 1,9 mln linków cytowanych: korelacja Spearmana 0,347 między pozycją w wynikach a cytowaniem i 0,445 dla eksponowania cytatu, przy czym strona z pozycji pierwszej trafia do trzech pierwszych cytowań tylko w około 50% przypadków. Dowód liczbowy do sekcji o tym, jak sztuczna inteligencja wybiera strony, które cytuje.
Wybór cytowania a jego wchłonięcie w odpowiedź
Praca rozdziela dwa etapy: wybór źródła przez platformę i realny wpływ zacytowanej strony na treść wygenerowanej odpowiedzi, na próbie 602 promptów, ponad 21 tys. cytowań i 18 tys. pobranych stron w ChatGPT, Google i Perplexity. Podstawa metodyczna dla sekcji o tym, jak sztuczna inteligencja generuje dziś odpowiedź na zapytanie.
Raport skuteczności AI w Search Console
Dokumentacja raportu obejmującego wyświetlenia w funkcjach generatywnych wyszukiwarki, z definicją wyświetlenia, zliczaniem kliknięć w AI Mode i ograniczeniami danych (1000 wierszy, dane wstępne). Techniczna podstawa sekcji o mierzeniu widoczności w wyszukiwarkach opartych na AI i o tym, czego Search Console nie raportuje osobno.
Pytania i odpowiedzi (FAQ)
Wpływ AI na SEO: skala utraty kliknięć przy AI Overviews i sposoby trafienia do generowanej odpowiedzi.
Czy sztuczna inteligencja zabije SEO?
Ile kliknięć traci strona, gdy nad wynikami pojawia się AI Overview?
Jak trafić do odpowiedzi generowanej przez AI w wyszukiwarce?
Czy warto blokować boty AI w robots.txt, żeby nie kradły treści?
Mam mały budżet - czy w takiej sytuacji SEO pod AI ma jeszcze sens?
Czy w niszach B2B ktokolwiek szuka odpowiedzi przez asystenty AI?
