Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Przez lata cała robota SEO miała jeden cel: doprowadzić użytkownika na stronę. To założenie przestało być kompletne. Znaczna część zapytań kończy się dziś w interfejsie wyszukiwarki albo w okienku asystenta, a użytkownik odchodzi z odpowiedzią i bez wizyty.
Można to opłakiwać albo przyjąć do wiadomości i zapytać, co da się z tym zrobić. Ja przyjąłem drugie podejście, choć bez złudzeń: nie da się „zoptymalizować pod brak kliknięcia” tak, jak optymalizowało się pozycję. Da się natomiast pisać w sposób, który zwiększa szansę, że w odpowiedzi pojawi się nazwa marki, i który daje powód do wejścia tym, dla których odpowiedź nie wystarcza.
Poniżej opisuję, jak układam treści w takich warunkach — bez obietnicy, że da się to policzyć tak dokładnie jak kliknięcia.
Pod jednym hasłem siedzą cztery różne sytuacje i mieszanie ich prowadzi do złych decyzji.
Rozdzielam je, bo tylko dwa pierwsze da się w jakimś stopniu obserwować w narzędziach dla webmasterów. Kliknięcia i wyświetlenia z trybu AI Mode są od czerwca 2025 wliczane do raportu skuteczności w Search Console, ale bez wydzielenia — widzę je w sumie z resztą wyszukiwania w sieci, więc nie wiem, ile ich jest. Zapytań kierowanych do asystentów nie widzę wcale.
Zanim przepiszę cokolwiek, dzielę frazy na dwie grupy, bo różnią się celem, nie techniką.
Frazy, w których klik nadal jest realny: wszystko, co wymaga porównania konkretnych ofert, sprawdzenia dostępności, ceny, warunków, obliczenia czegoś na kalkulatorze albo kontaktu z człowiekiem. Krótka odpowiedź nie zamyka takiego zapytania, bo użytkownik potrzebuje danych, których model nie ma.
Frazy, w których klik zwykle już nie wróci: definicje, proste porównania pojęć, skróty, jednostki, krótkie instrukcje typu „jak zmienić X”. Tu odpowiedź w interfejsie jest wystarczająca i lepsza dla użytkownika. Walka o kliknięcie na takich frazach to walka z wygodą, którą przegrasz.
Na tej drugiej grupie zmieniam cel z ruchu na obecność: chcę, żeby marka pojawiła się w odpowiedzi jako źródło i żeby użytkownik zetknął się z nazwą, nawet jeśli nie wejdzie. Na pierwszej grupie nic w podejściu nie zmieniam i nadal walczę o wejście.
To rozdzielenie jest ważniejsze niż jakakolwiek technika opisana dalej. Bez niego zaczyna się optymalizowanie pod brak kliknięcia na frazach, które klik dowoziły, i pisanie kolejnych definicji tam, gdzie potrzebna była strona ofertowa.
Model streszczający potrzebuje fragmentów, które da się wyjąć bez kontekstu i które są jednoznaczne. To zmienia sposób pisania bardziej niż cokolwiek innego.
Praktycznie: każda sekcja odpowiada na jedno pytanie i odpowiada na nie w pierwszych dwóch zdaniach. Reszta akapitu może rozwijać, uzasadniać i dodawać zastrzeżenia — ale odpowiedź musi być na górze. Struktura, w której wniosek pojawia się w ostatnim akapicie, jest przyjazna dla czytelnika i nieprzydatna dla systemu, który wybiera jeden fragment.
Dalej: konkret zamiast ostrożnych ogólników. Liczby, jednostki, terminy, warunki, wyjątki. Zdanie „czas realizacji zależy od wielu czynników” nie zostanie zacytowane przez nikogo i słusznie. Zdanie z konkretnym zakresem i wskazaniem, od czego zależy — może.
Trzecia rzecz: samowystarczalność akapitu. Unikam odsyłaczy w rodzaju „jak wspomniałem wyżej”, bo wycięty fragment traci sens. Rozwijam skróty przy pierwszym użyciu w każdej sekcji, nie tylko w intro.
I jedna rzecz, którą łatwo przeoczyć: dbam, żeby na stronie nie było dwóch sprzecznych odpowiedzi na to samo pytanie. Stary poradnik z 2022 roku i nowy z zeszłego miesiąca, oba żywe w indeksie, to najprostszy sposób, żeby zostać zacytowanym w wersji nieaktualnej.
Skoro celem jest świadomość marki bez kliknięcia, to nazwa marki musi być w tekście, a nie tylko w nagłówku strony i w adresie.
Nie chodzi o upychanie. Chodzi o to, żeby przy zdaniach, które nadają się do zacytowania, kontekst zawierał informację, kto to mówi. Zdanie w rodzaju „w projektach, które prowadzę w UDI Group, sprawdzam to w takiej kolejności” niesie nazwę razem z treścią. Bezosobowa wersja tego samego zdania nie niesie niczego.
Praktyczny zestaw, który stosuję: nazwa i rola autora w treści, a nie tylko w metryczce; jasne oznaczenie autorstwa danych i obliczeń, jeśli publikujemy własne; nazwane metody i procedury, jeśli mamy własne podejście do czegoś. Nazwana rzecz ma szansę być cytowana razem z nazwą, bezimienna nie ma.
Do tego wszystko, co buduje spójny obraz podmiotu w sieci: te same dane firmy w każdym miejscu, konsekwentne opisy, dane strukturalne organizacji i autora. To nie jest sztuczka pod modele językowe — to zwykła higiena, która przy odpowiedziach generowanych zaczęła się liczyć bardziej niż wcześniej.
Najlepiej napisany tekst nie pojawi się w żadnej odpowiedzi, jeśli systemy nie mają do niego dostępu.
Sprawdzam trzy rzeczy. Czy treść jest w kodzie strony, a nie dokładana wyłącznie skryptem po interakcji — część robotów nie wykonuje JavaScriptu tak jak przeglądarka. Czy nie blokujemy w robots.txt robotów, których obecności faktycznie chcemy; osobno rozważam roboty od odpowiadania na zapytania i osobno te od trenowania modeli, bo to różne tokeny i różne decyzje biznesowe. I czy nie zamykamy najlepszych treści za formularzem, jeśli celem jest widoczność.
Dane strukturalne traktuję jako pomoc w rozumieniu, nie jako gwarancję czegokolwiek. Warte wdrożenia są te, które opisują podstawy: organizację, autora, produkt z ceną i dostępnością, artykuł z datą aktualizacji. Data aktualizacji ma tu znaczenie praktyczne — przy pytaniach o stan rzeczy nowsze źródło ma po prostu większą szansę.
To jedyna część, w której nadal da się walczyć o ruch, i dlatego traktuję ją poważniej niż całą resztę.
Odpowiedź generowana radzi sobie dobrze z tym, co jest ustalone i opisane w wielu miejscach. Radzi sobie źle z rzeczami, których nie ma w treningu ani w indeksie: bieżącą ceną i dostępnością, konfiguratorem, kalkulatorem uwzględniającym parametry użytkownika, aktualnym stanem prawnym w konkretnym przypadku, dostępem do materiału, który istnieje tylko u nas.
Dlatego w tekstach na frazy o realnym potencjale zawsze umieszczam element, którego streszczenie nie zastąpi. Najprostsze i najskuteczniejsze: aktualne dane, których nikt inny nie publikuje, narzędzie do policzenia czegoś na własnych liczbach i możliwość zapytania człowieka o przypadek nietypowy.
I odwrotna strona tej samej monety: przestaję inwestować w treści, które są dobrze opisanymi definicjami czegoś powszechnie znanego. Nie dlatego, że są złe, ale dlatego, że są dokładnie tym, co system streści bez wejścia na stronę.
Najtrudniejsza część, bo znaczna część efektu tej pracy jest niewidoczna w narzędziach.
Co da się śledzić: wyświetlenia i kliknięcia w Search Console, a przede wszystkim relacja między nimi. Rosnące wyświetlenia przy stabilnych kliknięciach na frazach informacyjnych to nie porażka, tylko dokładnie ten scenariusz, o którym mówimy. Warto to zawczasu wytłumaczyć osobie, która patrzy tylko na wykres kliknięć.
Co da się śledzić pośrednio: ruch z asystentów AI, wydzielony w analityce — od kilku tygodni GA4 ma dla niego osobny kanał w domyślnej grupie, co oszczędza kombinowania z własnymi regułami. Do tego liczba zapytań o nazwę marki w wyszukiwarce i udział ruchu bezpośredniego. Te dwie liczby rosną, gdy marka pojawia się w odpowiedziach, choć nie jest to dowód przyczynowy.
Czego nie da się śledzić: ile razy nazwa marki pojawiła się w odpowiedzi asystenta i ilu osobom. Można to próbkować ręcznie, zadając stałą listę pytań co miesiąc i notując, czy marka jest wśród źródeł. Robię to na kilku projektach i traktuję jak obserwację terenową, nie jak metrykę.
Wniosek, który powtarzam klientom: przy tego rodzaju działaniach trzeba z góry zgodzić się na słabszy pomiar. Kto nie jest gotów podejmować decyzji na podstawie wskaźników pośrednich, ten w tym obszarze nie zrobi nic — i to też jest wybór, tylko warto go podjąć świadomie.
Używamy plików cookies, aby ułatwić Ci nawigację oraz wykonywanie określonych funkcji. Szczegółowe informacje o wszystkich plikach cookies znajdziesz w każdej kategorii zgody poniżej.
Pliki cookies oznaczone jako "Niezbędne" są przechowywane w Twojej przeglądarce, ponieważ są one kluczowe dla zapewnienia podstawowych funkcji strony.
Używamy również plików cookies firm trzecich, które pomagają nam analizować, w jaki sposób korzystasz z tej strony, zapamiętują Twoje preferencje oraz dostarczają treści i reklamy odpowiednie dla Ciebie. Te pliki cookies będą przechowywane w Twojej przeglądarce tylko za Twoją uprzednią zgodą.
Możesz zdecydować, czy chcesz włączyć lub wyłączyć niektóre bądź wszystkie te pliki cookies, jednak wyłączenie niektórych z nich może wpłynąć na Twoje doświadczenia podczas przeglądania strony.
| Cookie | Duration | Description |
|---|---|---|
| __cf_bm | 13 minutes | Cloudflare bot management — distinguishes humans from bots. |
| rc::* | Persistent | Google reCAPTCHA — localStorage holding anti-bot challenge state. |
| Cookie | Duration | Description |
|---|---|---|
| wpEmojiSettingsSupports | Session | WordPress — sessionStorage flag caching whether the browser can render emoji (feature detection). |
| ytidb* | Persistent | YouTube — IndexedDB storing playback/search state for embedded videos. |
| Cookie | Duration | Description |
|---|---|---|
| _ga_* | 400 days | Google Analytics 4 — persists session state per property. |
| _ga | 400 days | Google Analytics — distinguishes unique users via a client id. |
| Cookie | Duration | Description |
|---|---|---|
| NID | 183 days | Google — stores preferences for personalized ads. |
| fr | 90 days | Meta — encrypted Facebook id and browser id for ads. |
| _gcl_au | 90 days | Google AdSense/Ads — experiments with advertising efficiency (conversion linker). |
| Cookie | Duration | Description |
|---|---|---|
| __Secure-YNID | 180 days | |
| YSC | Session | |
| __Secure-ROLLOUT_TOKEN | 180 days | |
| VISITOR_INFO1_LIVE | 180 days | |
| VISITOR_PRIVACY_METADATA | 180 days | |
| datr | 400 days | |
| sb | 400 days | |
| wd | 7 days |