ChatGPT chce rywalizować z Google, a AI Overviews już zdążyły namieszać w wynikach największej wyszukiwarki świata. A to oznacza, że zmienić się musi też podejście do pozycjonowania. I to już ma miejsce – coraz częściej mówi się o LLMO, czyli o optymalizacji pod duże modele językowe. Jak tworzyć treści i strategie SEO, które będą skuteczne nie tylko dla ludzi i wyszukiwarek, ale też dla generatywnej AI?
Czego dowiesz się z artykułu?
Ewolucja wyszukiwania – od tradycyjnego SEO do LLMO
Historia wyszukiwarek nie zaczęła się od Google. Do 1996 roku, kiedy to Larry Page, Sergey Brin i Scott Hassan zaczęli prace w garażu w Menlo Park, światło dzienne ujrzało już kilka podobnych programów.
Jak działały tradycyjne algorytmy wyszukiwarek?
Tym, co wyróżniło Google (i zrewolucjonizowało internet), był PageRank. Algorytm oceniał wartość strony na podstawie liczby i jakości prowadzących do niej linków. Im więcej wysokiej jakości odnośników tym wyższa pozycja w wynikach. To jeden komponent silnika Google; drugim była analiza treści pod kątem fraz kluczowych.
Z biegiem lat algorytm uwzględniał coraz więcej czynników: meta dane, szybkość ładowania, logiczną strukturę treści itd.
W 2013 roku, przy okazji aktualizacji Hummingbird, mocno zaczęło się zmieniać podejście do fraz kluczowych. Update ten miał przesunąć wagę z dosłownej analizy fraz kluczowych słowo po słowie na rozumienie intencji, które stoją za każdym zapytaniem, oraz ich kontekstu.
Rewolucja AI w wyszukiwarkach internetowych
Prawdziwą rewolucję rozpoczął jednak dopiero algorytm RankBrain (z 2015 r.), który do interpretacji intencji i kontekstu zapytań zaczął wykorzystywać uczenie maszynowe.
Kolejnymi krokami były: model językowy BERT (wprowadzony w 2019 r.) oraz jego rozwinięcie, MUM (z 2021 r.) – który był już w stanie przetwarzać i udzielać odpowiedzi na podstawie danych w różnych językach oraz formatach, na przykład ze zdjęć lub filmów na YouTube.
Do tego momentu modele językowe wspierały tradycyjny algorytm w wyszukiwaniu najlepiej dopasowanych stron. W 2023 roku Google uruchomiło Search Generative Experience (SGE) – generowane przez duży model językowy odpowiedzi na zapytania, bazujące na informacjach z dobrze ocenianych stron. W 2024 roku SGE przekształcono w AI Overviews – i w tym momencie jesteśmy dzisiaj.
Zrozumienie zmian: era AI w wyszukiwarkach Google i nie tylko
To, że Google już nie tylko indeksuje i sortuje strony według rankingu, ale aktywnie generuje odpowiedzi, wymusza zmianę podejścia do SEO. Teraz nie chodzi już wyłącznie o pozycję w SERPach, ale też o to, by stać się wiarygodnym źródłem cytowanym przez AI.
Czym dokładnie są LLMy (Large Language Models) i jak przetwarzają informacje?
Duże modele językowe (Large Language Models) są algorytmami złożonymi z wielu warstw sieci neuronowych, które wykonują różne zadania przetwarzania języka naturalnego. Warstwa integracyjna analizuje semantykę i składnię tekstu, rekurencyjna – interpretuje słowa i zależności między nimi, a warstwa uwagi – określa, które informacje są najważniejsze w ramach danego zadania.
Zanim taki model zacznie pracę, musi zostać wytrenowany na jak największym zbiorze treści. W ramach treningu LLMy analizują dane i wywodzą zależności między słowami, frazami, ale też ich znaczeniami. I to dzięki temu teraz mogą interpretować zapytania (np. frazy w Google) oraz generować własny tekst. Na tej zasadzie działa i GPT, i DeepSeek, i Gemini, który odpowiada za AI Overviews.
Jak AI (SGE, AI Overviews) zmienia wygląd i funkcjonowanie wyników wyszukiwania?
AI Overviews to pomost między tradycyjnymi wynikami wyszukiwania a chatbotami pokroju ChataGPT. Model generuje wynik, pozyskując dane bezpośrednio ze stron w SERPach. Celem jest dostarczenie odpowiedzi „w pigułce”, ale z możliwością sprawdzenia źródeł.
Póki co to, czy Google wyświetli AIO, czy nie, może przypominać loterię – powyżej mamy dwa identyczne znaczeniowo wyszukiwania i tylko jedno z nich dostało swoje podsumowanie od AI. Drugie opiera się na „klasycznych” featured snippets.
Podsumowania AI Overviews nie są na tyle rozbudowane, by zadowolić najbardziej wymagających, więc jeśli chcesz dowiedzieć się więcej – przy każdej odpowiedzi masz listę linków do wybranych przez AI stron.
O czym warto wiedzieć w kontekście pozycjonowania pod LLMy?
- AI Overviews zawsze zajmują tzw. pozycję „0”. W ten sposób automatycznie obniżają widoczność tradycyjnej listy wyników… i mogą prowadzić do spadku click-through rate dla wyników organicznych. Co zresztą już się dzieje: agencja Seer Interactive przeanalizowała zmiany średniego współczynnika CTR dla 10 tysięcy fraz na przestrzeni ubiegłego roku; pod zapytaniami bez AI Overviews utrzymuje się na poziomie 3-4%, dla tych z AIO – spada poniżej 1%.
- Większość fraz, które „uruchamiają” AIO, to zapytania informacyjne, typu „co to jest?", „jak działa?", „dlaczego...?". Według przeprowadzonej przez seoClarity analizy 120 milionów słów kluczowych w USA, stanowią one 88% fraz z AIO.
- Algorytm średnio czerpie informacje z 5 źródeł – to z kolei wniosek z badania 400 tys. fraz przeprowadzonego pod koniec zeszłego roku przez Surfer. Niestety nie ma wciąż konkretnych liczb co do tego, jakim CTR mogą pochwalić się strony linkowane w AIO jako źródła.
- Za to kolejny wniosek z tego badania jest ciekawy; tylko 52% źródeł z AIO znajduje się w top 10 SERPów dla danego zapytania.
Dlaczego ignorowanie AI SEO to ryzyko dla Twojego biznesu?
Pojawienie się LLM-ów w wyszukiwaniu wprowadza ogromne zmiany. Spadek CTR i niższa widoczność są już faktem. A zatem bez SEO AI ryzykujesz nie tylko utratę ruchu na rzecz AI Overviews, ale też na rzecz konkurencji, która może szybciej zoptymalizować swoje treści pod modele językowe.
Filary skutecznego pozycjonowania w erze AI
A co powinno składać się na strategię LLMO? Jak tworzyć treści pod wyszukiwarki AI?
-
Treść jako podstawa: jakość, głębokość, kontekst i semantyka
W tradycyjnym SEO „dobry” content oznaczał teksty przede wszystkim merytoryczne i nasycone słowami kluczowymi. Dla LLMów, które dziś świetnie radzą sobie z interpretacją kontekstu i intencji oraz analizą semantyczną, keywords nie są tak istotne. Ważne jest to:
- Czy precyzyjnie odpowiadasz na pytania użytkowników?
- Czy piszesz teksty w taki sposób, aby nie tylko zaadresować to pytanie, które zadał użytkownik – ale też, aby rozwiać wszystkie wątpliwości, które pojawią się już w trakcie czytania? Chodzi tu o głębię; w dobie AI Overviews krótkie artykuły na 3-4 minuty lektury, które poruszają jedno zagadnienie i w żaden sposób go nie rozwijają nie mają dużej wartości (z generowaniem takich treści sam poradzi sobie każdy LLM).
- Czy osadzasz swoje treści w kontekście, na przykład łącząc je z innymi artykułami na firmowym blogu w ramach klastrów tematycznych (serii tekstów, które się wzajemnie uzupełniają i pogłębiają jeden, główny temat)?
- W jakim stylu piszesz? Modele językowe nawet przy bardziej złożonych tematach z reguły wybierają bardzo konwersacyjny, przystępny język; też staraj się iść w tym kierunku.
- Czy regularnie aktualizujesz i weryfikujesz (!) treści? LLMy preferują najnowsze, rzetelne źródła.
-
E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness)
Wytyczne te odnoszą się co prawda do tego, pod jakim kątem testerzy wyszukiwarki mają analizować strony… ale modele językowe też szukają w treściach sygnałów świadczących o tym, że są one wiarygodne. A E-E-A-T to przepis na to, jak tę wiarygodność wykazać.
- Experience – doświadczenie autora „z pierwszej ręki” w temacie, o którym pisze. Chodzi o unikalne obserwacje i opinie, autorskie porady, case studies czy wyniki własnych badań. Teksty, które je zawierają mają w oczach AI ogromną przewagę, bo oferują coś, czego użytkownik nie znajdzie nigdzie indziej… a to zwiększa szansę na pojawienie się w AIO.
- Expertise – poparta konkretnymi dowodami wiedza o temacie. Może odnosić się nie tylko do osoby autora i jego tytułów naukowych czy zdobytych certyfikatów, ale też do samej strony, która publikuje daną treść.
- Authoritativeness – najbliższa rzecz do dawnego PageRank, ponieważ skupia się na tym, czy dana witryna jest traktowana jako wartościowe źródło przez inne strony w branży. W tej kwestii nic się nie zmienia, nawet w obliczu AI – cytowania i backlinki są ważne.
- Trustworthiness – czyli szeroko pojęte zaufanie do strony. Składa się na nią m.in. to, czy regularnie publikujesz i aktualizujesz treści; czy otwarcie podajesz informacje o swojej firmie i czy dbasz o bezpieczeństwo danych (korzystasz z protokołu SSL, masz jasno przedstawioną politykę prywatności itd.).
Tak o AI i E-E-A-T mówi nasz ekspert SEO:
-
Techniczne SEO a gotowość na AI: dane strukturalne, szybkość i dostępność
Strategia SEO w erze AI musi uwzględniać też optymalizację techniczną. Tak, modele językowe interesuje głównie treść – ale wciąż to, że Twoja strona szybko się ładuje i spełnia standardy Core Web Vitals, jest w pełni dostosowana pod urządzenia mobilne i przystępna dla crawlerów ma znaczenie, bo świadczy o jakości Twojej witryny.
Ważną kwestią w kontekście „pracy” LLMów mogą być dane strukturalne (schema). Odpowiednio umieszczone w plikach HTML zawsze pomagały algorytmom wyszukiwarki w interpretacji treści na stronie – AI też może zwracać na nie uwagę. Poniżej krótka lista najważniejszych schema, które ułatwią optymalizację pod sztuczną inteligencję:
- Article / BlogPosting – dla treści informacyjnych;
- Product – dla stron produktowych w e-commerce;
- FAQ – dla sekcji pytań i odpowiedzi;
- HowTo – dla przewodników i instrukcji;
- Review / Rating – dla opinii użytkowników;
- Person / Organization – dla prezentacji autora lub firmy.
-
Zrozumienie intencji użytkownika: od wyszukiwania do rozwiązania
Historia Google z AI zaczęła się od dążenia do jak najlepszego odczytywania intencji (ponownie kłania się RankBrain). LLMy skupiają się na tym w 100% – starają się rozpoznać intencję użytkownika i dostarczyć gotowe rozwiązanie, zanim użytkownik sam zacznie filtrować wyniki.
Strategia contentowa z uwzględnieniem AI również musi skupiać się na intencjach. Tworząc treści powinieneś zawsze wiedzieć:
- Kto trafi na dany tekst.
- Na jakim etapie lejka sprzedażowego się znajduje.
- Do czego będzie mu on potrzebny.
Przeczytaj także:
Strategia content marketingowa krok po kroku
Analiza i pomiar efektywności LLMO
Pojawienie się LLMów na zdominowanej dotąd przez Google scenie wymaga też zmiany podejścia do analityki. Do tej pory łatwo było mierzyć sukces działań pozycjonerskich – pozycje w wynikach wyszukiwania i wielkość ruchu organicznego odpowiadały na większość pytań. Teraz wygląda to nieco inaczej…
Nowe metryki sukcesu – poza pozycją w SERP
Teraz trzeba do tego dołożyć jeszcze widoczność w odpowiedziach generowanych przez AI… ale i mieć na uwadze kilka innych kwestii.
Na przykład to, że AI Overviews sprzyja zero-click searches – dzięki AIO użytkownicy otrzymują odpowiedzi bez potrzeby wchodzenia na Twoją stronę, natomiast jeśli widzą, że to Twoje treści były źródłem dla AI, i tak może to być z korzyścią do marki.
Druga sprawa – o ile w dobie AI ruch z tradycyjnych SERPów powinien się zmniejszyć, tak może być on… bardziej wartościowy. Z prostego powodu – na Twoją stronę będą przychodzić te osoby, dla których wygenerowana przez AI „pigułka” nie wystarcza i które szukają pogłębionych informacji. Dlatego tym bardziej trzeba mierzyć sukces nie wyświetleniami, a tzw. engagement metrics – czasem spędzonym na stronie, liczbą odwiedzonych podstron w trakcie sesji czy podjętych interakcji.
Narzędzia do analizy i optymalizacji pod LLMy
Nie trzeba za to zmieniać narzędzi – popularne platformy pozycjonerskie są na bieżąco ze zmianami w wyszukiwarkach.
Na dziś najwięcej możliwości oferują Semrush i Ahrefs. W obu narzędziach możesz analizować widoczność swoich stron pod frazami z AI Overviews na identycznej zasadzie, jak to było wcześniej z featured snippets albo local packs.
Źródło: Semrush
Możesz też śledzić każdą interesującą Cię frazę kluczową, pod którą wyświetlają się AIO i sprawdzić, jakie strony do nich trafiają.
Źródło: Ahrefs
Tym, czego na razie nie da się monitorować jest ruch pochodzący bezpośrednio z cytowań w AIO. Ani Semrush czy Ahrefs, ani GA4 nie oferują na razie takiej opcji.
Ale z Google Analytics i tak warto korzystać, ponieważ możesz w nim śledzić ruch przychodzący z zewnętrznych LLMów, które też mogą linkować w swoich odpowiedziach do Twoich stron. Jest on minimalny – według przeprowadzonej w kwietniu przez Ahrefs analizy wyników 35 tys. stron ruch z chatbotów, to zaledwie… 0,1% - jednak warto mieć go na uwadze.
Aby to zrobić, wystarczy dodać do GA4 niestandardową grupę kanałów z domenami najpopularniejszych LLMów (.*chatgpt\.com.*|.*perplexity\.ai.*|.*gemini\.google\.com.*| i tak dalej).
Jak mierzyć skuteczność strategii LLMO?
A więc podsumujmy. Agencja LLMO powinna oceniać skuteczność optymalizacji pod modele językowe na kilku poziomach:
- monitorujac widoczność treści w AI Overviews – czy i jak często strona jest cytowana przez AI;
- obserwując zmiany CTR i ruchu organicznego – szczególnie w kontekście zapytań z AIO i bez AIO;
- analizując engagement metrics – czyli jak użytkownicy reagują na treści;
- wciąż śledząc pozycje dla fraz kluczowych – ale nieco szerzej je interpretując, mając na uwadze np. ruch bez kliknięć.
Przyszłość SEO: Co nas czeka i jak się przygotować?
Wszystko wskazuje na to, że rola AI będzie się jedynie zwiększać – i nie chodzi tylko o AI Overviews (chociaż jesteśmy pewni, że Google będzie intensywnie rozwijać tę funkcję), ale też o konkurencję ze strony chatbotów.
Open AI od dłuższego czasu pozwala korzystać z ChataGPT jak z wyszukiwarki, tylko że zasilanej modelem językowym; opcję przeszukiwania internetu oferują też Claude czy DeepSeek. Duży potencjał cały czas ma Perplexity, które jest w stu procentach LLMową wyszukiwarką i bliżej mu do Google i AIO.
Najważniejsze w tym momencie pytanie brzmi: czy użytkownicy faktycznie będą na większą skalę migrować w stronę AI i zaczną szukać zakupowych porad lub przepisów na szarlotkę w chatbotach, a nie w Google? A jeśli tak, to jaki kawałek tortu uda im się tym narzędziom zdobyć? To powinno zdecydować o tym, jak duże będzie zapotrzebowanie na usługi LLMO… i jaka będzie przyszłość branży.
Trendy w AI SEO na najbliższe lata
Czego się natomiast spodziewamy w samych SERPach?
- AI prawdopodobnie będzie coraz lepiej dopasowywać odpowiedzi nie tylko do zapytania, ale również do historii wyszukiwań, lokalizacji, zainteresowań i zachowań użytkownika. Dwie osoby wpisujące to samo zapytanie już niedługo mogą otrzymać zupełnie inne AI Overviews, co wymaga jeszcze głębszej personalizacji treści.
- Rozwój LLMów powinien pchnąć też do przodu asystentów głosowych oraz narzędzia do wyszukiwania obrazem. A to oznacza, że transformacja treści pod AI będzie wymagała jeszcze większego nacisku na naturalne, typowe dla języka mówionego frazy… i obejmie nie tylko teksty, ale też materiały wideo czy grafiki.
- Możemy spodziewać się też większej liczby wyników generatywnych, łączących dane z różnych źródeł – na przykład z wideo, podcastów i (zwłaszcza) social mediów.
Rola specjalisty SEO w świecie zdominowanym przez AI
To wszystko sprawia, że specjalista SEO już nie może zajmować się tylko optymalizacją meta danych i link buildingiem. Musi być strategiem, który rozumie nie tylko algorytmy wyszukiwarek, ale też sposób działania dużych modeli językowych i sztucznej inteligencji; analitykiem z jeszcze większą ilością danych do monitorowania i specjalistą od contentu, który przeprowadzi audyt treści pod kątem LLMO i E-E-A-T.
A tak przyszłość widzi nasz ekspert od optymalizacji pod AI:
Najczęściej zadawane pytania
Czy LLMO całkowicie zastąpi tradycyjne SEO?
Nie. LLMO nie wyeliminuje klasycznego SEO. Podstawowe zasady optymalizacji – szybkość ładowania, struktura treści, linkbuilding – nadal będą miały znaczenie. LLMO po prostu dodaje do tego nowy wymiar: tworzenie treści, które będą atrakcyjne także dla AI. To ewolucja SEO, a nie jego koniec.
Jak długo trwa wdrożenie strategii LLMO?
Czy małe firmy mogą skutecznie konkurować w erze LLM?
Jakie umiejętności są kluczowe dla specjalistów LLMO?
Pozostałe źródła:
https://ahrefs.com/blog/llm-optimization/
https://backlinko.com/ai-overviews
https://www.semrush.com/blog/ai-overviews/
Zapisz się do darmowego newslettera
Zyskaj dodatkową wiedzę o SEO, marketingu i technologiach.
