Pozycjonowanie stron w AI: jak to w skrócie działa i od czego zacząć

Większość odpowiedzi, w których asystent AI przywołuje konkretną stronę, nie pochodzi z tego, co model „zapamiętał” podczas treningu, tylko z wyszukiwania wykonanego w chwili zadania pytania – a do tego wyszukiwania strona trafia w dużej mierze tymi samymi drogami co do zwykłych wyników Google. Ten tekst pokazuje, jak w uproszczeniu działa mechanizm cytowania w AI Overviews, trybie AI wyszukiwarki, ChatGPT z wyszukiwaniem, Perplexity i Copilocie, co realnie zwiększa szansę na wzmiankę i które obietnice wokół „pozycjonowania w AI” można spokojnie odłożyć.

Wiedza z treningu a wyszukiwanie w czasie rzeczywistym

Model językowy ma dwa źródła wiedzy. Pierwsze to dane treningowe: ogromny zbiór tekstów, na którym model uczył się języka i faktów. Ta wiedza jest zamrożona w chwili zakończenia treningu, nie ma w niej przypisanych adresów i nie da się jej na bieżąco poprawić. Jeśli strona firmy istniała w danych treningowych, model może coś o marce „wiedzieć”, ale nie ma sposobu, by wpłynąć na to szybko ani precyzyjnie.

Drugie źródło to wyszukiwanie w czasie rzeczywistym, określane jako retrieval albo RAG (retrieval-augmented generation). W uproszczeniu: system zamienia pytanie użytkownika na jedno lub kilka zapytań, pobiera pasujące dokumenty z indeksu, wybiera z nich najbardziej przydatne fragmenty i dopiero na ich podstawie model pisze odpowiedź, często z odnośnikami do źródeł. Model pełni tu rolę redaktora, który streszcza to, co mu podsunięto.

To drugie źródło jest furtką dla stron. Nie trzeba czekać na kolejną generację modelu ani liczyć na to, że tekst trafił do danych treningowych. Wystarczy, że strona zostanie znaleziona i uznana za wartościowy materiał w momencie, gdy ktoś zadaje pytanie. A to już jest zadanie bardzo podobne do tego, które od lat rozwiązuje klasyczne SEO.

Dlaczego zwykłe SEO pozostaje fundamentem

Asystenci AI rzadko budują własny indeks całego internetu od zera. AI Overviews i tryb AI korzystają z indeksu Google, Copilot opiera się na wyszukiwarce Bing, a ChatGPT i Perplexity łączą zewnętrzne źródła wyszukiwania z własnymi robotami. W każdym z tych przypadków strona, której wyszukiwarka nie zaindeksowała albo uznała za mało wiarygodną, ma niewielkie szanse trafić do zestawu dokumentów, z którego model składa odpowiedź.

Dlatego podstawy się nie zmieniają. Strona musi być technicznie dostępna dla robotów, szybko się ładować, mieć treść widoczną w HTML, a nie tylko generowaną skryptem po stronie przeglądarki, oraz sensowną strukturę adresów i linkowania wewnętrznego. Liczy się też autorytet domeny budowany przez linki z innych wiarygodnych serwisów i ogólna jakość treści. Pojęcia GEO (generative engine optimization), AI SEO czy LLM SEO są w praktyce używane zamiennie i opisują to samo: dopasowanie treści do sposobu, w jaki systemy generatywne wybierają źródła. To nie osobna dziedzina z własnymi sztuczkami, tylko przesunięcie akcentów w ramach SEO.

Co zwiększa szansę na cytowanie

Systemy retrieval nie cytują zwykle całej strony, tylko fragment. Najlepiej sprawdzają się więc akapity samodzielne: takie, które odpowiadają na konkretne pytanie i są zrozumiałe bez czytania reszty tekstu. Akapit zaczynający się od „Jak wspomnieliśmy wyżej” jest dla modelu mniej użyteczny niż taki, który od pierwszego zdania podaje odpowiedź, a potem ją rozwija. Pomaga czytelna struktura nagłówków, w której każdy nagłówek zapowiada, na jakie pytanie odpowiada sekcja.

Dobrze cytują się definicje, porównania, konkretne kroki i dane, najlepiej z podanym źródłem. Znaczenie ma aktualność: przy pytaniach o przepisy, ceny czy wersje oprogramowania systemy chętniej sięgają po treści świeże lub wyraźnie aktualizowane. Wyraźne autorstwo, informacja o tym, kto stoi za stroną, i odwołania do źródeł wspierają ocenę wiarygodności. Dane strukturalne (schema.org) nie gwarantują cytowania, ale ułatwiają maszynom jednoznaczne zrozumienie, czym jest dana strona, firma czy produkt.

Osobny czynnik to obecność marki poza własną stroną. Modele uczą się skojarzeń między nazwami a tematami, a wyszukiwanie w czasie rzeczywistym często trafia na zestawienia, fora, recenzje i artykuły branżowe. Marka wspominana w takich miejscach, także bez linku, ma większą szansę pojawić się w odpowiedzi na pytanie w stylu „kto zajmuje się tym w moim mieście”. Wzmianka bez odnośnika, która w klasycznym SEO miała ograniczoną wartość, tu zaczyna mieć znaczenie.

Kliknięcia, których nie będzie

Odpowiedź wygenerowana przez AI często zaspokaja potrzebę użytkownika w całości. Kto pyta o definicję albo prostą instrukcję, może nie kliknąć w żadne źródło, nawet jeśli strona została zacytowana. Dla serwisów żyjących z ruchu informacyjnego to realne zagrożenie, a dla firm oznacza konieczność zmiany sposobu mierzenia efektów.

Sam ruch przestaje wystarczać jako miara. Warto śledzić, czy marka pojawia się w odpowiedziach na pytania ważne dla biznesu, w jakim kontekście jest przedstawiana i obok jakich konkurentów. Widoczność w odpowiedzi AI działa trochę jak ekspozycja w katalogu branżowym: nie każdy kliknie od razu, ale nazwa zostaje w pamięci i wraca przy wyszukiwaniu marki wprost. Kliknięcia, które mimo wszystko przychodzą z takich odpowiedzi, bywają też bardziej świadome, bo użytkownik trafia na stronę z konkretnym zamiarem.

Boty AI, robots.txt i mity wokół tematu

Właściciel strony może w pliku robots.txt zablokować roboty poszczególnych firm AI. Część operatorów rozdziela przy tym roboty zbierające dane do trenowania modeli od tych, które pobierają strony na potrzeby wyszukiwania i odpowiedzi na bieżąco. To rozróżnienie jest ważne: zablokowanie robota treningowego chroni treść przed wykorzystaniem w przyszłych modelach, ale zablokowanie robota wyszukiwania oznacza zwykle, że strona nie będzie cytowana w odpowiedziach danego asystenta. W przypadku Google funkcje AI w wyszukiwarce korzystają z tego samego indeksu co zwykłe wyniki, więc całkowite odcięcie się od nich wiązałoby się z utratą widoczności również w klasycznej wyszukiwarce. Decyzja o blokadzie powinna więc wynikać z modelu biznesowego, a nie z odruchu.

Pojawia się też propozycja pliku llms.txt, czyli uproszczonego opisu serwisu przeznaczonego dla modeli językowych. Pomysł ma zwolenników, ale duże wyszukiwarki nie traktują go jako standardu i nie ma dobrych podstaw, by zakładać, że jego obecność wpływa na cytowania. Można go dodać jako mało kosztowny eksperyment, nie należy jednak oczekiwać po nim efektów.

Wokół tematu narosło kilka mitów. Pierwszy głosi, że da się „zoptymalizować stronę pod ChatGPT”, wpisując do niego prompty z nazwą firmy albo prosząc go o zapamiętanie informacji. Rozmowy pojedynczego użytkownika nie zmieniają tego, co model poda innym osobom. Drugi mit zakłada, że miejsce w odpowiedzi można kupić tak jak link sponsorowany. Reklamy mogą pojawiać się obok odpowiedzi, ale samo cytowanie źródła wynika z procesu wyszukiwania i oceny treści, a oferty „gwarantowanej obecności w AI” zasługują na dużą ostrożność.

Od czego zacząć ze stroną firmową

Większość działań, które poprawiają szanse na cytowanie w AI, poprawia też zwykłą widoczność w wyszukiwarce, więc nie wymaga osobnego budżetu ani nowej strategii. Rozsądny punkt wyjścia wygląda następująco:

• Sprawdzić indeksację w Google Search Console i Bing Webmaster Tools, bo bez obecności w indeksie reszta nie ma znaczenia.
• Przejrzeć robots.txt i świadomie zdecydować, które roboty AI mają dostęp, rozróżniając roboty treningowe od wyszukiwawczych.
• Spisać pytania, które klienci zadają przed zakupem, i upewnić się, że strona odpowiada na każde z nich w osobnej, samodzielnej sekcji z opisowym nagłówkiem.
• Uzupełnić informacje o firmie: kim jest, gdzie działa, kto odpowiada za treści, z datą aktualizacji tam, gdzie ma to sens.
• Dodać podstawowe dane strukturalne dla organizacji, usług lub produktów.
• Zadbać o wzmianki o marce w katalogach branżowych, lokalnych serwisach i mediach, także tam, gdzie nie ma linku.
• Co jakiś czas zadawać asystentom AI pytania ważne dla biznesu i notować, czy i jak marka się pojawia.

Takie podejście nie obiecuje szybkich efektów, ale buduje coś trwałego: stronę, którą zarówno klasyczna wyszukiwarka, jak i model generujący odpowiedź uznają za dobre źródło. W obu przypadkach wygrywa ta sama treść – jasna, konkretna i napisana z myślą o pytaniu, które zadaje człowiek.

Redakcja HotaruMiłośnicy nowych technologii

Redakcję Hotaru.pl tworzą doświadczeni copywriterzy, redaktorzy, specjaliści IT oraz pasjonaci nowych technologii. Łączy nas ciekawość świata, zamiłowanie do komputerów, elektroniki i oprogramowania, a także przekonanie, że nawet najbardziej złożone zagadnienia można wyjaśnić prostym i zrozumiałym językiem. Na bieżąco śledzimy rozwój sztucznej inteligencji, modeli LLM, sprzętu komputerowego oraz cyfrowych usług. Testujemy narzędzia, sprawdzamy informacje i oddzielamy rzeczywiste możliwości technologii od marketingowych obietnic. Każdy temat analizujemy z punktu widzenia specjalisty i użytkownika. Chcemy tworzyć treści rzetelne, praktyczne i przydatne, które pomagają lepiej rozumieć cyfrowy świat, podejmować świadome decyzje i wykorzystywać technologię w codziennym życiu.