AI SEO – co to jest i jak wpłynie na twój biznes

Rozwój narzędzi AI (a mówiąc precyzyjnie, GenAI, czyli generatywnej sztucznej inteligencji, tj. takiej, która coś tworzy, głównie teksty, ale nie tylko), w tym możliwości, jakie duże modele językowe dają w zakresie wyszukiwania informacji zrodził pojęcie nazywane różnymi skrótami: AI SEO, AISO, GEO, SAE, LLM SEO… 

Niezależnie od przyjętego skrótu, chodzi pozycjonowanie w narzędziach AI, takich jak: ChatGPT, Perplexity, Gemini (wcześniej Bard), DeepSeek, Claude czy inne, które de facto nie się nie liczą z uwagi na dużo mniejsze zainteresowanie. 

Z perspektywy właścicieli biznesów, dla których widoczność w Google była jak dotąd ważnym kanałem dotarcia i pozyskiwania klientów, co wiązało się z dużymi nakładami pracy i pieniędzy – rodzi to poważny dylemat. Czy dalej warto inwestować w “klasyczne SEO”? Czy AI SEO to przyszłość i to tam trzeba przerzucić działania i budżety? A jeśli tak, to co robić, aby pokazywać się w wynikach wyszukiwania ChataGPT? 

Czytaj także: Jak AI Overviews wpłyną na e-commerce – szansa czy zagrożenie?

Podejmowaniu właściwych decyzji nie pomaga marketing rodzący się wokół AI-owych produktów, a także całej masy szkoleń, kursów, narzędzi i innych usług, które przedstawiają AI jako całkowitą rewolucję i zmianę paradygmatu wszelkich działań marketingowych. 

Może się wydawać, że pojawienie się wyszukiwarek opartych o sztuczną inteligencję (a właść. – duże modele językowe, LLM-y) to całkowita nowość w zakresie konsumowania zasobów zgromadzonych w internecie. Jest to jednak bardziej ewolucja technologiczna, niż rewolucja. I wbrew powszechnemu mniemaniu, liderem i pionierem tej ewolucji był właśnie Google. 

Pierwsze wyszukiwarki, w tym Google, były wyszukiwarkami leksykalnymi. Bazowały na występowaniu w przeszukiwanych dokumentach konkretnych słów – a nawet nie tyle słów, co ciągów znaków. Stąd nie radziły sobie z odmianami wyrazów w różnych formach gramatycznych, przez co praktykowano w tekstach pisanych pod SEO stosowanie nienaturalnych fraz kluczowych, jak: “pozycjonowanie stron kraków” czy “fryzjer męski warszawa”. 

Rosnąca liczba tekstów pisanych w nienaturalny dla użytkownika sposób była problemem dla Google. Ale nie tylko to. Wiele zapytań wpisywanych w wyszukiwarce przez użytkowników było niejednoznacznych – a bez określenia, czego konkretnie użytkownik szuka nie dało się zaserwować mu satysfakcjonujących wyników wyszukiwania. A to na satysfakcji użytkowników opiera się de facto model biznesowy Google – jeżeli wracają regularnie do wyszukiwarki, to zostawiają tu swoje dane, m.in. o tym, co ich interesuje, następnie dane te Google może monetyzować poprzez Google Ads. 

W 2011 roku Google podjął pierwsze kroki, by wyjść poza klasycznie rozumiane wyszukiwanie. Krokiem tym był Knowledge Graph, czyli ustrukturyzowana baza wiedzy pozwalająca prezentować bezpośrednie informacje na przynajmniej część zapytań. 

Pierwszy algorytm AI Google wdrożył do wyszukiwarki już w 2015 roku – 7 lat przed premierą ChataGPT. Był to RankBrain – system uczenia maszynowego, który miał za zadanie ocenę intencji wpisanego zapytania, aby lepiej dopasować zwracane wyniki. 

W 2018 roku Google wdrożył z kolei BERTa, czyli Bidirectional Encoder Representations from Transformers – algorytm umożliwiający rozumienie kontekstu zapytań. Zwracam uwagę, że literka T w “BERT” oznacza to samo, co literka T w nazwie modeli OpenAI. GPT to skrót od Generative Pre-Trained Transformer. 

Architektura transformerów to temat na osobny wpis, zaznaczam tu jednak, że technologiczny fundament dla OpenAI został wypracowany przez Google – i przez Google był też konsekwentnie wdrażany, choć przez wiele lat w nieco inny sposób. Dopiero w 2023 roku, po zaskakującym sukcesie ChataGPT Google zaczął kopiować rozwiązania wypracowane przez OpenAI – początkowo jako oddzielny chatbot o nazwie Bard, przemianowany później na Gemini, a także jako podsumowana w wynikach wyszukiwania, nazywane początkowo SGE, a obecnie AI Overviews (wdrożone po raz pierwszy w USA w maju 2024, a w Polsce 2 marcu 2025).  

Chcę przez to pokazać, że fałszywa jest dychotomia między Google a wyszukiwarkami AI-owymi. Google też jest – i to z roku na rok coraz bardziej – wyszukiwarką AI-ową. 

Jak to rzutuje na prowadzenie działań SEO? 

Oczywistym przykładem jest sposób optymalizacji strony pod kątem fraz kluczowych. O ile 15 lat temu trzeba było wprowadzać na stronę nienaturalne dla języka frazy, jak “pozycjonowanie sklepów kraków”, o tyle dziś algorytmy wyszukiwarki są w stanie “rozumieć”, że wyrazy pozycjonowanie i SEO dotyczy tego samego, co więcej, elementem działań optymalizacyjnych jest nie tylko wprowadzanie samych fraz kluczowych, ale także słów powiązanych semantycznie. 

Czytaj także: Zastosowanie AI w SEO – i jak nie dać się nabić w sztuczną inteligencję?

Oczywiście, istnieją różnice pomiędzy tym, jak działa Google a taki ChatGPT czy inne Perplexity. Wyszukiwanie w GenAI przebiega – z grubsza rzecz biorąc – według jednego z dwóch scenariuszy:

Generowanie odpowiedzi na bazie danych treningowych ma miejsce klasycznych chatbotach AI-owych, jak ChatGPT (jeżeli nie włączy się sama lub nie wybierzemy modułu Search) czy Claude. Dane treningowe to nic innego, jak korpus tekstów, na bazie których trenowany był model. Częścią tego korpusu są też treści pobrane z internetu, tzw. CommonCrawl. 

Co istotne, nie są to dane na żywo. Nowe informacje opublikowane w internecie muszą zostać najpierw zescrawpowane (pobrane), a następnie wykorzystane do treningu modelu, co też zajmuje sporo czasu. W efekcie “wiedza” takiego ChataGPT zawsze jest przynajmniej kilka miesięcy do tyłu – dla najnowszych modeli od OpenAI sięga jesieni 2024. Z danych treningowych nie uzyskamy więc aktualnych informacji na temat tego, co wydarzyło się po tym czasie. 

Inaczej działa to jednak w przypadku takich narzędzi, jak Perplexity, ChatGPT z modułem Search czy chociażby AI Overviews. Narzędzia te bazują bądź to na samodzielnie budowanym indeksie, bądź to na indeksie stworzonym przez tradycyjne wyszukiwarki, np. ChatGPT bazuje na indeksie Binga. Kiedy więc użytkownik wpisze zapytanie do SearchGPT, system odpytuje indeks Binga o tą frazę, zbiera najlepiej dopasowane podstrony i na ich bazie generuje odpowiedź. 

Na marginesie, dokładnie ta sama technika, czyli RAG, może być wykorzystywana do budowy wewnętrznych narzędzi czy Chatbotów na stronę internetową, które będą odpowiadać na pytania użytkowników na podstawie naszych dokumentów, treści blogowych czy innych materiałów, które podepniemy do modelu językowego jako baza wiedzy. 

Co ważne – bo będzie determinowało, jakie działania zapewnią mogą nam zapewnić większą ekspozycję w wyszukiwarkach GenAI – metoda działania modeli językowych opiera się na architekturze transofmerów. W dużym uproszczeniu chodzi o to, że bloki tekstu są najpierw tokenizowane – dzielone na małe fragmenty, czyli tokeny. Token może liczyć 2 do ok 5 znaków. 

Następnie badane jest, jakie grupy tokenów występują obok siebie. Statystyka takiego występowania pozwala ustalić relacje między nimi. Słowa (zbitki tokenów), które często występują obok siebie muszą być powiązane (np. “pozycjonowanie” i “stron”), a słowa, które często występują w sąsiedztwie podobnych określeń będą synonimami (“pozycjonowanie” i “SEO”). 

Na bazie statystyk występowania poszczególnych słów obok siebie poszczególne słowa są konwertowane na ciąg wartości liczbowych, nazywany wektorem lub embedingiem, dzięki czemu można łatwo obliczyć podobieństwo cosinusowe dwóch słów – lub większych ciągów tekstów. Kolejnym krokiem jest badanie atencji (dosłowne tłumaczenie “attention”), czyli mechanizmu wykrywające relacje słów między sobą w większych zespołach słów. Dzięki temu, jeśli mamy 2 zdania:

To model jest w stanie rozpoznać, że mimo użycia tego samego wyrazu, w obu przypadkach odnoszę się one do różnych rzeczy – na podstawie tego, w otoczeniu jakich grup wyrazów dane słowo występuje statystycznie najczęściej w wykorzystywanym do treningu korpusie tekstów (danych treningowych).  

Statystyka częstotliwości występowania i podobieństwa wyrazów pozwala przewidywać, jakie kolejne słowa powinny pojawić się w rozwinięciu kolejnego tekstu – tak właśnie generowane są wszelkie teksty i odpowiedzi przez chatboty zasilane modelami językowymi. W przypadku zastosowania techniki RAG – czyli także w przypadku wyszukiwarek – domyślna statystyka modyfikowana jest w oparciu o embedingi wyekstraktowane z dokumentów zidentyfikowanych jako najbardziej trafne do zapytania. 

Skuteczne pozycjonowanie w wyszukiwarkach GenAI (czyli robienie SEO w AI) będzie wymagało więc przede wszystkim: 

Czytaj także: Jak lokalny biznes może stać się widoczny w AI?

W zasadzie, powyżej opisane założenia działań SEO w narzędziach GenAI nie odbiegają za bardzo od tego, jak obecnie należy prowadzić działania SEO w Google. Tu też fundamentem jest content, do którego w pierwszym rzędzie muszą dotrzeć boty wyszukiwarki, aby móc je w ogóle przeskanować, zindeksować i wyświetlać w wyszukiwarce. Content ten powinien być maksymalnie użyteczny i pomocny, konkretnie odpowiadać na zapytanie i intencję użytkownika. Dodatkowo potrzebujemy potwierdzenia z zewnątrz, że nasze treści są wartościowe, a temu służą backlinki, które przez LLMy nie są brane pod uwagę – ale…

Już od dłuższego czasu w branży mówi się o wzmiankach brandowych jako nowych backlinkach. Google zarejestrował patent związany z traktowaniem brand mentioned jako formy linków już w 2014 roku. Obecnie jest w stanie z dużą trafnością rozpoznawać encje, takie jak nazwy firm czy osób i jeżeli padną w tekście – powiązać je z konkretną domeną. 

Czyli, im więcej mamy wzmianek o naszej marce jako dobrym wyborze dla X bądź Y (pod te zmienne wstawiamy frazy/określenia na które chcemy się pozycjonować), tym więcej modele językowe mają źródeł, z których mogą się nauczyć, że nasza marka to dobra odpowiedź na pytanie o X lub Y. Jednocześnie duża liczba tego typu źródeł może dawać nam linki do strony, a w razie ich braku same wzmianki naszego brandu tam wpłynął na nasze pozycjonowanie w Google. 

Nie jest oczywiście tak, że pozycjonowanie w Google = pozycjonowanie w ChatGPT, natomiast powiedziałbym raczej, że to Google wymaga więcej pracy i zaangażowania, ponieważ bazuje na bardziej skomplikowanym algorytmie, biorącym pod uwagę dużą większą liczbę czynników. 

Przykładowo, Google bierze pod uwagę czynniki behawioralne, czyli dane o zachowaniu użytkowników na stronie zbierane za pomocą przeglądarki Chrome (mocno tu upraszczam, ale ten tekst i tak już jest długi). Z perspektywy LLMu nie ma do końca takiej możliwości, ale nie ma też takiej potrzeby – użytkownik w większości przypadków i tak pozostanie na stronie chatbota. W efekcie takie kwestie, jak szybkość ładowania strony, układ na mobile itp., są w większości nieistotne dla LLM-ów, o ile tylko boty tych narzędzi są w stanie poprawnie pobrać content ze strony.  

Tu przechodzimy do kolejnej kwestii, czyli przełożenia działań SEO w AI na mierzalne KPI marketingowe i biznesowe. Krótko mówiąc, różowo nie jest, ale czarno też nie. Ruch z Google trochę się rozproszy pomiędzy inne wyszukiwarki, nie tylko GenAI-owe, ale także social mediowe – Instagram czy TikTok też mają już swoje moduły wyszukiwania, a żeby było ciekawiej, także wprowadzają wyszukiwarki AI-owe. Właściwie nie ma już wyszukiwarek internetowych, które by w jakiejś mierze na AI nie bazowały. 

Ruch z narzędzi GenAI do pewnego stopnia jesteśmy w stanie mierzyć za pomocą Google Analyticsa – tu znajdziesz dashboard w Looker Studio, który czytelnie to pokazuje – ale linki do stron są pokazywane rzadko, jedynie w odpowiedzi na ok. 25% zapytań. Nie ma linku, nie ma przekliku, GA nie zmierzy. Zresztą, jak wyszło w naszym raporcie, ruch z AI to promil ruchu na stronach internetowych, i choć dynamicznie rośnie, to wątpię, że do końca roku będzie przekraczał 5% udziału w całym ruchu na stronach internetowych.

Zresztą, nie o sam ruch tutaj chodzi. Dobrą analogią będzie porównanie do profili w mediach społecznościowych. Wrzucenie posta na FB, nawet z linkiem do strony, może – ale w żadnym przypadku nie musi – sprowadzić użytkowników na naszą stronę. Niezależnie jednak od tego, samo wyświetlenie takiej treści w feedzie FB jest ekspozycją użytkownika na naszą markę. 

Podobnie jest z byciem cytowanym przez ChatGPT, czy nawet w Google w przypadku AI Overviews – największą wartością dla twojej firmy jest tu dodatkowy punkt styku użytkownika z twoją marką. Aby to efektywnie wykorzystać należy zadbać o dobre wyeksponowanie i wyróżnienie brandu.  

Zmienia to KPI marketingowe: 

Do monitorowania wyników chatów AI-owych powstają już do dedykowane narzędzia, o czym pisał Maciek tutaj: Nowe narzędzia do mierzenia widoczności w modelach AI. 

Ewolucja wyszukiwarek wymaga też zmiany strategii i obranych taktyk marketingowych. Tu przemyślenia i dostosowania wymaga przede wszystkim nasz lejek marketingowy i to w zasadzie na wszystkich jego etapach. Użytkownicy mogą bowiem szukać w takim ChatGPT zarówno ogólnych idei czy koncepcji rozwiązania swojego problemu (np. “jak zwiększyć sprzedaż w sklepie internetowym”, ale mogą także szukać tam także najlepszych dostawców potencjalnego rozwiązania (np.: ”najlepsze agencje marketingowe w Polsce”). 

Zmiana działań będzie dotyczyła głównie treści. I tu sprawa jest nieco zagmatwana. Z jednej strony – potrzebujesz tworzyć treści, na bazie których AI będzie się uczyło generować odpowiedzi i w których poda cię jako źródło (ekspozycja marki). Będzie to wymagać zbudowania bazy tematów określanych przez takie parametry, jak SiteRadius i SiteFocus, a następnie napisanie takich treści w sposób jak najbardziej zwięzły, a jednocześnie wyczerpujący.

Z drugiej strony, jeżeli bezapelacyjnym celem naszych treści jest ściągnięcie użytkownika na stronę, bo chcemy go np. skonwertować na newsletter – a tego nie ma szans zrobić w okienku dialogowym ChatGPT – to nie możemy bazować na treściach, które da się łatwo zreplikować sztuczną inteligencją. Nasz content musi mieć coś, co go wyróżni. Może to być merytoryka, ale coraz lepiej się sprawdza podejście edurozrywka (edutainment = education + entertainment). Humor daje emocje, a emocje dają zapamiętywalność. Jest to też najlepszy wyróżnik naszych treści w dobie sztucznego contentu. AI nie umie – i jeszcze długo umieć nie będzie – skleić dobrego żartu. 

Uwagi będą wymagać też działania online poza własną stroną internetową. Wyszukiwarki AI-owe nie bazują na linkach, ich rolę przejmują wzmianki brandowe. ChatGPT zapytany o twoją firmę będzie polegał na wielu źródłach – nie tylko na twojej stronie, ale także na profilach w social mediach, katalogach firm (które intensywnie wykorzystywało się w SEO lata temu), stronach z recenzjami czy wzmiankach w mediach czy na portalach typu Reddit czy Quora. Zadbaj więc, aby istniejące źródła tego typu zawierały aktualne informacje, a jednocześnie – aby stale przybywały nowe. 

Pojawienie się mediów społecznościowych wymusiło podjęcie dodatkowych działań na tych platformach. Podobnie jest z wyszukiwarkami AI. ChatGPT nie wyeliminuje konieczności posiadania strony internetowej, nie zastąpi też Google. Będzie raczej istniał obok tego wszystkiego. W efekcie twój marketing internetowy musi uwzględnić pojawienie się nowego kanału. Kluczem do sukcesu biznesowego jest jednak nie jak najszybsze pojawienie się w wynikach wyszukiwarek AI – co raczej wykorzystanie synergii wszystkich kanałów, którymi możesz dotrzeć do swoich klientów.