SEO się zmienia, ale jeszcze nie umiera — co dodajemy, żeby grało też w AI

Jedno to czytać o koncepcjach jak Query Fan-Out, a drugie to praktyczne testowanie, jak nasze treści faktycznie radzą sobie w starciu z modelami LLM. To nadal jest SEO, tylko z dodatkowym fokusem na strukturę odpowiedzi i zrozumienie, jak maszyna analizuje to, co prezentujemy, by dać użytkownikowi precyzyjną odpowiedź, a nie tylko listę linków.

Semantic HTML — powrót do fundamentów, ale z nowym celem

Przez lata skupialiśmy się na tym, jak strona wygląda dla użytkownika, często spychając „czystość” kodu na dalszy plan. Systemy CMS i frameworki na JavaScript ułatwiły nam życie, ale stworzyły też sieć skomplikowanego kodu, który dla maszyn bywa nieczytelny. 

Teraz  semantyka i struktura HTML wracają do łask, ale z zupełnie nowym celem: ułatwić maszynom zrozumienie i wyciągnięcie treści bez zbędnego wysiłku.

Dlaczego LLM nie renderują JavaScript (a Google tak)

• ChatGPT i większość botów LLM-ów analizują surowy kod HTML strony. Nie uruchamiają skryptów JavaScript, więc treści ładowane dynamicznie są dla nich niewidoczne. Jeśli kluczowy fragment Twojego artykułu pojawia się dopiero po wykonaniu skryptu, dla tych modeli po prostu nie istnieje.
• Indeks Google (i napędzający go Gemini) potrafi renderować JavaScript. To proces kosztowny, ale Google robi to od lat. Dlatego strona oparta na JS może dobrze radzić sobie w tradycyjnych wynikach.

Problem polega na tym, że ekosystem AI jest szerszy niż samo Google. Nagle surowy, „czysty” HTML znów ma ogromne znaczenie, bo staje się uniwersalnym językiem dla wszystkich modeli AI. Konkretne znaczniki, takie jak <p> dla akapitu, <ul> dla listy czy <h1> dla głównego nagłówka, to dla AI precyzyjne drogowskazy mówiące: „tutaj jest definicja”, „to jest lista kroków”, „to jest tytuł”.

Strukturalne tagi dla AI – co działało i co nie

Znaczniki semantyczne HTML5 to potężne narzędzie w komunikacji z AI.

• <article>, <section>, <aside> – te tagi mówią AI, co jest główną treścią artykułu, co jest powiązaną sekcją, a co tylko bocznym panelem z dodatkowymi linkami. AI uczy się dzięki temu, które fragmenty mają najwyższy priorytet.
• Różnica między <div> a <article> jest dla AI kolosalna. <div> to po prostu anonimowy kontener. <article> to jasny sygnał: „w środku znajdziesz kompletną, autonomiczną treść”. W procesie parsowania strony, AI będzie faworyzować fragmenty opakowane w tagi semantyczne.
• Structured data + semantic HTML to potężne combo. Dane strukturalne (Schema.org) dają AI zwięzłe podsumowanie faktów (kto jest autorem, co to za produkt). Semantyczny HTML daje kontekst i strukturę narracji. Razem tworzą one w pełni zrozumiały obraz dla maszyn.

Query Fan-Out – budowanie map intencji i tego, jak ludzie naprawdę szukają

Query Fan-Out to mechanizm, który najlepiej opisuje, jak AI „myśli”. Zamiast szukać jednego idealnego dokumentu, AI dekonstruuje zapytanie użytkownika na serię mikro-pytań, aby zbudować kompleksową odpowiedź. Naszym zadaniem jest dostarczyć AI gotowych klocków do tej układanki.

Jak AI rozbija jedno pytanie na dziesiątki pod-zapytań

Zapomnijmy na chwilę o buzzwordach. Zobaczmy to w praktyce. Użytkownik wpisuje: „pomysły na weekend w Krakowie”.

Tradycyjne SEO szukałoby stron z listą „10 najlepszych atrakcji”. AI natomiast uruchamia wewnętrzną „burzę mózgów”, generując pod-zapytania:

• Gdzie najlepiej nocować blisko centrum?
• Jakie są dobre restauracje z polskim jedzeniem na Kazimierzu?
• Co trzeba zobaczyć poza Starym Miastem?
• Jak działa komunikacja miejska i czy warto kupować bilet weekendowy?
• Ile pieniędzy przygotować na weekend dla dwóch osób?

User embeddings — dlaczego dwie osoby dostaną różne odpowiedzi

To kolejny poziom personalizacji. AI tworzy matematyczną reprezentację użytkownika („user embedding”) na podstawie jego historii wyszukiwania, lokalizacji, a nawet treści w Gmailu. Ten „wektor” wpływa na to, jakie podzapytania zostaną wygenerowane w procesie Fan-Out.

• Początkujący biegacz pytający o słuchawki, dostanie odpowiedź skupioną na komforcie i cenie.
• Doświadczony maratończyk, który wcześniej szukał zaawansowanych zegarków sportowych, otrzyma odpowiedź z uwzględnieniem technicznych parametrów, jak kodeki audio i integracja z ekosystemami sportowymi.

Dlatego dwie osoby, zadające to samo pytanie, mogą otrzymać zupełnie inne odpowiedzi.

Proces odkrywania sub-tematów

Nasza praca nie polega już na znalezieniu jednego słowa kluczowego, ale na zmapowaniu całego ekosystemu pytań. AnswerThePublic, AlsoAsked, a zwłaszcza pytania, które zadają czytelnicy i klienci, to nasze podstawy i focus. Pokazują naturalne pytania, które ludzie zadają.

Przykładowy workflow:

1. Zaczynamy od głównego tematu (np. „panele fotowoltaiczne”).
2. Używamy narzędzi do zebrania setek pytań i zapytań powiązanych.
3. Grupujemy te pytania według intencji, a nie tylko podobieństwa słów. „Ile kosztuje instalacja fotowoltaiczna” i „czy fotowoltaika się opłaca” to ta sama intencja (koszty i zwrot z inwestycji). „Jakie dokumenty są potrzebne do dofinansowania” to intencja proceduralna/formalna.

Tak powstaje mapa intencji – nasz plan na tworzenie treści, które odpowiadają na cały wachlarz potrzeb użytkownika.

Content chunking — anatomia fragmentów, które AI faktycznie bierze do cytowań

Przestajemy myśleć o artykule jako o całym kompleksowym bloku tekstu i informacji. Zaczynamy patrzeć na niego jak na zbiór precyzyjnych, samowystarczalnych odpowiedzi. To właśnie te „kawałki” (chunki) stają się walutą w AI.

Passage-level optimization zamiast optymalizacji całych stron

AI, generując odpowiedź, nie cytuje całych artykułów ani nie osadza w całości filmów. Wyciąga z nich esencję – najbardziej trafne fragmenty, które idealnie „pasują” do zapytania. Każdy element na naszej stronie powinien być traktowany jak potencjalna, samodzielna mini-odpowiedź.

Ta zasada nie dotyczy tylko tekstu. AI potrafi „kawałkować” i rozumieć różne formaty.

• Tabele: idealne do porównań. AI nie musi cytować całej tabeli, może wyciągnąć jeden wiersz, który odpowiada na pytanie „który model ma dłuższą gwarancję?”.
• Listy wypunktowane/numerowane: to naturalne „chunki” dla AI. Świetnie sprawdzają się do prezentowania kroków, cech produktu czy rankingów.
• Wideo: AI może wygenerować podsumowanie i odesłać do konkretnego znacznika czasowego (timestamp) w filmie, który zawiera odpowiedź na pytanie. Kluczowe stają się transkrypcje i logiczny podział filmu na rozdziały.
• Infografiki i wykresy: AI analizuje otaczający je tekst, tytuł oraz tekst alternatywny (alt), aby zrozumieć, co dana grafika przedstawia i użyć jej jako wizualnego potwierdzenia odpowiedzi.

Dlatego optymalizacja na poziomie fragmentów obejmuje wszystkie te elementy.

„Atomowe” jednostki informacji 

Wyobraź sobie, że każdy akapit, każdy wiersz w tabeli, każdy punkt na liście czy rozdział w filmie musi być zrozumiały nawet po wyrwaniu go z kontekstu. Musi zawierać w sobie zamkniętą, kompletną informację.

BLUF (Bottom Line Up Front) 

To technika, która idealnie sprawdza się w SEO pod AI. Zaczynaj akapit od najważniejszej informacji – bezpośredniej odpowiedzi na pytanie. Dopiero potem rozwijaj szczegóły. Ta sama zasada dotyczy innych formatów: najważniejsze dane w tabeli umieszczaj na górze, a tytuł filmu powinien jasno komunikować jego główny przekaz. AI kocha taką strukturę, bo pozwala jej błyskawicznie „chwycić” sedno.

Jak to testujemy?

Teoria jest prosta, ale jak sprawdzić, czy nasze „chunki” faktycznie działają?

• Chunk testing: bierzemy konkretny fragment naszego tekstu, który ma odpowiadać na precyzyjne pytanie (np. „Czy panele słoneczne działają w pochmurne dni?”). Następnie zadajemy to pytanie wprost w Google AI Mode, AIO, Copilot czy ChatGPT i sprawdzamy, czy nasz fragment (lub jego parafraza) pojawia się w odpowiedzi. To najprostszy test skuteczności.
• Vector indexing: aby AI mogło w ogóle „zobaczyć” nasz content, musi on zostać przetworzony na wektory (matematyczne reprezentacje) i umieszczony w bazie danych oraz porównany z powiązanymi encjami w temacie. Nie mamy wpływu na ten proces w Google, ale musimy tworzyć treść, która jest „łatwa do zwektoryzowania” – klarowna, logiczna i dobrze ustrukturyzowana.

Entity SEO i co o Tobie mówią — grafy wiedzy i architektura, która działa w tle

AI nie myśli słowami kluczowymi; myśli konceptami, czyli encjami. Encja to konkretna rzecz, osoba, miejsce lub pojęcie (np. „niepokój”, „Thomas Edison”, „Warszawa”). Zrozumienie relacji między nimi to fundament działania nowoczesnych wyszukiwarek.

Wyrażenia semantyczne i powiązanie encji

Naszym celem jest pokazanie AI, że nie tylko używamy odpowiednich słów kluczowych, ale głęboko rozumiemy temat i powiązania między konceptami.

Jak AI łączy pojęcia? 

AI i model LLM wie, że zapytanie o „niepokój” (anxiety) jest semantycznie powiązane z encjami takimi jak „naturalne leki” (natural remedies), „sen” (sleep) czy „ćwiczenia” (exercise), nawet jeśli te słowa nie występują obok siebie. Tworzy w ten sposób sieć powiązań – graf wiedzy.

Autorytet i sygnały „z zewnątrz”

Wiemy, że AI może generować tekst na masową skalę (i dzieje się to w powszechnie), autentyczne sygnały zaufania stają się cenniejsze niż kiedykolwiek. Modele językowe, aby dostarczać wiarygodnych odpowiedzi, muszą nauczyć się, komu ufać. Naszym zadaniem jest dostarczenie im niepodważalnych dowodów na to, że nasza marka i nasi autorzy są tym zaufanym źródłem.

Link building? Dlaczego autorytetu nie zastąpi żaden trik

Link building to teraz coś więcej niż tylko zbieranie „głosów” podnoszących ranking. To budowanie publicznie weryfikowalnej siatki powiązań i rekomendacji. AI prawdopodobnie nie patrzy na samą liczbę linków, ale na ich wzorzec. Link z uniwersytetu, z uznanego portalu branżowego czy od eksperta w danej dziedzinie to dla maszyny silny sygnał, że nasza treść została zweryfikowana i uznana za wartościową przez inny zaufany podmiot (encję). Tego nie da się podrobić masowym kupowaniem linków na farmach i PBNach, które AI z łatwością identyfikuje jako próbę manipulacji. 

Celem jest budowanie profilu reputacji, a nie tylko profilu linków.

Brand mentions i entity strength — mierzenie siły marki dla AI

Twoja marka to dla Google encja. Każda wzmianka o niej w sieci, nawet bez linku, wzmacnia jej siłę i rozpoznawalność w Grafie Wiedzy. Kluczowy jest kontekst tych wzmianek. Wzmianka w „Forbes” ma inną wagę niż na anonimowym forum (ale Reddit to poważne miejsce do analizowania, polecamy!). 

AI analizuje autorytet źródła, które o nas wspomina, i sentyment tej wypowiedzi. Budowanie siły marki to dziś „off-page SEO” wykraczające poza linki. 

Chodzi o to, by nasza marka była stałym elementem konwersacji w branży — a najlepiej w połączeniu ze sprzedawanym przez nas produktem lub oferowaną usługą. Wtedy AI zaczyna postrzegać ją nie jako kolejną stronę internetową, ale jako uznane i wiarygodne źródło informacji na dany temat. To jest właśnie „siła encji”.

To wciąż SEO, tylko bardziej precyzyjne — kiedy uderzyć do ekspertów?

Zmiany, które wprowadza AI, nie wywracają stołka (chyba że patrzymy na wykresy dotyczące kliknięć w artykuły blogowe). 

Spadek ruchu organicznego i odpowiedzi „zero-click” w AI Overviews mogą na pierwszy rzut oka wyglądać jak zagrożenie.

Co ważne, liczba Twoich potencjalnych klientów się nie zmieniła. Zmienił się jedynie sposób, w jaki szukają informacji i w jaki serwowane są im wyniki. Ich ścieżka decyzyjna coraz częściej zaczyna się i kończy wewnątrz odpowiedzi AI, która jest zbudowana z prawdopodobnie lepszych, bardziej trafnych fragmentów treści dostępnych w sieci.

Użytkownik, który zdecyduje się kliknąć i przejść na Twoją stronę z odpowiedzi AI, jest na zupełnie innym etapie. To nie jest przypadkowy gość. To lead, który otrzymał już wstępne podsumowanie i szuka pogłębienia tematu, konkretnych danych lub finalnego potwierdzenia decyzji. Jest lepiej poinformowany i znacznie bliższy konwersji.

Kiedy warto to skonsultować ze specjalistami?

• Widzisz, że dotychczasowe działania SEO przestają przynosić efekty, a ruch z artykułów informacyjnych spada, mimo że pozycje w tradycyjnych wynikach są stabilne.
• Brakuje Ci czasu i zasobów na dogłębną analizę, mapowanie intencji, testowanie fragmentów i techniczną optymalizację struktury treści pod kątem AI.

Chcesz działać strategicznie i wyprzedzić konkurencję, adaptując się do nowych zasad, zanim spadek ruchu stanie się bolesnym problemem, a nie tylko tematem w branżowych artykułach.