GEO (Generative Engine Optimization): widoczność w AI

1. Pobieranie

System przeszukuje indeks wyszukiwarki albo internet w poszukiwaniu źródeł pasujących do zapytania użytkownika. Strona, której robot nie widzi, odpada już na tym etapie.

2. Selekcja

Silnik wybiera z nich fragmenty pasujące do intencji pytania. Przewagę ma tekst zwarty i jednoznaczny, taki, który da się wkleić w odpowiedź bez skracania i bez dopowiadania kontekstu.

3. Generowanie

Duży model językowy (LLM) składa z wybranych fragmentów jedną odpowiedź. Na tym etapie generowania odpowiedzi system często cytuje źródła, z linkiem albo samą nazwą marki.

Jednostką pracy jest fragment, nie strona

Model zabiera do odpowiedzi kawałek tekstu, nie całą podstronę. Dlatego redagujemy akapit po akapicie: pytanie w nagłówku, odpowiedź w dwóch pierwszych zdaniach pod nim, bez odwołań do tego, co stoi obok. W SEO liczyła się cała podstrona, tutaj liczy się każdy akapit z osobna.

Miarą jest udział w odpowiedziach, nie pozycja

Nie ma listy dziesięciu wyników, więc nie ma czego numerować. Zadajemy modelom ustalony zestaw pytań, liczymy, jak często pada Twoja marka i obok kogo, i powtarzamy ten sam pomiar co tydzień. Odczyt raportujemy raz w miesiącu, bo w krótszym oknie widać głównie szum.

Połowa pracy dzieje się poza Twoją stroną

Przy pytaniach o wybór dostawcy model sięga po źródła, które nie są niczyją reklamą: dyskusje, porównania, zestawienia. W klasycznym SEO ta część była linkowaniem, tutaj jest obecnością w treści, którą piszą inni.

Spójna encja firmy zamiast samych słów kluczowych

Model ma rozpoznać, że wszystkie wzmianki dotyczą jednej firmy. Jedna nazwa, jeden adres, jeden zakres usług w danych strukturalnych i w katalogach. Gdy źródła mówią różne rzeczy, w odpowiedzi ląduje ta wersja, na którą model trafił, a poprawia się to u źródła, nie na Twojej stronie.

Treść i jej struktura

Model nie czyta strony jak człowiek: dzieli ją na fragmenty i do odpowiedzi bierze te, które pasują do pytania. Dlatego każda sekcja zaczyna się od konkretnej odpowiedzi, nagłówki mają logiczną hierarchię, a definicje, tabele, listy i FAQ odpowiadają na pytania zadawane pełnym zdaniem, nie tylko na frazy kluczowe.

Eksperckość i E-E-A-T

Wytyczne Google o treści przydatnej dla ludzi opisują te same sygnały, których pilnujemy pod modele, więc jedna robota liczy się w obu miejscach. W praktyce: podpisane artykuły z biogramem autora, oryginalne dane i benchmarki, cytowane źródła, daty aktualizacji i głębokie pokrycie tematu zamiast powierzchownych tekstów pod każde słowo kluczowe.

Dane strukturalne i technikalia

Model nie zacytuje strony, której jego robot nie pobierze. Fundament: Schema.org dla artykułów, FAQ, produktów, autorów i organizacji, poprawny robots.txt i sitemap XML, Core Web Vitals i wersja mobilna. Osobno dokładamy plik llms.txt, który porządkuje to, co model widzi najpierw; oficjalnym standardem nie jest i sam cytowań nie daje.

Obecność marki jako encji

Model wymieni markę, którą umie jednoznacznie powiązać z tematem, produktem i konkretnymi ludźmi. Budujemy to przez spójne dane o firmie w całej sieci, obecność w Knowledge Graph Google, Digital PR i wzmianki w mediach branżowych, raportach i wywiadach.

Optymalizacja pod konwersacyjne zapytania

Użytkownicy AI pytają inaczej niż w klasycznym wyszukiwaniu: zamiast „agencja SEO Kraków” wpisują „która agencja SEO w Krakowie najlepiej radzi sobie z e-commerce?”. Treść musi odpowiadać na pytania szczegółowe, kontekstowe i intencjonalne, więc zmienia się jej struktura, nie merytoryka.

Link building pod kątem AI

W GEO linki nadal się liczą, ale liczy się, skąd pochodzą. Z pomiaru widać, które serwisy modele w Twojej kategorii cytują naprawdę, i tam kierujemy link building: portale eksperckie, branżowe i media, które w tych odpowiedziach już padają.

Trzy różnice wpływają na każdą decyzję. Po pierwsze brak pełnej przejrzystości: klasyczne SEO ma dokumentację i dane historyczne, a mechanizmów wyboru źródeł przez systemy AI nikt publicznie nie opisał. Liczy się więc systematyczny monitoring promptów i testowanie, a nie jednorazowe działania. Po drugie zmienność: ten sam prompt daje różne wyniki w zależności od modelu, czasu, lokalizacji i wariantu pytania, więc stabilna widoczność wymaga prawdziwego autorytetu tematycznego. Po trzecie halucynacje: systemy generatywne potrafią błędnie opisać markę albo zacytować ją w złym kontekście, dlatego GEO obejmuje też monitoring jakości wzmianek, nie tylko ich liczby.

Model buduje odpowiedź z kawałków tekstu, które pasują do pytania użytkownika, a nie z całych dokumentów. W praktyce oznacza to, że przewagę ma akapit, w którym pytanie stoi w nagłówku, a odpowiedź w pierwszych dwóch zdaniach pod nim, nawet jeżeli sąsiednia strona jako całość jest lepsza. Ta sama forma podnosi klasyczne SEO, bo Google szuka dokładnie tego samego od czasu wprowadzenia fragmentów rozszerzonych.

Nie zmieni opinii modelu o Twojej marce, bo ta bierze się z tego, co piszą inni, i pracuje się nad nią tak długo jak nad reputacją. Nie da się też wykasować z modelu nieprawdziwej informacji: można odciąć jej źródło i dostarczyć wersję poprawną tam, gdzie model zagląda, a potem czekać, aż przestanie wracać. Kto obiecuje jedno albo drugie w miesiąc, obiecuje coś, czego nie kontroluje. Nie zadziała też na stronie, której treść powstaje dopiero po uruchomieniu skryptów: bot modelu widzi wtedy szkielet, więc najpierw trzeba naprawić fundament, czyli serwis oddający pełną treść w pierwszej odpowiedzi serwera.

Im węższa kategoria, tym łatwiej być w niej cytowanym, bo model ma mniej kandydatów do wymienienia. Mała firma z jasno opisaną specjalizacją bywa w lepszej sytuacji niż duża z ogólnym opisem wszystkiego, i to jest jedyne miejsce, w którym ta dyscyplina bywa dla mniejszych łaskawsza niż klasyczne pozycjonowanie.

SEO, czyli search engine optimization, to optymalizacja pod klasyczne wyniki wyszukiwania i od dwudziestu lat stoi na tych samych zasadach. SGE, czyli Search Generative Experience, było nazwą eksperymentu Google z 2023 roku z generative AI w wynikach, z którego wyrosły dzisiejsze AI Overviews. GEO to optymalizacja pod kątem wyszukiwarek generatywnych: obejmuje wszystkie silniki naraz i dotyczy treści generowanych przez AI, a nie listy linków. Dobre strategie SEO nie tracą na tej zmianie, bo te same sygnały, które dają pozycję, dają też cytowanie.

Biuro mamy w Krakowie, a widoczność w modelach jest z natury niezależna od lokalizacji, więc pracujemy z firmami z całego kraju i z rynków obcych. Język ma jednak znaczenie: model odpowiada inaczej na pytanie zadane po polsku i po angielsku, więc zestaw pytań do pomiaru ustala się osobno dla każdego rynku, na którym chcesz być wymieniany.