AI SEO — żeby ChatGPT, Perplexity i AI Overviews cytowały Twoją markę.

AI SEO to praca, która sprawia, że marka jest odnajdywana i cytowana przez wyszukiwanie oparte na AI: Google AI Overviews i tryb AI, ChatGPT z wyszukiwaniem, Perplexity oraz Gemini — obok klasycznych wyników organicznych. W praktyce składa się z czterech rzeczy: dostępu dla robotów zasilających te systemy, spójnej i czytelnej maszynowo encji marki, treści zbudowanej tak, by jeden fragment odpowiadał na pytanie w całości, oraz pomiaru tego, gdzie realnie jesteś cytowany. To samo sprzedaje się też pod nazwami GEO (generative engine optimization), AEO (answer engine optimization) i LLM SEO — zakres prac w dużej mierze się pokrywa.

Mniej, niż sugeruje liczba akronimów. Klasyczne SEO optymalizuje pod listę linków. GEO, AEO i LLM SEO opisują optymalizację pod to, żeby zostać wybranym i zacytowanym wewnątrz wygenerowanej odpowiedzi. Praca u podstaw jest w większości wspólna: dostęp techniczny, czysta encja, dane strukturalne, realnie użyteczna treść i wiarygodne źródła. Różni się cel i sposób pomiaru — pozycja kontra cytowanie. Dlatego prowadzimy to jako jedno zlecenie, a nie dwa, i nie wystawiamy za to dwóch faktur.

Nie, i traktowanie tego jako zamiennika to najczęstszy błąd. Fundament techniczny i treściowy, który daje pozycje, jest tym samym fundamentem, którego asystent potrzebuje, żeby pobrać, zrozumieć i zacytować stronę. Zmienia się co innego: sama pozycja nie gwarantuje już wizyty, bo odpowiedź może zostać złożona nad wynikami. Sensowne ujęcie to jeden program z dwoma wyjściami, przeważony w stronę tego, z którego realnie korzystają Twoi kupujący.

Ustalonym zestawem pytań, a nie wrażeniem postępu. Umawiamy pytania handlowo istotne dla Twojego biznesu, zapisujemy, które marki i źródła są dziś w odpowiedziach wymieniane, i sprawdzamy to w ustalonym rytmie. Obok tego Search Console pokazuje ruch organiczny, a GA4 jest skonfigurowane tak, by oddzielić wejścia z asystentów od klasycznego organicu. Raportujemy kierunek i luki — kto obiecuje dokładny, gwarantowany udział w odpowiedziach AI, opisuje coś, czego platformy nie udostępniają.

Błędy techniczne da się naprawić w tygodniach i ich wpływ na crawlowanie oraz indeksację widać szybko. Spójność encji i obecność w cytowaniach ruszają się po wolniejszej krzywej, bo zależą od ponownego przeczytania strony przez modele i od tego, czy źródła zewnętrzne się z nią zgadzają. Planujemy w kwartałach, z pierwszymi tygodniami przeważonymi na poprawki, które odblokowują wszystko pozostałe.

To powinna być decyzja, a nie ustawienie domyślne. Zablokowanie robotów pobierających treść usuwa mechanizm, którym asystent mógłby Cię w ogóle zacytować; wpuszczenie wszystkiego oddaje kontrolę nad wykorzystaniem treści do trenowania. W praktyce większość marek chce być pobierana i cytowana, zachowując świadomą decyzję co do trenowania. Zapisujemy to stanowisko, wdrażamy w robots.txt i llms.txt oraz wracamy do niego, gdy zmieniają się regulaminy platform — a zmieniają się.

Jest przydatny, ale nie jest skrótem. llms.txt to tekstowe streszczenie serwisu adresowane do modeli językowych, a wsparcie dla niego różni się między platformami. Pomaga jasno powiedzieć, czym jest firma i które podstrony są istotne — publikujemy go na własnych serwisach właśnie z tego powodu. Nie nadrobi natomiast strony, której roboty nie potrafią wyrenderować, encji, która sama sobie przeczy, ani treści, w której nie ma czego cytować.

Tak, to częsty układ. Typowy podział: dotychczasowy dostawca prowadzi klasyczne pozycjonowanie i linkowanie, a my bierzemy fundament techniczny, encję i dane strukturalne, politykę robotów AI oraz pomiar cytowań. Ustalić trzeba jedno na starcie — kto zatwierdza zmiany na stronie, żeby rekomendacje nie stały w kolejce między dwoma dostawcami.