Twoja strona może rankować w Google i nie istnieć dla ChatGPT

Model językowy nie przegląda wyników – on wyciąga wnioski

Wyobraź sobie właściciela firmy budowlanej z Łodzi, który w lutym 2024 szuka dostawcy okien dachowych do większego projektu. Kilka lat temu otwierałby Google, przeglądał pierwsze trzy wyniki, może sprawdzał mapy. Teraz wpisuje pytanie do ChatGPT albo Perplexity: "jaki dostawca okien dachowych jest godny zaufania dla firm budowlanych w Polsce". Model mu odpowiada. Wymienia dwie, trzy marki z krótkim uzasadnieniem. Właściciel klika w jedną z nich. Twoja firma, mimo że ma dobrze zoptymalizowaną stronę i pierwsze miejsce w Google na kilkanaście fraz, nie pada ani razu.

To nie jest science fiction. Szacuje się — choć liczby są jeszcze bardzo niejednorodne zależnie od branży i źródła — że kilkanaście procent zapytań informacyjnych i zakupowych trafia już do modeli językowych zamiast tradycyjnych wyszukiwarek. W segmencie B2B i wśród kupujących w wieku 25-40 lat odsetek ten jest wyraźnie wyższy. Moje własne obserwacje z rozmów z właścicielami firm sugerują, że w niektórych branżach to już realna, odczuwalna zmiana w tym, skąd przychodzi ruch preintencyjny.

Mechanizm działania modelu językowego jest fundamentalnie inny od PageRanka. Google ocenia strony przez pryzmat linków, autorytetu domeny, dopasowania słów kluczowych. Model językowy — upraszczając — wyciąga to, co zostało mu powiedziane podczas trenowania i co pojawia się w źródłach, które indeksuje w czasie rzeczywistym (Perplexity, SearchGPT). Jeśli o twojej firmie nie ma nic w zewnętrznych, wiarygodnych źródłach — artykułach branżowych, portalach specjalistycznych, forach, recenzjach — model po prostu jej nie zna. Twoja własna strona jest dla niego słabym dowodem na twoje istnienie.

Tu jest właśnie ta różnica, której większość właścicieli nie uchwytuje intuicyjnie: tradycyjne SEO to optymalizacja twojej strony dla robota. GEO — Generative Engine Optimization, bo tak zaczęto to nazywać, niespecjalnie szczęśliwie — to budowanie obecności w ekosystemie informacji, żeby model miał powód, żeby o tobie wiedzieć.

Skąd model wie, że jesteś wiarygodny

Modele językowe działają na zasadzie konsensusu. Jeśli wielokrotnie, w różnych kontekstach, różne źródła mówią o twojej firmie w podobny sposób — "dobra obsługa posprzedażowa", "specjalizacja w instalacjach przemysłowych", "obecność w regionie X" — to ten obraz zostaje zakodowany. Pojedyncza, nawet perfekcyjnie zoptymalizowana strona nie buduje takiego konsensusu. Liczy się rozproszenie informacji.

Jacek Wierzbicki prowadzi firmę z Wrocławia sprzedającą systemy wentylacji dla budownictwa przemysłowego. Pod koniec 2023 roku zaczął świadomie pracować nad tym, żeby jego firma pojawiała się w odpowiedziach ChatGPT na pytania o dostawców w jego niszy. Założył profil ekspercki na dwóch portalach branżowych, gdzie zaczął publikować krótkie, techniczne artykuły odpowiadające na konkretne pytania instalatorów. Poprosił stałych klientów o wystawienie recenzji z opisem projektu, nie tylko oceną gwiazdkową. Przez pierwsze trzy tygodnie utknął kompletnie na eksporcie danych ze starego CRM-a, bo chciał mieć listę projektów z parametrami technicznymi i połowa jego ludzi i tak nadal pytała go osobiście zamiast szukać w systemie. Efekty zaczęły być widoczne po około czterech miesiącach, a i tak nie wiadomo, ile z nowego ruchu pochodzi konkretnie z AI, bo narzędzia do śledzenia tego są jeszcze bardzo toporne.

Warto przywołać tutaj pewne zastrzeżenie, które rzadko pojawia się w tym kontekście: modele językowe mają datę graniczną wiedzy i aktualizują się rzadziej niż Google. To znaczy, że efekty działań GEO są opóźnione i trudniejsze do zmierzenia. Nie ma odpowiednika Search Console, który powiedziałby ci, ile razy ChatGPT cię polecił. Google Analytics nie odróżni użytkownika przybyłego po rekomendacji AI od kogoś, kto wpisał twój adres bezpośrednio. Pracujesz trochę po omacku i musisz to zaakceptować.

Perplexity i SearchGPT citują źródła i crawlują sieć w czasie zbliżonym do rzeczywistego — to osobna para kaloszy. Dla tych systemów klasyczne sygnały SEO mają większe znaczenie, ale liczy się też struktura odpowiedzi: czy twoja strona zawiera akapity, które bezpośrednio odpowiadają na pytanie, a nie tylko otaczają słowa kluczowe. Model szuka fragmentu tekstu, który może zacytować. Jeśli twoja strona jest zbudowana z nagłówków i kulek z punktorami bez żadnego ciągłego wyjaśnienia — nic z tego.

Co zmienić, żeby model miał z czego korzystać

Pierwsza zmiana dotyczy struktury treści na stronie. Zamiast pisać "oferujemy kompleksową obsługę", napisz akapit wyjaśniający, jak konkretnie wygląda proces: kto dzwoni, kiedy, co się dzieje po podpisaniu umowy, jakie są typowe terminy. Modele językowe szukają gęstości informacyjnej, nie gęstości słów kluczowych. To akurat dobrze, bo zmusza do pisania treści, które są po prostu użyteczne.

Tekst na stronie powinien zawierać odpowiedzi na pytania, które twoi klienci faktycznie zadają — nie pytania z narzędzi do badania słów kluczowych, tylko pytania z rozmów sprzedażowych. Jeśli co drugi klient pyta, czy obsługujesz projekty poniżej pewnej wartości, to odpowiedz na to wprost na stronie. Jeśli pytają o czas realizacji w sytuacjach awaryjnych — ten akapit powinien istnieć.

Zewnętrzna obecność to temat, który wielu właścicielom wydaje się wymagający, bo nie mają czasu na pisanie artykułów. Tutaj moja szczera opinia: większość działań na LinkedIn, które widzę u polskich firm B2B, to wyrzucanie pieniędzy marketingowych lub czasu właściciela w próżnię, bo jest zbyt ogólne i zbyt motywacyjne. Model językowy uczy się z treści technicznych, specjalistycznych, odpowiadających na konkretne pytania. Artykuł "pięć powodów, dla których automatyzacja to przyszłość" nic mu nie mówi o tym, czym zajmuje się twoja firma. Krótki tekst na portalu branżowym opisujący, jak rozwiązałeś konkretny problem klienta z parametrami i kontekstem — to go interesuje.

Osobną sprawą są ustrukturyzowane dane na stronie: schema.org dla organizacji, produktów, FAQ. To nie jest magia, ale pomaga modelom indeksującym sieć zrozumieć, czym się zajmujesz, bez konieczności interpretowania całego tekstu. Jeśli twój programista albo agencja nie wdrożyła basicowego markupu — to dosłownie kilka godzin pracy.

Wróćmy na chwilę do Jacka z Wrocławia, bo jest w tym jeden nieoczywisty detal. Jego firma pojawiła się w odpowiedzi ChatGPT na pytanie testowe po czterech miesiącach. Ale w odpowiedzi Perplexity — po trzech tygodniach, po tym jak jeden z jego artykułów technicznych był linkowany przez forum instalatorów. Czyli tempo bardzo zależy od tego, jaki system AI pytasz i jaką strategię przyjmujesz. Nie ma jednej odpowiedzi.

To też przereklamowany mit, że trzeba pisać specjalnie pod AI inaczej niż pod ludzi. Dobry, gęsty informacyjnie tekst, który odpowiada na realne pytania branżowe, działa w obu światach. Problem polega na tym, że większość polskich stron firmowych nie zawiera takich treści w ogóle — są wizytówką, nie źródłem wiedzy. I to jest właśnie to, co trzeba zmienić.

Na koniec jedno praktyczne ćwiczenie: wejdź na Perplexity i wpisz pytanie, które twój typowy klient mógłby zadać szukając dostawcy w twojej branży. Sprawdź, kto się pojawia w odpowiedzi i skąd cytuję. To więcej powie ci o tym, co robić, niż połowa artykułów o GEO razem wziętych.