Case study: Jak uzyskaliśmy 425 kliknięć i 26 000 wyświetleń dla starej strony niszowej
490 podstron, 28 dni i przykład tego, jak wieloletni content B2B nadal pracuje w Google
Case study SalesBot — sierpień 2026
Nazwy strony, domeny, firmy, marek, producentów i produktów zostały celowo zanonimizowane.
Wynik w skrócie
Analizowany projekt to wieloletnia, wyspecjalizowana strona B2B dotycząca wąskiego segmentu urządzeń przemysłowych.
Serwis nie został zbudowany w ostatnich miesiącach.
Nie powstał również według jednego współczesnego frameworku:
- topical map,
- query fan-out,
- AEO,
- GEO,
- AI Search,
- agentic commerce.
Rozwijał się przez wiele lat.
Powstawały:
- strony kategorii,
- karty produktów,
- opisy modeli,
- artykuły typu „co to jest?”,
- poradniki „jak używać?”,
- konkretne zastosowania,
- treści serwisowe,
- instrukcje,
- dokumentacja PDF,
- materiały eksploatacyjne,
- wynajem,
- bardzo wąski long tail.
Sprawdziliśmy wyniki w Google Search Console dla okresu:
14 lipca–10 sierpnia 2026 r. — 28 dni.
Rezultat:
425 kliknięć
25 706 wyświetleń w Google Search
czyli w zaokrągleniu:
425 kliknięć i prawie 26 000 wyświetleń w ciągu 28 dni.
Serwis miał w eksporcie:
490 różnych URL-i
pojawiających się w tabeli stron Search Console.
To około:
- 918 wyświetleń dziennie,
- 15,2 kliknięcia dziennie,
- CTR na poziomie około 1,65%.
Dla ogromnych portali nie są to spektakularne liczby.
Dla starego, bardzo wąskiego serwisu B2B są jednak czymś znacznie ciekawszym:
dowodem, że wieloletnia biblioteka specjalistycznych treści może nadal generować stały, rozproszony popyt z Google bez konieczności opierania się na kilku ogromnych frazach.
1. Nie jest to case study o jednym słowie kluczowym
Klasyczne case studies SEO często wyglądają tak:
pozycjonowaliśmy frazę X → osiągnęliśmy pozycję Y → wygenerowaliśmy Z kliknięć.
Tutaj model jest inny.
Serwis uzyskuje widoczność dzięki setkom:
- produktów,
- problemów,
- zastosowań,
- nazw kategorii,
- synonimów,
- instrukcji,
- pytań serwisowych,
- bardzo niszowych potrzeb.
W eksporcie Search Console znajduje się aż:
727 widocznych wierszy zapytań.
I nawet ta liczba nie pokazuje całego obrazu.
Google nie wyświetla w tabeli wszystkich zapytań. Rzadkie zapytania mogą być anonimizowane dla ochrony prywatności użytkowników. Są one uwzględniane w sumach wykresu, ale nie pojawiają się jako osobne wiersze w tabeli zapytań.
To okazało się niezwykle ważne również w naszym eksporcie.
2. Tabela zapytań pokazuje tylko niewielką część kliknięć
Cały serwis:
425 kliknięć.
Suma kliknięć przypisanych do widocznych 727 wierszy zapytań:
55 kliknięć.
To zaledwie około:
13% wszystkich kliknięć.
Około 87% kliknięć nie jest więc możliwe do odtworzenia na podstawie samej widocznej tabeli zapytań.
Nie oznacza to błędu Search Console.
To rezultat między innymi anonimizacji rzadkich zapytań. Google oficjalnie wyjaśnia, że anonymized queries są pomijane w tabeli, ale pozostają uwzględnione w sumach wykresu, o ile nie zastosujemy filtra zapytania.
To bardzo ważna lekcja dla niszowego B2B:
jeżeli oceniasz potencjał strony tylko po widocznej liście keywords, możesz nie widzieć znacznej części realnego long tailu.
3. Long tail jest tutaj modelem biznesowym, a nie dodatkiem
W masowym B2C duża część strategii może opierać się na frazie generującej:
- 10 000,
- 50 000,
- 100 000 wyszukiwań miesięcznie.
W niszowym B2B wartość wygląda inaczej.
Użytkownik może szukać:
- bardzo konkretnego typu urządzenia,
- konkretnego zastosowania,
- sposobu rozwiązania awarii,
- sposobu obsługi,
- materiału kompatybilnego z maszyną,
- rozwiązania dla nietypowego produktu,
- części lub instrukcji konkretnego modelu.
Pojedyncza fraza może mieć niewielki wolumen.
Ale:
setki małych potrzeb tworzą stabilny portfel popytu.
To dobrze widać w analizowanym projekcie.
Nie mamy jednego wielkiego keywordu odpowiedzialnego za cały ruch.
Mamy bardzo rozproszoną strukturę problemów.
4. 490 podstron nie oznacza 490 równorzędnych aktywów
W tabeli Pages Search Console znajduje się 490 URL-i.
Ale rozkład wyników jest bardzo nierówny.
W danych stron:
- 155 URL-i otrzymało przynajmniej jedno kliknięcie,
- 335 URL-i nie otrzymało kliknięcia w analizowanym okresie.
Oznacza to, że około:
32% URL-i wygenerowało przynajmniej jedno kliknięcie,
a około:
68% było widocznych, ale bez kliknięcia.
To nie musi oznaczać, że 68% stron jest niepotrzebnych.
Część może:
- zajmować niskie pozycje,
- odpowiadać na ekstremalnie rzadkie pytania,
- budować kontekst dla kategorii,
- działać sezonowo,
- pełnić funkcję dokumentacyjną,
- wymagać optymalizacji.
Jednak taki rozkład jest świetnym punktem startowym do audytu:
KEEP / UPDATE / MERGE / REDIRECT / EXPAND / RETIRE.
5. Kilkadziesiąt stron tworzy rdzeń ruchu
Pierwsze 10 URL-i w tabeli stron wygenerowało łącznie:
121 kliknięć.
Top 20:
184 kliknięcia.
Top 50:
295 kliknięć.
W obrębie tabeli stron oznacza to wyraźną koncentrację kliknięć na ograniczonej grupie treści.
Jednocześnie długa reszta serwisu generuje:
- dodatkowe kliknięcia,
- impressions,
- pokrycie niszy,
- wejścia na bardziej szczegółowych etapach procesu zakupowego.
Powstaje model:
mocny rdzeń + bardzo szeroki ogon.
Nie chcielibyśmy więc ani:
- zostawić wszystkich 490 stron bez kontroli,
ani:
- zredukować serwisu do 20 najlepiej klikanych URL-i.
Lepsze pytanie brzmi:
jak zbudować wokół AI/SEO Winners bardziej uporządkowaną architekturę wiedzy?
6. Najlepiej działają nie tylko strony kategorii
Analiza najpopularniejszych stron pokazuje ciekawą mieszankę.
W pierwszej grupie znajdują się między innymi:
- strony dotyczące konkretnego zastosowania produktu,
- ogólne strony kategorii,
- strony konkretnych modeli,
- specjalistyczne poradniki,
- niszowe zastosowania,
- instrukcja techniczna PDF.
Najlepszy URL zdobył:
18 kliknięć i 2391 wyświetleń.
Drugi:
18 kliknięć i 975 wyświetleń.
Kolejny szeroki materiał kategorii:
13 kliknięć i ponad 1000 wyświetleń.
Ale równie interesujące są bardzo specjalistyczne strony.
Przykładowe zanonimizowane wyniki:
Bardzo konkretny problem techniczny
- 13 kliknięć,
- 154 wyświetlenia,
- CTR 8,44%.
Strona konkretnego modelu
- 13 kliknięć,
- 90 wyświetleń,
- CTR 14,44%.
Niszowe zastosowanie
- 10 kliknięć,
- 81 wyświetleń,
- CTR 12,35%.
Bardzo konkretny produkt
- 6 kliknięć,
- 39 wyświetleń,
- CTR 15,38%.
Inny wąski model
- 6 kliknięć,
- 37 wyświetleń,
- CTR 16,22%.
To jeden z najważniejszych wniosków całego case study:
mały wolumen nie oznacza małej wartości.
7. Broad queries generują ekspozycję, precise queries generują dopasowanie
Podobną zależność obserwujemy w danych zapytań.
Szerokie zapytanie kategorii:
- około 580 impressions,
- 4 kliknięcia,
- CTR około 0,7%.
Inna szeroka fraza:
- około 396 impressions,
- 5 kliknięć,
- CTR około 1,3%.
Natomiast bardzo precyzyjne zapytania dotyczące konkretnego modelu osiągały w widocznej próbce:
- 3 kliknięcia z 7 impressions,
- 3 kliknięcia z 6 impressions,
- 2 kliknięcia z 3 impressions.
Nie należy nadmiernie interpretować tak małych próbek.
Pokazują jednak klasyczny mechanizm B2B:
im dokładniej użytkownik wie, czego potrzebuje, tym mniejszy jest potencjalny wolumen, ale większa może być zgodność odpowiedzi z intencją.
8. Search Console pokazuje nam dwie ekonomie ruchu
Na podstawie tego serwisu możemy wyróżnić dwa równoległe modele.
Economy of Reach
Treści szerokie:
- kategorie,
- ogólne nazwy produktów,
- główne przewodniki.
Ich zadaniem jest:
- zdobywanie impressions,
- budowanie wejścia do kategorii,
- przechwytywanie szerokiego popytu.
Economy of Relevance
Treści wąskie:
- konkretny model,
- konkretny problem,
- konkretne zastosowanie,
- konkretna procedura.
Ich zadaniem jest:
- dopasowanie,
- kwalifikacja,
- przechwycenie użytkownika bliżej realnej potrzeby.
Dobra strategia niszowego B2B potrzebuje obu.
9. Dokumentacja techniczna również generuje ruch
Wśród dobrze działających URL-i znajduje się dokumentacja PDF.
Jedna z instrukcji uzyskała w ciągu 28 dni:
- 6 kliknięć,
- 132 impressions,
- CTR około 4,6%.
To niewielka liczba w skali masowego portalu.
Ale dla dokumentu technicznego dotyczącego konkretnego urządzenia jest to interesujący rezultat.
Pokazuje, że:
dokumentacja jest częścią organicznego ekosystemu wiedzy.
Dlatego w strategii SalesBot nie traktujemy już:
- instrukcji,
- katalogów części,
- kart technicznych,
- folderów producenta,
- deklaracji,
jako materiałów „do pobrania, których SEO nie dotyczy”.
To potencjalne źródła odpowiedzi.
10. Ruch jest wyraźnie biznesowy również w rytmie tygodnia
28-dniowy okres obejmuje dokładnie cztery pełne tygodnie.
To pozwala zauważyć ciekawy schemat.
Dni robocze
Poniedziałek–piątek wygenerowały około:
378 z 425 kliknięć, czyli około 89% całego ruchu kliknięciowego.
Weekend
Sobota i niedziela:
47 kliknięć, czyli około 11%.
Jednocześnie weekend odpowiadał za około 21% impressions.
Wniosek jest zgodny z charakterem B2B:
widoczność istnieje również w weekend, ale aktywne przechodzenie do serwisu jest znacznie silniejsze w dni pracy.
To może mieć znaczenie przy:
- obsłudze leadów,
- publikacji nowych materiałów,
- monitorowaniu kampanii,
- aktualizowaniu ofert.
11. Mobile jest znacznie ważniejszy, niż można oczekiwać w technicznym B2B
W analizowanym okresie:
Desktop
- 18 166 impressions,
- 237 kliknięć,
- CTR 1,30%.
Mobile
- 7485 impressions,
- 186 kliknięć,
- CTR 2,48%.
Mobile odpowiadał więc tylko za około:
29% impressions,
ale za około:
44% kliknięć.
CTR mobilny był niemal:
1,9× wyższy niż desktopowy.
To ważna lekcja.
W technicznym B2B łatwo założyć:
„nasi klienci pracują przy komputerach, więc mobile nie jest priorytetem”.
Dane pokazują coś innego.
Użytkownicy mogą:
- szukać urządzenia na hali,
- sprawdzać model podczas rozmowy,
- wyszukiwać instrukcję przy maszynie,
- porównywać rozwiązania poza biurem,
- korzystać z Google podczas spotkania.
Dlatego mobilny UX starego serwisu B2B jest problemem biznesowym, a nie kosmetycznym.
12. Polska dominuje, ale istnieje international long tail
Z 425 kliknięć:
401 pochodziło z Polski.
To około:
94% całego ruchu kliknięciowego.
Podobny udział widzimy w impressions.
Jednocześnie pojawiają się użytkownicy między innymi z:
- Niemiec,
- Stanów Zjednoczonych,
- Holandii,
- Wielkiej Brytanii,
- Francji,
- Szwecji,
- innych krajów.
Nie jest to jeszcze argument za dużą ekspansją zagraniczną.
Jest natomiast triggerem do zadania pytań:
- które strony są widoczne za granicą,
- czy są to produkty o uniwersalnych oznaczeniach,
- czy dokumentacja angielska generuje zainteresowanie,
- czy wybrane klastry warto lokalizować.
13. Dlaczego suma danych z tabeli Pages jest większa niż 26 000?
To bardzo ważna kwestia metodologiczna.
Jeżeli zsumujemy wyświetlenia wszystkich 490 wierszy w tabeli Pages, otrzymujemy około:
31 715 page impressions.
Tymczasem główny wykres pokazuje:
25 706 property impressions.
To nie jest błąd w naszych obliczeniach.
Google wyjaśnia, że wykres Performance jest agregowany na poziomie właściwości. Jeżeli dwa wyniki z tej samej witryny pojawią się dla jednego wyszukiwania, mogą zostać policzone jako jedno impression na poziomie property. Przy grupowaniu według stron dane są agregowane per URL, dlatego suma w tabeli Pages może różnić się od sumy na wykresie.
Dlatego headline case study zawsze opieramy na:
425 kliknięciach i 25 706 impressions z głównego wykresu właściwości,
a nie na prostym sumowaniu wszystkich wierszy Pages.
14. Dlaczego stary serwis nadal działa?
Nie możemy przypisać wyniku jednemu czynnikowi.
Nie jest to kontrolowany eksperyment.
Możemy jednak wskazać kilka mocnych przesłanek.
15. Przesłanka nr 1: lata content equity
Serwis przez wiele lat zgromadził informacje dotyczące:
- produktów,
- kategorii,
- części,
- zastosowań,
- awarii,
- użytkowania,
- materiałów,
- serwisu.
To tworzy content equity.
Treść może mieć kilka lat, ale jeśli nadal dokładnie odpowiada na problem użytkownika, nadal może generować popyt.
Google zaleca tworzenie informacji przede wszystkim użytecznych, wiarygodnych i przeznaczonych dla ludzi, zamiast materiałów tworzonych przede wszystkim po to, by manipulować rankingami.
16. Przesłanka nr 2: specialization beats generic content
Analizowany serwis nie jest ogólnym portalem o biznesie.
Jest głęboko wyspecjalizowany.
Dzięki temu może posiadać treść o problemach, których duże portale nigdy nie opiszą, ponieważ ich potencjalna liczba odsłon jest zbyt mała.
Dla małego serwisu B2B właśnie takie tematy mogą być najcenniejsze.
17. Przesłanka nr 3: real-world use cases
Duża część contentu nie opisuje wyłącznie:
„co sprzedajemy”.
Opisuje:
„co można za pomocą rozwiązania zrobić”.
To ogromna różnica.
Przykład struktury:
Słabszy model
Urządzenie przemysłowe model A.
Lepszy model
Jak zabezpieczyć określony rodzaj produktu podczas transportu?
A dopiero wewnątrz odpowiedzi:
jednym z możliwych rozwiązań jest model A.
Taki content jest bliższy problemowi użytkownika.
18. Przesłanka nr 4: problem-first content
Najlepsze treści często odpowiadają na pytania:
- co to jest,
- jak używać,
- jak wybrać,
- jaki produkt do zastosowania,
- jak serwisować.
Google Search Essentials nadal rekomenduje używanie słów, których użytkownicy rzeczywiście używają podczas wyszukiwania, oraz tworzenie pomocnych i wiarygodnych treści.
Ale ważne jest coś więcej niż samo słowo.
Musimy odpowiadać na zadanie stojące za słowem.
19. Przesłanka nr 5: archiwum posiada wiele różnych entry points
490 URL-i oznacza 490 potencjalnych wejść do ekosystemu.
Nie wszystkie są równie ważne.
Ale użytkownik może wejść:
- przez kategorię,
- produkt,
- problem,
- instrukcję,
- zastosowanie,
- serwis.
To szczególnie ważne w B2B, gdzie proces zakupowy może rozpocząć się od bardzo różnych triggerów.
20. Co zrobilibyśmy dziś inaczej?
Gdybyśmy budowali ten sam serwis od początku w 2026 roku, nie tworzylibyśmy go identycznie.
Wieloletni rozwój spowodował:
- fragmentację,
- podobne URL-e,
- warianty nazw,
- stare konwencje adresów,
- historyczne strony,
- różną jakość materiałów,
- wiele stron z małą liczbą impressions.
Nie zaczynalibyśmy jednak również od usuwania wszystkiego.
Najpierw wykorzystujemy dane.
21. Etap 1: Search Winners Map
Dzielimy strony według danych:
Tier A — Winners
Wysokie impressions + kliknięcia.
Działanie:
- chronić,
- aktualizować,
- rozwijać.
Tier B — High impressions / low CTR
Działanie:
- title,
- meta description,
- intent alignment,
- poprawa propozycji wartości.
Tier C — Low impressions / high CTR
Bardzo ciekawa grupa.
Sugeruje:
odpowiedź jest dobra, ale zapotrzebowanie lub widoczność jest mała.
Działanie:
- wzmacniać linkowanie,
- rozwijać klaster,
- sprawdzać większy parent topic.
Tier D — Impressions / zero clicks
Działanie:
- diagnoza.
Czy strona:
- odpowiada na właściwą intencję?
- ma dobry title?
- jest za nisko?
- konkuruje z własnymi URL-ami?
Tier E — prawie bez widoczności
Działanie:
- KEEP,
- MERGE,
- UPDATE,
- REDIRECT,
- RETIRE.
22. Etap 2: Query Cluster Map
Nie optymalizujemy 727 widocznych zapytań osobno.
Łączymy je według:
- produktu,
- zastosowania,
- problemu,
- intencji,
- etapu decyzji.
Przykładowy klaster:
Urządzenie ręczne
Może obejmować:
- nazwy kategorii,
- błędne warianty nazwy,
- nazwy potoczne,
- konkretny materiał,
- zastosowanie do palet,
- rodzaj zasilania,
- model.
Powstaje:
jedna potrzeba użytkownika → wiele sposobów jej nazwania.
23. Etap 3: Query Fan-out Map
Dla najważniejszych klastrów zadajemy kolejne pytanie:
Jakich informacji potrzebuje użytkownik, zanim będzie gotowy do wyboru?
Przykładowo:
- Co to jest?
- Jak działa?
- Jakie są rodzaje?
- Kiedy wybrać ręczne?
- Kiedy automatyczne?
- Jaki materiał?
- Jakie parametry?
- Ile kosztuje?
- Jak używać?
- Jak serwisować?
- Wynajem czy zakup?
- Jaki model wybrać?
To łączy klasyczne SEO z przyszłością AI Search.
Google oficjalnie wskazuje, że podstawowe SEO nadal pozostaje właściwym fundamentem również dla generatywnych doświadczeń Search.
24. Etap 4: Answer Architecture
Zamiast:
490 luźnych stron
budujemy:
mapę odpowiedzi.
Przykład:
Filar
Kompletny przewodnik wyboru rozwiązania.
Cluster A
Urządzenia ręczne.
Cluster B
Urządzenia automatyczne.
Cluster C
Materiały eksploatacyjne.
Cluster D
Zastosowania.
Cluster E
Serwis.
Cluster F
Koszt i ROI.
Cluster G
Dokumentacja.
Cluster H
Wynajem.
Następnie każdy istniejący URL otrzymuje jasną rolę.
25. Etap 5: Social Topical Map
Najlepsze klastry można następnie rozszerzyć poza domenę.
YouTube
- jak używać,
- demonstracja,
- porównanie,
- serwis.
- ROI,
- zastosowanie B2B,
- case study,
- nowa technologia.
Shorts / Reels
- jeden błąd,
- jeden parametr,
- jedna porada.
WWW
- źródło kanoniczne,
- dane,
- aktualna oferta,
- CTA.
W ten sposób stary serwis staje się bazą wiedzy dla nowej wielokanałowej architektury.
26. Etap 6: Conversion Layer
425 kliknięć jest tylko etapem pośrednim.
Dla SalesBot ostateczne pytanie brzmi:
ile wartościowych zapytań biznesowych powstaje z tych 425 wizyt?
Dlatego każda ważna strona powinna prowadzić do następnego działania:
- sprawdź model,
- porównaj,
- pobierz instrukcję,
- zobacz demonstrację,
- skontaktuj się,
- zamów test,
- poproś o wycenę,
- wyślij RFQ.
Google rekomenduje łączenie danych Search Console z Analytics właśnie po to, aby analizować nie tylko zachowanie przed wejściem na stronę, ale także późniejsze zaangażowanie i konwersje.
27. Dlaczego nie chcemy po prostu podwoić liczby stron?
Najłatwiejszy pomysł brzmiałby:
490 URL-i dało 26 000 impressions, więc zbudujmy 980.
To nie jest nasza rekomendacja.
Liczba stron nie jest KPI.
KPI powinny obejmować:
- pokrycie ważnych potrzeb,
- widoczność,
- CTR,
- jakość ruchu,
- leady,
- pipeline.
Google od lat rekomenduje helpful, reliable, people-first content, a nie produkowanie treści przede wszystkim dla algorytmu.
Dlatego kolejny etap projektu powinien zwiększać:
information density, a nie URL count.
28. Proponujemy nowy wskaźnik: Search Content Efficiency
Do porównywania starszych serwisów możemy zastosować prosty wskaźnik diagnostyczny:
Search Content Efficiency = Clicks / Visible URLs
W analizowanym okresie:
425 / 490 = około 0,87 kliknięcia na widoczny URL w ciągu 28 dni.
Możemy również mierzyć:
Search Visibility Density
25 706 property impressions / 490 URL-i = około 52 impressions na URL.
To oczywiście uproszczenie.
Nie jest wskaźnikiem Google.
Jego wartością jest możliwość porównywania zmian tego samego serwisu w czasie:
- czy rośnie liczba URL-i,
- czy rośnie przede wszystkim efektywność istniejących treści?
29. Drugi wskaźnik: Click Coverage
155 z 490 URL-i wygenerowało kliknięcie.
Czyli:
Click Coverage ≈ 31,6%.
To bardzo użyteczny wskaźnik do przyszłego audytu.
Nie musimy dążyć do 100%.
Ale możemy sprawdzić, czy po przebudowie:
- 31,6% stanie się 35%,
- 40%,
- 45%.
Bez konieczności zwiększania liczby podstron.
30. Trzeci wskaźnik: Mobile Search Efficiency
Mobile:
2,48% CTR.
Desktop:
1,30%.
Dlatego proponujemy mierzyć:
Device Efficiency Ratio
W tym przypadku:
Mobile CTR / Desktop CTR ≈ 1,9.
Jeżeli techniczna strona B2B ma taką różnicę, warto szczegółowo przeanalizować mobilną ścieżkę:
Search → landing page → produkt → kontakt.
31. Co jest faktem, a co naszą hipotezą?
| Stwierdzenie | Status |
|---|---|
| 425 kliknięć | dane Search Console |
| 25 706 property impressions | dane Search Console |
| okres 14.07–10.08.2026 | dane eksportu |
| 490 wierszy stron | dane eksportu |
| 727 widocznych wierszy zapytań | dane eksportu |
| 155 URL-i z kliknięciem | nasza analiza eksportu |
| mobile CTR 2,48% vs desktop 1,30% | dane eksportu |
| 401 z 425 kliknięć pochodzi z Polski | dane eksportu |
| anonimizowane queries są pomijane z tabeli | potwierdzone przez Google |
| tabela Pages może sumować się inaczej niż wykres | potwierdzone przez Google |
| specjalizacja pomogła osiągnąć wyniki | nasza hipoteza |
| szeroki long tail pomaga stabilizować widoczność | nasza interpretacja danych |
| realne zastosowania przyczynowo zwiększają ranking | nie możemy tego stwierdzić |
32. Najważniejsza lekcja SalesBot
Najważniejszym aktywem starego niszowego serwisu nie jest:
- jego wiek,
- liczba stron,
- liczba fraz.
Jest nim:
accumulated problem knowledge.
Przez lata odpowiadaliśmy na setki bardzo małych problemów.
Pojedynczo często wyglądały nieatrakcyjnie:
- mało impressions,
- kilka kliknięć,
- niszowy produkt,
- jedno zastosowanie.
Razem tworzą jednak:
- 26 000 impressions,
- 425 kliknięć,
- setki entry points,
- realny organiczny kanał B2B.
33. Co z tego wynika dla nowych projektów?
Nie budowalibyśmy dziś starego serwisu identycznie.
Ale również nie odrzucalibyśmy lekcji, którą daje.
Nowy model powinien połączyć:
to, co działało przez 15–20 lat:
- long tail,
- specjalizację,
- konkretne produkty,
- realne problemy,
- własną wiedzę,
z tym, czego nauczyliśmy się obecnie:
- Demand Mapping,
- Query Fan-out,
- canonical content,
- Entity Mapping,
- Evidence Mapping,
- Social Topical Maps,
- AI Search,
- Direct RFQ,
- Agentic Commerce.
34. Model docelowy SalesBot
Nasza rekomendowana architektura wygląda dziś następująco:
1. Demand Map
Co jest rzeczywiście wyszukiwane?
2. Customer Problem Map
Jakie problemy rozwiązujemy?
3. Query Cluster Map
Jak użytkownicy nazywają te problemy?
4. Query Fan-out Map
Jakich informacji potrzebują przed decyzją?
5. Canonical Answer Architecture
Które URL-e powinny być głównymi źródłami?
6. Evidence Map
Jak udowadniamy odpowiedzi?
7. Social Topical Map
Gdzie i w jakim formacie dostarczamy dodatkową odpowiedź?
8. Product & Action Layer
Jak użytkownik przechodzi do rozwiązania?
9. Direct RFQ
Jak zamieniamy zainteresowanie w kwalifikowane zapytanie?
10. Measurement
Czy rosną:
- impressions,
- clicks,
- CTR,
- AI visibility,
- leady,
- pipeline?
Podsumowanie
W ciągu 28 dni stara, niszowa strona B2B wygenerowała:
25 706 wyświetleń
425 kliknięć
przy:
490 widocznych URL-ach.
Dane pokazują kilka ważnych mechanizmów:
- Long tail jest większy, niż pokazuje tabela queries.
- Niewielkie, bardzo precyzyjne strony mogą osiągać wysoki CTR.
- Szerokie strony generują reach, a wąskie relevance.
- Dokumentacja techniczna może być wartościowym organicznym aktywem.
- Mobile odpowiada za znacznie większą część kliknięć, niż sugeruje udział w impressions.
- Stary content może nadal generować wartość, jeśli odpowiada na realne problemy.
- 490 URL-i należy teraz uporządkować, a nie mechanicznie powiększać.
Najważniejszy wniosek jest jednak bardziej fundamentalny:
SEO w niszowym B2B nie polega na znalezieniu jednej wielkiej frazy. Polega na zbudowaniu setek precyzyjnych punktów wejścia do wiedzy firmy.
Przez lata robiliśmy to w dużej mierze jako klasyczne SEO.
Dzisiaj możemy spojrzeć na ten sam zasób znacznie szerzej.
To już nie jest tylko kolekcja podstron.
To potencjalna:
Answer Architecture
którą można wykorzystać jednocześnie do:
- klasycznego Google,
- AI Search,
- YouTube,
- social search,
- agentic commerce,
- kwalifikacji B2B,
- Direct RFQ.
Dlatego dla właścicieli wieloletnich, specjalistycznych stron nasze zalecenie nie brzmi:
„zacznijcie od nowa”.
Brzmi:
najpierw sprawdźcie, ile wartościowej wiedzy już macie — a następnie uporządkujcie ją według problemów, intencji i decyzji współczesnego użytkownika.
Nota metodologiczna
Case study opiera się na eksporcie Google Search Console obejmującym okres 14 lipca–10 sierpnia 2026 r.
Główny wykres właściwości wskazuje:
- 425 kliknięć,
- 25 706 impressions.
Eksport zawiera:
- 490 wierszy w wymiarze Pages,
- 727 widocznych wierszy Queries.
Suma wymiaru Pages nie jest bezpośrednio porównywalna z głównym wykresem, ponieważ Search Console inaczej agreguje dane na poziomie property i strony. Google oficjalnie opisuje tę różnicę w dokumentacji raportu Performance.
Nazwy domeny, przedsiębiorstwa, produktów, modeli i marek zostały celowo zanonimizowane.
Zobaczmy, gdzie w Twoim ekosystemie tracą się wartościowe zapytania
Napisz, co sprzedajesz, do jakich firm chcesz docierać i jak obecnie powstają zapytania. Sprawdzimy, czy największy potencjał znajduje się w stronie produktowej, nowym klastrze tematycznym, widoczności w Google i AI, konwersji, analityce czy w połączeniu kilku elementów.
Sprawdź potencjał swojej firmy
Kontakt bezpośredni: kontakt@salesbot.pl