Case study: Jak uzyskaliśmy ponad 1000 wyświetleń AI dla starej strony niszowej

250 podstron, wieloletni content B2B i pierwsze mierzalne wyniki w generatywnym Google

Case study SalesBot — sierpień 2026

Nazwy domeny, firmy, producentów, marek, produktów i modeli zostały w tym materiale całkowicie zanonimizowane.

---

Wynik w skrócie

Analizowany serwis to stara, wąsko wyspecjalizowana strona B2B działająca w technicznej niszy produktowej.

Nie została zbudowana od podstaw pod AI Search.

Przeciwnie: przez wiele lat rozwijała się w klasycznym modelu SEO i content marketingu. Powstawały na niej:

• strony kategorii,
• karty produktów,
• opisy konkretnych modeli,
• poradniki,
• instrukcje obsługi,
• materiały serwisowe,
• zastosowania branżowe,
• treści dotyczące materiałów eksploatacyjnych,
• strony wynajmu,
• dokumentacja PDF,
• bardzo wąskie strony long-tail.

Po uruchomieniu przez Google nowego raportu „Funkcje oparte na generatywnej AI” mogliśmy po raz pierwszy zobaczyć, czy ten wieloletni zasób treści jest rzeczywiście wykorzystywany w generatywnych powierzchniach Google.

Rezultat:

ponad 1000 wyświetleń AI

W dostarczonym eksporcie znajduje się dokładnie:

• 250 adresów URL,
• 1236 wyświetleń w generatywnych funkcjach Google.

Dla komunikacji case study możemy więc bezpiecznie używać hasła:

„Jak uzyskaliśmy ponad 1000 wyświetleń AI dla starej niszowej strony B2B”.

---

1. Co oznacza „1000 wyświetleń AI”?

To nie jest:

• 1000 kliknięć,
• 1000 użytkowników,
• 1000 wejść,
• 1000 leadów,
• 1000 cytowań marki.

3 czerwca 2026 roku Google uruchomiło oddzielne raporty Search Console przeznaczone do pomiaru widoczności serwisów w generatywnych funkcjach Search i Discover. Google definiuje impression jako przypadek, w którym URL z witryny pojawił się w generatywnej funkcji, między innymi AI Overviews lub AI Mode.

Raport pozwala obecnie analizować:

• impressions,
• adresy URL,
• kraje,
• urządzenia w Search,
• zmiany w czasie.

Dlatego w tym case study mierzymy przede wszystkim:

AI Visibility

czyli zdolność istniejącego zasobu treści do pojawiania się jako źródło lub link wspierający w generatywnych doświadczeniach Google.

---

2. Dlaczego ten przypadek jest interesujący

Ten serwis nie jest przykładem:

„zbudowaliśmy nową stronę idealnie pod AI”.

Jest niemal odwrotnie.

To przykład:

jak wieloletnia, tradycyjna strona niszowa zaczęła zdobywać mierzalną widoczność AI dzięki wiedzy zgromadzonej wcześniej pod klasyczne SEO, użytkowników i sprzedaż B2B.

To istotne, ponieważ Google oficjalnie podkreśla, że SEO nadal ma znaczenie dla generatywnego Search.

AI Overviews i AI Mode są oparte na podstawowych systemach rankingowych i jakościowych Google Search. Google wykorzystuje między innymi RAG/grounding do odnajdywania aktualnych stron w swoim indeksie oraz query fan-out do wykonywania powiązanych wyszukiwań dotyczących różnych części problemu użytkownika.

Nie trzeba więc zaczynać od zera.

Wielu właścicieli starych stron posiada już znacznie więcej wartościowego „AI-ready knowledge”, niż im się wydaje.

---

3. 250 podstron nie powstało z jednego planu AI

Serwis rozwijał się przez lata.

To oznacza, że struktura jest znacznie bardziej organiczna niż w nowoczesnym projekcie tworzonym od początku według:

• topical map,
• query fan-out,
• entity map,
• evidence map,
• answer architecture.

W eksporcie widzimy treści należące do wielu klas.

Definicje

Na przykład strony odpowiadające na pytania typu:

• czym jest urządzenie,
• czym jest określony rodzaj maszyny,
• czym jest ręczne narzędzie,
• czym jest konkretna technologia.

How-to

• jak używać urządzenia,
• jak je serwisować,
• jak dobrać rozwiązanie,
• jak pakować określony produkt.

Kategorie

• urządzenia ręczne,
• urządzenia automatyczne,
• maszyny specjalistyczne,
• materiały eksploatacyjne.

Produkty

• strony pojedynczych modeli,
• wariantów,
• starszych i nowszych generacji.

Zastosowania

• palety,
• kartony,
• warzywa,
• kwiaty,
• kable,
• przemysł spożywczy,
• drukarnie,
• logistyka,
• gospodarstwa ogrodnicze.

Serwis

• naprawy,
• konserwacja,
• części,
• wynajem.

Dokumentacja

Co szczególnie interesujące:

instrukcje PDF również pojawiają się w generatywnym raporcie Search Console.

To potwierdza szerszą zasadę Google: Search może indeksować różne typy plików, a nie wyłącznie klasyczne strony HTML. Google nie traktuje jednak takich formatów jako specjalnego „AI hacku”.

---

4. Najsilniejsza strona osiągnęła 77 wyświetleń AI

Najlepiej widoczny URL uzyskał:

77 wyświetleń.

Nie był to typowy opis produktu.

Był to materiał odpowiadający na dwa bardzo naturalne pytania użytkownika:

Co to jest określone urządzenie?

oraz:

Kiedy warto je wybrać?

Druga strona:

54 wyświetlenia

była instrukcją typu:

jak używać określonego urządzenia.

Trzeci URL:

48 wyświetleń

odpowiadał na bardzo konkretne zastosowanie rozwiązania.

To bardzo ciekawy sygnał.

W pierwszej trójce nie dominują:

• slogany marketingowe,
• strona „O nas”,
• teksty wizerunkowe.

Dominują:

problem + definicja + zastosowanie + wykonanie.

---

5. Najlepsze 10 stron odpowiada za około jedną trzecią widoczności

Suma wyświetleń 10 najmocniejszych URL-i wynosi:

414 impressions.

Przy 1236 impressions całego zbioru oznacza to:

około 33,5% całej widoczności AI.

Top 20 odpowiada już za:

568 impressions, czyli około 46% wyniku.

Widać więc klasyczny model:

niewielka grupa stron tworzy rdzeń widoczności, a duży long tail dostarcza pozostałą część.

Jest to bardzo użyteczne z punktu widzenia dalszego rozwoju.

Nie musimy przebudowywać całych 250 stron jednocześnie.

Najpierw możemy ustalić:

co Google już uznało za użyteczne.

---

6. Jakie typy treści dominują wśród AI winners?

Po anonimizacji nazw produktów i modeli wśród najlepiej widocznych stron można wyróżnić kilka powtarzalnych struktur.

Typ 1. „Co to jest i kiedy warto wybrać?”

To format kwalifikacyjny.

Nie kończy się na definicji.

Pomaga odpowiedzieć:

Czy to rozwiązanie jest odpowiednie dla mnie?

To bardzo mocna struktura dla:

• klasycznego SEO,
• AEO,
• AI Search,
• sprzedaży B2B.

---

Typ 2. „Jak używać?”

Treść wykonawcza.

Użytkownik nie chce już wiedzieć, czym produkt jest.

Chce wykonać zadanie.

---

Typ 3. Produkt + konkretne zastosowanie

Nie:

„urządzenie X”.

Tylko:

„urządzenie X do wykonania konkretnego procesu”.

To naturalnie odpowiada na jedno z najważniejszych pytań zakupowych:

Czy ten produkt pasuje do mojego przypadku użycia?

---

Typ 4. Bardzo niszowe zastosowanie

Co ciekawe, wysoko znajdują się również materiały odpowiadające na niezwykle konkretne zastosowania przemysłowe i rolnicze.

Takie strony prawdopodobnie nigdy nie będą miały ogromnego klasycznego wolumenu.

Ale mogą być bardzo dobrze dopasowane do długiego, sytuacyjnego pytania w AI Mode.

---

Typ 5. Instrukcja techniczna PDF

Dokumentacja osiągnęła jeden z najwyższych wyników.

To przypomina, że w B2B:

dokumentacja jest contentem.

Instrukcja może odpowiadać na fan-out query dotyczące:

• parametrów,
• obsługi,
• konfiguracji,
• błędów,
• bezpieczeństwa,
• kompatybilności.

---

Typ 6. Serwis

Wśród bardziej widocznych materiałów występują strony związane z:

• serwisem,
• konserwacją,
• naprawą konkretnego urządzenia.

To kolejny ważny sygnał.

AI Search nie kończy się na discovery i zakupie.

Może obsługiwać cały cykl życia produktu.

---

7. Co łączy te treści?

Najbardziej widoczne materiały mają wspólną cechę:

odpowiadają na konkretne zadanie użytkownika.

Nie próbują wyłącznie „pozycjonować frazy”.

Odpowiadają na pytania typu:

• Co to jest?
• Kiedy to wybrać?
• Jak tego używać?
• Czy nadaje się do mojego zastosowania?
• Jak to serwisować?
• Jakiego materiału użyć?
• Jaki model odpowiada określonemu procesowi?

I właśnie taki model dobrze pasuje do sposobu, w jaki Google opisuje AI Mode.

Google wskazuje, że AI Mode jest szczególnie przydatny przy pytaniach wymagających dalszej eksploracji, rozumowania i bardziej skomplikowanych porównań. AI Overviews i AI Mode mogą też korzystać z query fan-out, wykonując wiele powiązanych wyszukiwań w różnych podtematach.

---

8. Long tail okazał się aktywem

250 adresów URL wygenerowało łącznie 1236 impressions.

Średnia wynosi:

4,94 wyświetlenia na URL.

Mediana wynosi jednak tylko:

2 wyświetlenia.

To bardzo duża różnica.

Oznacza, że rozkład jest silnie skośny:

• kilka stron osiąga kilkadziesiąt impressions,
• duża część osiąga pojedyncze wyświetlenia.

Dokładniej:

• 86 URL-i osiągnęło dokładnie 1 impression,
• 43 URL-e dokładnie 2 impressions,
• łącznie 129 z 250 URL-i, czyli 51,6%, ma najwyżej dwa wyświetlenia,
• tylko 22 URL-e, czyli około 8,8%, mają co najmniej 10 impressions.

Czy to źle?

Niekoniecznie.

W starym serwisie niszowym taki long tail oznacza, że Google potrafi znaleźć odpowiedź na bardzo szeroki zestaw małych problemów.

Mamy więc:

niewielkie wyświetlenia × bardzo wiele bardzo konkretnych potrzeb.

W B2B to może mieć dużą wartość, ponieważ jedno bardzo wąskie pytanie może pochodzić od potencjalnego klienta szukającego rozwiązania za kilka, kilkanaście lub kilkadziesiąt tysięcy euro.

---

9. 1000 AI impressions nie powstało dzięki jednemu „hackowi”

Nie jesteśmy w stanie powiedzieć:

zrobiliśmy X i dlatego Google przyznało 1236 impressions.

Taki wniosek byłby metodologicznie nieuczciwy.

Google nie ujawnia:

• pełnego zestawu fan-out queries,
• wag czynników,
• dokładnej przyczyny wyboru konkretnego URL-a.

Możemy natomiast zidentyfikować przesłanki, które są zgodne zarówno z danymi, jak i oficjalnymi wytycznymi Google.

---

10. Przesłanka nr 1: wieloletnia specjalizacja

Serwis od lat działa w jednej konkretnej domenie wiedzy.

Nie zajmuje się:

• finansami,
• marketingiem,
• dietą,
• podróżami,
• technologią konsumencką.

Jego treści dotyczą jednego przemysłowego obszaru i bezpośrednio powiązanych problemów.

To oznacza, że przez lata powstała duża liczba dokumentów opisujących:

• produkty,
• zastosowania,
• problemy,
• obsługę,
• serwis,
• materiały.

Nie nazywaliśmy tego dawniej:

„topical authority”.

To była po prostu konsekwentna praca w jednej niszy.

---

11. Przesłanka nr 2: duża liczba realnych use cases

Stary serwis nie opisuje kategorii wyłącznie w sposób abstrakcyjny.

Posiada strony dotyczące użycia maszyn dla bardzo konkretnych produktów i procesów:

• różnych typów ładunków,
• warzyw,
• produktów przemysłowych,
• opakowań,
• kabli,
• kartonów,
• materiałów drukowanych,
• produktów długich lub nietypowych.

To tworzy dużą liczbę odpowiedzi na pytania sytuacyjne.

Przykładowo użytkownik AI nie musi pytać:

„Maszyna kategorii X”.

Może zapytać:

„Jak spiąć określony produkt bez jego uszkodzenia?”

Takie pytanie może uruchomić fan-out dotyczący:

• technologii,
• materiału,
• rodzaju urządzenia,
• nacisku,
• bezpieczeństwa produktu,
• wydajności.

Google opisuje query fan-out właśnie jako generowanie równoległych powiązanych zapytań służących zdobyciu dodatkowych informacji potrzebnych do odpowiedzi.

---

12. Przesłanka nr 3: definicje połączone z decyzją

W klasycznym SEO często tworzono definicję:

„Co to jest X?”

W analizowanym serwisie część najlepszych materiałów idzie krok dalej:

„Co to jest X i kiedy warto go wybrać?”

To znacznie lepsze pytanie.

Łączy:

• informational intent,
• commercial investigation,
• qualification.

Użytkownik nie tylko poznaje termin.

Zaczyna podejmować decyzję.

---

13. Przesłanka nr 4: treści wykonawcze

Bardzo dobrze radzą sobie materiały:

„Jak używać?”

oraz:

„Jak serwisować?”

To treści, które prowadzą do wykonania zadania.

W naszym modelu nowych treści nazywamy je:

Actionable Content

Ich przewagą jest to, że odpowiadają na coś więcej niż definicję.

Mają strukturę:

problem → procedura → rezultat.

---

14. Przesłanka nr 5: dokumentacja techniczna

Obecność dokumentacji PDF w ścisłej czołówce jest szczególnie ważna dla B2B.

Przez lata dokumenty takie jak:

• instrukcje,
• foldery,
• karty danych,
• katalogi części

były traktowane jako materiały pomocnicze.

Dzisiaj warto spojrzeć na nie inaczej:

to źródła danych dla całego ekosystemu Search i AI.

Oczywiście lepszym rozwiązaniem nie zawsze będzie pozostawienie wiedzy wyłącznie w PDF.

Część informacji warto również przenieść do dobrze zorganizowanych stron HTML:

• parametrów,
• procedur,
• FAQ,
• ograniczeń,
• kompatybilności.

Ale sama widoczność dokumentu pokazuje wartość dokumentacji jako źródła.

---

15. Przesłanka nr 6: klasyczne SEO nadal pracuje

Nie przebudowaliśmy całego starego serwisu według jakiegoś tajnego schematu „GEO”.

I nie było to konieczne.

Google oficjalnie stwierdza:

podstawowe praktyki SEO nadal są właściwym fundamentem widoczności w generatywnym Search.

Strona musi być między innymi:

• indeksowalna,
• dostępna do crawlowania,
• kwalifikować się do wyświetlenia ze snippetem,
• posiadać znajdowalne linkowanie wewnętrzne,
• udostępniać ważną treść w formie tekstowej.

Google podkreśla również, że nie ma:

• specjalnego AI schema,
• obowiązkowego llms.txt,
• wymogu specjalnego formatowania tekstu,
• konieczności sztucznego dzielenia contentu na drobne fragmenty.

Case study starego serwisu dobrze to pokazuje.

Duża część treści istniała zanim AI Overviews i AI Mode stały się celem strategii.

A mimo tego została odnaleziona.

---

16. Przesłanka nr 7: non-commodity knowledge

W niszowym B2B treść dotycząca:

• konkretnej awarii,
• nietypowego zastosowania,
• konkretnej maszyny,
• procedury serwisowej,
• specjalistycznego materiału

jest bardzo trudna do zastąpienia ogólnym artykułem napisanym na podstawie pięciu wyników Google.

Google w swoim przewodniku dla generatywnego Search szczególnie zaleca tworzenie treści:

• unikalnych,
• eksperckich,
• opartych na doświadczeniu,
• wykraczających poza informacje powszechnie dostępne.

Google nazywa przeciwieństwo takiego podejścia commodity content — treścią łatwą do odtworzenia przez innych lub model generatywny.

Stary niszowy serwis posiada naturalną przewagę:

przez lata nagromadził wiedzę, której nie warto byłoby tworzyć dla masowego portalu.

---

17. Paradoks starego serwisu

Największą słabością starej strony może być jednocześnie jej największa przewaga.

Słabość

250 adresów widocznych w AI oznacza bardzo rozproszoną architekturę.

Występują:

• różne sposoby nazywania tych samych kategorii,
• stare warianty URL,
• produkty historyczne,
• podobne podstrony,
• starsze i nowsze artykuły,
• strony o bardzo niskiej indywidualnej ekspozycji.

Przewaga

Ten sam serwis posiada:

• lata doświadczeń,
• wiele przykładów,
• instrukcje,
• dokumentację,
• historie produktów,
• zastosowania,
• serwis,
• niszowe przypadki.

Czyli ogromny zasób:

first-hand industry knowledge.

Naszym zadaniem nie powinno więc być:

napisać kolejne 250 artykułów.

Powinno nim być:

przekształcić stare archiwum w nowoczesną Answer Architecture.

---

18. Co oznacza Answer Architecture?

To przejście od modelu:

dużo stron dotyczących produktów

do modelu:

uporządkowany system odpowiadający na cały proces decyzyjny klienta.

Dla głównej kategorii architektura powinna przykładowo obejmować:

Strona filarowa

Kompletny przewodnik wyboru.

Definicje

• czym jest urządzenie,
• jak działa,
• jakie są rodzaje.

Selection content

• kiedy wybrać rozwiązanie A,
• kiedy B,
• kiedy automat,
• kiedy narzędzie ręczne.

Application content

• produkty lekkie,
• ciężkie,
• palety,
• kartony,
• wiązki,
• zastosowania specjalne.

How-to

• obsługa,
• konfiguracja,
• najlepsze praktyki.

Troubleshooting

• awarie,
• błędy,
• problemy materiałowe.

Service

• konserwacja,
• części,
• naprawa,
• wynajem.

Commercial layer

• ceny,
• dostępność,
• konfiguracje,
• dostawa,
• test.

Action layer

• kalkulator,
• dobór,
• formularz,
• RFQ.

---

19. Najważniejszy wniosek z 250 URL-i

Stary serwis pokazuje, że:

AI visibility można budować również na istniejącym content equity.

Nie każdy projekt wymaga:

• nowej domeny,
• nowego CMS,
• przepisania wszystkiego,
• usunięcia starego serwisu.

Czasami największa okazja znajduje się już na stronie.

Trzeba tylko ustalić:

1. które treści Google już wykorzystuje,
2. jakie problemy one rozwiązują,
3. jak je pogrupować,
4. które należy uzupełnić,
5. które połączyć,
6. które zaktualizować.

---

20. Co zrobiliśmy dobrze przed erą AI, nie wiedząc jeszcze, że pomoże to AI

To chyba najciekawszy aspekt case study.

Przez lata robiliśmy rzeczy motywowane klasycznym SEO i potrzebami klientów:

• odpowiadaliśmy na bardzo wąskie pytania,
• dokumentowaliśmy zastosowania,
• tworzyliśmy instrukcje,
• opisywaliśmy konkretne produkty,
• publikowaliśmy materiały serwisowe,
• budowaliśmy long tail.

Dzisiaj okazuje się, że właśnie takie zasoby mogą odpowiadać na fragmenty skomplikowanych pytań generatywnych.

Nie oznacza to, że klasyczne SEO i AI Search są identyczne.

Oznacza to, że:

dobre SEO było inwestycją w strukturę wiedzy.

A ta wiedza może być ponownie wykorzystywana przez kolejną generację Search.

---

21. Co robimy inaczej po zobaczeniu danych AI?

Raport nie jest dla nas medalem.

Jest narzędziem diagnostycznym.

Po zobaczeniu 250 URL-i zmieniamy pytanie:

z:

„Co napiszemy w przyszłym tygodniu?”

na:

„Które istniejące źródła już mają znaczenie dla AI i jak zbudować wokół nich kompletną architekturę odpowiedzi?”

---

22. Krok 1: identyfikujemy AI Winners

Najpierw analizujemy strony z:

• ≥10 impressions,
• następnie ≥5,
• potem rosnące strony z niższymi wynikami.

W danych mamy:

22 adresy URL z co najmniej 10 wyświetleniami.

To naturalna grupa pilotażowa.

Dla każdego URL-a sprawdzamy:

• intencję,
• temat,
• format,
• aktualność,
• linkowanie,
• brakujące pytania,
• możliwość konwersji.

---

23. Krok 2: budujemy Query Fan-out Map

Dla każdej zwycięskiej kategorii pytamy:

Jakie dodatkowe podproblemy mogą pojawić się podczas podejmowania tej decyzji?

Przykład dla urządzenia ręcznego:

• co to jest,
• do czego służy,
• jakie materiały obsługuje,
• jaki zakres wymiarów,
• kiedy model ręczny,
• kiedy automat,
• ile kosztuje,
• jak używać,
• jakie problemy mogą wystąpić,
• jak serwisować,
• jaka bateria,
• jakie części,
• wynajem czy zakup?

Nie tworzymy od razu 13 nowych URL-i.

Najpierw mapujemy informację.

Google przestrzega przed tworzeniem osobnej treści dla każdego możliwego wariantu wyszukiwania lub fan-out query tylko po to, aby manipulować widocznością.

---

24. Krok 3: konsolidujemy Content Entropy

Największym problemem starego serwisu nie jest brak contentu.

Jest nim nadmiar historii.

Powstały:

• starsze warianty,
• podobne tytuły,
• strony produktów już zastąpionych,
• synonimiczne nazwy,
• stare strony lokalne,
• treści o zbliżonej intencji.

Google wskazuje, że redukcja duplikacji jest nadal korzystna, ponieważ duplikaty mogą pogarszać doświadczenie użytkownika oraz powodować wykorzystanie zasobów crawl na URL-e, które nie są dla właściciela istotne.

Dlatego kolejnym krokiem jest klasyfikacja:

• KEEP
• UPDATE
• MERGE
• REDIRECT
• ARCHIVE
• REWRITE
• CANONICALIZE

---

25. Krok 4: tworzymy strony kanoniczne

Dla najważniejszych kategorii budujemy jedną nadrzędną odpowiedź.

Nie oznacza to usuwania wszystkich szczegółowych stron.

Model wygląda raczej:

Canonical Guide → Subtopics → Products → Applications → Service → Action.

Przykładowa strona kanoniczna może odpowiadać na:

• czym jest kategoria,
• jakie są rodzaje,
• jak dobrać rozwiązanie,
• jakie parametry są istotne,
• ile kosztuje,
• jakie są ograniczenia,
• jakie produkty reprezentują poszczególne klasy,
• co zrobić dalej.

---

26. Krok 5: dodajemy evidence

Stary serwis posiada dużo materiałów, ale chcemy lepiej wyeksponować:

• instrukcje,
• dokumentację producentów,
• własne zdjęcia,
• filmy,
• doświadczenia serwisowe,
• testy,
• przykłady klientów,
• tabele techniczne.

Google wprost rekomenduje wspieranie wartościowego tekstu wysokiej jakości obrazami i wideo, jeśli pomagają użytkownikowi. Materiały takie mogą tworzyć dodatkowe możliwości pojawienia się serwisu w generatywnym Search.

---

27. Krok 6: przechodzimy od contentu do działania

Największa szansa B2B pojawia się wtedy, gdy odpowiedź prowadzi do kolejnego kroku.

Dlatego do istniejących klastrów można dodawać:

• kalkulatory,
• tabele doboru,
• quizy kwalifikacyjne,
• konfiguratory,
• checklisty,
• dokumentację,
• formularze testowe,
• Direct RFQ.

Google rozwija również doświadczenia agentowe, w których agenci mogą analizować strony i wykonywać zadania, między innymi porównując specyfikacje produktów.

Dlatego przyszłość strony B2B nie kończy się na:

„przeczytaj artykuł”.

Coraz częściej powinna kończyć się na:

„wykonaj następny krok”.

---

28. Nasz model: Legacy AI SEO

Na podstawie tego doświadczenia proponujemy osobny model pracy dla starszych specjalistycznych stron.

Legacy AI SEO Framework

1. Measure

Sprawdź raport generatywny Search Console.

2. Inventory

Zidentyfikuj wszystkie URL-e widoczne w AI.

3. Find AI Winners

Wybierz najmocniejsze strony.

4. Classify Intent

Określ, jaki problem rozwiązują.

5. Build Fan-out Maps

Rozbuduj mapę problemu.

6. Consolidate

Usuń lub połącz zbędną fragmentację.

7. Canonicalize

Zbuduj główne strony odpowiedzi.

8. Add Evidence

Wykorzystaj doświadczenie i dokumentację.

9. Add Multimodal Content

Film, zdjęcia, diagramy.

10. Add Action Layer

Dobór, kalkulator, RFQ, serwis.

11. Measure Again

Sprawdź:

• impressions,
• nowe URL-e,
• koncentrację,
• leady,
• sprzedaż.

---

29. Jakich błędów nie popełniać?

Nie kasować starego contentu masowo

Fakt, że strona wygląda na historyczną, nie oznacza, że Google jej nie wykorzystuje.

Najpierw sprawdź dane.

---

Nie pisać od nowa wszystkiego tylko „pod AI”

Google mówi wprost, że nie trzeba przepisywać contentu specjalnym językiem przeznaczonym dla modeli generatywnych.

---

Nie tworzyć stron dla każdego hipotetycznego promptu

To może zwiększyć content entropy zamiast poprawić odpowiedzi.

---

Nie oceniać sukcesu tylko liczbą impressions

Google rekomenduje również ocenę:

• jakości wizyty,
• czasu zaangażowania,
• sprzedaży,
• rejestracji,
• innych konwersji.

---

30. Co jest faktem, a co naszą interpretacją?

Stwierdzenie	Status
analizowany eksport zawiera 250 URL-i	zmierzone
suma widocznych impressions wynosi 1236	zmierzone
mediana wynosi 2 impressions	nasza analiza danych
top 10 generuje ok. 33,5% ekspozycji	nasza analiza danych
ponad połowa URL-i ma maks. 2 impressions	nasza analiza danych
Google posiada oddzielny raport generatywnej widoczności	potwierdzone przez Google
AI Mode i AI Overviews mogą używać query fan-out	potwierdzone przez Google
SEO fundamentals nadal mają znaczenie	potwierdzone przez Google
wieloletnia specjalizacja pomogła uzyskać ten wynik	nasza hipoteza
duża liczba zastosowań pomogła	nasza hipoteza
dokumentacja techniczna zwiększyła pokrycie problemów	nasza hipoteza
jeden określony czynnik spowodował 1236 impressions	nie możemy tego stwierdzić

---

31. Najważniejsza lekcja dla właścicieli starszych stron

Jeżeli masz niszową stronę rozwijaną:

• 5 lat,
• 10 lat,
• 15 lat,

nie zakładaj, że w erze AI wszystko trzeba zacząć od początku.

Możliwe, że posiadasz już:

• setki odpowiedzi,
• instrukcje,
• dokumentację,
• niszowe zastosowania,
• treści serwisowe,
• doświadczenie,
• long tail,

którego nowy konkurent musiałby dopiero się nauczyć.

Najważniejsze pytanie brzmi więc nie:

Jak stworzyć 100 nowych artykułów pod AI?

Tylko:

Jak przekształcić wiedzę, którą już mamy, w lepszą Answer Architecture?

---

Podsumowanie

W analizowanym starym, niszowym serwisie B2B Google Search Console pokazało:

• 250 URL-i widocznych w generatywnych funkcjach,
• 1236 impressions,
• około 1000+ mierzalnych ekspozycji AI.

Najlepsze wyniki osiągały przede wszystkim:

• treści definicyjno-decyzyjne,
• instrukcje „jak używać”,
• konkretne zastosowania,
• dokumentacja techniczna,
• poradniki,
• strony serwisowe.

Najważniejszy wniosek nie brzmi:

„stara strona automatycznie ma autorytet”.

Brzmi:

wieloletni, specjalistyczny content może być bardzo wartościowym surowcem dla generatywnego Search — pod warunkiem że jest dostępny, użyteczny, indeksowalny i odpowiada na konkretne problemy użytkowników.

Naszym kolejnym zadaniem nie jest zwiększenie liczby stron z 250 do 500.

Jest nim:

zamiana 250 historycznie powstałych URL-i w spójny system odpowiedzi.

Czyli:

Demand Map → Query Fan-out Map → AI Winners → Canonical Content → Evidence → Social Topical Map → Action Layer → Direct RFQ → Measurement.

To może być jedna z największych niewykorzystanych szans nowego SEO:

nie tylko budowanie nowych serwisów pod AI, ale ponowne odkrywanie i porządkowanie wiedzy ukrytej w starych domenach.

---

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

---