Wyszukiwanie tradycyjne + AI: praktyczny przewodnik dla marketingu i rozwoju produktów
Jak wykorzystać Search Console, Query Fan-out, Answer Architecture i dane AI do wyboru tematów, rozwoju produktów oraz pozyskiwania klientów
Stan na 13 sierpnia 2026 r.
Jeszcze niedawno dział marketingu mógł zarządzać SEO stosunkowo prostym modelem:
keyword → strona → pozycja → kliknięcie → konwersja.
Wyszukiwanie generatywne dodaje nową warstwę:
problem → zapytanie → query fan-out → retrieval → synteza → źródła → odpowiedź → kliknięcie lub dalsza interakcja.
Google oficjalnie opisuje AI Overviews i AI Mode jako część Google Search korzystającą z istniejących systemów rankingowych, ale także z RAG/groundingu oraz query fan-out, który może wykonywać równoległe wyszukiwania dotyczące różnych aspektów problemu użytkownika. (Google for Developers)
Najważniejsza zmiana dla firmy brzmi więc:
Nie zarządzamy już tylko rankingiem URL-i. Zarządzamy zdolnością firmy do udzielenia najlepszej odpowiedzi na problem klienta — w klasycznym Search, AI Search i kolejnych powierzchniach odkrywania.
Nasze dwa rzeczywiste serwisy pokazują, jak różnie może wyglądać ten proces.
1. Zacznij od prawidłowego modelu pomiarowego
To pierwszy i najważniejszy krok.
Nie dodawaj AI impressions do standardowych Search impressions
Google potwierdza, że dane AI Overviews i AI Mode są zawarte w ogólnych wynikach Search Console.
Osobny raport Generative AI jest wydzieleniem tej części widoczności, a nie dodatkowym kanałem. (Google for Developers)
Czyli:
10 000 wszystkich Search impressions
w tym:
2 500 Generative AI impressions
oznacza:
około 25% widoczności przypadającej na generatywną warstwę Search,
a nie:
12 500 łącznych impressions.
To rozróżnienie powinno znaleźć się we wszystkich przyszłych raportach.
2. Zbuduj dwa równoległe zbiory danych
Dla każdego projektu pobieramy z Google Search Console dwa raporty.
A. Overall Search Performance
Potrzebujemy:
- clicks,
- impressions,
- CTR,
- average position,
- Pages,
- Queries,
- Countries,
- Devices,
- Dates.
Google opisuje raport Performance jako podstawowe źródło danych o ruchu z Google Search, z możliwością analizy właśnie według zapytań, stron, krajów i innych wymiarów. (Google for Developers)
B. Generative AI Performance
Potrzebujemy:
- AI impressions,
- Pages,
- Countries,
- Devices,
- Dates.
Google nie udostępnia obecnie w tym specjalnym widoku osobnej metryki kliknięć AI, dlatego nie należy wymyślać AI CTR. (Google for Developers)
3. Ujednolić okres analizy
To pozornie drobna rzecz, ale bardzo ważna.
Jeżeli:
- standardowy Search obejmuje 14 lipca–10 sierpnia,
- raport AI 13 lipca–9 sierpnia,
nie dzielimy jednej wartości przez drugą.
Najpierw tworzymy wspólny zakres:
14 lipca–9 sierpnia.
Dopiero wtedy liczymy udział AI.
To właśnie zrobiliśmy w naszym case study.
4. Policz AI Share of Search Visibility
Proponujemy pierwszą własną metrykę diagnostyczną:
AI Share of Search Visibility
AI impressions / wszystkie Search impressions × 100
W naszym porównaniu:
Nowy serwis niszowy
około:
29%
Stary serwis
około:
4,1%
To około siedmiokrotna różnica udziału warstwy generatywnej.
To nie jest metryka ani czynnik rankingowy Google.
Jest jednak bardzo użyteczna dla marketingu.
Co nam mówi?
Jeżeli udział AI wynosi:
2–5%
kategoria może być nadal silnie:
- produktowa,
- nawigacyjna,
- transakcyjna,
- oparta na prostych wyszukiwaniach.
Jeżeli wynosi:
20–30%
możemy mieć kategorię mocniej związaną z:
- edukacją,
- złożonymi problemami,
- porównaniami,
- interpretacją,
- research-driven decisions.
To są hipotezy do sprawdzenia, nie sztywne benchmarki.
5. Nie porównuj tylko domen. Połącz dane URL do URL
Najważniejszy arkusz powinien mieć jeden wiersz na URL.
Przykładowe kolumny:
| URL | Search impressions | Clicks | CTR | Position | AI impressions |
|---|---|---|---|---|---|
| Strona A | 2500 | 144 | 5,76% | … | 522 |
| Strona B | 737 | 58 | 7,87% | … | 296 |
| Strona C | … | … | … | … | … |
Dopiero takie zestawienie pokazuje:
czy Google wykorzystuje tę samą stronę w klasycznym Search i w AI.
6. Podziel strony na cztery klasy
To może być centralny element całej metodologii.
Typ A — Dual Winners
Strona jest silna w:
- standardowym Search,
- Generative AI.
To najcenniejsze zasoby.
Przykłady:
- kompletny przewodnik,
- dobra strona kanoniczna,
- użyteczne porównanie,
- mocny poradnik wykonawczy.
Działanie
PROTECT + EXPAND.
Nie zmieniamy jej przypadkowo.
Dodajemy:
- aktualizacje,
- dowody,
- nowe dane,
- case studies,
- wideo,
- narzędzia.
7. Typ B — Search Winner / AI Weak
Strona generuje:
- dużo impressions,
- kliknięcia,
ale niewiele AI visibility.
Może to być:
- karta produktu,
- strona kategorii,
- zapytanie brandowe,
- prosty transactional landing page.
Pytania diagnostyczne
Czy stronie brakuje:
- wyjaśnienia zastosowania?
- porównań?
- warunków wyboru?
- ograniczeń?
- FAQ?
- dokumentacji?
- kontekstu problemowego?
Nie oznacza to, że trzeba ją „naprawić pod AI”.
Może po prostu doskonale realizować transakcyjną funkcję, której AI nie musi syntetyzować.
8. Typ C — AI Winner / Search Weak
To prawdopodobnie najciekawszy segment całej analizy.
Strona ma niewiele klasycznych kliknięć, ale dużą ekspozycję AI.
Może to być:
- definicja,
- dokumentacja,
- instrukcja,
- case study,
- bardzo konkretny use case,
- strona serwisowa,
- odpowiedź na wąski problem.
Badania z 2026 r. również wskazują, że źródła wykorzystywane przez generatywne Google mogą istotnie różnić się od klasycznej listy wyników. Jedno z dużych badań wykazało niewielkie pokrycie źródeł między standardowymi wynikami Google a systemami generatywnymi. (arXiv)
Działanie
INVESTIGATE + CONNECT.
Sprawdzamy:
- na jaki problem odpowiada,
- do którego hubu powinna prowadzić,
- czy warto rozbudować ją o dalszy krok,
- czy posiada CTA,
- czy jest aktualna.
9. Typ D — Invisible
Słaba zarówno w Search, jak i AI.
Nie oznacza automatycznie:
usuń.
Najpierw sprawdzamy:
- sezonowość,
- wartość produktową,
- wymóg dokumentacyjny,
- relacje z innymi stronami,
- przyszły potencjał.
Potem:
KEEP / UPDATE / MERGE / REDIRECT / RETIRE.
10. Policz Cross-Surface Alignment
Następna własna metryka:
Cross-Surface Alignment
Pytamy:
Ile stron z Top N standardowego Search znajduje się również w Top N AI?
W naszym case study:
nowy serwis, Top 10
9 z 10 = 90%.
stary serwis
3 z 10 = 30%.
Interpretacja jest niezwykle praktyczna.
Wysoka zgodność
Oznacza:
jedna architektura treści dobrze odpowiada zarówno klasycznemu Search, jak i generatywnemu Search.
To najbardziej efektywny model.
Niska zgodność
Oznacza:
AI znajduje inną wartość w naszym archiwum niż standardowe Search.
To nie musi być problem.
To może być odkrycie nowych aktywów.
11. Dla działu marketingu: przestań zaczynać od „co napiszemy?”
Po wykonaniu Dual Search Audit pytanie:
jaki artykuł napiszemy w tym tygodniu?
jest zbyt wczesne.
Najpierw pytamy:
Co już wygrywa w Search?
Co już wygrywa w AI?
Co wygrywa w obu?
Gdzie występują luki?
Dopiero później tworzymy backlog contentowy.
12. Zbuduj Demand Map
Połącz kilka źródeł popytu.
Search demand
- Search Console,
- Keyword Planner,
- Google Trends,
- narzędzia SEO.
Prompt demand
- rzeczywiste pytania użytkowników,
- własny panel promptów,
- narzędzia monitorujące AI.
Commercial demand
- e-maile,
- formularze,
- CRM,
- rozmowy handlowe,
- pytania klientów.
Social demand
- YouTube,
- LinkedIn,
- TikTok,
- Instagram,
- komentarze.
Nie należy zakładać, że klasyczny keyword volume opisuje cały rynek.
13. Zbuduj Customer Problem Map
To etap szczególnie ważny dla product developmentu.
Nie klasyfikujemy tematu wyłącznie według słowa kluczowego.
Klasyfikujemy:
jaki problem użytkownik próbuje rozwiązać?
Przykładowo:
„produkt X”
może oznaczać:
- chcę dowiedzieć się, czym jest,
- chcę porównać,
- mam problem z obecną technologią,
- szukam ceny,
- potrzebuję dokumentacji,
- chcę dobrać rozwiązanie.
To różne Jobs to Be Done.
14. Query Fan-out Map staje się pomostem między marketingiem a produktem
Dla każdego ważnego problemu tworzymy możliwe gałęzie informacyjne.
Przykład:
Jak przygotować firmę do nowego wymagania?
Fan-out:
- Co to jest?
- Od kiedy obowiązuje?
- Kogo dotyczy?
- Jakie są wyjątki?
- Jakie dane są potrzebne?
- Jakich dokumentów potrzebuję?
- Co powinien zapewnić dostawca?
- Jakie produkty są objęte?
- Jak policzyć zgodność?
- Co zrobić krok po kroku?
Google oficjalnie potwierdza, że AI Mode i AI Overviews mogą stosować query fan-out do równoległego pozyskiwania informacji o podtematach problemu. (Google for Developers)
15. Marketing widzi pytanie. Product Development powinien widzieć sygnał produktu
To kluczowe rozszerzenie naszego modelu.
Załóżmy, że stale pojawia się pytanie:
Jak sprawdzić, czy moje rozwiązanie spełnia warunek X?
Marketing może powiedzieć:
napiszmy artykuł.
Product Development powinien zapytać:
czy potrzebujemy narzędzia?
Może powstać:
- kalkulator,
- konfigurator,
- validator,
- generator,
- checklista,
- formularz kwalifikacyjny.
W nowym analizowanym projekcie właśnie takie mikronarzędzia należały do materiałów o wysokim CTR.
16. Używaj Search jako systemu Product Discovery
To moim zdaniem jeden z najważniejszych wniosków dla działów rozwoju produktu.
Search Console nie powinno być wyłącznie narzędziem zespołu SEO.
Może dostarczać sygnałów:
Problem frequency
Jak często ludzie pytają o problem?
Feature demand
Jakich funkcji lub parametrów szukają?
Documentation gap
Jakich dokumentów brakuje?
Comparison demand
Co użytkownicy regularnie porównują?
Service gap
Jakie awarie i problemy pojawiają się w wyszukiwaniu?
Product naming
Jak rynek naprawdę nazywa produkt?
New category signal
Czy zaczyna powstawać nowy sposób definiowania kategorii?
To jest search-driven product development.
17. Szukaj różnic między Search Winners i AI Winners
To może prowadzić bezpośrednio do rozwoju oferty.
Jeżeli:
Search wygrywa na „produkt X”
ale:
AI wygrywa na „kiedy wybrać X vs Y”
to sygnał:
użytkownicy nie potrzebują tylko produktu — potrzebują kwalifikacji decyzji.
Odpowiedzią może być:
- selector,
- konsultacja,
- porównanie,
- bundle produktowy,
- nowa usługa.
18. Zbuduj Canonical Answer Architecture
Po Demand Map i Query Fan-out nie produkujemy jednej strony dla każdego pytania.
Google ostrzega przed masowym tworzeniem stron dla wariantów zapytań bez rzeczywistej dodatkowej wartości. (Google for Developers)
Budujemy hierarchię.
Poziom 1 — Canonical Guide
Kompletna odpowiedź nadrzędna.
Poziom 2 — Decision Pages
- porównania,
- przewodniki wyboru,
- segmenty klientów.
Poziom 3 — Application Pages
- zastosowanie A,
- zastosowanie B,
- branża C.
Poziom 4 — Products
Konkretne rozwiązania.
Poziom 5 — Evidence
- dokumentacja,
- case studies,
- dane,
- testy.
Poziom 6 — Action
- kalkulator,
- konfigurator,
- RFQ,
- kontakt.
19. Dodaj Evidence Map
Generatywna era zwiększa znaczenie odpowiedzi na pytanie:
Skąd to wiemy?
Dla każdego kluczowego twierdzenia zapisujemy:
- źródło,
- datę,
- autora,
- dokument,
- dowód własny,
- poziom pewności.
Najlepszymi źródłami mogą być:
- akty prawne,
- oficjalna dokumentacja,
- producent,
- własny test,
- własna baza danych,
- case study.
Google nadal rekomenduje unikalne, eksperckie i niekomodytyzowane informacje zamiast odtwarzania tego, co można znaleźć na wielu innych stronach. (Google for Developers)
20. Stwórz warstwę Actionable Content
Każdy najważniejszy klaster powinien mieć przynajmniej jeden element wykonawczy.
Zamiast tylko:
jak obliczyć X,
dodaj:
kalkulator X.
Zamiast:
o co zapytać dostawcę,
dodaj:
generator zapytania.
Zamiast:
jak dobrać produkt,
dodaj:
selector produktu.
Zamiast:
jak zrobić audyt,
dodaj:
checklistę.
To zmienia marketing z publishera w:
provider of useful tools.
21. Następnie dodaj Social Topical Map
Dopiero gdy znamy:
- Dual Winners,
- Search Winners,
- AI Winners,
- query fan-out,
decydujemy, które tematy rozwijać poza stroną.
YouTube
Demonstracja i tutorial.
Interpretacja biznesowa.
Shorts
Jedno pytanie / jeden błąd / jeden mit.
Grafika
Diagram i porównanie.
Social topical map nie powinna być osobnym kalendarzem.
Powinna rozwijać problemy, których wartość została już potwierdzona lub strategicznie uzasadniona.
22. Dodaj Conversion Map
Marketing nie może zakończyć pracy na impressions.
Dla każdej strony określ:
Mikroakcja
- zobacz film,
- pobierz checklistę,
- użyj kalkulatora.
Akcja kwalifikacyjna
- wybierz wariant,
- podaj parametry,
- sprawdź dopasowanie.
Konwersja
- konsultacja,
- test,
- zapytanie,
- RFQ,
- zakup.
Google również rekomenduje łączenie Search Console z analityką zachowania użytkownika na stronie, ponieważ Search Console opisuje etap przed wejściem, natomiast analityka serwisu pokazuje zaangażowanie i konwersję. (Google for Developers)
23. Dla B2B dodaj Direct RFQ Layer
Jeżeli użytkownik albo agent wie już:
- czego potrzebuje,
- jakie parametry,
- jaki produkt,
nie zmuszaj go do pisania:
„Dzień dobry, proszę o ofertę”.
Udostępnij strukturę:
- produkt,
- zastosowanie,
- parametry,
- ilość,
- lokalizacja,
- termin,
- wymagania,
- dane kontaktowe.
To skraca drogę:
Search → Answer → Qualification → RFQ.
24. Utwórz wspólny backlog Marketing + Product
Każdy insight powinien mieć jeden z typów działania.
| Sygnał | Marketing | Product |
|---|---|---|
| nowa definicja | przewodnik | naming kategorii |
| dużo porównań | comparison page | selector |
| pytania o koszt | artykuł ROI | kalkulator |
| pytania o dokumenty | knowledge page | document pack |
| pytania o kompatybilność | FAQ | configurator |
| częste błędy | troubleshooting | zmiana UX/produktu |
| nowy use case | case study | wariant rozwiązania |
| duży AI visibility gap | uzupełnienie odpowiedzi | dodatkowe dane produktu |
To moment, w którym SEO przestaje być wyłącznie marketingiem.
25. Stosuj 30-dniowy cykl eksperymentalny
Nie zmieniaj 100 stron naraz.
Wybierz:
- 5 Dual Winners,
- 5 Search Winners / AI Weak,
- 5 AI Winners / Search Weak.
Dla każdego zapisz baseline.
Następnie wykonaj zmianę.
Po 28–30 dniach porównaj:
- Search impressions,
- clicks,
- CTR,
- AI impressions,
- conversion.
26. Wprowadź 90-dniowy rytm strategiczny
Miesiąc 1 — Diagnose
- Dual Search Audit,
- Demand Map,
- Query Fan-out.
Miesiąc 2 — Build
- Canonical Pages,
- Evidence,
- Microtools.
Miesiąc 3 — Expand
- Social Topical Map,
- Product Layer,
- RFQ,
- conversion measurement.
Potem powtarzamy cykl.
27. Dashboard marketingowy powinien mieć teraz dwie warstwy
Warstwa Search
- impressions,
- clicks,
- CTR,
- conversions.
Warstwa AI
- AI impressions,
- AI Share of Search Visibility,
- AI-visible URLs,
- AI Visibility Density,
- Cross-Surface Alignment.
Nie należy jednak tworzyć sztucznego „AI ROI”, jeżeli raport nie dostarcza kliknięć.
Najpierw mierzymy to, co naprawdę jest dostępne.
28. Dashboard Product Development
Dział produktu powinien widzieć:
- najczęstsze problemy,
- rosnące klastry,
- pytania kwalifikacyjne,
- dokumentacyjne gaps,
- porównywane produkty,
- search-triggered features,
- microtool opportunities,
- new category opportunities.
Raz w miesiącu marketing powinien przedstawiać produktowi nie raport:
„mamy 10 tys. wyświetleń”,
ale:
„oto 10 nowych problemów klientów, które widzimy w Search i AI”.
29. Pięć pytań na comiesięcznym spotkaniu Marketing + Product
- Co rośnie?
- Jakich odpowiedzi nie mamy?
- Co AI wykorzystuje inaczej niż standardowy Search?
- Który problem wymaga produktu lub narzędzia zamiast kolejnego artykułu?
- Który insight możemy zamienić w sprzedaż lub przewagę kategorii?
30. Największy błąd: budowanie osobnego „AI SEO department”
Nasze case study sugeruje coś odwrotnego.
Nowy serwis posiada około 90% zgodności Top 10 Search ↔ AI.
To znaczy:
najlepszy content może pracować w obu środowiskach.
Google samo podkreśla, że generatywna optymalizacja pozostaje oparta na podstawowych praktykach SEO. (Google for Developers)
Dlatego bardziej racjonalne jest:
SEO + Content + Product + Analytics
niż:
SEO vs. GEO vs. AEO jako osobne silosy.
31. Co musi zawierać naprawdę dobry artykuł w 2026+
Nie specjalne „AI chunks”.
Nie sztuczne 40 słów na początku.
Nie osobna strona na każdy prompt.
Google nie wymaga specjalnego AI schema ani przepisywania całej strony specjalnie dla generatywnego Search. (Google for Developers)
Dobry materiał powinien natomiast posiadać:
- jednoznaczny problem,
- bezpośrednią odpowiedź,
- rozwinięcie,
- kryteria decyzji,
- dane,
- dowody,
- ograniczenia,
- aktualność,
- przykłady,
- następny krok.
32. Jak oceniać nowy temat przed publikacją
Przyznaj 0–5 punktów.
Demand
Czy ludzie tego szukają?
AI relevance
Czy problem jest złożony i może wymagać syntezy?
Commercial value
Czy prowadzi do produktu lub usługi?
Evidence advantage
Czy posiadamy własne dane?
Product opportunity
Czy możemy stworzyć narzędzie lub rozwiązanie?
Competitive gap
Czy istniejące odpowiedzi są słabe?
Actionability
Czy użytkownik może zrobić coś po otrzymaniu odpowiedzi?
Tematy o najwyższej łącznej wartości trafiają pierwsze do backlogu.
33. Praktyczny arkusz master
Dla każdego URL-a / problemu zbieramy:
- Problem.
- Persona.
- Job to Be Done.
- Search query cluster.
- Search impressions.
- Clicks.
- CTR.
- AI impressions.
- AI Share.
- Search tier.
- AI tier.
- Dual Search classification.
- Query Fan-out branch.
- Canonical page.
- Evidence.
- Content gap.
- Product gap.
- Microtool opportunity.
- Social format.
- CTA.
- Conversion.
- Owner.
- Date.
- Status.
To może stać się centralnym arkuszem operacyjnym marketingu i product developmentu.
34. Jak rozpoznać najbardziej wartościową okazję
Najbardziej interesujący wzorzec wygląda następująco:
Problem rośnie
AI zaczyna wykorzystywać nasze treści
klasyczny Search również rośnie
użytkownicy zadają pytanie handlowcom
istniejące rozwiązania rynkowe są niepełne.
To nie jest już tylko:
content opportunity.
To może być:
Category Opportunity.
Wtedy marketing powinien pracować wspólnie z zarządem i rozwojem produktu.
35. Co to oznacza dla nowych produktów
Search i AI mogą sygnalizować:
- nowy bundle,
- nową usługę,
- nowy standard dokumentacji,
- potrzebę kalkulatora,
- nowy poziom obsługi,
- nową kategorię produktu,
- potrzebę konsultacji,
- nowy sposób ofertowania.
Dlatego coraz częściej:
SEO research może być wejściem do Product Discovery.
36. Checklista na pierwsze 30 dni
Tydzień 1
- pobierz oba raporty Search Console,
- wyrównaj daty,
- połącz URL-e,
- policz AI Share.
Tydzień 2
- wyznacz Dual Winners,
- Search Winners,
- AI Winners,
- Invisible URLs,
- policz Cross-Surface Alignment.
Tydzień 3
- zbuduj Query Fan-out dla 3 najważniejszych klastrów,
- przygotuj Evidence Map,
- znajdź content gaps i product gaps.
Tydzień 4
uruchom:
- 1 aktualizację strony kanonicznej,
- 1 nową stronę decyzyjną,
- 1 microtool,
- 1 materiał wideo/social,
- 1 ulepszony CTA/RFQ.
Następnie mierz przez kolejny pełny okres.
37. Jak sprawić, żeby nasze case study rzeczywiście było wyjątkowe w Polsce
Tu warto być bardzo konkretnym.
1. Opublikuj metodologię
Nie tylko:
„mamy 29% AI visibility”.
Pokaż:
- wzór,
- okres,
- zakres,
- ograniczenia.
2. Pokaż zanonimizowane screeny Search Console
To znacznie zwiększy wiarygodność.
3. Udostępnij arkusz lub szablon
Czytelnik powinien móc wykonać analizę na własnej stronie.
4. Opublikuj kolejną obserwację za 90 dni
To zamieni snapshot w longitudinal case study.
5. Dodaj dane konwersyjne
Docelowo:
- leady,
- zapytania,
- pipeline.
To będzie dużo cenniejsze niż same impressions.
6. Nie ukrywaj ograniczeń
Właśnie dzięki nim materiał będzie mocniejszy.
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