Keyword research i prompt research

Keyword research i prompt research: jak wybierać tematy do SEO, AEO, GEO i wyszukiwania AI. Praktyczny przewodnik badania popytu w Google, answer engines i asystentach AI

Klasyczne badanie słów kluczowych nadal pozostaje podstawą skutecznego SEO. Pokazuje, czego użytkownicy szukają, jakich określeń używają i jak duży może być popyt na określony temat.

Nie opisuje jednak całego rynku informacji.

Coraz częściej użytkownik nie wpisuje krótkiej frazy w wyszukiwarkę, lecz przedstawia asystentowi AI cały problem:

opisuje swoją sytuację,
podaje ograniczenia,
prosi o porównanie rozwiązań,
oczekuje rekomendacji,
chce otrzymać instrukcję,
pyta, co powinien kupić lub zrobić.

Dlatego badanie popytu powinno dziś uwzględniać dwa odrębne sygnały:

Keyword demand — popyt wyrażany za pomocą zapytań w tradycyjnej wyszukiwarce.
Prompt demand — popyt wyrażany w rozmowach z systemami AI.

Punktem wyjścia dla tej metody jest koncepcja przedstawiona przez Adama Tanguaya w Search Engine Land: dane o popularności słów kluczowych i promptów powinny znaleźć się w jednej tabeli, ponieważ różnica między nimi pomaga określić, jaki rodzaj treści warto stworzyć.

Nie chodzi więc o zastąpienie keyword researchu prompt researchem. Chodzi o połączenie obu metod z analizą intencji, wartości biznesowej i możliwości organizacji.

1. Dlaczego samo badanie słów kluczowych już nie wystarcza

Tradycyjne narzędzia SEO analizują przede wszystkim zapytania wpisywane do wyszukiwarki. Zazwyczaj są one krótkie:

pompa ciepła cena,
program CRM dla małej firmy,
buty do biegania asfalt,
owijarka do palet,
księgowość online ranking.

Pytania kierowane do asystentów AI są zwykle dłuższe i bardziej kontekstowe:

Jaki system CRM wybrać dla firmy zatrudniającej 15 handlowców, jeżeli zależy nam na integracji z pocztą i raportowaniu lejka?
Porównaj pompę ciepła i ogrzewanie gazowe dla domu o powierzchni 160 m².
Jak ograniczyć zużycie folii stretch bez pogorszenia stabilności palet?
Jakie buty wybrać do biegania po asfalcie przy szerokiej stopie i masie ciała powyżej 90 kg?

W pierwszym przypadku użytkownik szuka strony lub dokumentu. W drugim oczekuje rozwiązania dopasowanego do sytuacji.

Oznacza to, że jeden temat może mieć:

duży popyt w Google, lecz niewielkie znaczenie w rozmowach z AI,
niewielki wolumen słów kluczowych, ale bardzo dużo pytań w systemach AI,
silny popyt w obu kanałach,
mały popyt na obu powierzchniach, ale mimo to wysokie znaczenie biznesowe.

Google potwierdza, że jego funkcje generatywne mogą stosować mechanizm query fan-out, czyli generować wiele dodatkowych zapytań dotyczących podtematów potrzebnych do przygotowania odpowiedzi. Jedno rozbudowane pytanie użytkownika może więc uruchomić wyszukiwanie informacji o parametrach, alternatywach, kosztach, ryzykach i zastosowaniach.

Dlatego nowoczesne badanie tematów powinno odpowiadać nie tylko na pytanie:

Jakiej frazy szuka użytkownik?

Powinno również ustalić:

Jaki problem opisuje, jaką decyzję chce podjąć i jakich informacji będzie potrzebował system AI, aby przygotować odpowiedź?

2. Czym różnią się keyword research i prompt research

Keyword research

Keyword research bada język tradycyjnego wyszukiwania. Jego podstawowe elementy to:

liczba wyszukiwań,
trend zainteresowania,
konkurencyjność,
koszt kliknięcia,
intencja wyszukiwania,
aktualne wyniki wyszukiwania,
pozycje własnej strony,
potencjał ruchu i konwersji.

Dane można pozyskiwać między innymi z:

Google Search Console,
Google Ads Keyword Planner,
Google Trends,
narzędzi SEO,
wyszukiwarki wewnętrznej serwisu,
danych konkurencji,
podpowiedzi i powiązanych wyszukiwań.

Raport skuteczności w Search Console pokazuje kliknięcia, wyświetlenia, CTR i średnią pozycję. Dane można analizować między innymi według zapytań, stron, krajów, urządzeń i dat.

Prompt research

Prompt research bada pytania, problemy i scenariusze przedstawiane systemom AI.

Obejmuje nie tylko listę promptów, ale również:

sposób opisywania problemu,
kontekst użytkownika,
kryteria wyboru,
ograniczenia,
oczekiwany rezultat,
potrzebne porównania,
etap procesu zakupowego,
dane wymagane do wydania rekomendacji,
możliwe pytania uzupełniające.

Przykładowy prompt może zawierać jednocześnie:

kategorię produktu,
zastosowanie,
budżet,
skalę działalności,
lokalizację,
preferowaną technologię,
ograniczenia techniczne,
oczekiwany termin wdrożenia.

Dlatego prompt research pozwala odkryć potrzeby, których nie da się łatwo sprowadzić do jednej frazy kluczowej.

Prompt volume

Na rynku pojawiają się narzędzia szacujące liczbę pytań kierowanych do systemów takich jak ChatGPT, Gemini, Claude czy Perplexity. Autor metody opisanej w Search Engine Land korzysta z danych Profound, ale zaznacza, że wartości prompt volume należy traktować raczej kierunkowo — jako sposób porównania skali zainteresowania — niż jako dokładny spis wszystkich zapytań.

To ważne zastrzeżenie.

Dane o słowach kluczowych i dane o promptach:

pochodzą z innych zbiorów,
mogą obejmować różne rynki i okresy,
stosują odmienne metody grupowania,
nie powinny być automatycznie traktowane jako idealnie porównywalne liczby.

Dlatego lepiej używać ich do określania proporcji, trendów i priorytetów niż do prognozowania dokładnej liczby wizyt.

3. Najważniejsza zasada: analizuj tematy, nie pojedyncze frazy

Jedna potrzeba może być wyrażona przez dziesiątki słów kluczowych i setki promptów.

Przykładowy temat:

Wybór systemu CRM dla małej firmy

Możliwe frazy:

CRM dla małej firmy,
prosty CRM,
tani CRM,
CRM dla handlowców,
najlepszy CRM dla małej firmy,
program do zarządzania klientami.

Możliwe prompty:

Jaki CRM będzie odpowiedni dla pięcioosobowego zespołu sprzedaży?
Porównaj trzy niedrogie systemy CRM z integracją Gmaila.
Czy mała firma potrzebuje CRM, czy wystarczy arkusz kalkulacyjny?
Jak wdrożyć CRM bez zatrudniania administratora?
Na co zwrócić uwagę przy migracji danych klientów do CRM?

Nie należy tworzyć osobnej strony dla każdej niewielkiej odmiany zapytania. Google ostrzega przed masowym tworzeniem stron dla kolejnych wariantów pytań wyłącznie w celu manipulowania wynikami lub odpowiedziami generatywnymi. Systemy Google potrafią rozpoznawać znaczenie treści również bez dokładnego dopasowania wszystkich sformułowań.

Podstawową jednostką strategii powinien być więc temat lub problem użytkownika, a nie pojedyncze słowo kluczowe.

4. Model dwóch sygnałów popytu

Po zebraniu danych każdy temat można umieścić w jednej z czterech grup.

Popyt w wyszukiwarce	Popyt w AI	Znaczenie	Zalecana treść
wysoki	niski	użytkownicy przede wszystkim szukają strony	klasyczna strona SEO
niski	wysoki	użytkownicy opisują problem asystentowi	treść odpowiedziowa AEO/GEO
wysoki	wysoki	temat ważny w obu kanałach	rozbudowana strona filarowa
niski	niski	mały rozpoznany popyt	test, monitoring albo rezygnacja

Grupa 1: wysoki popyt na słowa kluczowe, niski popyt na prompty

Są to tematy, w których użytkownicy nadal najczęściej korzystają z klasycznej wyszukiwarki.

Przykłady:

nazwa produktu,
nazwa marki,
adres oddziału,
cennik,
instrukcja PDF,
kod błędu,
konkretny model urządzenia,
krótka definicja.

Najlepszym rozwiązaniem jest zwykle dobrze zoptymalizowana strona SEO:

jednoznaczny tytuł i nagłówek H1,
szybka odpowiedź na początku,
zgodność z intencją wyników wyszukiwania,
kompletne informacje,
czytelna struktura HTML,
wartościowe dane niedostępne u konkurencji.

Autor analizowanej metody zaleca w tej grupie przede wszystkim zbadanie aktualnych wyników Google, ustalenie, czego oczekuje użytkownik, oraz znalezienie informacji, których nie przedstawiają konkurenci.

Grupa 2: niski popyt na słowa kluczowe, wysoki popyt na prompty

To najbardziej interesująca grupa z perspektywy nowych zachowań użytkowników.

Temat może wyglądać na niewielki w narzędziu SEO, ponieważ użytkownicy nie używają jednej powtarzalnej frazy. Zamiast tego opisują podobny problem na wiele sposobów.

Treść powinna być przygotowana jako źródło odpowiedzi:

jasno definiować problem,
przedstawiać możliwe warianty,
wyjaśniać kryteria wyboru,
porównywać rozwiązania,
wskazywać ograniczenia,
odpowiadać na pytania sytuacyjne,
dostarczać danych, które można przytoczyć,
prowadzić użytkownika do następnego działania.

Nie chodzi o sztuczne „pisanie dla robota”. Chodzi o przygotowanie najlepszego dostępnego materiału dla osoby, która chce rozwiązać konkretny problem.

Grupa 3: wysoki popyt w obu kanałach

To kandydaci na najważniejsze strony serwisu.

Powinny otrzymać największy budżet, ponieważ mogą jednocześnie:

generować widoczność w tradycyjnych wynikach,
pojawiać się w odpowiedziach generatywnych,
wspierać sprzedaż,
budować autorytet tematyczny,
kierować użytkowników do treści szczegółowych,
obsługiwać różne etapy procesu decyzyjnego.

Search Engine Land określa takie materiały jako strony flagowe. Keyword research pomaga ustalić ich tytuł, strukturę i podstawową intencję, natomiast prompt research pokazuje, jakie pytania, scenariusze i kryteria należy omówić.

Grupa 4: niski popyt w obu kanałach

Nie każdy taki temat należy odrzucać.

Publikacja może być uzasadniona, gdy temat:

dotyczy produktu o wysokiej wartości,
odpowiada na częste pytanie klientów,
usuwa barierę przed zakupem,
jest wymagany prawnie,
wspiera obsługę posprzedażową,
dotyczy nowej kategorii,
będzie potrzebny agentowi zakupowemu,
uzupełnia istotną lukę w dokumentacji.

W przeciwnym razie lepiej umieścić go na liście obserwacyjnej i okresowo sprawdzać wzrost zainteresowania.

5. Proces badania tematów krok po kroku

Krok 1. Określ cel biznesowy

Nie rozpoczynaj od eksportu tysięcy fraz.

Najpierw ustal, co ma osiągnąć strategia:

zwiększyć sprzedaż,
pozyskać zapytania ofertowe,
wejść do nowej kategorii,
zbudować rozpoznawalność marki,
ograniczyć obciążenie działu obsługi,
edukować klientów,
zwiększyć sprzedaż produktów dodatkowych,
przygotować ofertę do handlu obsługiwanego przez agentów AI.

Dla każdego celu określ podstawową konwersję:

zakup,
wysłanie formularza,
telefon,
pobranie dokumentacji,
uruchomienie kalkulatora,
rejestracja,
prośba o wycenę,
umówienie konsultacji.

Temat z wysokim wolumenem, ale bez związku z ofertą, może być mniej wartościowy niż niszowe pytanie zadawane przez potencjalnego klienta tuż przed zakupem.

Krok 2. Zbuduj listę tematów bazowych

Źródłem tematów powinny być przede wszystkim rzeczywiste potrzeby rynku.

Wykorzystaj:

ofertę firmy,
kategorie produktów,
rozmowy handlowe,
wiadomości e-mail,
zapytania ofertowe,
zgłoszenia serwisowe,
pytania klientów,
wyszukiwarkę wewnętrzną,
komentarze pod filmami,
dokumentację techniczną,
instrukcje,
raporty Search Console,
pytania zadawane podczas wdrożeń,
strony konkurentów.

Na tym etapie zapisuj tematy w języku problemów, a nie tylko nazw produktów.

Zamiast:

owijarka do palet

zapisz również:

ograniczenie zużycia folii podczas owijania palet
stabilizacja lekkich ładunków
wybór rozciągu wstępnego folii
automatyzacja pakowania 50 palet dziennie
porównanie owijania ręcznego i maszynowego

Krok 3. Przeprowadź klasyczny keyword research

Dla każdego tematu zbierz:

główną frazę,
frazy powiązane,
miesięczną liczbę wyszukiwań,
trend,
sezonowość,
intencję,
konkurencyjność,
aktualną pozycję własnej strony,
adres strony, która już zdobywa wyświetlenia,
rodzaj wyników dominujących w Google.

W Search Console szczególnie wartościowe są:

zapytania z dużą liczbą wyświetleń i niskim CTR,
frazy na pozycjach od 5 do 20,
strony zdobywające widoczność na nieoczekiwane pytania,
długie zapytania opisujące problemy,
różnice między urządzeniami i krajami.

Trzeba pamiętać, że Search Console nie pokazuje wszystkich zapytań. Część z nich jest anonimizowana ze względu na prywatność, a tabela może być ograniczona do najważniejszych wierszy.

Krok 4. Przeprowadź prompt research

Prompt research powinien obejmować kilka źródeł.

Dane bezpośrednie

Najbardziej wartościowe są rzeczywiste pytania klientów:

transkrypcje rozmów,
e-maile,
czaty,
formularze,
zgłoszenia serwisowe,
pytania podczas prezentacji,
zapytania przetargowe,
briefy zakupowe.

Przed analizą należy usunąć dane osobowe oraz informacje poufne.

Dane z narzędzi prompt intelligence

Jeżeli organizacja korzysta z platform szacujących prompt volume, warto zebrać:

estymowany wolumen,
warianty pytań,
trendy,
platformy AI,
tematy powiązane,
marki pojawiające się w odpowiedziach,
źródła cytowane przez modele.

Liczby należy traktować jako indeks zainteresowania, a nie dokładny odpowiednik liczby wyszukiwań Google.

Panel kontrolny promptów

Nawet bez danych wolumenowych można utworzyć stały panel 20–100 pytań reprezentujących najważniejsze scenariusze klientów.

Przykładowe grupy:

definicje,
wybór rozwiązania,
porównania,
koszty,
wdrożenie,
problemy,
ryzyka,
zastosowania,
alternatywy,
rekomendacje dostawców,
pytania zakupowe.

Panel można okresowo testować w różnych systemach AI, sprawdzając:

czy marka jest wymieniana,
jakie źródła są cytowane,
które firmy są rekomendowane,
czy odpowiedź zawiera prawidłowe informacje,
jakich danych brakuje,
jakie pytania dodatkowe sugeruje system.

Generowanie hipotez z pomocą AI

Model językowy może pomóc rozbudować listę możliwych pytań, ale wygenerowane prompty nie są dowodem na rzeczywisty popyt.

Są hipotezami, które należy zweryfikować za pomocą:

danych klientów,
Search Console,
narzędzi prompt intelligence,
rozmów z działem sprzedaży,
danych produktowych,
obserwacji rynku.

Krok 5. Grupuj według problemu i intencji

Słowa kluczowe oraz prompty trzeba połączyć w logiczne klastry.

Przykładowe intencje:

Informacyjna

Użytkownik chce zrozumieć zagadnienie.

Co to jest?
Jak to działa?
Jakie są rodzaje?
Jakie przepisy mają zastosowanie?

Diagnostyczna

Użytkownik próbuje znaleźć przyczynę problemu.

Dlaczego urządzenie nie działa?
Skąd bierze się nadmierne zużycie?
Dlaczego kampania nie generuje zapytań?

Porównawcza

Użytkownik wybiera między rozwiązaniami.

Produkt A czy produkt B?
Leasing czy zakup?
System lokalny czy chmurowy?

Komercyjna

Użytkownik tworzy krótką listę dostawców lub produktów.

Najlepsze rozwiązania dla…
Jaki dostawca oferuje…
Który system spełnia określone warunki?

Transakcyjna

Użytkownik jest blisko wykonania działania.

cena,
dostępność,
zakup,
wynajem,
konfiguracja,
termin dostawy,
zapytanie ofertowe.

Wykonawcza

Użytkownik chce, aby system pomógł przeprowadzić zadanie.

przygotuj porównanie,
dobierz konfigurację,
policz zużycie,
wygeneruj zapytanie ofertowe,
sprawdź zgodność parametrów,
zaplanuj wdrożenie.

Ostatnia grupa będzie szczególnie ważna w środowisku agentów AI.

6. Nie porównuj surowych liczb bez normalizacji

Wolumen słów kluczowych i wolumen promptów mogą pochodzić z różnych metod pomiaru. Dlatego proste działanie:

20 000 promptów ÷ 1 000 wyszukiwań = 20 razy większy popyt

może dawać złudne poczucie precyzji.

Bezpieczniejszym rozwiązaniem jest przeliczenie obu zbiorów na wspólną skalę.

Przykładowa skala punktowa

Dla każdego zbioru oddzielnie przypisz tematom ocenę od 0 do 100:

0–20 — bardzo niski popyt,
21–40 — niski,
41–60 — średni,
61–80 — wysoki,
81–100 — bardzo wysoki.

Można zastosować:

percentyle,
skalę logarytmiczną,
ocenę względem mediany kategorii,
własne przedziały dopasowane do branży.

W arkuszu powinny znaleźć się dwie osobne wartości:

KSI — Keyword Strength Index,
PSI — Prompt Strength Index.

Dzięki temu można ocenić relację między kanałami bez sugerowania, że dane są mierzone w identyczny sposób.

7. Dodaj trzeci wymiar: wartość biznesową

Sam popyt nie powinien decydować o kolejności publikacji.

Temat należy również ocenić pod względem:

zgodności z ofertą,
potencjalnej wartości klienta,
prawdopodobieństwa konwersji,
znaczenia dla procesu zakupowego,
możliwości przygotowania wiarygodnej treści,
przewagi informacyjnej,
aktualnej pozycji firmy,
kosztu produkcji materiału.

Uniwersalny model scoringowy

Każdy temat można ocenić w skali od 0 do 5.

Kryterium	Pytanie
popyt w wyszukiwarce	Czy temat jest poszukiwany w Google?
popyt w AI	Czy temat pojawia się w rozmowach z asystentami?
wartość biznesowa	Czy temat może prowadzić do sprzedaży lub leada?
zgodność z ofertą	Czy firma rzeczywiście rozwiązuje ten problem?
intencja zakupowa	Jak blisko decyzji znajduje się użytkownik?
luka konkurencyjna	Czy istniejące materiały są słabe lub niepełne?
przewaga wiedzy	Czy firma posiada własne dane, doświadczenia lub ekspertów?
wykonalność	Czy można przygotować materiał odpowiedniej jakości?

Przykładowy wzór:

Priorytet =

20% popyt w wyszukiwarce,
20% popyt w AI,
20% wartość biznesowa,
15% intencja zakupowa,
10% luka konkurencyjna,
10% przewaga wiedzy,
5% wykonalność.

Wagi należy dopasować do celu.

Dla sklepu internetowego większe znaczenie mogą mieć wolumen i transakcyjność. W sprzedaży B2B ważniejsze mogą być wartość pojedynczego kontraktu, możliwość technicznej kwalifikacji klienta i zgodność z ofertą.

8. Jak wybrać właściwy rodzaj treści

Treść keyword-led

Stosuj, gdy dominuje tradycyjny popyt.

Najczęstsze formaty:

strona kategorii,
karta produktu,
landing page,
lokalna strona usługowa,
słownik,
krótka instrukcja,
strona dokumentu,
strona modelu lub części.

Główne zadanie:

Dopasować stronę do jednoznacznej intencji wyszukiwania i umożliwić szybkie znalezienie informacji.

Treść prompt-led

Stosuj, gdy użytkownik potrzebuje wyjaśnienia lub wsparcia decyzyjnego.

Najczęstsze formaty:

poradnik decyzyjny,
szczegółowa odpowiedź kanoniczna,
porównanie,
instrukcja krok po kroku,
diagnostyka problemu,
analiza wariantów,
FAQ sytuacyjne,
studium przypadku,
kalkulator,
drzewo wyboru.

Główne zadanie:

Rozwiązać problem tak kompletnie, aby materiał mógł być wykorzystany jako wiarygodne źródło odpowiedzi.

Treść dual-demand

Stosuj przy wysokim popycie w obu kanałach.

Najlepszy model to rozbudowany zasób składający się z:

strony filarowej,
stron szczegółowych,
porównań,
tabel danych,
materiałów wizualnych,
filmu,
narzędzia lub kalkulatora,
dokumentacji,
sekcji pytań,
odpowiednich stron produktowych,
jasnego wezwania do działania.

Treść strategiczna bez widocznego popytu

Stosuj między innymi dla:

nowej kategorii,
własnego standardu,
nieznanej jeszcze technologii,
dokumentacji produktu,
nowych regulacji,
niszowej oferty o wysokiej wartości,
danych potrzebnych agentom zakupowym.

W tym przypadku sukcesu nie mierzy się wyłącznie ruchem. Ważne mogą być cytowania, kwalifikowane zapytania, skrócenie procesu sprzedaży albo możliwość obsługi nowego rodzaju klienta.

9. Jak przygotować brief treści na podstawie prompt researchu

Dobry brief powinien zawierać więcej niż główną frazę i listę nagłówków.

1. Problem użytkownika

Jednozdaniowy opis sytuacji:

Osoba odpowiedzialna za magazyn chce ograniczyć zużycie materiału, ale obawia się pogorszenia stabilności palet.

2. Oczekiwany rezultat

Użytkownik powinien umieć ocenić, które parametry procesu należy zmierzyć i jakie rozwiązania przetestować.

3. Główna intencja

edukacyjna,
diagnostyczna,
porównawcza,
zakupowa,
wykonawcza.

4. Kluczowe pytania

Jak rozpoznać problem?
Jakie są możliwe przyczyny?
Jakie dane trzeba zebrać?
Jakie rozwiązania można zastosować?
Kiedy rozwiązanie nie będzie odpowiednie?
Jak oszacować koszt?
Jakie ryzyko należy uwzględnić?
Co zrobić w następnym kroku?

5. Kryteria decyzji

Na przykład:

cena,
wydajność,
kompatybilność,
termin dostawy,
wymagania techniczne,
koszt utrzymania,
bezpieczeństwo,
gwarancja,
dostępność serwisu.

6. Dowody i źródła

Brief powinien wskazywać:

własne dane,
doświadczenia ekspertów,
wyniki testów,
dokumentację,
normy,
badania,
zdjęcia,
wykresy,
przykłady wdrożeń.

Google zaleca tworzenie treści unikalnych, eksperckich i użytecznych, które wnoszą wartość większą niż zwykłe powtórzenie powszechnie dostępnych informacji. Wskazuje również na znaczenie czytelnej organizacji, nagłówków oraz wartościowych materiałów wizualnych.

7. Następne działanie

CTA powinno odpowiadać etapowi użytkownika:

przeczytaj powiązany poradnik,
pobierz checklistę,
uruchom kalkulator,
porównaj modele,
sprawdź dostępność,
wyślij dane techniczne,
zamów test,
poproś o wycenę.

10. Jak pisać treści przyjazne ludziom i systemom AI

Nie istnieje obowiązek stosowania specjalnego stylu „pod LLM”.

Google wyraźnie wskazuje, że nie trzeba:

rozbijać każdej treści na bardzo małe fragmenty,
przepisywać artykułów wyłącznie dla systemów AI,
umieszczać każdej odmiany długiego ogona,
tworzyć specjalnego znacznika schema dla generatywnej AI,
stosować pliku llms.txt w celu poprawy widoczności w Google.

Podstawą pozostają wartościowa treść, przejrzysta struktura techniczna, możliwość indeksowania i dobra obsługa użytkownika.

W praktyce warto jednak stosować strukturę ułatwiającą zrozumienie materiału:

Odpowiedź na początku

Pierwsze akapity powinny jasno wyjaśniać:

czego dotyczy strona,
dla kogo jest przeznaczona,
jaki problem rozwiązuje,
jaki jest najważniejszy wniosek.

Jednoznaczne nagłówki

Zamiast:

Poznaj nasze możliwości

lepiej:

Jak dobrać system CRM do liczby użytkowników?

Jasne definicje

Pierwsze użycie specjalistycznego pojęcia powinno zawierać krótkie wyjaśnienie.

Tabele porównawcze

Dobrze sprawdzają się przy:

parametrach,
wariantach,
cenach,
zastosowaniach,
zaletach i ograniczeniach.

Ograniczenia i warunki brzegowe

Wiarygodna strona powinna informować nie tylko, kiedy rozwiązanie działa, lecz również:

kiedy nie będzie odpowiednie,
czego nie obejmuje,
jakie dane trzeba potwierdzić,
od czego zależy końcowy rezultat.

Informacja unikalna

Największą przewagę budują:

własne testy,
dokładne dane,
przykłady,
fotografie,
konfiguracje,
doświadczenia,
błędy wdrożeniowe,
kalkulacje,
procedury.

11. Uniwersalny arkusz keyword–prompt research

Arkusz może zawierać następujące kolumny:

Temat.
Klaster tematyczny.
Produkt lub usługa.
Grupa odbiorców.
Etap ścieżki zakupowej.
Główna intencja.
Główna fraza.
Frazy pomocnicze.
Wolumen słów kluczowych.
Trend słów kluczowych.
Aktualna pozycja.
Istniejący adres URL.
Keyword Strength Index.
Przykładowy prompt.
Warianty promptu.
Prompt volume lub indeks.
Prompt Strength Index.
Najważniejsze kryteria decyzji.
Wartość biznesowa.
Zgodność z ofertą.
Intencja zakupowa.
Luka konkurencyjna.
Dostępność własnych danych.
Koszt przygotowania.
Tryb treści: keyword-led, prompt-led, dual-demand lub strategiczny.
Rekomendowany format.
Priorytet.
Planowany termin.
Właściciel zadania.
KPI.
Status.
Data kolejnej weryfikacji.

Ważna zasada dotycząca pustych pól

Brak wyniku prompt volume nie musi oznaczać braku zainteresowania. Wąskie pytanie może być grupowane przez narzędzie pod szerszym tematem lub zapisane w innej formie. Autor metody Search Engine Land zaleca sprawdzenie szerszego pojęcia przed odrzuceniem tematu.

Warto stosować osobną kolumnę:

Pewność danych: wysoka, średnia lub niska.

12. Jak badać prompty bez specjalistycznego narzędzia

Brak dostępu do prompt volume nie powinien blokować całego procesu.

Można zbudować model oparty na wskaźnikach zastępczych.

Etap 1. Zbierz pytania klientów

Przeanalizuj minimum:

50 wiadomości handlowych,
20 rozmów lub notatek sprzedażowych,
20 zgłoszeń obsługi,
najczęstsze pytania z formularzy,
zapytania wewnętrznej wyszukiwarki.

Etap 2. Wyodrębnij schematy

Zapisz:

powtarzające się problemy,
kryteria wyboru,
ograniczenia,
obawy,
brakujące dane,
oczekiwane rezultaty.

Etap 3. Rozbuduj pytania

Przekształć każdy problem w warianty:

dla początkującego,
dla eksperta,
dla małej firmy,
dla dużej organizacji,
przy niskim budżecie,
przy ograniczonym czasie,
dla konkretnej branży,
dla określonego zastosowania.

Etap 4. Zweryfikuj hipotezy

Zapytaj dział sprzedaży:

Czy klient rzeczywiście tak pyta?
Czy pytanie występuje regularnie?
Czy prowadzi do zakupu?
Jakiej informacji brakuje klientowi?
Co blokuje decyzję?

Etap 5. Nadaj ręczny Prompt Strength Index

Przykładowa punktacja:

0 — brak sygnałów,
1 — pojedyncze pytanie,
2 — temat pojawia się sporadycznie,
3 — regularny problem klientów,
4 — częsty problem wpływający na sprzedaż,
5 — jeden z głównych problemów całej kategorii.

Taki wynik jest mniej spektakularny niż dokładnie wyglądająca liczba, ale może być bardziej użyteczny biznesowo.

13. Gotowe prompty wspierające badanie tematów

Rozbudowanie listy problemów

Dla kategorii [KATEGORIA] przygotuj listę problemów, pytań i decyzji podejmowanych przez [GRUPA ODBIORCÓW]. Podziel je na etapy: rozpoznanie problemu, edukacja, porównanie, wybór dostawcy, zakup, wdrożenie i użytkowanie. Nie oceniaj popularności pytań. Traktuj je wyłącznie jako hipotezy do dalszej weryfikacji.

Zamiana fraz w pytania konwersacyjne

Przekształć poniższą listę słów kluczowych w naturalne pytania, jakie użytkownik mógłby zadać asystentowi AI. Dodaj kontekst, ograniczenia, kryteria decyzji i oczekiwany rezultat. Nie twórz kilku pytań różniących się wyłącznie pojedynczym słowem.

Klasyfikacja intencji

Sklasyfikuj pytania według intencji: informacyjna, diagnostyczna, porównawcza, komercyjna, transakcyjna lub wykonawcza. Dla każdego pytania wskaż etap procesu zakupowego i informację potrzebną do udzielenia wiarygodnej odpowiedzi.

Budowanie briefu

Na podstawie klastra pytań przygotuj brief jednej kompletnej strony. Wskaż problem użytkownika, bezpośrednią odpowiedź, kryteria wyboru, potrzebne dowody, ograniczenia, dane porównawcze, pytania dodatkowe i właściwe wezwanie do działania.

Analiza luki informacyjnej

Oceń poniższy materiał pod kątem pytań użytkowników. Wskaż, które pytania otrzymują pełną odpowiedź, które częściową, a które nie są omówione. Nie proponuj dodawania treści, która nie pomaga użytkownikowi podjąć decyzji lub wykonać zadania.

14. Pomiar efektów

Keyword-led i prompt-led content nie powinny być oceniane wyłącznie za pomocą jednego zbiorczego raportu ruchu organicznego.

Search Engine Land zaleca rozdzielenie wyników klasycznego wyszukiwania od ruchu pochodzącego z systemów AI, aby sprawdzić, czy treść działa na powierzchni, dla której została przygotowana.

KPI dla tradycyjnego wyszukiwania

wyświetlenia,
kliknięcia,
CTR,
średnia pozycja,
liczba fraz,
udział ruchu niebrandowego,
konwersje,
przychód lub wartość leadów.

KPI dla wyszukiwania generatywnego Google

Google stopniowo udostępnia wybranym właścicielom stron raport skuteczności generatywnej AI w Search Console. Raport obejmuje obecnie między innymi wyświetlenia linków w AI Overviews i AI Mode oraz pozwala analizować strony, kraje, urządzenia i daty. Dostęp nie jest jeszcze gwarantowany dla każdej usługi.

KPI dla zewnętrznych systemów AI

sesje z domen systemów AI,
konwersje z tych sesji,
strony docelowe,
liczba cytowań,
udział marki w odpowiedziach,
poprawność informacji o firmie,
obecność w rekomendacjach,
udział w ustalonym panelu promptów.

Google Analytics pozwala analizować źródła i media wizyt, w tym ruch oznaczony jako referral, organic, social czy direct.

Trzeba jednak pamiętać, że nie każda interakcja z AI zakończy się kliknięciem. Część wartości powstaje przed wejściem na stronę:

użytkownik poznaje markę,
system wykorzystuje dane firmy,
produkt trafia na krótką listę,
klient wraca później innym kanałem,
agent wykorzystuje informacje do porównania.

KPI biznesowe

Najważniejsze pozostają:

liczba kwalifikowanych zapytań,
wartość pipeline’u,
liczba ofert,
współczynnik konwersji,
skrócenie procesu sprzedaży,
wzrost sprzedaży,
ograniczenie liczby powtarzalnych pytań,
wzrost udziału nowych kategorii.

15. Plan wdrożenia na 30 dni

Tydzień 1: zebranie danych

określenie celów,
eksport Search Console,
zebranie danych ze sprzedaży,
lista produktów i problemów,
stworzenie tematów bazowych.

Tydzień 2: badanie popytu

analiza słów kluczowych,
grupowanie fraz,
analiza promptów,
stworzenie panelu pytań,
ocena pewności danych.

Tydzień 3: priorytetyzacja

obliczenie KSI i PSI,
ocena wartości biznesowej,
przypisanie tematów do czterech grup,
wybór formatów,
sprawdzenie istniejących adresów URL.

Tydzień 4: produkcja pilotażowa

Wybierz cztery tematy:

jeden keyword-led,
jeden prompt-led,
jeden dual-demand,
jeden temat strategiczny.

Dla każdego przygotuj:

brief,
treść,
dane eksperckie,
linkowanie wewnętrzne,
właściwe CTA,
zestaw KPI.

Po publikacji porównuj nie tylko łączny ruch, lecz również to, czy każdy materiał osiąga właściwy cel.

16. Najczęstsze błędy

Błąd 1. Traktowanie prompt volume jak dokładnych danych Google

To estymacja kierunkowa, zależna od źródła i metodologii narzędzia.

Błąd 2. Tworzenie osobnej strony dla każdego promptu

Prowadzi do duplikacji, kanibalizacji i niskiej jakości treści.

Błąd 3. Generowanie promptów przez AI i uznawanie ich za dowód popytu

Model może wskazać prawdopodobne pytania, ale nie potwierdza ich popularności.

Błąd 4. Pomijanie wartości biznesowej

Duży popyt nie zawsze oznacza wartościowych klientów.

Błąd 5. Pisanie wyłącznie pod cytowanie przez AI

Treść musi przede wszystkim pomagać człowiekowi. Google wskazuje, że priorytetem powinny być materiały przydatne, wiarygodne i tworzone z myślą o użytkowniku.

Błąd 6. Brak własnej wartości informacyjnej

Ogólne podsumowanie istniejących artykułów rzadko buduje trwałą przewagę.

Błąd 7. Mierzenie wyłącznie kliknięć

W odpowiedziach AI część ścieżki klienta odbywa się przed wizytą na stronie.

Błąd 8. Ignorowanie tematów o niskim wolumenie

W B2B jedno niszowe pytanie może prowadzić do kontraktu o dużej wartości.

17. Uniwersalna zasada wyboru tematów

Temat należy opublikować wtedy, gdy spełnia przynajmniej jeden z poniższych warunków:

istnieje wyraźny popyt w wyszukiwarce,
istnieje wyraźny popyt w rozmowach z AI,
ma wysoką wartość biznesową,
usuwa istotną barierę decyzyjną,
uzupełnia ważną lukę informacyjną,
wykorzystuje unikalną wiedzę organizacji,
przygotowuje firmę do nowej kategorii lub nowego sposobu zakupów.

Najważniejsze tematy spełniają kilka warunków jednocześnie.

Podsumowanie

Keyword research pokazuje, czego ludzie szukają.

Prompt research pokazuje, jak opisują swoje problemy, decyzje i oczekiwane rezultaty w rozmowie z AI.

Analiza biznesowa pokazuje, które z tych potrzeb mają znaczenie dla organizacji.

Dopiero połączenie trzech warstw pozwala odpowiedzieć na właściwe pytania:

Co powinniśmy opublikować?
Jaki format będzie najlepszy?
Czy materiał powinien zdobywać pozycje, cytowania czy konwersje?
Jak dużo warto w niego zainwestować?
Jak zmierzymy jego skuteczność?

Nowoczesna strategia treści nie powinna wybierać między SEO i AEO/GEO. Powinna badać cały popyt informacyjny, a następnie tworzyć najlepszy możliwy zasób dla konkretnego problemu użytkownika.

Potrzebujesz opisać swoje produkty B2B pod AI answer engines, A2A agentic commerce? Napisz do nas:

kontakt@salesbot.pl

B2B Direct RFQ A2A Agentic commerce answer engines