Wyszukiwarki AI, takie jak AI Overviews, ChatGPT czy Perplexity, pobierają informacje bazując na botach przeczesujących miliony stron internetowych w poszukiwaniu konkretnych informacji. Problem polega na tym, że wiele firm tworzy doskonałe treści, które pozostają całkowicie niewidoczne dla tych systemów. Okazuje się, że przyczyn może być bardzo wiele, a najpoważniejsze dotyczą braków w odpowiedniej optymalizacji technicznej GEO. Sprawdzamy w Funkymedia, dlaczego Twoje treści są niewidoczne dla wyszukiwarek AI (i co zrobić, aby to naprawić)?
Widoczność strony w dobie wyszukiwarek AI
Wiele firm i agencji tworzy fantastyczne treści, a jednak są one zupełnie niewidoczne dla algorytmów wyszukiwarek opartych na modelach językowych. W rezultacie wykonuje się działania nawet wysokiej jakości, które pochłaniają jakiś budżet, a mimo to nie otrzymuje się zysków w zamian. Można za to nawet tracić, bo brak uczestnictwa w atrybucji linkowania modułów wyszukiwania takich, jak np. Google AI Overviews, oznacza prostą drogę do stopniowego osłabienia autorytetu strony oraz pogorszenia się wizerunku firmy jako eksperta w swojej dziedzinie.
Przez ponad dwie dekady tworzyliśmy treści jak najlepiej zoptymalizowane pod wyszukiwarkę i jak najbardziej wartościowe dla użytkowników. Dziś to już nie wystarcza. Pojawienie się modeli językowych i ich implementacja do wyszukiwania sprawiają, że drastycznie spada ruch organiczny. Coraz więcej wyszukiwań to tzw. zero-click search (wyszukiwania użytkowników, które nie kończą się otworzeniem ani jednej strony z wyników). To wszystko sprawia, że konieczne jest pozycjonowanie w modułach sztucznej inteligencji (GEO), które obejmuje działania mające na celu zwiększenie szansy na widoczność w AI Overviews, ChatGPT czy Perplexity.
Główną przyczyną niewidoczności w modułach AI jest sposób, w jaki projektowane są współczesne strony internetowe. Firmy często ukrywają swoje najważniejsze informacje w interaktywnych widżetach, rozwijanych sekcjach czy elementach ładowanych przez JavaScript. Podczas gdy takie rozwiązania mogą poprawić doświadczenie użytkownika, sprawiają że treści stają się niedostępne dla systemów AI. W tym artykule przyglądamy się bardziej szczegółowo temu, dlaczego treści na stronie mogą być niewidoczne dla modeli językowych. Przytaczamy wyniki najnowszych testów i wskazujemy obszary techniczne, które należy zmodyfikować na stronie z myślą o wyświetleniach w AI.
Dlaczego wyszukiwarki AI mogą nie widzieć treści na stronie?
Zacznijmy od kilku słów przypomnienia, jak działają wyszukiwarki AI i moduły takie, jak AI Overviews od Google. Najważniejsze jest dostrzeżenie, które staje się truizmem: systemy AI czytają treści w sposób fundamentalnie różny od ludzi. Skupiają się na surowym kodzie HTML, który otrzymują od serwera, nie czekając na załadowanie interaktywnych elementów. Ta różnica w sposobie przetwarzania informacji ma kluczowe znaczenie dla optymalizacji treści. W tym obszarze różnią się też od tradycyjnych wyszukiwarek. Podczas gdy boty Google Search skanują całe strony internetowe, crawlery AI Overviews czy Perplexity wykorzystują zarówno same strony, jak i SERP Google / Bing.
Oznacza to, że zadbanie o optymalizację techniczną SEO także jest kluczowe, jeśli chodzi o szanse na wyświetlenia w modułach AI. Skoro wyszukiwarki AI bazują na treściach, które zajmują wysokie wyniki w SERP, dostanie się na pozycje TOP10 wciąż jest bardzo intratne. Z drugiej strony crawlery AI samodzielnie poruszają się też po stronach internetowych. Nie są związane z botami wyszukiwarek. W trakcie ich skanowania zwracają uwagę przede wszystkim na techniczne aspekty treści. Priorytetowo traktują nagłówki (H1-H3), które pokazują główne tematy strony, proste listy rozdzielające sekcje na mniejsze części oraz specjalny kod markup, który pomaga zrozumieć znaczenie treści. Równocześnie pomijają treści ukryte w widżetach JavaScript, sekcje rozwijane po kliknięciu oraz tekst umieszczony w obrazkach bez odpowiednich opisów. Zwracają też uwagę na szybkość ładowania się strony. Jeśli dostęp do treści jest utrudniony, nie zostanie ona wykorzystana w podsumowaniach AI.
Test widoczności treści dla AI
Wbrew pozorom sprawdzenie, czy treści są widoczne dla AI, można przeprowadzić w kilka minut. Podstawowy test polega na przejściu do najważniejszej strony, kliknięciu prawym przyciskiem myszy i wybraniu opcji „Wyświetl źródło strony” (lub naciśnięciu Ctrl+U). Następnie należy wyszukać kluczowe argumenty sprzedażowe lub główne korzyści – jeśli nie ma ich w surowym kodzie HTML, AI ich nie widzi.
Alternatywnie można skorzystać z narzędzi takich jak Screaming Frog, które automatycznie sprawdzają dostępność treści. Szczególnie ważne jest zidentyfikowanie zawartości, która pojawia się tylko po załadowaniu JavaScript, ponieważ taka treść pozostaje niewidoczna dla większości systemów AI. Jeśli test wykaże obecność treści w kodzie HTML, oznacza to przewagę nad około 60% stron internetowych. Jednak nawet w takim przypadku istnieje przestrzeń do dalszej optymalizacji poprzez poprawę struktury i dodanie odpowiedniego markup.
Podczas gdy tradycyjne SEO koncentrowało się często na manipulowaniu algorytmami poprzez nasycenie treści słowami kluczowymi, budowanie profili linków czy wykorzystywanie sztuczek z meta tagami, optymalizacja dla wyszukiwarek AI odwraca to podejście. W obrębie pozycjonowania w modułach AI (GEO) skupiamy się przede wszystkim na czytelności i dostępności treści. Nowe podejście opiera się na tworzeniu jasnego, prostego języka zamiast wypychania słów kluczowych. Zamiast schematów linkowania priorytet ma łatwa do odczytania treść. Specjalny markup zastępuje sztuczki z meta tagami, a projektowanie z myślą o maszynach staje się równie ważne jak projektowanie dla ludzi.
Analiza widoczności stron w modułach AI – case study
Ostatnio przeprowadzony eksperyment stron internetowych trzech amerykańskich uniwersytetów pokazuje, jakie czynniki techniczne najbardziej przekładają się na widoczność w AI. Badanie w formule komparatystyki case study przeprowadzono na podstawie dwóch członów:
- analizy treści na stronach, ich struktury i optymalizacji,
- analizy widoczności stron w module Google AI Overviews na kilku konkurencyjnych fraz kluczowych (np. “najlepsze MBA online”).
Zaobserwowana różnica w widoczności nie wynika z budżetu marketingowego czy reputacji akademickiej, lecz z fundamentalnie odmiennych podejść do struktury technicznej stron internetowych. Porównanie pokazuje, jak decyzje projektowe bezpośrednio wpływają na obecność w wynikach generowanych przez sztuczną inteligencję. To drobne case study jest doskonałym dowodem na to, że po pierwsze – istnieje coś takiego jak GEO, pozycjonowanie w modułach AI, po drugie zaś – że jest ono niezwykle istotne.
W analizie zwycięzcą okazał się Uniwersytet w Luizjanie. Według analizy przyczyny wygranej to m.in.:
- wszystkie szczegóły programu MBA umieszczone bezpośrednio w kodzie HTML, bez ukrywania za dodatkowymi kliknięciami,
- jasne, opisowe nagłówki sekcji takie jak „Program MBA”, „Curriculum” czy „Wymagania rekrutacyjne”,
- zastosowanie specjalnego kodu schema markup, który pomaga AI zrozumieć strukturę informacji o programie,
- optymalizacja szybkości ładowania z treścią dostępną natychmiast po wejściu na stronę.
Dla kontrastu przegranym uniwersytetem okazał się Tulane University, którego treści były w dużej mierze po prostu niewidoczne dla systemów AI. Bazując na analizie technicznej optymalizacji stron Tulane University, zakłada się, że ta niewidoczność w AI wynikała m.in. z:
- wstawienie kluczowych informacji o programach MBA w interaktywnych zakładkach JavaScript i przesuwanych sliderach,
- stosowanie ogólnikowych nagłówków typu „Nasze programy” zamiast konkretnych opisów zawartości,
- kompletny brak markup schema dla programów edukacyjnych,
- nadmierne poleganie na zaawansowanych funkcjach interaktywnych, które blokują dostęp AI do treści.
Analiza ta pokazuje, że mniej znana uczelnia może pokonać prestiżową instytucję w wyszukiwaniu AI dzięki lepszej dostępności technicznej swoich treści. Jeżeli chcemy uniknąć sytuacji, kiedy nasza strona jest niewidoczna dla systemów AI, powinniśmy wyciągnąć wnioski z powyższej analizy!
Praktyczny plan optymalizacji strony pod widoczność w AI
Proces optymalizacji można podzielić na kilka kluczowych etapów:
- analiza obecnej widoczności treści poprzez test źródła strony na trzech najważniejszych stronach witryny,
- identyfikacja dostępności treści (np. takich, które pojawiają się tylko po załadowaniu JavaScript),
- poprawa struktury treści (maks. 1 nagłówek H2 i reszta nagłówków ułożona w sposób hierarchiczny i czytelny),
- aktualizacja meta tagów i danych strukturalnych schema,
- dodanie markupów (dodanie strukturalnego kodu JSON-LD, który pomoże systemom AI lepiej zrozumieć zawartość strony).
Oprócz tego – zarówno pod kątem SEO, jak i pozycjonowania w modułach AI – warto zadbać też o to, by:
- wszystkie treści były widoczne w źródle strony (test: Ctrl+U),
- szybkie ładowanie strony (poniżej 3 sekund dla wszystkich warstw),
- jasny tekst linków („Pobierz cennik”, nie „Kliknij tutaj”),
- dodanie opisów ALT i dla wszystkich mediów na stronie.
Podsumowanie
Problem niewidoczności treści w systemach AI szczególnie dotyka te firmy, które naprawdę są ekspertami w swojej dziedzinie. Coraz częściej mamy do czynienia z tym, że to np. Wikipedia lub konkurenci pojawiają się w wynikach generowanych przez AI, mimo że nie są autorami koncepcji czy twórcami danych produktów. Skądinąd zresztą Wikipedia tak często pojawia się w odpowiedziach AI, ponieważ jej treści są wzorowo zoptymalizowane – korzysta ze standardowych nagłówków, dobrze oznaczonego markupu do wskazywania encji i relacji, a cała zawartość prezentowana jest w przejrzystym HTML bez złożonych skryptów. Do tego dochodzi konsekwentne formatowanie, które ułatwia AI analizę i interpretację danych.
Kiedy Wikipedia zaczyna dominować w wynikach AI dla tematów kluczowych dla danej firmy, skutkuje to utratą wizerunku eksperta, mniejszym ruchem z odpowiedzi generowanych przez AI oraz spadkiem szans na pozyskanie leadów. Żeby odzyskać pozycję, firmy muszą tworzyć rozbudowane strony zasobów, tak budować treści, by AI potrafiła rozpoznać, kto jest autorem lub źródłem danego rozwiązania, oraz rozwijać spójne zestawy tematyczne, które pozwolą systemom lepiej przypisać danej marce wiedzę w konkretnym obszarze.
