Poznaj koło zamachowe GEO: cotygodniową pętlę do mierzenia, budowania, zdobywania i odświeżania widoczności marki w
ChatGPT,
Claude,
Gemini i
Perplexity.

Na tej stronie
W skrócie
Koło zamachowe GEO to cotygodniowa pętla. Sprawdzasz, w których odpowiedziach AI pada nazwa twojej marki, zmieniasz strony i zewnętrzne źródła, które decydują o tych odpowiedziach, a potem mierzysz ponownie. Każdy obieg daje dane do następnego, więc z czasem praca staje się łatwiejsza. Odpowiedzi AI ciągle się zmieniają, dlatego jednorazowy audyt szybko traci wartość, a pętla utrzymuje cię na bieżąco.
Chcesz dowiedzieć się więcej? Zapytaj
Szybki quiz
Jak sprawić, by ChatGPT i inne AI o Tobie wspominały?
Sorank pasuje do Twoich odpowiedzi
Przetestuj go przez 3 dni na swojej stronie i zobacz, na czym stoisz w Google, ChatGPT i innych AI.
Wypróbuj 3 dni za darmo3 dni za darmo, potem rezygnujesz, kiedy chcesz. 90-dniowa gwarancja wyników, obowiązują warunki.
Generative Engine Optimization (GEO) to praca nad tym, żeby marka była wymieniana, cytowana lub polecana w odpowiedziach ChatGPT, Claude, Gemini i Perplexity. Koło zamachowe to sposób prowadzenia tej pracy, w którym każda runda czyni następną tańszą. Nazwa pochodzi od ciężkiego koła w dawnym silniku. Na start trzeba włożyć dużo wysiłku, a potem koło kręci się dalej z mniejszym popchnięciem.
Ta metafora może wprowadzać w błąd. Koło zamachowe nie oznacza „publikuj więcej i czekaj”. Oznacza cztery etapy działające w stałej kolejności, gdzie wynik jednego jest wejściem do następnego. Mierzysz, gdzie się pojawiasz. Zmieniasz to, co rozstrzyga odpowiedź. Zdobywasz wzmianki w źródłach, z których odpowiedzi już korzystają. Odświeżasz to, co się zestarzało, a pomiary mówią ci, co robić dalej.
Większość porad o GEO nadal brzmi jak projekt: zrób audyt raz, popraw listę, napisz raport i idź dalej. To działa przy zepsutej stronie. Nie pasuje jednak do odpowiedzi AI, bo modele stale aktualizują swoje źródła i sposób formułowania. To samo pytanie może w przyszłym miesiącu wymienić inny zestaw marek, nawet jeśli po twojej stronie nic się nie zmieniło.
Projekt jednorazowy kontra koło zamachowe
Jeśli chcesz pełną konfigurację dla ChatGPT, Claude i Gemini, strona optymalizacji GEO opisuje narzędzia. Ten artykuł dotyczy samej pętli, czyli części, która po pierwszym miesiącu dalej przynosi efekty.
Zacznijmy od Google, bo jego stanowisko jest najprostsze. W dokumentacji Google Search Central firma pisze, że do pojawienia się w AI Overviews lub w trybie AI nie ma „żadnych dodatkowych wymagań”, a do tych funkcji nie trzeba „nowych plików czytelnych maszynowo, plików tekstowych dla AI ani znaczników” (Google Search Central, AI features and your website). Twoja strona musi być zindeksowana i kwalifikować się do wyświetlenia fragmentu. Poza tym obowiązują zwykłe zasady dobrej treści.
ChatGPT, Claude i Perplexity publikują mniej wskazówek niż Google, więc sposób ich działania poznajesz przez pomiary. Ich odpowiedzi zależą od tego, co pobierają, co już wiedzą o twojej marce i co inne strony o tobie piszą. Trzy rzeczy powodują, że odpowiedzi tracą trafność:
Poniższa tabela łączy każdą przyczynę z objawem, który zobaczysz jako pierwszy.
| Przyczyna | Objaw, który widzisz najpierw | Pierwsze sprawdzenie |
|---|---|---|
| Aktualizacja modelu | Widoczność spada w jednym silniku, a w pozostałych jest stabilna | Uruchom te same zapytania w pozostałych silnikach, potem poczekaj jeden cykl przeglądu |
| Konkurent publikuje | Rywal pojawia się w odpowiedziach, w których wcześniej wymieniano ciebie | Otwórz stronę, którą cytuje odpowiedź, i zapisz, co ona mówi, a twoja nie |
| Twoja strona się starzeje | Odpowiedź powtarza starą cenę, funkcję lub datę | Sprawdź datę ostatniej aktualizacji i każdą liczbę na stronie |
| Źródło się zmienia | Serwis z recenzjami lub wątek na forum przestaje pojawiać się w odpowiedziach | Porównaj źródła cytowane w tym tygodniu ze źródłami z poprzedniego miesiąca |
Pętla rozwiązuje ten problem. Każdy cykl wychwytuje spadek wcześnie i zostawia zapis tego, co się zmieniło. Jednorazowy audyt daje migawkę. Pętla daje trend, a na trend da się reagować.

Pętla ma cztery etapy: Mierzenie, Budowanie, Zdobywanie i Odświeżanie. Nazwy są celowo proste. Powinieneś być w stanie powiedzieć w jednym zdaniu, co robisz w tym tygodniu.
Koło zamachowe GEO w czterech etapach
Każdy etap ma koszt i zysk. Mierzenie kosztuje czas i daje punkt odniesienia. Budowanie kosztuje czas pisania i zmienia to, co modele mogą zacytować. Zdobywanie kosztuje kontakt z redakcjami i zmienia, które źródła o tobie wspominają. Odświeżanie kosztuje czas przeglądu i pilnuje, żeby pozostałe trzy etapy były uczciwe. Jeśli pominiesz etap, pętla dalej się kręci, ale kręci się po omacku albo przestaje się poprawiać.
Poniższe sekcje omawiają każdy etap po kolei, z dokładnymi krokami i błędami, które pojawiają się najczęściej.
Panel zapytań to stała lista pytań, zadawanych w każdym silniku w ten sam sposób, co tydzień. Stała znaczy to samo brzmienie. Jeśli zmienisz pytanie, nie odróżnisz zmiany odpowiedzi wynikającej z silnika od zmiany wynikającej z tego, jak je sformułowałeś.
Pisz zapytania tak, jak wpisuje je kupujący, a nie tak, jak marketer nazywa kategorię. „Najlepsze oprogramowanie księgowe dla agencji pięciu osób” mówi więcej niż „oprogramowanie księgowe”. Miksuj trzy rodzaje zapytań:
Brzmienie zapytań weź z rozmów sprzedażowych, zgłoszeń do wsparcia i długich pytań z analityki. Klienci zadają też pytania po zakupie: „czy warto”, „co to zastępuje”. Takie zapytania często wymieniają konkurenta, którego kupujący już sprawdził. Ustrukturyzowany sposób budowania listy opisuje funkcja badania zapytań AI oraz przewodnik o zapytaniach AI.
Odpowiedź tak lub nie ukrywa większość sygnału. Dla każdego zapytania i każdego silnika zapisz pola z tabeli. Trzymaj arkusz w tej samej kolejności co tydzień, żeby można było porównywać wiersze w czasie.
| Pole | Co zapisać | Dlaczego to ważne |
|---|---|---|
| Zapytanie | Dokładne brzmienie, którego użyłeś | To samo brzmienie co tydzień utrzymuje wyniki porównywalne |
| Silnik | ChatGPT, Claude, Gemini lub Perplexity | Każdy silnik cytuje inne źródła |
| Wymieniony | Tak lub nie | To twoja główna liczba |
| Pozycja | Pierwsza, druga, dalsza lub brak na liście | Późna wzmianka liczy się mniej niż pierwsza |
| Zdanie | Zdanie, które cię wymienia, przepisane słowo w słowo | Pokazuje, jak model cię opisuje, a opis może być błędny |
| Źródła | Adresy URL, które odpowiedź cytuje | Pokazują, gdzie zdobywać wzmianki |
| Konkurenci | Marki wymienione na twoim miejscu | Pokazują, z kim naprawdę konkurujesz |
Wynik panelu podawaj jako udział. Jeśli jesteś wymieniony w 9 z 25 odpowiedzi, twój udział wynosi 36%. Podawaj też udział dla każdego silnika, bo cztery silniki cytują różne źródła i często się różnią.
Silniki odpowiadają inaczej na to samo pytanie przy każdym uruchomieniu. Jedna odpowiedź na zapytanie to próbka z jednego elementu. Uruchamiaj każde zapytanie co najmniej dwa razy w każdym silniku i uśredniaj wynik. Małe panele są wrażliwe: przy 25 zapytaniach jedna odpowiedź to 4 punkty procentowe udziału. Oceniaj trend na przestrzeni czterech tygodni, a nie zmianę z jednego tygodnia.
Ten proces może wykonywać narzędzie. Funkcja śledzenia wzmianek AI opiera się na tej samej zasadzie: śledzi każde zapytanie i pokazuje, kiedy AI cytuje twoją markę.

Modele cytują te fragmenty strony, które stoją same. Zadanie tego etapu to sprawić, by każdą sekcję dało się łatwo wyjąć, bez zamieniania strony w listę słów kluczowych. Zacznij od stron, które wygrały najwięcej zapytań w punkcie wyjścia, a resztę zostaw na później.
Każdą sekcję zacznij od odpowiedzi, a dopiero potem podaj dowody. Powód to pozycja w tekście. W pracy „Lost in the Middle: How Language Models Use Long Contexts” Liu i współautorzy (2023, arXiv 2307.03172) badali, jak modele językowe wykorzystują długie dane wejściowe. Stwierdzili, że skuteczność bywa najwyższa, gdy istotna informacja stoi na początku lub na końcu, a spada, gdy kluczowa treść jest zagubiona w środku. Strona internetowa to nie prompt, a system wyszukiwania nie jest identyczny z ich testem. Wniosek dla pisania nadal jednak działa: pierwsze zdania sekcji niosą najwięcej wagi.
Porównaj dwie wersje tego samego twierdzenia:
Mocna wersja daje modelowi zdanie, które może zacytować w całości, z jego zakresem, liczbą i metodą. Słaba wersja zmusza model do zgadywania, co masz na myśli, a model, który zgaduje, zwykle cię pomija.
Praca o GEO to najbliższy temu polu kontrolowany test. Aggarwal i współautorzy (KDD 2024, arXiv 2311.09735) zbudowali benchmark odpowiedzi generatywnych silników i przetestowali zmiany w tekście: podawanie źródeł, dodawanie cytatów i dodawanie statystyk. Mierzyli, jak duża część wygenerowanej odpowiedzi korzysta z tekstu źródłowego. Praca podaje, że GEO „może zwiększyć widoczność nawet o 40%” w swoim benchmarku.
Liczby w poniższym bloku pochodzą z tabel samej pracy. Ustawienie GEO-bench używało konfiguracji opartej na Google i silnika generatywnego GPT-3.5. Wyniki Perplexity.ai pochodzą z osobnego testu. W obu przypadkach wzrosty dotyczą tekstu bazowego w tym ustawieniu, a nie bezwzględnego ruchu.
Najlepsze metody względem tekstu bazowego w pracy o GEO
Źródło: Aggarwal i in., „GEO: Generative Engine Optimization”, KDD 2024, tabele 1 i 7 (arXiv 2311.09735)
Traktuj te liczby jako kierunek, a nie prognozę. Praca wybrała własne zapytania i własne silniki, a twoja kategoria może zachowywać się inaczej. Liczby potwierdzają natomiast praktyczny nawyk. Tam, gdzie się da, cytuj pierwotne źródło każdej liczby, podawaj dokładną wartość z datą i przypisuj twierdzenie osobie lub dokumentowi, z którego pochodzi. Zdanie z datowaną liczbą i nazwanym źródłem trudniej pominąć niż „powszechnie uznawane”.
Dane strukturalne mówią robotom indeksującym, czym jest strona: jej nagłówkiem, autorem i datami. Nie sprawiają, że model zacytuje twoją stronę. Usuwają natomiast wątpliwość, kto napisał stronę i kiedy ją ostatnio sprawdzono. Poniższy blok to minimalny opis artykułu. Dodaj go przez CMS lub szablon, a potem przetestuj go walidatorem danych strukturalnych.
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "GEO Flywheel: A Weekly Loop That Builds Your AI Visibility",
"author": {"@type": "Person", "name": "Thibault Besson-Magdelain"},
"datePublished": "2026-11-19",
"dateModified": "2026-11-19"
}
Ostrzeżenie
Możesz trafić na radę, by dodać plik llms.txt jako pierwszy krok do cytowania przez AI. Google twierdzi, że jego funkcje AI nie wymagają takiego pliku. Dodaj go, jeśli chcesz, ale traktuj to jako małe zadanie poza pętlą. Nie zastąpi twierdzeń jasnych, opatrzonych źródłem i aktualnych.
Modele rzadko wyrabiają sobie opinię o marce wyłącznie na podstawie twojej strony. Czytają też inne strony. Twierdzenie pojawiające się w jednym miejscu łatwo zignorować, a to samo twierdzenie na kilku niezależnych serwisach łatwiej powtórzyć. Dlatego istnieje etap Zdobywania: poszerzasz zbiór źródeł, które mówią o tobie właściwie.
Panel już pokazuje, dokąd iść. Otwórz źródła cytowane w każdej odpowiedzi i zapisz adresy. Pogrupuj je według typu: serwisy z recenzjami, artykuły porównawcze, media branżowe, wątki społecznościowe, katalogi. Potem przeczytaj każdą stronę i zadaj trzy pytania:
Najcenniejszym celem jest strona, która wymienia konkurentów, a ciebie nie. Na drugim miejscu jest strona z nieaktualną liczbą. Wyślij redaktorowi poprawną liczbę wraz ze źródłem, w dwóch lub trzech zdaniach. Poprawka ze źródłem łatwiej zyskuje zgodę niż ogólna oferta, bo pomaga stronie, a niczego w zamian nie wymaga.
Trzymaj się z dala od płatnych publikacji w tym etapie. Płatna wzmianka, która obiecuje obecność w odpowiedziach AI, może naruszać zasady Google dotyczące linków i nie zostawia zapisu, którego potem można bronić. Ryzyka i bezpieczniejsze opcje opisuje artykuł Czy kupować backlinki? Ryzyko, zasady Google i bezpieczniejsze alternatywy.
Własna witryna to pierwsze miejsce, w którym model i robot szukają głębi tematu. Linki wewnętrzne mówią robotom, które strony są ważne, a czytelnikom, dokąd iść dalej. Dokumentacja Google Search Central opisuje podstawy. Pisze, że „każda strona, na której ci zależy, powinna mieć link z co najmniej jednej innej strony w twojej witrynie”, i że Google „może podążać tylko za linkiem, który jest elementem HTML <a>” (Google Search Central, Link best practices for Google Search).
Tekst kotwicy ma tak samo duże znaczenie jak sam link. Wytyczne Google mówią, że „dobry tekst kotwicy jest opisowy, dość zwięzły i związany ze stroną, na której się znajduje”. Oto link napisany tak, jak wymagają wytyczne:
<a href="/pl/blog-geo-seo/optymalizacja-widocznosci-ai">jak sprawić, by ChatGPT, Gemini i Perplexity cię wymieniały</a>
Unikaj „czytaj więcej” i „kliknij tutaj”. Kotwica to jedyna część linku, która mówi czytelnikowi i robotowi, czego dotyczy cel. Te same wytyczne mówią, że nie ma magicznej idealnej liczby linków na stronie, ale „jeśli uważasz, że jest ich za dużo, to pewnie tak jest”. Używaj linków, które pomagają czytelnikowi, i na tym poprzestań.
Buduj huby, a nie stosy. Strona-hub szeroko omawia temat i linkuje do stron pomocniczych, które wchodzą głębiej. Taka struktura to klaster tematyczny, zdefiniowany w haśle klaster tematyczny, i najlepiej działa, gdy każda strona pomocnicza linkuje z powrotem do huba. Część planowania opisuje artykuł o filarach treści. Funkcja generatora klastrów tematycznych planuje strukturę za ciebie, bez nakładających się stron.
Żeby sprawdzić linki, które już masz, analizator linków wewnętrznych sprawdza linki wewnętrzne dowolnej strony.

Wskazówka
Najpierw uruchom analizator na stronie-hubie. Jeśli linkuje do mniej stron pomocniczych, niż się spodziewasz, napraw to, zanim napiszesz cokolwiek nowego. Kolejność prac podaje przewodnik strategia linkowania wewnętrznego.
Odświeżanie oznacza aktualizowanie strony lub źródła wtedy, gdy wskazują na to dane, a nie według kalendarza. Strona aktualizowana co miesiąc bez powodu nic ci nie mówi, a może odpłynąć od faktów, które sprawdziłeś. Zasada jest prosta: każda zmiana ma powód w dzienniku, a każdy powód pochodzi z pomiaru albo z datowanego faktu.
Używaj tej samej listy co tydzień, żeby przegląd miał zawsze ten sam kształt i żeby można było porównać jeden tydzień z następnym.
Przegląd tygodniowy
Trzymaj przegląd krótko. Przeczytaj zmiany, wybierz jedno albo dwa działania i zakończ. Pętla zależy bardziej od rytmu niż od wielkości każdej rundy. Dla większości stron wystarczy raz w tygodniu. Wyniki dzienne to głównie szum, a przegląd miesięczny pozwala zbyt długo gromadzić się spadkom między sprawdzeniami.
Spadek ma przyczynę, a przyczyna decyduje o działaniu. Zanim dotkniesz strony, użyj tej tabeli.
| Objaw | Prawdopodobna przyczyna | Działanie |
|---|---|---|
| Spadek we wszystkich czterech silnikach naraz | Twoja strona się zmieniła albo roboty nie mogą dotrzeć do kluczowej strony | Sprawdź indeksowanie i reguły robots (zob. robots.txt dla robotów AI), a potem przejrzyj ostatnią edycję |
| Spadek tylko w jednym silniku | Ten silnik zmienił model albo źródła | Poczekaj jeden cykl przeglądu, potem porównaj z pozostałymi trzema, zanim cokolwiek edytujesz |
| Konkurent pojawia się w nowych odpowiedziach | Opublikował lub zdobył nowe źródło | Przeczytaj stronę, którą cytuje odpowiedź, i zaplanuj lepszą odpowiedź na to samo pytanie |
| Negatywne sformułowanie w odpowiedzi | Stara recenzja, wątek na forum albo nieaktualny fakt | Znajdź cytowaną stronę, popraw fakt u źródła albo skoryguj go własnym dowodem |
Dziennik to część koła zamachowego, którą pomija większość zespołów, a to on sprawia, że pętla się kumuluje. Przy każdej zmianie zapisz datę, stronę lub źródło, co się zmieniło i których zapytań to powinno dotyczyć. Po czterech do sześciu tygodniach masz zapis, który pokazuje, jakie rodzaje zmian przesunęły twój udział. Ten zapis decyduje o pracy następnej rundy.
Gdy odpowiedzi zmieniają się z przyczyn, których nie umiesz wyjaśnić, przewodnik o zmienności wyszukiwania AI pokazuje, jak odróżnić szum od prawdziwej zmiany, zanim cokolwiek przepiszesz.
Wskazówka
Zanim zmienisz stronę, uruchom bezpłatny audyt GEO na tej stronie. Wynik to punkt odniesienia dla tej strony, dzięki któremu zmianę da się później zmierzyć.
Cztery etapy można prowadzić na więcej niż jeden sposób. Każdy ma inny koszt czasu i inne ryzyko. Wybierz ten, który pasuje do wielkości twojego panelu i zespołu, i przechodź wyżej dopiero wtedy, gdy obecny sposób przestanie nadążać.
W tej wersji człowiek ręcznie zadaje każde zapytanie, zapisuje odpowiedź w arkuszu i wprowadza zmiany. Zasada jest taka, że człowiek czyta każdą odpowiedź. Sprawdza się do około 10 zapytań, jednego lub dwóch silników i zespołu jednoosobowego. Zaletą jest to, że kosztuje tylko czas, a daje realne wyczucie, jak każdy silnik pisze o twojej kategorii. Ograniczeniem są czas i dryf: ręczne uruchomienia się opóźniają, sformułowania się rozjeżdżają, a arkusz po kilku miesiącach trudno czytać.
Tu narzędzie do śledzenia uruchamia panel i prowadzi historię, a człowiek wykonuje działania. Sprawdza się przy 20 do 50 zapytaniach, kilku silnikach i zespole, który tworzy treści. Zaletą jest spójne próbkowanie i czytelna linia trendu. Ograniczeniem jest to, że pulpit pokazuje zmianę, ale nie naprawę. Nadal potrzebujesz redaktora, który zdecyduje, co przepisać. Pulpit GEO i SEO zestawia ruch z Google i z AI w jednym widoku, co daje przeglądowi tygodniowemu dane wejściowe.

W tej wersji oprogramowanie prowadzi pomiar, przygotowuje lub aktualizuje strony i proponuje linki, a człowiek zatwierdza każdą zmianę. Sprawdza się przy dużej liczbie stron i małym zespole, który potrzebuje stałej produkcji. Zaletą jest to, że pętla kręci się co tydzień bez nikogo, kto by ją gonił. Ograniczeniem jest to, że zła reguła powtarza się na dużą skalę. Potrzebujesz przeglądu każdej zmiany i dziennika tego, co zrobił system, inaczej nie wiesz, która zmiana przesunęła twój udział.
Sorank jest zbudowany pod trzecią wersję: śledzi wzmianki AI, pisze i aktualizuje artykuły oraz zdobywa linki, wszystko na autopilot. Niezależnie od wybranej wersji zachowaj przegląd tygodniowy. Nawet autopilot wymaga kogoś, kto sprawdzi, co się zmieniło i dlaczego.
| Wersja | Pasuje do | Główne ryzyko | Kto wykonuje pracę |
|---|---|---|---|
| Pętla arkuszowa | Do około 10 zapytań, jeden lub dwa silniki | Pominięte uruchomienia i dryf sformułowań | Jedna osoba, ręcznie |
| Pętla z pulpitem | 20 do 50 zapytań, kilka silników | Wyraźny trend bez przypisanej naprawy | Zespół, który pisze i redaguje |
| Pętla autopilot | Wiele stron, mały zespół, stała produkcja | Zła reguła powtarza się na dużą skalę | Oprogramowanie, a człowiek zatwierdza każdą zmianę |
Każdy poniższy błąd ma trzy części: jak wygląda, jak go rozpoznać we własnych danych i jak go naprawić. Zacznij od tych, które rozpoznajesz, a resztę sprawdź podczas pierwszego przeglądu.
Jak wygląda. Jedno uruchomienie panelu, zwykle w jednym silniku, zapisane jako start na cały rok.
Jak go rozpoznać. Twój arkusz ma jedną datę w nagłówku i nie ma drugiej kolumny dla tego samego zapytania. Każda zmiana wygląda na sukces albo porażkę, bez szumu, z którym można by ją porównać.
Jak to naprawić. Na punkt odniesienia uruchom każde zapytanie dwa razy w każdym silniku, uśrednij oba wyniki i zachowaj surowe odpowiedzi, żeby móc sprawdzić sporny wiersz. Dopiero wtedy licz zmianę jako wynik.
Jak wygląda. Cały panel działa w ChatGPT, bo to najbardziej znany silnik, a zespół zakłada, że wynik jest taki sam wszędzie.
Jak go rozpoznać. Kolumna źródeł pokazuje w każdym wierszu te same kilka domen. Pozostałe silniki wymieniają cię inaczej albo wcale, a nikt tego nie sprawdził.
Jak to naprawić. Dodaj do panelu wszystkie cztery silniki. Każdy cytuje inne źródła, więc poprawka dla jednego może nie ruszyć pozostałych. Podawaj udział dla każdego silnika obok udziału ogólnego.
Jak wygląda. Zespół spędza dwa tygodnie na pliku czytelnym dla maszyn, a nie poświęca czasu stronom, które panel pokazuje jako tracące wzmianki.
Jak go rozpoznać. Etap Budowanie nie ma w dzienniku zmienionych akapitów, są tylko edycje plików. Przegląd tygodniowy nie pokazuje żadnych zmian na stronach.
Jak to naprawić. Dokumentacja Google mówi, że jej funkcje AI nie wymagają nowych plików czytelnych maszynowo, plików tekstowych dla AI ani znaczników. Poświęć czas twierdzeniom na początku każdej sekcji, datowanym źródłom i linkom wewnętrznym, czyli elementom, które etap Budowanie faktycznie zmienia.
Jak wygląda. Duża przebudowa witryny po słabym punkcie wyjścia, z każdą stroną zmienioną naraz.
Jak go rozpoznać. Udział w następnym tygodniu się przesuwa i nikt nie potrafi wskazać, która zmiana to spowodowała. W dzienniku jeden wpis dotyczy dziesięciu stron.
Jak to naprawić. Zmieniaj jeden klaster w rundzie, zapisuj każdą stronę osobno i poczekaj pełny cykl przeglądu przed następną zmianą. Wolniejsza pętla, którą możesz odczytać, jest lepsza od szybkiej, której nie umiesz wyjaśnić.
Jak wygląda. „Artykuł partnerski” z twoim linkiem i wzmianką w odpowiedzi AI, bez oznaczenia i bez prawdziwej redakcji.
Jak go rozpoznać. Strona jest płatna, link nie jest oznaczony jako sponsorowany, a wzmianka istnieje tylko w tym jednym miejscu. Taka wzmianka rzadko utrzymuje się w odpowiedziach w różnych silnikach.
Jak to naprawić. Zatrzymaj publikację i zastąp ją poprawką albo danymi wysłanymi do redaktora istniejącej już strony. Zasady i bezpieczniejsze opcje są w artykule Czy kupować backlinki?
Jak wygląda. Każdy link wewnętrzny mówi „czytaj więcej”, więc link nie mówi czytelnikowi ani robotowi nic o stronie docelowej.
Jak go rozpoznać. Posortuj kotwice w raporcie z crawlowania albo w analizatorze linków. Jeśli najczęstsze kotwice są ogólne, problem ma charakter systemowy.
Jak to naprawić. Przepisz każdą kotwicę tak, by nazywała to, na co odpowiada strona docelowa. Zmiana zajmuje minuty na link i daje robotom czytelniejszą mapę.
Jeden link wewnętrzny, dwa sposoby
Skorzystaj z tego planu, jeśli zaczynasz od zera. Każdy tydzień ma jedno główne zadanie, więc pętla rusza, zanim będziesz gotowy na pracę na dużą skalę.
Twoje pierwsze 30 dni
Zaplanuj co najmniej dwie lub trzy rundy, zanim je ocenisz. Pierwsza runda daje punkt odniesienia i jeden zestaw zmian. Odpowiedzi AI różnią się między uruchomieniami, więc pojedynczy tydzień niewiele dowodzi. Pierwszą rzeczą wartą przeczytania jest trend z czterech tygodni.
Nie, przynajmniej nie dla funkcji AI Google. Google twierdzi, że nie wymagają one nowych plików czytelnych maszynowo, plików tekstowych dla AI ani znaczników. Inne silniki publikują mniej wskazówek, więc każdy plik oceniaj po własnych wynikach. Dodanie go jest tanie, ale nie jest etapem pętli.
Tak, wystarczy arkusz i 20 zapytań. Ograniczeniem jest czas, bo ręczne uruchomienia są powolne, a sformułowania się rozjeżdżają. Zacznij ręcznie, dowiedz się, które zapytania mają znaczenie, a potem przejdź na narzędzie do śledzenia, gdy panel przerośnie arkusz.
Zacznij w tym tygodniu od panelu. Napisz 20 zapytań, zadaj je w czterech silnikach i zapisz pierwszy wynik. Ta liczba to twój punkt odniesienia, a każda kolejna runda będzie mierzona względem niego.
Zaplanuj co najmniej dwie lub trzy rundy, zanim je ocenisz. Pierwsza runda daje punkt odniesienia i jeden zestaw zmian. Odpowiedzi AI różnią się między uruchomieniami, więc pojedynczy tydzień niewiele dowodzi, a pierwszą rzeczą wartą przeczytania jest trend z czterech tygodni.
Nie, przynajmniej nie dla funkcji AI Google, które według Google nie wymagają nowych plików czytelnych maszynowo, plików tekstowych dla AI ani znaczników. Inne silniki publikują mniej wskazówek, więc każdy plik oceniaj po własnych wynikach. Dodanie go jest tanie, ale nie jest etapem pętli.
Tak, wystarczy arkusz i 20 zapytań. Ograniczeniem jest czas, bo ręczne uruchomienia są powolne, a sformułowania się rozjeżdżają. Zacznij ręcznie, dowiedz się, które zapytania mają znaczenie, a gdy panel przerośnie arkusz, przejdź na narzędzie do śledzenia.
