Pozycjonowanie w dobie AI: SEO vs GEO - co się zmienia i jak działać
Generative Engine Optimization wchodzi na rynek. Czym różni się od klasycznego SEO, dlaczego JSON-LD wraca z mocą, jak optymalizować pod Perplexity, ChatGPT, Gemini i AI Overviews. Praktyczny przewodnik z technicznymi szczegółami i checklistą wdrożeniową.
1. Czym jest GEO i dlaczego się pojawiło
GEO (Generative Engine Optimization) to dyscyplina optymalizacji treści pod kątem cytowania przez generatywne wyszukiwarki AI: ChatGPT Search, Perplexity, Google AI Overviews, Gemini, Claude, You.com, Brave Search z AI. Termin jako pierwsze opublikowali badacze Princeton i Georgia Tech w 2023 - od tego czasu wszedł do mainstream'u jako odpowiedź na zmianę paradygmatu wyszukiwania.
Geneza: w klasycznym SEO celem jest pozycja w rankingu niebieskich linków. Użytkownik klika, trafia na stronę, czyta. W generatywnym wyszukiwaniu użytkownik dostaje od razu wygenerowaną odpowiedź - z cytatami źródeł, ale często bez kliknięcia. Strona, która jest cytowana, dostaje ułamek dawnego ruchu, ale zachowuje obecność (brand mention) i autorytet (potwierdzony przez AI).
To zmiana fundamentalna. Walka przesuwa się z „kto zajmie pozycję 1” na „kto będzie zacytowany przez AI” - i to wymaga zupełnie innej struktury treści, danych i sygnałów.
2. SEO vs GEO - kluczowe różnice
Cel
SEO: pozycja 1-10 w SERP. GEO: bycie zacytowanym w wygenerowanej odpowiedzi AI.
Format treści
SEO: długie poradniki (2000-5000 słów), zoptymalizowane pod intent zapytania, z gęstym keyword density. GEO: krótkie, jednoznaczne odpowiedzi na konkretne pytania, z liczbami, datami i konkretnymi nazwami. AI rzadko cytuje całe akapity - cytuje fragmenty 1-3 zdaniowe.
Sygnały wiarygodności
SEO: linki przychodzące, dwell time, CTR z SERP. GEO: E-E-A-T na sterydach - autor z imieniem i kompetencjami, publikacja na zaufanej domenie, cytaty z autorytetów branżowych, daty publikacji i modyfikacji, schema Person i Organization.
Struktura strony
SEO: jeden H1, hierarchia H2-H6, paragraf-akapit-zdanie. GEO: jasna struktura odpowiedzi-pytań - FAQ schema, HowTo schema, sekcje z konkretnymi pytaniami jako H2/H3, krótkie odpowiedzi tuż pod każdym pytaniem.
JSON-LD
SEO: opcjonalne, dodaje rich snippets w SERP. GEO: obowiązkowe. AI crawlery przetwarzają JSON-LD jako główne źródło ustrukturyzowanej informacji o stronie - autor, organizacja, FAQ, lista, recenzje, produkty.
Słowa kluczowe
SEO: keyword research, density 1-2%, długie ogony. GEO: semantyczna gęstość - AI rozpoznaje koncepty, nie konkretne frazy. Liczy się pełne pokrycie tematu, używanie synonimów i pokrewnych pojęć.
3. Czynniki rankingowe w GEO
Na podstawie badań Princeton/Georgia Tech (2023) i obserwacji praktyki - czynniki, które mają największy wpływ na cytowalność przez AI:
1. Struktura danych (JSON-LD) - 25-30% wagi
Bogata, poprawna struktura JSON-LD z odpowiednimi typami (Article, FAQPage, HowTo, Organization, Person, Review, Product, ItemList). AI crawlerzy przetwarzają to jako primary input.
2. Cytowalność - 20-25% wagi
Krótkie, samowystarczalne fragmenty z konkretami: liczbami („+466% YoY”), datami („w 2024 roku”), nazwami („Vasco Electronics”), statystykami („30-50% spadek sygnału po iOS 14.5”). AI cytuje konkrety, nie ogólniki.
3. E-E-A-T - 20-25% wagi
Experience, Expertise, Authoritativeness, Trustworthiness. Autor z imieniem i kompetencjami (nie „Admin” / „Redakcja”), schema Person z `knowsAbout`, `hasOccupation`, `sameAs` do LinkedIn. Organization schema z weryfikowalną historią.
4. Świeżość - 10-15% wagi
`datePublished` i `dateModified` w JSON-LD i meta tagach. AI preferuje świeże źródła (zwłaszcza Perplexity i ChatGPT Search). Odświeżaj kluczowe treści co 6-12 miesięcy.
5. Sygnały zewnętrzne - 10-15% wagi
Linki z innych zaufanych źródeł, cytowania w mediach branżowych, wpisy w Wikipedii (jeśli relevantne), aktywność autora na LinkedIn / Twitter / specjalistycznych forach.
4. JSON-LD - serce GEO
JSON-LD (JavaScript Object Notation for Linked Data) to format ustrukturyzowanych danych. Wbudowany w ` Dawid Rubin. Wszelkie prawa zastrzeżone.