SEO się zmienia szybciej niż kiedykolwiek wcześniej. Tradycyjne działania on-site i off-site nadal są ważne, ale w ostatnich miesiącach obserwujemy rosnące znaczenie takich źródeł jak AI Overview, Chat GPT czy inne systemy oparte o LLM (Large Language Models). To nie tylko trend – to zmiana paradygmatu w sposobie, w jaki użytkownicy otrzymują odpowiedzi i jak marki mogą być widoczne w nowych kanałach.
W KWISS postanowiliśmy zareagować proaktywnie. Od ponad dwóch lat zmieniamy nasze procesy i środowisko pracy, wykorzystując wsparcie automatyzacji i AI w codziennej pracy, a obecnie stworzyliśmy inicjatywę SEO Lab – to nasza wewnętrzna przestrzeń do eksperymentowania, testowania, mierzenia i adaptowania strategii SEO do nowej rzeczywistości. Nie chcemy tylko obserwować zmian z boku, chcemy być ich częścią z korzyścią dla naszych klientów.
Jak działa SEO Lab?
SEO Lab to cykliczne spotkania naszego zespołu (co dwa tygodnie), w ramach których:
- wybieramy temat sprintu,
- eksperymentujemy i analizujemy dane,
- tworzymy dokumentację i dzielimy się wnioskami,
- rekomendujemy działania do wdrożenia u klientów lub w naszych własnych procesach.
Spotkania transkrybujemy automatycznie z wykorzystaniem Fireflies, a następnie podsumowania automatycznie wpadają do naszego Clickup. Na ich podstawie powstają wpisy blogowe – jak ten. Celem jest jednak nie tylko dzielenie się wiedzą i budowanie eksperckiej transparentności, ale przede wszystkim adaptacja do zmian w ekosystemie wyszukiwarek w taki sposób, by prowadzone przez nas projekty wyprzedzały konkurencję w tym obszarze.
Poznajmy się bliżej
Zobacz kto stoi za #SEOLab
Sprint #0 – planowanie i założenia SEO Labu
Pierwsze spotkanie SEO Labu było swoistym „sprintem zerowym” – nie tyle nastawionym na wynik, co na wypracowanie struktury pracy i ukierunkowanie naszej energii na właściwe tory. Zależało nam, by SEO Lab nie był jednorazowym eksperymentem, ale cyklem, który naprawdę wpływa na sposób, w jaki działamy jako zespół. Podczas pierwszego spotkania:
- Ustaliliśmy rytm pracy – 2-tygodniowe sprinty, których celem będzie testowanie i wdrażanie konkretnych rozwiązań SEO (lub przynajmniej dostarczanie mierzalnych wniosków),
- Zdefiniowaliśmy cele – SEO Lab ma dostarczać wartości w postaci nowych pomysłów, rekomendacji, narzędzi lub procesów, które przełożą się na działania w projektach,
- Określiliśmy zasoby czasowe – maksymalnie 2 godziny tygodniowo na osobę, tak by nie kolidowało to z bieżącą pracą, ale było wystarczające, by faktycznie coś dostarczyć,
- Zaproponowaliśmy pierwsze tematy do eksploracji: pomiar ruchu i widoczności w AI Overview oraz systemach opartych na LLM, wpływ treści typu FAQ na AI Overview, automatyzacje z użyciem AI, testy pliku llms.txt oraz około 15 innych wstępnie wybranych tematów.
To spotkanie pokazało, że mimo różnych codziennych obowiązków, zespół chce w to wejść – traktujemy SEO Lab jako okazję do rozwoju i realnego wpływania na przyszłość SEO w KWISS.
Sprint #1 – jak mierzyć ruch i widoczność w LLM i AI Overview?
Pierwszy „techniczny” sprint skupiliśmy wokół pytania, które coraz częściej pojawia się w rozmowach z klientami, ale też wewnętrznie: czy da się realnie śledzić efekty obecności w AI Overview i innych systemach opartych o LLM? Sprint podzieliliśmy na dwa główne obszary:
- Widoczność w AI Overview / LLM-ach (Mateusz)
- Ruch z tych źródeł (Paweł i Kacper)
1. Widoczność w LLM i AI Overview
Mateusz przeanalizował możliwości mierzenia obecności w AI Overview za pomocą popularnych narzędzi – m.in. Ahrefs, Semrush, Senuto.
- Ahrefs i Semrush zaczęły wdrażać funkcje śledzenia AI Overview (Ahrefs np. testuje funkcję „AI Answer visibility”), ale są to funkcje wczesnej fazy rozwoju – głównie punktowy monitoring na bazie zapytań, bez szerszego kontekstu.
- Nie istnieje jeszcze narzędzie (albo go nie znaleźliśmy), które pozwoliłoby zautomatyzować analizę obecności w LLM-ach na większą skalę – wymaga to ręcznego podawania zapytań lub testowania na wybranych grupach fraz.
Wnioski: temat na razie zostaje „w poczekalni”, ale będziemy go monitorować. Wrócimy do niego, gdy pojawią się bardziej dojrzałe rozwiązania.
2. Ruch z LLM – mierzenie i raportowanie
Paweł i Kacper przyjrzeli się temu, czy ruch z LLM (Bing Chat, ChatGPT czy AI Overview) da się wyłapać w GA4 oraz jak spiąć go z Looker Studio, w którym przygotowujemy raporty dla naszych klientów:
- W GA4 widać część tego ruchu w zakładce “referral”, np. jako chat.openai.com, bard.google.com, copilot.microsoft.com.
- Zidentyfikowaliśmy możliwość tworzenia niestandardowych raportów i segmentów, które lepiej wyłapują takie źródła.
- Dodatkowo przetestowaliśmy eksport danych do Looker Studio i zbudowaliśmy pierwszy szablon raportu, który uwzględnia LLM jako osobne źródło.
- Przykładowy insight: jeden z naszych klientów miał kilkanaście wejść w miesiącu z chat.openai.com – to niewiele, ale trend pokazuje, że temat będzie tylko rosnąć.
Podsumowanie Sprintu #1
Co wypracowaliśmy:
- Potwierdziliśmy możliwość śledzenia ruchu z LLM (przynajmniej częściowo) w Google Analytics,
- Stworzyliśmy pierwsze szablony raportów w Looker Studio z nowymi źródłami, które wykorzystamy do modyfikacji raportów miesięcznych dla naszych klientów,
Czego się dowiedzieliśmy:
- Widoczność w AI Overview jest trudna do zmierzenia automatycznie – na razie to raczej analiza punktowa niż systemowe monitorowanie.
- Narzędzia są w fazie „beta” – potrzeba czasu i testów.
Co dalej:
- Ruch z LLM i AI Overview będziemy uwzględniać w raportach dla klientów tam, gdzie to możliwe.
- Widoczność odkładamy na później – temat zostaje w backlogu.
Sprint #2 – co testujemy teraz?
Aktualny sprint SEO Labu skupia się na trzech równoległych eksperymentach:
1. Bing i Chat GPT
- Analizujemy ruch z Bing, integrację z Bing Webmaster Tools oraz wpływ widoczności w Bing na ruch z Chat GPT,
- Oceniamy działania, które mogą poprawić widoczność w Bing bez szkody dla wyników w Google.
2. Google AI Studio jako wsparcie operacyjne
Testujemy możliwości użycia Google AI Studio do wdrożenia narzędzi wspierających naszą pracę, przykładowo:
- matchowania błędów 404 z mapą strony,
- porządkowania fraz kluczowych tematycznie,
- oceny semantycznej treści pod kątem dopasowania do intencji.
3. Eksperymenty z plikiem llms.txt
- Testujemy narzędzia do generowania plików llms.txt.
- Sprawdzamy, czy jego obecność na stronie wpływa na obecność w wynikach AI Overview i LLM.
- Obserwujemy, czy LLM-y (np. ChatGPT) respektują ten plik podobnie jak robots.txt.
Co dalej?
Z SEO Labu będziemy publikować podsumowania po każdym sprincie – co dwa tygodnie. Każdy wpis to:
- przegląd tego, co zbadaliśmy,
- opis tego, co wdrażamy,
- sygnał, jak zmienia się SEO w praktyce.
Chcemy, żeby ta seria nie była tylko showcase’em – ale też materiałem, który realnie przydaje się osobom działającym w SEO, marketingu i e-commerce.
Spodobał Ci się #SEOLAB?
Sprawdź co jeszcze możemy dla Ciebie zrobić
Podsumowanie
Jeśli jesteś naszym klientem – możesz mieć pewność, że nasze działania SEO nie są oparte o przestarzałe checklisty, ale o bieżące testy, dane i wiedzę. Jeśli działasz w branży – obserwuj tę serię. Świat SEO przyspiesza, a my robimy wszystko, żeby nie tylko nadążyć, ale i trzymać rękę na pulsie.
Chcesz porozmawiać o widoczności w AI? Odezwij się – pomożemy zaprojektować strategię, która działa także poza klasycznym Google.
W KWISS odpowiadam za współtworzenie strategii SEO, rozwój procesów wewnętrznych oraz wdrażanie automatyzacji i rozwiązań opartych na AI. Na co dzień łączę analityczne podejście z uporządkowanym działaniem – wierzę, że skuteczne SEO opiera się nie tylko na eksperckiej wiedzy, ale też na dobrze zaprojektowanym systemie pracy.
