Jeszcze rok temu większość rozmów o AI w SEO wyglądała podobnie – dyskutowaliśmy o generowaniu treści, automatyzacji procesów, budowaniu agentów i o tym, czy sztuczna inteligencja zastąpi specjalistów SEO.
Dzisiaj mam wrażenie, że jesteśmy już w zupełnie innym miejscu. Nie pytamy już czy AI działa (wiemy, że działa), ale zastanawiamy się, które rozwiązania rzeczywiście oszczędzają czas, poprawiają jakość pracy i dają przewagę w codziennym pracy specjalistów SEO.
Podczas ostatniego SEOLabu praktycznie nie rozmawialiśmy o generowaniu artykułów czy pisaniu treści przez AI. Znacznie więcej czasu poświęciliśmy analizie danych, testowaniu narzędzi, jakości wyników i temu, jak włączyć nowe rozwiązania do procesów, które już funkcjonują w KWISS.
Spis treści
Największy problem AI w SEO nie leży w generowaniu treści
Patrząc na branżowe dyskusje można odnieść wrażenie, że AI nadal kojarzy się głównie z tworzeniem artykułów, opisów kategorii czy content planów. Samo wygenerowanie tekstu przestało być problemem już dawno temu. Dzisiaj dużo większym wyzwaniem jest coś zupełnie innego, tzn.:
- skąd pochodzą dane,
- czy wyniki są poprawne,
- jak zweryfikować odpowiedzi AI,
- czy da się wykorzystać je w realnym procesie pracy.
Coraz częściej dochodzimy do wniosku, że wartość AI nie wynika z tego, że coś wygeneruje. Wartość pojawia się dopiero wtedy, gdy potrafimy ocenić jakość tych wyników i wykorzystać je w praktyce.
Wygenerowanie odpowiedzi trwa kilka sekund, ale zweryfikowanie jej i podjęcie właściwej decyzji biznesowej nadal wymaga doświadczenia i pracy.
Poznajmy się bliżej
Zobacz kto stoi za #SEOLab
Query Fanout – jeden z najciekawszych kierunków rozwoju SEO
Jednym z najciekawszych tematów ostatniego sprintu był Query Fanout.
To koncepcja zakładająca, że wyszukiwarka nie analizuje wyłącznie frazy wpisanej przez użytkownika, ale próbuje rozwinąć ją o dodatkowe pytania, konteksty i powiązane zagadnienia, żeby lepiej zrozumieć rzeczywistą intencję wyszukiwania.
Brzmi logicznie. Problem polega na tym, że nikt poza Google nie wie dokładnie, jak taki mechanizm działa.Obserwujemy coraz więcej prób odtworzenia tego procesu przy pomocy AI – powstają narzędzia, które starają się przewidywać dodatkowe pytania, konteksty i zależności semantyczne, jakie algorytm może brać pod uwagę podczas interpretowania zapytania użytkownika.
AI może podpowiedzieć interesujący kierunek. Może wygenerować pytania, których wcześniej nie braliśmy pod uwagę. Może zasugerować nowe obszary do rozwoju treści. Ale nadal są to tylko hipotezy i dopóki nie zostaną zweryfikowane przez dane, testy i wyniki, pozostają jedynie inspiracją.
AI jest świetne w szukaniu inspiracji. Gorzej z podejmowaniem decyzji
Obecność Query Fanout prowadzi do kolejnego wniosku – AI bardzo dobrze radzi sobie z wyszukiwaniem nowych kontekstów. Potrafi analizować People Also Ask, related searches, dane z SERP-ów czy właśnie potencjalne Query Fanouty. Potrafi znajdować dodatkowe pytania użytkowników i sugerować nowe kierunki rozwoju contentu.
To ogromna wartość. ale nie każda sugestia jest dobra. Nie każda ma potencjał biznesowy, nie każda powinna zostać wdrożona. Właśnie dlatego nie wierzę w narrację, że AI zastąpi specjalistów SEO. Moim zdaniem dzieje się dokładnie odwrotnie. Im więcej danych i sugestii dostajemy od AI, tym bardziej potrzebujemy ludzi, którzy potrafią ocenić, które z nich mają sens.
Coraz bardziej interesują nas narzędzia analizujące dane
Ciekawy jest też kierunek, w którym rozwijają się narzędzia. Jeszcze niedawno większość nowych rozwiązań skupiała się na generowaniu treści. Dzisiaj coraz częściej zwracamy uwagę na narzędzia analizujące dane.
Podczas SEOLabu testowaliśmy rozwiązania związane między innymi z monitorowaniem pozycji, analizą widoczności, rozbudowanym researchem słów kluczowych czy potencjalnymi integracjami z Google Search Console i GA4.
Mam wrażenie, że właśnie tutaj znajduje się dziś największy potencjał. Nie w kolejnym generatorze treści, tylko w szybszym wyciąganiu wniosków z danych, które już posiadamy.
Bo jeśli AI pomoże nam szybciej znaleźć zależności pomiędzy frazami, wykryć problemy z widocznością albo podpowiedzieć kierunki optymalizacji, to oszczędzamy czas tam, gdzie rzeczywiście jest on potrzebny.
Spodobał Ci się #SEOLAB?
Sprawdź co jeszcze możemy dla Ciebie zrobić
Testujemy mniej narzędzi ale testujemy je dokładniej
Kilka miesięcy temu prawdopodobnie zachwycilibyśmy się większością nowych rozwiązań. Dzisiaj podchodzimy do tego znacznie spokojniej. Nauczyliśmy się, że pomiędzy obietnicą a realnym działaniem często istnieje bardzo duża różnica.
Podczas spotkania kilka razy wracaliśmy do tego samego wątku – narzędzie może działać świetnie przez kilka tygodni, a później zacząć zwracać błędne dane albo przestać działać zgodnie z oczekiwaniami. Dlatego coraz większy nacisk kładziemy na monitoring, walidację i wykrywanie potencjalnych błędów.
Prawdziwe wyzwanie? Wdrożenie AI do procesu pracy
Najważniejszy wniosek z tego SEOLabu nie dotyczy jednak żadnego konkretnego narzędzia. Narzędzie nie daje wartości dlatego, że istnieje, ani dlatego, że działa u jednej osoby. Wartość narzędzia pojawia się dopiero wtedy, gdy cały zespół potrafi wykorzystać jego wyniki w codziennej pracy.
Podczas rozmowy dużo czasu poświęciliśmy temu, jak połączyć nowe rozwiązania z naszymi procesami, audytami treści i ClickUpem. Rozmawialiśmy nie tylko o samych wynikach, ale również o tym, jak przekazywać je specjalistom i jak sprawić, żeby stały się częścią standardowego sposobu pracy.
To etap, który moim zdaniem jest znacznie trudniejszy niż stworzenie samego narzędzia. Technologia może być świetna, ale jeśli nie zostanie osadzona w procesie, bardzo szybko staje się tylko ciekawostką.
Co dalej?
Największą wartość zaczynamy widzieć we wdrażaniu sprawdzonych rozwiązań do naszych procesów. Kacper wnosi ogromną wiedzę związaną z AI, semantyką, analizą danych i budową narzędzi SEO, a moją rolą będzie przełożenie tych rozwiązań na procesy, które realnie działają w organizacji i są wykorzystywane przez cały zespół.
Chcemy sprawdzić, w jaki sposób narzędzia takie jak Visibility Monitor, Content Auditor czy rozwiązania wykorzystujące dane z GSC i BigQuery mogą zostać połączone z naszym środowiskiem pracy. Kluczową rolę odegra tutaj również ClickUp, który od dłuższego czasu stanowi centrum zarządzania procesami w KWISS.
Równolegle będziemy rozwijać automatyzacje oparte o Make, które pozwolą łączyć dane z różnych źródeł i ograniczać ilość ręcznej pracy wykonywanej przez specjalistów. Naszym celem nie jest budowanie kolejnych eksperymentalnych narzędzi, które dobrze wyglądają na prezentacji. Chcemy tworzyć rozwiązania, które oszczędzają czas, poprawiają jakość pracy i stają się naturalną częścią procesów realizowanych każdego dnia.
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.
Więcej artykułów
+141% ruchu w 6 miesięcy dla branży psychologicznej – Case Study SEO
#1 SEOLab w KWISS: jak badamy, testujemy i adaptujemy SEO w erze AI
#2 SEOLab: Google AI Studio, plik llms.txt oraz wpływ BING na pozycjonowanie w Chat GPT
GEO zastąpi SEO? Czym jest Generative Engine Optimization?
#3 SEOLab: Jak budować treści, by wyświetlać się w AI Overview?
