GEO po SEO. Co można właściwie zoptymalizować w wyszukiwaniach AI?

Rynek GEO często określa każdy pożądany wynik jako „optymalizację”: wybór źródła, cytowanie, włączenie marki, korzystne ujęcie, a nawet rekomendację. To błąd kategorii.

Marka może zmienić swoją stronę internetową, warunki dostępu, architekturę informacji, treści, twierdzenia oraz część danych przesyłanych na zewnętrzne platformy. Nie może jednak nakazać systemowi wyszukiwania wybrania konkretnego dokumentu. Nie może wymusić cytatu ani określić, jak model będzie syntetyzował swoje źródła. Nie kontroluje również ostatecznej rekomendacji.

Dojrzałe podejście do Generative Engine Optimization (GEO) wymaga zatem trzech odrębnych trybów działania:

• bezpośrednia optymalizacja kontrolowanych zasobów i warunków;

• pośrednie wpływanie na to, jak informacje są wybierane i wykorzystywane;

• monitorowanie wyników, które pozostają poza kontrolą marki.

Mówiąc prościej:

GEO nie jest optymalizacją odpowiedzi modelu. To optymalizacja kontrolowanych warunków, próba wpływania na procesy pośrednie oraz pomiar reprezentacji, której marka nie kontroluje.

„Po SEO” nie oznacza „bez SEO”

Termin „po” nie sugeruje, że GEO zastępuje SEO. Odnosi się do późniejszych etapów przepływu informacji – momentu, w którym dostępny dokument może zostać wyszukany, wybrany, użyty i przekształcony w odpowiedź.

Dla generatywnych funkcji wyszukiwania Google, podstawowe wymagania SEO pozostają warunkiem wstępnym. Google stwierdza, że AI Overviews i AI Mode korzystają z jego podstawowych systemów jakości i rankingowych, Retrieval-Augmented Generation (RAG) oraz rozgałęziania zapytań. Strona musi być zindeksowana i kwalifikować się do pojawienia się z fragmentem, ale spełnienie tych warunków nie gwarantuje przeszukiwania, indeksowania ani prezentacji.

Nie każdy system dociera do informacji tą samą drogą.

OpenAI rozróżnia zautomatyzowanego OAI-SearchBota od ChatGPT-User, który może odwiedzić stronę w wyniku działania użytkownika. Anthropic przypisuje oddzielne role Claude-SearchBot i Claude-User. Podobnie Perplexity rozróżnia PerplexityBot od Perplexity-User, przy czym wyszukiwanie inicjowane przez użytkownika może działać według innych zasad niż zautomatyzowane indeksowanie.

Zakres tego artykułu

W całym artykule termin system wyszukiwania generatywnego jest używany jako termin ogólny. Nie oznacza to, że każdy produkt ma tę samą architekturę.

Selekcja:

dostęp → wyszukiwanie → wybór źródła → cytowanie → przyswajanie → synteza → reprezentacja → rekomendacja

jest modelem analitycznym. W danym systemie niektóre etapy mogą być iteracyjne, równoległe, ukryte lub nieobecne.

Co powinno oznaczać GEO?

Można zidentyfikować trzy konkurencyjne definicje w badaniach akademickich i dyskursie branżowym.

Oryginalne badanie „GEO: Generative Engine Optimization” zdefiniowało GEO jako ramy optymalizacji czarnej skrzynki, mające na celu zwiększenie widoczności treści w odpowiedziach silników generatywnych. Badacze modyfikowali dokumenty i mierzyli zmiany w ich ekspozycji. Zgłoszony wynik „do 40%” odnosił się do konkretnego benchmarku, jego własnych metryk widoczności i kontrolowanego środowiska badawczego – nie jest to benchmark dla obecnych systemów produkcyjnych.

Z perspektywy Google, Answer Engine Optimisation (AEO) i GEO to terminy branżowe odnoszące się do widoczności w doświadczeniach wyszukiwania AI, ale optymalizacja dla AI Overviews i AI Mode pozostaje częścią optymalizacji wyszukiwania Google. Google nie wymaga llms.txt, specjalistycznego oznaczania, sztucznego dzielenia treści ani oddzielnego stylu pisania dla systemów AI.

Obie definicje są użyteczne, ale żadna z nich nie dostarcza wystarczająco neutralnej definicji tej dyscypliny.

Definicja operacyjna

Generative Engine Optimisation to praktyka oparta na dowodach, polegająca na modyfikowaniu kontrolowanych zasobów informacyjnych i warunków dostępu, aby stworzyć lepsze warunki dla systemów wyszukiwania generatywnego do znajdowania, wybierania, używania i dokładnego reprezentowania informacji – przy jednoczesnym pomiarze wyników, które pozostają poza bezpośrednią kontrolą marki.

Ta definicja nie obejmuje:

• bezpośredniego kontrolowania odpowiedzi;

• szkolenia lub dostosowywania modelu dostawcy;

• wszystkich działań SEO lub PR;

• samego monitorowania;

• gwarantowania wzmianki, cytatu lub rekomendacji.

GEO, AEO, LLMO i widoczność AI

Te terminy opisują pokrywające się, ale odrębne obiekty.

Widoczność AI to obszar pomiarowy, a nie synonim GEO.

Marka może być często wspomniana, ale opisana nieprawidłowo. Może otrzymywać cytaty, nie będąc rekomendowaną. Może pojawiać się konsekwentnie jako źródło informacji, ale nie jako dostawca odpowiedniego rozwiązania.

Powierzchnia kontrolna GEO

Powierzchnia kontrolna GEO, zaproponowana przez Brand Semantics, organizuje działania według poziomu dostępnej agencji dla marki.

Model nie sugeruje, że każdy element należy wyłącznie do jednej kategorii. Cytowanie, na przykład, jest procesem, na który marka może próbować wpływać, a jednocześnie wynikiem, który musi obserwować.

Klasyfikacja opisuje odpowiedni tryb zarządzania, a nie tylko pozycję elementu w pipeline.

Co marki mogą optymalizować bezpośrednio

Bezpośrednia optymalizacja jest możliwa tam, gdzie marka kontroluje obiekt interwencji i może zweryfikować, że zmiana została wprowadzona.

Dostęp techniczny jest kontrolowalny; włączenie nie jest

W wyszukiwarce Google marka może kontrolować, czy jej strony są technicznie dostępne do przeszukiwania, indeksowania i prezentacji fragmentów. Nie może jednak zagwarantować, że Google zindeksuje stronę lub wyświetli ją w generatywnej funkcji.

To samo rozróżnienie dotyczy innych platform:

• OAI-SearchBot wspiera włączenie stron w funkcjach wyszukiwania ChatGPT, podczas gdy GPTBot odnosi się do treści, które mogą być używane w rozwoju modelu. Kontrole są niezależne.

• Claude-SearchBot wspiera indeksowanie mające na celu poprawę jakości, trafności i dokładności wyników wyszukiwania Claude’a, podczas gdy Claude-User obsługuje pobieranie inicjowane przez użytkowników.

• PerplexityBot wspiera powierzchnie wyszukiwania, podczas gdy Perplexity-User może odwiedzić stronę w odpowiedzi na prośbę użytkownika. Perplexity stwierdza, że ten ostatni zazwyczaj ignoruje robots.txt, ponieważ pobieranie jest inicjowane przez użytkownika.

Nie ma zatem jednej decyzji „zezwól AI” lub „zablokuj AI”. Zautomatyzowane indeksowanie, pobieranie na żądanie, rozwój modelu i zasady zapory aplikacji webowej (WAF) muszą być rozpatrywane oddzielnie.

Treść, twierdzenia i dane strukturalne

Marka może poprawić:

• precyzję swoich definicji;

• przejrzystość swojej metodologii;

• jakość swoich danych;

• jasność swoich źródeł;

• strukturę swojego argumentu;

• aktualność swoich informacji;

• rozróżnienie między faktami, interpretacjami a ograniczeniami;

• spójność nazw, produktów i kategorii.

Nie oznacza to istnienia uniwersalnego stylu pisania, który gwarantuje cytowanie.

Google zaleca użyteczne, charakterystyczne i niekomodyzowane treści, ale odrzuca potrzebę specjalistycznego stylu pisania dla generatywnego wyszukiwania, idealnej długości dokumentu lub sztucznego dzielenia treści na krótkie fragmenty.

Dane strukturalne są również kontrolowanym elementem. Mogą pomóc Google Search zrozumieć widoczną treść i określić kwalifikowalność do określonych wyników bogatych, ale technicznie poprawna implementacja nie gwarantuje, że te wyniki zostaną pokazane. Dane strukturalne muszą odzwierciedlać informacje dostępne dla użytkownika.

Szczegółowy projekt map podmiotów, twierdzeń i źródeł jest omówiony w Infrastrukturze Brand Semantics: jak sprawić, by AI Search poprawnie rozumiało Twoją markę. Tutaj te elementy mają znaczenie jako kontrolowane dane wejściowe – a nie jako gwarancja ostatecznej reprezentacji.

Co można tylko wpływać

Marka może stworzyć lepsze warunki dla wyszukiwania, wyboru źródła i dokładnej syntezy, ale nie kontroluje tych decyzji.

Wyszukiwanie i wybór źródła

Potencjalne interwencje obejmują:

• dostępność techniczną;

• zgodność semantyczną między dokumentem a zapytaniem;

• jasną terminologię;

• obecność odpowiednich twierdzeń;

• aktualne dane;

• dostępność w języku użytkownika;

• zewnętrzne źródła, które potwierdzają ważne informacje.

Jednak pełny zestaw kandydatów, wszystkie zapytania pomocnicze i wagi stosowane przez platformę pozostają nieznane. Wyszukiwanie i wybór źródła są zatem obszarami wpływu i częściowo nieobserwowalnymi procesami.

Brak widocznego cytatu nie oznacza, że źródło nie odegrało żadnej roli w wyszukiwaniu lub generacji. Bez dostępu do wewnętrznych logów platformy część procesu pozostaje nieobserwowalna. Konkretne niewidoczne źródło nie powinno być przypisywane kształtowaniu odpowiedzi bez dodatkowych dowodów.

Cytowanie i przyswajanie to nie to samo

Marka może poprawić dokument, ale nie może wdrożyć wskaźnika cytowania na stronie.

Wskaźnik cytowania to wynik, a nie obiekt optymalizacji.

Badanie „Od wyboru cytatu do przyswajania cytatu” rozróżnia:

• wybór cytatu – wybór i prezentacja źródła;

• przyswajanie cytatu – wpływ cytowanej strony na język, fakty, dowody lub strukturę odpowiedzi.

W analizowanym zbiorze danych szerokość cytatu i głębokość wpływu nie były równoważne. Badanie wykazało również, że strony z większym obserwowanym wpływem były bardziej prawdopodobne, aby były dobrze zorganizowane, semantycznie zgodne i bogate w wydobywalne dowody. Są to relacje opisowe, a nie dowód na to, że pojedyncza zmiana strukturalna spowoduje wyższe przyswajanie. Publikacja jest preprintem.

Pełna metodologia rozróżniania cytatu od przyswajania wymaga oddzielnej analizy. W kontekście tego modelu istotne rozróżnienie to:

• struktura i dowody są kontrolowanymi danymi wejściowymi;

• wybór cytatu i przyswajanie to obszary wpływu;

• wskaźnik cytowania i przyswajanie twierdzeń to obserwowane wyniki.

Źródła zewnętrzne

Digital PR, relacje z wydawcami i korekta źródeł zewnętrznych mogą wspierać GEO, ale nie każda wzmianka jest interwencją GEO.

Zewnętrzna publikacja staje się częścią programu GEO, gdy:

1. wspiera zdefiniowane twierdzenie lub relację podmiotu;

2. dotyczy konkretnej luki źródłowej;

3. jest związana z wyraźną hipotezą wpływu;

4. jest następnie monitorowana pod kątem wyboru, cytowania lub reprezentacji.

Marka kontroluje swoje dane, badania i działania. Nie kontroluje decyzji redakcyjnej wydawcy ani późniejszego wyboru publikacji przez system.

Pełna analiza własnych, zdobytych i zewnętrznych źródeł należy do innego klastra treści. Ten artykuł klasyfikuje je jedynie według poziomu dostępnej kontroli.

Ujęcie i rekomendacja

Marka może:

• wyraźnie zdefiniować swoją kategorię;

• wyjaśnić odpowiednie przypadki użycia i ograniczenia;

• publikować porównania oparte na wyraźnych kryteriach;

• poprawić nieprawidłowe informacje;

• budować spójność między swoją ofertą, odbiorcą a problemem, który rozwiązuje.

Nie może jednak określić, czy system przedstawia ją jako pierwszą rekomendację, jedną z kilku opcji, niszowe rozwiązanie czy markę, która jest nieistotna w danym scenariuszu.

Wskaźnik rekomendacji, znaczenie odpowiedzi i ujęcie to obserwowane wyniki. Twierdzenie, że marka może „optymalizować rekomendacje”, przypisuje jej poziom kontroli, którego nie posiada.

Przykład: jeden zasób, cztery poziomy agencji

Załóżmy, że dostawca oprogramowania dla biznesu publikuje własny raport porównujący metody pomiaru efektywności procesów.