Wysoka pozycja w Google nie gwarantuje widoczności w AI Overview
Przez lata SEO oznaczało jedno: znaleźć się jak najwyżej na stronie wyników Google. Dziś to za mało. AI Overview, ChatGPT Search, Perplexity i kolejne interfejsy LLM wybierają źródła według własnych kryteriów — i nie są to kryteria PageRank. Wg danych analizowanych w ramach naszych kampanii GEO (60+ klientów), strony zajmujące pozycje 4–15 w klasycznym SERP są cytowane przez AI Overview równie często jak strony z TOP 3, o ile spełniają kryteria strukturalne.
Problem polega na tym, że większość narzędzi SEO — Ahrefs, Semrush, Screaming Frog — mierzy sygnały rankingowe Google: linki, słowa kluczowe, Core Web Vitals. Żadne z nich nie odpowiada na pytanie: czy ten fragment tekstu zostanie wybrany przez model językowy jako odpowiedź? To właśnie luka, którą wypełnia GRI Score. Więcej o różnicach między klasycznym SERP a odpowiedziami generatywnymi piszemy w artykule AI Overview vs tradycyjne SERP: benchmark dla e-commerce.
GRI Score — czym jest Generative Readiness Index
GRI Score (Generative Readiness Index) to autorska metodologia scoringowa PremiumAds, oceniająca stronę w skali 0–100 pod kątem gotowości do cytowania przez LLM. Nie zastępuje klasycznych metryk SEO — uzupełnia je o wymiar generatywny. Wynik 0–40 oznacza stronę praktycznie niewidoczną dla modeli AI; 41–65 to strona częściowo gotowa; 66–80 to dobra podstawa do optymalizacji GEO; powyżej 80 strona aktywnie konkuruje o cytowania w AI Overview i podobnych interfejsach.
Metodologia powstała na bazie analizy setek stron obsługiwanych przez PremiumAds oraz publicznych wytycznych Google dotyczących E-E-A-T i structured data. GRI nie jest narzędziem zewnętrznym — to wewnętrzny framework audytowy, który stosujemy w ramach usługi GEO (Generative Engine Optimization). Wynik jest powtarzalny i porównywalny między domenami, co pozwala benchmarkować postęp w czasie.
6 filarów GRI Score — co faktycznie mierzy indeks
GRI Score składa się z sześciu równoważnych filarów, każdy oceniany w skali 0–17 pkt (łącznie max 102, normalizowane do 100). Pominięcie któregokolwiek filaru obniża wynik nieproporcjonalnie — model językowy potrzebuje wszystkich sygnałów jednocześnie, żeby uznać fragment za wiarygodne źródło.
- Struktura dokumentu — logiczna hierarchia nagłówków (H1→H2→H3), brak „ścian tekstu”, akapity ≤5 zdań. LLM ekstrakcja działa na chunki, nie na całe strony.
- Semantyczna gęstość — obecność synonimów, definicji i pojęć powiązanych (LSI) wokół głównego tematu. Mierzona przez analizę koherencji tematycznej.
- Sygnały autorstwa (E-E-A-T) — widoczny autor z profilem, data aktualizacji, afiliacja instytucjonalna lub firmowa, cytowania zewnętrzne do wiarygodnych źródeł.
- Cytowalność fragmentów — obecność samodzielnych, zamkniętych odpowiedzi w tekście (tzw. „answer-ready snippets”): definicje, listy kroków, porównania liczbowe.
- FAQ i schema markup — co najmniej 4 pary Q/A z FAQPage schema lub HowTo schema. To najszybciej weryfikowalny sygnał dla crawlerów AI.
- Structured data (JSON-LD) — Article, BreadcrumbList, Organization, a dla e-commerce Product z Review. Brak schema = brak kontekstu dla modelu.
Metryki SEO vs GRI Score — tabela porównawcza
Poniższa tabela zestawia klasyczne metryki SEO z odpowiadającymi im komponentami GRI Score. Kluczowa różnica: SEO optymalizuje pod algorytm rankingowy, GRI optymalizuje pod decyzję modelu językowego o cytowaniu.
| Metryka SEO | Co mierzy (klasycznie) | Odpowiednik w GRI Score | Dlaczego to nie wystarcza dla LLM |
|---|---|---|---|
| Domain Rating / DA | Autorytet linków przychodzących | Sygnały autorstwa (E-E-A-T) | LLM nie widzi profilu linków — widzi metadane autora i cytowania w tekście |
| Keyword density | Częstotliwość frazy kluczowej | Semantyczna gęstość (LSI) | Modele oceniają koherencję tematyczną, nie powtórzenia słowa |
| Core Web Vitals (LCP, CLS) | Szybkość i stabilność UX | Struktura dokumentu (chunkowalność) | AI crawlery pobierają HTML — czas ładowania JS jest dla nich irrelewantny |
| Featured Snippet optimization | Pozycja 0 w SERP | Cytowalność fragmentów | AI Overview może cytować fragment z pozycji 8, jeśli jest lepiej sformułowany |
| Schema markup (podstawowy) | Rich snippets w SERP | Structured data (JSON-LD pełny) | LLM wymaga kontekstu organizacyjnego i autorskiego, nie tylko typu strony |
| Internal linking | Przepływ PageRank | FAQ i schema markup | Modele nie śledzą linków wewnętrznych — potrzebują Q/A zamkniętych na stronie |
Jak obliczyć GRI Score dla swojej strony — metodologia PremiumAds
Audyt GRI przeprowadzamy w czterech etapach. Każdy etap można częściowo wykonać samodzielnie, choć pełna ocena wymaga analizy semantycznej i weryfikacji schema w środowisku testowym.
- Crawl struktury — eksport hierarchii nagłówków ze Screaming Frog lub Sitebulb. Sprawdzamy: czy każda podstrona ma jeden H1, czy H2 są opisowe (nie „Wstęp”), czy akapity mają ≤5 zdań. Max 17 pkt.
- Analiza semantyczna — porównanie treści z modelem tematycznym dla danej frazy (używamy własnego skryptu opartego na embeddings). Oceniamy pokrycie synonimów i pojęć pokrewnych. Max 17 pkt.
- Weryfikacja E-E-A-T — manualna kontrola: widoczny autor z bio, data „ostatniej aktualizacji”, linki wychodzące do źródeł (.gov, .edu, raporty branżowe). Max 17 pkt.
- Audyt schema i FAQ — walidacja JSON-LD w Google Rich Results Test + sprawdzenie, czy FAQ schema zawiera min. 4 pary i czy pytania odpowiadają realnym zapytaniom użytkowników. Max 17 pkt każda kategoria.
Wyniki z czterech etapów sumujemy i normalizujemy do skali 100. Próg opłacalności optymalizacji GEO zaczyna się od GRI = 50 — poniżej tej wartości inwestycja w treść generatywną przynosi marginalny zwrot.
Narzędzia do pomiaru GRI — co możesz zrobić już dziś
Pełny audyt GRI to usługa płatna, ale wstępną diagnozę można przeprowadzić bezpłatnie w kilku krokach. Poniżej lista narzędzi, których używamy lub rekomendujemy jako punkt wyjścia.
- Google Rich Results Test (search.google.com/test/rich-results) — weryfikacja JSON-LD: FAQPage, Article, BreadcrumbList. Wynik „brak błędów” to minimum dla GRI ≥ 60.
- Screaming Frog SEO Spider — eksport H1/H2/H3, długości akapitów, brakujących meta description. Filtruj strony z liczbą słów < 300 — te nie kwalifikują się do cytowania przez LLM.
- llms.txt — plik konfiguracyjny informujący modele AI o strukturze witryny. Szczegóły wdrożenia opisujemy w artykule llms.txt dla SEO: jak przygotować plik dla AI Overview i ChatGPT.
- Kalkulator GRI PremiumAds — interaktywne narzędzie dostępne dla klientów audytowych. Wprowadzasz URL, system zwraca wyniki cząstkowe dla każdego z 6 filarów wraz z listą priorytetowych poprawek.
Warto pamiętać, że żadne narzędzie zewnętrzne nie zastąpi analizy semantycznej opartej na embeddingach — to element, który odróżnia audyt GRI od standardowego crawlu SEO.
Case study: SEO = 85 pkt, GRI = 42 — co poszło nie tak
Jeden z naszych klientów (branża B2B SaaS, anonimizowany) miał domenę z Domain Rating 61, pozycje TOP 5 na 40+ fraz i wynik audytu SEO na poziomie 85/100 wg naszej metodologii SAQS. Mimo to jego strona nie pojawiała się w AI Overview dla żadnej z analizowanych fraz. Po audycie GRI wynik wyniósł 42/100 — poniżej progu opłacalności.
Diagnoza pokazała trzy krytyczne braki:
- Brak FAQ schema — strona miała sekcje pytań i odpowiedzi, ale bez JSON-LD. LLM nie rozpoznał struktury Q/A.
- Anonimowe autorstwo — wszystkie artykuły podpisane „Redakcja”. Brak imienia, bio, profilu LinkedIn — sygnały E-E-A-T na poziomie 3/17 pkt.
- Ściany tekstu — średnia długość akapitu wynosiła 9 zdań. Ekstrakcja fragmentów przez model dawała niespójne, urwane odpowiedzi.
Po 8 tygodniach optymalizacji (dodanie FAQ schema, podpisanie autorów, restrukturyzacja akapitów) GRI wzrósł do 68/100. Strona zaczęła pojawiać się w AI Overview dla 7 z 12 monitorowanych fraz. Klasyczny ranking SEO nie zmienił się istotnie — co potwierdza, że GRI i SEO mierzą różne rzeczy. Jeśli chcesz zobaczyć, jak wygląda pełna optymalizacja pod SEO, sprawdź naszą usługę SEO i audyt SAQS.
Roadmap: jak przeskoczyć z GRI 50 na GRI 75+ w 90 dni
Przejście z GRI 50 na 75+ jest realistyczne w ciągu 3 miesięcy przy konsekwentnej pracy na 3–4 priorytetowych filarach. Poniżej sekwencja działań, którą stosujemy u klientów GEO.
| Tydzień | Działanie | Wpływ na GRI | Trudność |
|---|---|---|---|
| 1–2 | Wdrożenie FAQPage schema na 10 kluczowych podstronach | +8–12 pkt | Niska (developer 2–4h) |
| 2–3 | Dodanie profili autorów z bio, zdjęciem i datą aktualizacji | +6–9 pkt | Niska (CMS) |
| 3–5 | Restrukturyzacja akapitów: max 5 zdań, listy zamiast bloków | +5–8 pkt | Średnia (copywriting) |
| 4–6 | Dodanie cytowań zewnętrznych (min. 2 na artykuł) do źródeł branżowych | +4–6 pkt | Niska |
| 6–10 | Analiza semantyczna i uzupełnienie luk tematycznych (LSI) | +6–10 pkt | Wysoka (wymaga narzędzia) |
| 10–12 | Wdrożenie llms.txt i pełnego Article JSON-LD | +3–5 pkt | Niska (developer 1–2h) |
Suma potencjalnych przyrostów: +32–50 pkt — co przy punkcie startowym 50 daje wynik w przedziale 75–95, zależnie od jakości treści bazowej. Kluczowe jest zachowanie kolejności: schema i autorstwo najpierw, semantyka na końcu (bo wymaga analizy po poprzednich zmianach).
Jeśli chcesz przeprowadzić audyt GRI dla swojej domeny lub wdrożyć pełną strategię GEO, napisz do nas przez stronę kontakt — wrócimy z wyceną w ciągu jednego dnia roboczego.
