Wojny przeglądarek, AI Search i spadek kliknięć: jak przeorganizować strategię SEO, by wygrać w 2026 roku

Rok 2025 był dla wyszukiwarek przełomowy. AI Overviews w Google, ekspansja LLM-ów, nowe przeglądarki od Perplexity i OpenAI sprawiły, że wiele firm po raz pierwszy na serio zadało sobie pytanie: czy SEO nadal się „spina” biznesowo, jeśli kliknięć z wyników organicznych jest mniej?

W oparciu o rozmowę Marka Williams-Cooka z Moz przyglądamy się, jak te zmiany realnie wpływają na widoczność, ruch i sprzedaż. Zamiast listy taktyk „AI-SEO” ważniejsze jest dziś zrozumienie, gdzie faktycznie przesuwa się wartość w wyszukiwarce i jak przeorganizować strategię marketingową na 2026 rok, żeby nie ścigać się tylko o „wizyty”, ale o realny wpływ na decyzje klientów.

AI Overviews i spadek kliknięć: mniej ruchu, więcej intencji

Google komunikuje, że liczba zapytań między 2024 a 2025 rokiem wzrosła o około 20%, a liczba organicznych kliknięć pozostała „relatywnie stabilna”. W praktyce oznacza to mniej kliknięć przypadających na jedno zapytanie. Szczególnie przy frazach informacyjnych AI Overview potrafi odpowiedzieć na tyle dobrze, że użytkownik po prostu nie musi wchodzić na stronę.

To, co Google sprzedaje jako „wyższą jakość kliknięć”, z perspektywy biznesu brzmi raczej tak: nie dostaniesz więcej ruchu, ale użytkownik, który przejdzie przez „AI-sito”, będzie bliżej decyzji zakupowej. Dla serwisów opartych na ruchu top-of-funnel – ogólne poradniki, blogi edukacyjne, słowniki pojęć – to uderzenie w fundament modelu pozyskiwania ruchu i monetyzacji.

Jeśli jednak Twoja oferta i treści są bliżej momentu zakupu – porównania rozwiązań, konkretne use case’y, własne badania, mocne case studies – rośnie szansa, że mniejszy, ale „przefiltrowany” ruch będzie jakościowo lepszy. Wymaga to przejścia z podejścia „ilość treści” na „jakość intencji”. Typowy błąd firm w 2025 roku to kurczowe trzymanie się planów contentowych sprzed ery AI, zamiast postawienia na mniej, ale znacznie bardziej intencyjnych tematów.

Chrome, dane użytkowników i nowe wojny przeglądarek

Proces antymonopolowy przeciwko Google nie zakazał wykorzystywania danych z Chrome, ale uwidocznił ich znaczenie. Dziś Chrome jest kluczowy przede wszystkim dla PPC, jako źródło danych o zachowaniach użytkowników i profilowaniu odbiorców.

Z perspektywy SEO szczególnie interesujące są wątki z tzw. „content warehouse leak”, gdzie pojawiały się wzmianki o sygnałach popularności URL-i pochodzących z Chrome. Google utrzymuje, że nie wykorzystuje danych z przeglądarki bezpośrednio do rankingów, ale – jak zauważa Williams-Cook – mówi o tym niezwykle precyzyjnie i ostrożnie.

Bardzo prawdopodobne, że dane z przeglądarki pomagają decydować, co częściej crawlować, szybciej indeksować i kiedy re-rankingować treści na podstawie faktycznego użycia, a nie tylko linków i sygnałów on-page. To ma bezpośrednią konsekwencję biznesową: serwisy, z których użytkownicy faktycznie korzystają, będą szybciej adaptowane w indeksie, a „martwe” treści – coraz bardziej marginalizowane.

Klasyczne wyszukiwarki opierają się na ogromnych ilościach danych z SERP: co jest klikane, jak długo użytkownik zostaje, kiedy reformułuje zapytanie. Problem zaczyna się w momencie, gdy rośnie liczba zapytań zadawanych bezpośrednio do LLM-ów i chatbotów. Tam typowe dane SERP praktycznie nie istnieją.

To tłumaczy, dlaczego narzędzia AI, takie jak Perplexity czy ChatGPT, zaczęły budować własne przeglądarki: potrzebują własnych, surowych danych zachowań użytkowników, aby poprawiać wyniki i rozwijać agentów działających bezpośrednio w przeglądarce. Dla biznesu oznacza to nową odsłonę „wojen przeglądarek”: kto kontroluje przeglądarkę, ten kontroluje kanał danych, a w efekcie – jakość AI-wyszukiwania i ekspozycję marek.

Coraz ważniejsze staje się więc monitorowanie nie tylko pozycji w Google czy udziału Chrome, ale też tego, jak użytkownicy korzystają z nowych przeglądarek opartych o AI oraz jak Twoja marka pojawia się w ich wynikach.

AI i zapytania wielojęzyczne: gdzie kończy się wpływ SEO

Modele językowe są trenowane na języku, a nie na spójnych stronach www. To z pozoru techniczny szczegół, ale w praktyce oznacza poważne problemy przy zapytaniach wielojęzycznych i lokalnych. Podobne zjawisko widzieliśmy już w sekcji People Also Ask, która potrafiła podpowiadać np. amerykańskie marki typu Walmart przy wyszukiwaniu w Wielkiej Brytanii.

Jeśli system AI korzysta z RAG (retrieval-augmented generation), klasyczne SEO wciąż ma znaczenie. Dobra struktura nagłówków, klarowny podział treści, bogate słownictwo powiązane z tematem, wyraźne sygnały lokalne (język, waluta, adres, opinie) zwiększają szansę, że Twoje treści zostaną w ogóle „pobrane” do odpowiedzi AI.

Granica wpływu wydawcy pojawia się na poziomie modelu bazowego. Jeśli użytkownik nie doprecyzuje lokalizacji lub kontekstu, LLM może wybierać odpowiedzi na podstawie dominującego wzorca językowego – często z rynku amerykańskiego. To jest w istocie problem platformy, a nie wydawcy. Nawet najlepiej przygotowany content nie skompensuje błędów w architekturze systemu AI.

Dla marek działających międzynarodowo oznacza to, że SEO nie kończy się na „więcej treści w danym języku”. Trzeba świadomie budować lokalne ekosystemy opinii – fora, recenzje, social media i lokalne media – z których LLM-y czerpią „szum informacyjny” na temat marki, niezależnie od samej strony www. Typowe uproszczenie w zarządach: myślenie o SEO tylko przez pryzmat domeny, a nie całego otoczenia informacyjnego.

Jak wygląda „jakościowa treść” w 2026 roku

W świecie, w którym generatywne AI potrafi produkować setki tysięcy stron tekstu dziennie, pojęcie „quality content” stało się wyjątkowo rozmyte. Google – za Garym Illyesem – podkreśla, że chce premiować „treści oryginalne”, ale znaczenie tej oryginalności radykalnie się zmieniło.

Kilkanaście lat temu „oryginalne” oznaczało głównie „nie skopiowane słowo w słowo”. Później pojawiła się koncepcja information gain – dostarczania nowej informacji ponad to, co już jest w indeksie. Dziś, gdy AI jest w stanie syntetyzować praktycznie wszystkie publicznie dostępne treści, przewagą staje się przede wszystkim ludzka perspektywa, doświadczenie i emocje.

Mark Williams-Cook proponuje prosty podział treści na dwa „koszyki”. Pierwszy to „rozwiązane informacje”: wolno zmieniające się fakty, definicje, proste instrukcje. LLM-y potrafią generować je pewnie, bez dodatkowego „uziemiania” w konkretnych źródłach. Strony żyjące z ruchu na takich ogólnych frazach (np. „co to jest SEO”, „jak założyć firmę jednoosobową”) będą w coraz większym stopniu „zjadane” przez odpowiedzi AI.

Drugi koszyk to „treści ludzkie”: opinie, emocje, narracje, osobiste historie, zakulisowe doświadczenia. To rzeczy, których nie da się sensownie „zsyntetyzować” z istniejącej bazy tekstów, bo są osadzone w realnej praktyce firmy, zespołu czy klienta.

Odbiorcy coraz częściej rozpoznają, kiedy mają do czynienia z treścią generowaną przez AI – poprawną, ale „płaską”, bez charakteru. Widać rosnący głód autentycznych, subiektywnych materiałów, czego dobrym dowodem jest popularność płatnych newsletterów ekspertów czy niszowych podcastów.

Z perspektywy biznesu oznacza to, że modele oparte na hurtowym, mało zróżnicowanym contencie informacyjnym będą przegrywać. Zyskują ci, którzy inwestują w treści, których AI nie jest w stanie wiarygodnie sklonować: wyraziste stanowiska, własne dane, twarde case studies, rozpoznawalne głosy konkretnych osób (founder, eksperci, klienci). Typowy błąd: próba „skalowania” treści eksperckiej tymi samymi procesami, co opisy kategorii w e‑commerce.

Video w SEO: nie „must have”, ale wydajny silnik treści

Video nie jest dziś obowiązkowym kanałem SEO w sensie technicznym. Staje się jednak jednym z najbardziej efektywnych sposobów pozyskania surowej, eksperckiej treści, szczególnie gdy pracujesz z osobami, które nie lubią lub nie mają czasu pisać.

Nagranie rozmowy, krótkiego Q&A czy wywiadu z ekspertem, a następnie przetworzenie materiału na tekst z pomocą AI, daje znacznie lepszy punkt wyjścia niż brief do „czystego” copywritingu. Dzięki temu możesz realnie przenieść do treści online prawdziwą wiedzę i sposób myślenia ekspertów, zamiast generować kolejne wariacje na te same, ogólne tematy.

Naturalnym skutkiem jest powstawanie unikalnych treści zakorzenionych w praktyce biznesowej, których AI nie odtworzy wiarygodnie bez dostępu do Twojego doświadczenia. Typowy błąd firm: traktowanie video wyłącznie jako formatu na social media, zamiast jako źródła surowca dla całego ekosystemu contentu (artykuły, newslettery, FAQ, materiały sprzedażowe).

Answer engines i LLM-y: zagrożenie czy nowy kanał wpływu?

Największe ryzyko związane z AI-search nie polega na tym, że pojawiają się answer engines, ale na tym, że marketerzy i zarządy wciąż patrzą na sukces wyłącznie przez pryzmat ruchu na stronie. Tymczasem można wygrać klienta dzięki LLM-owi, nie notując w analityce ani jednego „wejścia z AI”.

Mark opisuje własny wybór kancelarii do obsługi transakcji nieruchomości. Najpierw korzystał z LLM-ów, aby podsumować opinie o firmach w swojej okolicy – ich mocne i słabe strony, poziom cen, powtarzające się wątki w recenzjach. Dopiero potem przeszedł do Google, wpisał nazwę wybranego podmiotu, wszedł na stronę i sfinalizował transakcję.

W analityce tej kancelarii nie pojawi się żaden ślad po AI. Jednocześnie to LLM był kluczowym kanałem wpływu na wybór marki. W 2026 roku AI będzie raczej „influencerem” decyzji niż klasycznym źródłem ruchu, które można łatwo odczytać w Google Analytics.

Dla zarządów i działów marketingu oznacza to konieczność szerszego spojrzenia na wzrost brand search, opinii w sieci i powtarzalność poleceń, a nie wyłącznie na wykres sesji organicznych. AI może „ściąć” ruch informacyjny, ale jednocześnie mocno wpłynąć na to, które marki w ogóle znajdą się na krótkiej liście rozważanych przez użytkownika.

Jak rozmawiać o SEO z zarządem w erze AI

W tak szybko zmieniającym się otoczeniu jednorazowa prezentacja „AI i SEO” na zarządzie przestaje mieć sens. W agencji Candour wprowadzono praktykę krótkich, 2–4‑minutowych video-aktualizacji dla kluczowych interesariuszy. Każde nagranie dotyczy jednego, konkretnego wątku: zmiany platformy, nowego zachowania użytkowników, ryzyka halucynacji AI dla marki.

Strategicznie to krytyczne: zamiast próbować w jeden raz „sprzedać” całą nową rzeczywistość, lepiej systematycznie budować świadomość. Zarząd i C-level mają wtedy czas, by samodzielnie dojść do wniosków, które dla SEO-wca są oczywiste, ale dla nich – niekoniecznie. W praktyce ułatwia to także rozmowę o budżetach i priorytetach produktowych.

Ten format ma jeszcze jedną zaletę: pozwala na bieżąco pokazywać konkretne scenariusze ryzyka i szansy. Można np. zademonstrować, jak AI potrafi źle zinterpretować treści na stronie i zaszkodzić marce, ale też jak dobrze przygotowany case study może być cytowany w odpowiedziach LLM-ów jako wartościowe źródło. Typowy błąd to sprowadzanie dyskusji o AI do abstrakcyjnych slajdów, zamiast pokazywania realnych przykładów z własnej branży.

GEO, „chunking” i buzzwordy: co jest nowością, a co starym SEO w nowym opakowaniu

W 2025 roku głośno zrobiło się o pojęciu Generative Engine Optimization (GEO) – rzekomo nowej dziedzinie optymalizacji pod generatywne AI. Williams-Cook zwraca uwagę, że w dużej mierze to rebranding klasycznego SEO. Te same praktyki są opisywane nowym słownictwem.

Dobrym przykładem jest „chunking”: dzielenie treści na mniejsze, logiczne segmenty po to, by LLM-y mogły łatwiej je przetwarzać. W praktyce oznacza to po prostu jasne nagłówki, wyraźny podział na sekcje i unikanie ścian tekstu – czyli podstawy dobrego pisania pod użytkownika, które od lat są fundamentem content marketingu i SEO.

Zamiast ślepo gonić za kolejnymi buzzwordami, warto wrócić do fundamentów: klarowna struktura, precyzyjne odpowiedzi na intencje użytkownika, realna wartość treści. To one pozostają niezmienne, niezależnie od tego, czy po drugiej stronie mamy klasyczną wyszukiwarkę, answer engine, czy model językowy. Typowe uproszczenie: wiara, że zmiana nazwy podejścia („GEO”) rozwiąże strukturalne problemy strategii treści.

Budowanie społeczności jako bezpiecznik na zmiany w wyszukiwarce

Ostatnie lata pokazały, jak mocno widoczność mogą przejąć platformy społecznościowe oparte na treściach użytkowników – najpierw w Google, dziś także w odpowiedziach AI. Przykład Reddita jest tu szczególnie wymowny. Naturalna, ale błędna reakcja wielu firm to „zaczynamy spamować Reddita”, co zwykle kończy się natychmiastową reakcją społeczności i złą reputacją marki.

Lepszy punkt wyjścia to pytanie: gdzie Twoja grupa docelowa faktycznie już jest? Jeśli to specjalistyczne fora, branżowe Slacki czy konkretne subreddity, warto uczciwie uczestniczyć w rozmowach, a nie tylko wrzucać linki. Jeśli naturalnym miejscem jest Discord lub własne forum – można rozważyć ich uruchomienie, ale tylko wtedy, gdy realnie jesteś w stanie je utrzymać i dowozić wartość.

To wszystko ma coraz większe znaczenie dla SEO, bo algorytmy wyszukiwania – zarówno klasyczne, jak i AI – oddalają się od „świata zarządzanego przez webmasterów”. Liczy się to, co mówi o Tobie szeroki internet: sentyment, obecność, reputacja. Własna lub dobrze „ograna” społeczność przestaje być tylko kanałem sprzedaży. Staje się instrumentem kształtowania narracji o marce, który działa niezależnie od fluktuacji algorytmów Google.

Nowe kompetencje SEO na 2026 rok

Zrozumienie, jak działają duże modele językowe

Nie chodzi o to, by SEO-wiec sam trenował modele. Chodzi o zrozumienie ich mechaniki działania: jak wygląda pre‑trening, w jaki sposób generowany jest tekst, czym jest „grounding” (uziemianie), skąd biorą się halucynacje i gdzie leżą naturalne ograniczenia LLM-ów.

Taka wiedza pozwala łączyć marketing z AI w sposób strategiczny, a nie „na wyczucie”. Ułatwia ocenę, które taktyki mają sens długoterminowo, a które są tylko krótkim „hackiem” obarczonym ryzykiem dla marki. Dla poważnych klientów liczy się dziś przede wszystkim stabilność i bezpieczeństwo marki, a nie jednorazowy skok ruchu, po którym przychodzi aktualizacja algorytmu lub ręczna kara.

Śledzenie liderów na styku SEO i ML

Mark rekomenduje m.in. Dawn Anderson i Britney Muller – osoby, które wyszły z SEO w kierunku information retrieval i machine learning. Taka perspektywa pomaga lepiej rozumieć, dokąd zmierzają wyszukiwarki, jak będą się zmieniać sposoby indeksowania, oceniania treści i wykorzystywania danych użytkowników.

Dla firmy praktyczna konsekwencja jest prosta: warto mieć w zespole lub wśród stałych partnerów osoby, które potrafią tłumaczyć techniczne zmiany na język decyzji biznesowych – budżetów, priorytetów, roadmapy rozwoju treści i produktu. Typowy błąd zarządów: oczekiwanie od SEO-wca jedynie raportów z pozycji, zamiast angażowania go w szersze dyskusje o strategii produktowej i komunikacyjnej.

Co to oznacza w praktyce

Z perspektywy właściciela firmy lub dyrektora marketingu kluczowe przesunięcie polega na tym, że SEO przestaje być grą o „więcej wizyt”, a staje się grą o „więcej wpływu na wybory klientów”. AI i LLM-y mogą przyciąć ruch informacyjny, ale równocześnie rośnie znaczenie tego, jak Twoja marka jest opisywana w wielu punktach styku: na stronie, w społecznościach, w recenzjach, w wypowiedziach ekspertów.

W pierwszym kroku warto przeprojektować strategię treści pod dwa koszyki: „rozwiązane info” i „treści ludzkie”. Przejrzyj istniejący content i podziel go na materiały oparte na prostych, powtarzalnych informacjach oraz na treści budowane na doświadczeniu, opinii i danych własnych. W pierwszej grupie ogranicz inwestycje do tematów bezpośrednio powiązanych z Twoją ofertą i decyzją zakupową. W drugiej grupie zaplanuj świadome wzmocnienie: więcej case studies, komentarzy eksperckich, odważnych opinii i oryginalnych badań.

Równolegle zbuduj proces „video → transkrypcja → treści wielokanałowe”. Systematyczne nagrania z kluczowymi ekspertami (założyciel, head of product, najlepsi konsultanci) mogą stać się bazą dla artykułów, newsletterów, postów na LinkedIn i materiałów sprzedażowych. Dzięki temu unikasz „pustego” contentu generowanego z niczego, a Twoje treści stają się trudniejsze do sklonowania przez AI.

Kolejny krok to urealnienie raportowania SEO na poziomie zarządczym. Sam wykres ruchu organicznego przestaje być wiarygodnym miernikiem efektywności, bo część „roboty sprzedażowej” wykonują już systemy AI, których nie zobaczysz w Analytics. W praktyce trzeba zacząć śledzić i raportować wzrost zapytań brandowych, zapytań z nazwą produktu, liczbę i jakość recenzji, cytowania marki w zewnętrznych źródłach oraz udział głosu w kluczowych społecznościach. Dobrą praktyką są krótkie, cykliczne video-raporty dla zarządu zamiast ciężkich, kwartalnych prezentacji.

Warto także zmapować kluczowe społeczności, w których obecni są Twoi klienci: fora, Slacki, Discordy, subreddity, grupy na LinkedIn lub Facebooku. Na tej podstawie zdecyduj, czy lepiej uczestniczyć w istniejących społecznościach, czy budować własną. W obu przypadkach kluczowe jest dostarczanie realnej wartości i transparentność intencji, a nie prosty „link drop”. To bezpośrednio wpływa na reputację marki, a pośrednio – na sposób, w jaki widzą ją modele AI.

Na poziomie kompetencji zespołu marketingowego zaplanuj inwestycję w zrozumienie LLM-ów. Nie chodzi o szkolenie inżynierów ML, ale o warsztaty wyjaśniające podstawy działania modeli, źródła błędów i ryzyka dla marki. Ten kapitał wiedzy ułatwi później ocenę narzędzi, ofert agencji oraz decyzje o tym, gdzie korzystać z automatyzacji treści, a gdzie bezwzględnie potrzebny jest człowiek (opinie, case studies, wypowiedzi eksperckie, wrażliwe tematy regulowane).

Wreszcie, zacznij aktywnie monitorować, jak Twoja marka pojawia się (lub nie) w narzędziach AI z dostępem do sieci – Perplexity, trybach przeglądarkowych ChatGPT i innych LLM-ach. Sprawdź, jakie źródła cytują w odpowiedziach i gdzie możesz wzmocnić swoją obecność poprzez lepsze treści, PR, pracę z recenzjami i społecznościami.

Jeżeli masz ograniczone zasoby, lepiej świadomie odpuścić wyścig na czysto informacyjne frazy, gdzie AI bez problemu wygeneruje odpowiedź. Skup się na obszarach, w których Twoje doświadczenie biznesowe jest niepodrabialne. To tam powstają treści, które mogą być cytowane przez LLM-y, rekomendowane w społecznościach i budować przewagę marki niezależnie od tego, jak będzie wyglądać strona wyników wyszukiwania w 2026 roku.

Rekomendacje i wnioski końcowe

W perspektywie najbliższych 18–24 miesięcy warto wdrożyć kilka jednoznacznych kroków, łączących SEO z szerszą strategią wzrostu.

Po pierwsze, przepisz KPI dla SEO. Zamiast koncentrować się na ogólnym ruchu organicznym, zacznij raportować do zarządu: tempo wzrostu zapytań brandowych, udział ruchu z fraz produktowych i kategorii wysokiej intencji, liczbę pozyskanych leadów i transakcji z kanału organicznego oraz ich wartość w czasie życia klienta. Uzgodnij z CFO i szefem sprzedaży, jakie progi opłacalności są akceptowalne, żeby decyzje o inwestycjach w SEO były porównywalne z innymi kanałami.

Po drugie, zbuduj roadmapę treści trudnych do sklonowania przez AI. W praktyce oznacza to roczne lub półroczne portfolio inicjatyw: cykl pogłębionych case studies, powtarzalne badania własne (np. barometr rynku), serię wywiadów z klientami i ekspertami oraz wybrane formaty wideo, z których będą tworzone treści pisane. Zaplanuj odpowiedzialności (właściciel merytoryki, właściciel dystrybucji, wsparcie AI/copy) oraz minimalny rytm publikacji, który jesteś w stanie realnie utrzymać.

Po trzecie, uruchom stały proces monitoringu obecności marki w AI-wyszukiwarkach. Wyznacz osobę lub mały zespół odpowiedzialny za kwartalny przegląd widoczności w Perplexity, trybach przeglądarkowych głównych LLM-ów i nowych przeglądarkach opartych na AI. Wyniki takiego przeglądu powinny trafiać na przynajmniej jedno spotkanie zarządcze w kwartale, razem z rekomendacją: w które źródła (media, społeczności, recenzje, partnerstwa) warto zainwestować, aby poprawić kontekst, w jakim pojawia się marka.

Po czwarte, połącz działania SEO z budową lub wzmocnieniem kluczowych społeczności. W praktyce oznacza to wybór 1–2 priorytetowych miejsc (własna społeczność lub istniejące fora / Slack / subreddity / grupy branżowe) oraz przypisanie do nich stałej obecności przedstawicieli firmy. Zdefiniuj zasady: jaki typ wiedzy i wsparcia oferujecie bezpłatnie, kiedy odsyłacie do własnych treści, jak reagujecie na kryzysy i krytykę. Uzgodnij z działem prawnym i compliance minimalne ramy odpowiedzialności, szczególnie w branżach regulowanych.

Po piąte, zainwestuj w rozwój kompetencji AI w zespole marketingowym. Zorganizuj cykl krótkich warsztatów o działaniu LLM-ów, ryzykach brandowych, zasadach korzystania z narzędzi AI (polityka bezpieczeństwa danych, dopuszczalne zastosowania, kryteria jakości). Na tej podstawie wyznacz obszary, w których AI ma przyspieszać pracę (research, szkice, edycja, repurposing), oraz obszary, które pozostają zastrzeżone dla ludzi: stanowiska eksperckie, content regulowany, wrażliwe komunikaty kryzysowe.

Wreszcie, ustal jasny scenariusz na wypadek dalszego spadku ruchu informacyjnego. Przygotuj wariantową prognozę przychodów z SEO dla kilku scenariuszy widoczności w wynikach klasycznych i AI (konserwatywny, bazowy, agresywny). Dla każdego scenariusza określ, jakie decyzje kosztowe i inwestycyjne podejmiesz: które działania SEO utrzymujesz, które ograniczasz, a w co dodatkowo inwestujesz (np. treści premium, społeczności, PR cyfrowy). Taki „plan B i C” zmniejsza ryzyko gwałtownych, chaotycznych cięć budżetów w momencie kolejnej dużej zmiany po stronie wyszukiwarek.

Źródło: Moz.com