Wojny przeglądarek, AI Search i przyszłość SEO – najważniejsze wnioski z AMA z Markiem Williams‑Cookiem

Rok 2025 zweryfikował wiele pewników SEO: mniej klików z Google, więcej odpowiedzi z AI i nowe platformy walczące o udział w wyszukiwaniu. W rozmowie AMA dla Moz Mark Williams‑Cook porządkuje ten chaos i wskazuje strategie, które będą kluczowe w 2026 roku. Poniżej znajdziesz podsumowanie jego tez, ich interpretację oraz praktyczne wnioski dla polskich specjalistów SEO.

To nie jest kolejny tekst w stylu „AI nas zniszczy”, lecz trzeźwe spojrzenie na zmianę roli SEO, przygotowania do „wojen przeglądarek” i tworzenia treści, których generatywne modele nie są w stanie wiarygodnie zastąpić.

AI w wynikach Google: mniej klików, ale bardziej wartościowe wizyty?

AI Overviews a spadek ruchu organicznego

Google deklaruje wzrost liczby zapytań o ok. 20% rok do roku, przy jednoczesnym „stosunkowo stabilnym” poziomie kliknięć w wyniki organiczne. W praktyce oznacza to mniej klików na jedno wyszukanie – szczególnie przy zapytaniach informacyjnych, gdzie AI Overviews potrafi udzielić kompletnej odpowiedzi bez przejścia na stronę.

Oficjalna narracja brzmi: „jakość kliknięć rośnie”. W przełożeniu na język biznesu: nie dostaniesz więcej ruchu, ale użytkownicy, którzy mimo wszystko klikną w wyniki organiczne, częściej są bliżej decyzji i konwersji. To w dużej mierze PR, ale warto ten kontekst uwzględniać w raportach dla zarządów – wolumen maleje, natomiast intencja użytkownika bywa silniejsza.

Rola danych z Chrome i nadchodzące wojny przeglądarek

Proces antymonopolowy w USA nie doprowadził do odcięcia danych z Chrome, ale pokazał, jak cenne jest to źródło informacji. Mark wskazuje, że:

• w PPC dane z przeglądarki są kluczowe do profilowania użytkowników,
• w SEO Google prawdopodobnie wykorzystuje je głównie do decyzji typu: co i jak często indeksować, a mniej bezpośrednio do rankingu,
• najsilniejszym sygnałem nadal pozostaje zachowanie użytkownika w SERP-ach (co klika, jak długo zostaje, czy wraca do wyników).

Kluczowa zmiana szykuje się jednak gdzie indziej: jeśli odpowiedzi przeniosą się do interfejsów opartych na LLM (Perplexity, ChatGPT Search, nowe przeglądarki), Google straci część klasycznych danych o zachowaniu w SERP-ach. Stąd nowy wyścig: dostawcy modeli AI próbują budować własne przeglądarki, żeby widzieć pełną ścieżkę użytkownika i tworzyć swoje „PageRanki” oparte na zachowaniu w interfejsie AI, a nie tylko na linkach.

Wielojęzyczne zapytania a ograniczenia modeli językowych

Modele LLM pracują na języku, a nie na stronach jako odrębnych „pojemnikach kontekstu”. Prowadzi to do typowych problemów: amerykańskie wyniki na brytyjskie zapytania, globalne odpowiedzi bez lokalnego kontekstu, ignorowanie specyfiki danego rynku.

Jeśli AI korzysta z podejścia RAG (retrieval‑augmented generation), klasyczne działania SEO (indeksowalność, struktura, jasne nagłówki) nadal mają sens. Natomiast to, jak zachowuje się sam model bazowy bez silnego lokalnego kontekstu, jest przede wszystkim wyzwaniem po stronie platformy, a nie wydawcy.

Jakość treści w 2026: „rozwiązane informacje” kontra „treści ludzkie”

Nowa definicja oryginalności

Google od lat mówi o „oryginalnej” treści, ale znaczenie tego pojęcia mocno się zmieniło:

• Kiedyś – wystarczało lekkie przeredagowanie istniejących materiałów.
• Później – pojawiła się koncepcja „information gain”: dołożenie czegoś nowego do tematu.
• Dziś – coraz ważniejsze stają się opinie, doświadczenia i perspektywa autora, których AI nie potrafi wiarygodnie i powtarzalnie odtworzyć na głębokim poziomie.

Dwa koszyki treści według Marka

• „Solved information” – informacje rozwiązane
  Powoli zmieniające się fakty, definicje, proste how‑to, które LLM-y generują z wysoką pewnością.
  
  Jeśli Twój biznes opiera się na masowej produkcji takich treści top‑of‑the‑funnel, AI będzie je coraz częściej „pożerać” prosto w SERP-ach – użytkownik dostanie odpowiedź bez wizyty na stronie.
• „Human content” – treści ludzkie
  Narracje, historie, opinie, emocje, niuanse, osobiste porażki i sukcesy. Mark zwraca uwagę na „szósty zmysł” czytelnika – coraz łatwiej odróżnić tekst generowany przez AI: poprawny, ale odhumanizowany. To właśnie te „ludzkie” treści mają największą szansę na budowanie zaangażowania, lojalności i płatnej publiczności (np. newslettery premium).

Dla projektów opartych na niskomarżowym, mało zróżnicowanym kontencie zmiany mogą być egzystencjalne. Dla marek gotowych inwestować w prawdziwą ekspertyzę to szansa, by odciąć „contentowy szum” i zbudować realną przewagę.

Wideo jako paliwo dla treści (ale nie obowiązek)

Wideo nie jest obowiązkowym kanałem, ale bywa bardzo efektywnym punktem startu, zwłaszcza gdy ekspert merytoryczny nie lubi pisać. Proces, który Mark stosuje z klientami:

• nagranie rozmowy lub wywiadu z ekspertem,
• użycie AI do transkrypcji i destylacji materiału na: artykuły, FAQ, posty social, newsletter,
• utrzymanie autentycznego „głosu” eksperta zamiast suchych tekstów pisanych „pod brief”.

People Also Ask Mark traktuje raczej jako źródło insightów o intencjach użytkownika niż cel sam w sobie. PAA pokazuje, jakiego kontekstu Google oczekuje wokół danego tematu – to dobry drogowskaz przy planowaniu struktury treści.

Trendy SEO: odpowiedzi z AI, GEO i rosnąca rola społeczności

Czy „answer engines” są przeszacowane?

Kluczowe jest nie tyle „czy się bać”, ile jak mierzyć efekty. LLM-y coraz częściej działają jako:

• influencer – pomagają użytkownikowi zawęzić wybór, zrozumieć różnice i skrócić ścieżkę decyzyjną,
• filtr rekomendacji – np. streszczają opinie o lokalnych firmach, a użytkownik potem i tak przechodzi do Google, wpisuje nazwę brandu i konwertuje z ruchu brandowego.

W takim scenariuszu LLM nie generuje „ruchu w GA”, ale realnie wpływa na przychód. Jeśli patrzysz tylko na ostatnie kliknięcie i „ruch z ChatGPT”, łatwo przeoczyć całą wartość tego kanału.

GEO i „stare rzeczy w nowych opakowaniach”

Mark dość ostro krytykuje „Generative Engine Optimization”, czyli modne przepakowywanie starych praktyk SEO. Przykład: „chunking” treści na małe, zrozumiałe fragmenty dla LLM-ów.

W praktyce chodzi o to, co dobrzy copywriterzy robili od lat:

• logiczną strukturę nagłówków,
• krótsze akapity,
• jeden główny wątek na fragment tekstu.

Wniosek: zamiast gonić za buzzwordami, lepiej konsekwentnie robić dobrze to, co zawsze działało – klarowną, zrozumiałą, praktyczną treść.

Społeczności jako najlepsze zabezpieczenie na wypadek zmian algorytmów

Przesunięcie z „świata webmasterów” do „świata użytkowników” trwa od lat: od PageRanku, przez social signals, aż po AI, które coraz częściej bazuje na tym, co mówią o Tobie inni, a nie tylko na tym, co publikujesz na własnej stronie.

Dlatego budowa społeczności (fora, Slack, Discord, zamknięte grupy, aktywne uczestnictwo w istniejących społecznościach) jest:

• lepszą strategią niż desperackie „wrzucajmy wszystko na Reddita”,
• źródłem sygnałów reputacyjnych i rekomendacji, które potem przechwytuje zarówno Google, jak i modele LLM,
• polisą ubezpieczeniową – jeśli jutro SEO „pęknie”, społeczność i tak pozostanie.

Nowe kompetencje SEO do 2026: zrozumienie LLM i perspektywa IR/ML

Dlaczego SEO musi zrozumieć, jak działają modele językowe

Taktyki się zmieniają, ale przewagę mają ci, którzy rozumieją technologię. Mark sugeruje, by specjaliści SEO coraz lepiej poznawali podstawy:

• jak wygląda pre‑training i fine‑tuning modeli,
• jak generowany jest tekst (tokenizacja, sampling, temperatura),
• jakie są typowe błędy i ograniczenia (halucynacje, brak świeżości danych, problemy z lokalnością).

To pozwala:

• projektować własne, sensowne strategie zamiast kopiować „tipy z LinkedIna”,
• unikać działań, które krótkoterminowo wyglądają obiecująco, a długoterminowo mogą zostać ukarane lub zdewaluowane,
• lepiej tłumaczyć zarządom, co dzieje się z ruchem i widocznością – bez straszenia i bez lukrowania.

Kogo śledzić, żeby nie zostać z tyłu

Mark wskazuje osoby, które przeszły drogę z klasycznego SEO do information retrieval i machine learning, m.in. Dawn Anderson i Britney Muller. To sygnał szerszego trendu: SEO zbliża się do IR/ML, więc warto obserwować, jak myślą ludzie działający na styku tych światów – także w polskim środowisku.

Co to oznacza dla SEO w Polsce?

1. Spadki ruchu informacyjnego to nie błąd w GA, tylko nowa normalność

Polskie serwisy oparte na:

• encyklopedycznych treściach,
• prostych poradnikach typu „jak…”,
• masowych artykułach blogowych bez realnej ekspertyzy,

muszą liczyć się z systematycznym „zjadaniem” przez AI Overviews i inne formaty bezklikowe. W raportach SEO warto więc przesunąć akcent z obsesji na „sesje” w stronę:

• współczynnika konwersji z ruchu organicznego,
• średniej wartości sesji,
• współczynników retencji i powrotów.

2. Lokalne konteksty i język polski są Twoją szansą

Globalne modele często słabo radzą sobie z lokalnością: prawem, podatkami, niuansami rynku, dialektami, specyficznymi zwyczajami. Dla polskich SEO to przestrzeń na:

• tworzenie bardzo lokalnych, „zanurzonych” treści (konkretne miasta, dzielnice, realne przykłady),
• case studies z polskiego rynku, których LLM-y nie znajdą w anglojęzycznych danych treningowych,
• materiały o polskich regulacjach, urzędach, procedurach – dobrze udokumentowane i aktualizowane.

3. Budowanie marek i społeczności po polsku

Polski internet jest znacznie mniejszy niż anglojęzyczny, co paradoksalnie ułatwia zbudowanie marki osobistej lub brandu w konkretnej niszy. Skuteczne kierunki:

• niszowe społeczności na Facebooku, Discordzie, Slacku, forach branżowych,
• aktywny udział w istniejących polskich społecznościach (np. tematyczne subreddity, Wykop, grupy FB) bez nachalnego spamowania linkami,
• cykliczne „update’y rynkowe” – newslettery, streamy, Q&A, które pokazują Twoją ekspertyzę częściej niż raz na kwartał.

4. Przygotowanie na „wojny przeglądarek” w wersji PL

Jeśli Perplexity, ChatGPT i inni mocniej wejdą z polskimi interfejsami i przeglądarkami, zobaczymy:

• nowe źródła ruchu referral (linki „z wnętrza” odpowiedzi AI),
• nowe modele atrybucji – część decyzji zakupowych będzie zaczynać się w interfejsach AI, a kończyć w Google lub bezpośrednio na stronie,
• większą wagę „reputacji sieciowej” (co inni o nas piszą), która może być agregowana i streszczana w odpowiedziach AI.

Polskie marki, które dziś ignorują swoją obecność w otwartych źródłach (opinie, recenzje, społeczności), będą mieć problem – to z tych danych AI będzie budować ich wizerunek.

Rekomendacje praktyczne

1. Zmień sposób raportowania SEO do zarządu

• Dodaj do raportów metryki jakościowe: konwersje, leady, MQL/SQL, a nie tylko sesje.
• Wyjaśnij, że część odpowiedzi udzielana jest „w SERP” lub w interfejsach AI – to nie błąd, tylko zmiana rynku.
• Pokazuj przykłady, jak AI mogło pośrednio wpłynąć na wybór dostawcy, nawet bez wizyty z danego kanału.

2. Zmapuj swoje treści na dwa koszyki

• Przeprowadź audyt i podziel content na:
  • „rozwiązane informacje” – tutaj postaw na:
    • maksymalną jakość i aktualność,
    • silne wewnętrzne linkowanie z treści „ludzkich”,
    • wykorzystanie ich jako „zaplecza” do innych działań (newsletter, kursy, lead magnety).
  • „treści ludzkie” – zwiększ inwestycję w:
    • opinie i komentarze ekspertów,
    • storytelling (co się udało, co nie, wnioski),
    • studia przypadków z liczbami, screenami, timeline’ami.

3. Wykorzystaj wideo jako źródło wiedzy eksperckiej

• Nagrywaj rozmowy z ekspertami (Zoom, Meet, studio, nawet telefon).
• Automatycznie transkrybuj materiał i używaj AI do:
  • tworzenia artykułów,
  • FAQ,
  • krótkich poradników,
  • newsletterów z cytatami eksperta.
• Pamiętaj o redakcji – AI ma pomagać, a nie pisać całość w oderwaniu od człowieka.

4. Buduj lub wspieraj społeczności

• Zidentyfikuj, gdzie rzeczywiście są Twoi odbiorcy (LinkedIn, FB, Discord, grupy branżowe, fora).
• Zacznij od bycia wartościowym uczestnikiem, a nie od autopromocji.
• Jeśli uruchamiasz własną społeczność:
  • ustal jasny temat i zasady,
  • dbaj o moderację i jakość dyskusji,
  • zapraszaj gości (webinary, Q&A), którzy wniosą nową perspektywę.

5. Zainwestuj czas w zrozumienie LLM

• Przeczytaj podstawowe materiały o działaniu modeli językowych (tokeny, embeddingi, RAG).
• Testuj, jak ChatGPT, Perplexity i inne narzędzia odpowiadają na kluczowe zapytania w Twojej niszy.
• Porównuj odpowiedzi z tym, co masz na stronie, i szukaj luk, które możesz wypełnić:
  • lokalnymi danymi,
  • aktualnymi statystykami,
  • unikalnymi wnioskami.

6. Uporządkuj strukturę treści zamiast „robić chunking pod AI”

• Pracuj nad czytelnością:
  • jasne nagłówki H2/H3 odpowiadające na konkretne pytania,
  • krótsze akapity,
  • wypunktowania dla złożonych list.
• Dzięki temu:
  • użytkownik lepiej rozumie treść,
  • Google łatwiej wyciąga fragmenty do featured snippets i PAA,
  • LLM-y mają bardziej „strawne” segmenty do cytowania i streszczania.

Źródło: Moz.com