I08 Stacja 8 z 11
GEO (Generative Engine Optimization) – czym jest optymalizacja pod wyszukiwarki generatywne
GEO (Generative Engine Optimization) to działania mające na celu zwiększenie widoczności strony w odpowiedziach generowanych przez wyszukiwarki oparte na AI – takie jak Przegląd od AI w Google, ChatGPT search czy Perplexity. Termin pochodzi z badania naukowego opublikowanego w listopadzie 2023 roku. Google stoi na stanowisku, że w swojej wyszukiwarce taka optymalizacja to nadal SEO.
Poniżej wyjaśniamy, co dokładnie oznacza GEO, co zmierzyli autorzy badania, dlaczego ich wyników nie da się bezpośrednio przełożyć na realia Google i czym GEO różni się od klasycznego pozycjonowania.
Czym jest GEO
„Wyszukiwarka generatywna” (ang. generative engine) to system, w którym po wyszukaniu źródeł model językowy tworzy na ich podstawie odpowiedź z odnośnikami do tych stron. Użytkownik otrzymuje gotowy tekst zamiast listy dziesięciu linków. Tak działają Przegląd od AI i Tryb AI w Google, ChatGPT search, Copilot czy Perplexity. Sam mechanizm łączenia wyszukiwania z generowaniem tekstu opisujemy w artykule o RAG, czyli generowaniu wspartym wyszukiwaniem.
GEO to wszystkie działania właściciela strony zmierzające do tego, by jego treść została w takiej odpowiedzi wykorzystana i podlinkowana. W klasycznym SEO celem jest pozycja na liście wyników. W GEO celem jest to, aby model oparł odpowiedź na Twojej stronie, zacytował ją i podał link. W polskiej branży równolegle funkcjonuje określenie „pozycjonowanie w AI” – oznacza to samo, choć nie występuje tu „pozycja” w klasycznym znaczeniu.
Skąd wziął się termin: badanie Aggarwala i in.
Nazwę „Generative Engine Optimization” wprowadził zespół: Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan i Ameet Deshpande. Pierwsza wersja pracy trafiła do repozytorium arXiv 16 listopada 2023 roku, ostatnia (trzecia) – 28 czerwca 2024 roku. Publikacja została przyjęta na konferencję KDD 2024. Autorzy sami określają GEO jako pierwsze ujęcie tego problemu, dlatego wszystko, co dziś promuje się jako „GEO”, odwołuje się – bezpośrednio lub pośrednio – do publikacji „GEO: Generative Engine Optimization”.
Co dokładnie zmierzono
Badanie nie obejmowało Google ani żadnej innej wyszukiwarki działającej w warunkach codziennego użytku. Autorzy zbudowali własne środowisko testowe:
- Zbiór zapytań GEO-bench – 10 000 zapytań z dziewięciu źródeł, m.in. z publicznych zbiorów zapytań do wyszukiwarek Bing i Google (MS MARCO, ORCAS, Natural Questions), pytań z serwisu Reddit, sekcji Discover w Perplexity oraz zapytań wygenerowanych przez GPT-4. Zapytania pogrupowano w 25 dziedzin, np. sztukę, zdrowie czy gry. Główne wyniki podano w oparciu o część testową, obejmującą 1000 zapytań.
- Własna „wyszukiwarka generatywna” – dla każdego zapytania pobierano 5 pierwszych wyników z Google, a odpowiedź z cytatami generował na ich podstawie model gpt-3.5-turbo.
- Modyfikacja jednej strony – w każdym zapytaniu losowano jedną z tych pięciu stron, a model językowy przepisywał jej treść według jednej z dziewięciu metod (np. „dodaj statystyki”, „dodaj cytaty”, „upłynnij tekst”). Następnie porównywano odpowiedź przed wprowadzeniem zmian i po niej.
- Miara widoczności – nie pozycja ani kliknięcia, lecz udział strony w odpowiedzi. Pierwsza miara (Position-Adjusted Word Count) określa, ile słów w odpowiedzi przypada na zdania cytujące daną stronę, przypisując większą wagę zdaniom umieszczonym na początku. Druga (Subjective Impression) to ocena wystawiana przez GPT-3.5 według siedmiu kryteriów, m.in. trafności, wpływu cytatu na odpowiedź oraz prawdopodobieństwa kliknięcia.
Które metody pomagały, a które nie
| Metoda (nazwa z badania) | Na czym polegała | Wynik według autorów |
|---|---|---|
| Cite Sources, Quotation Addition, Statistics Addition | Dodanie odwołań do wiarygodnych źródeł, cytatów i danych liczbowych | Najlepsze metody: 30–40% względnej poprawy w pierwszej mierze i 15–30% w drugiej |
| Fluency Optimization, Easy-to-Understand | Poprawa płynności tekstu i uproszczenie języka | Poprawa o 15–30% |
| Authoritative | Bardziej przekonujący, „autorytatywny” ton | Brak istotnej poprawy w całym zbiorze, choć pomagał w pytaniach dyskusyjnych i historycznych |
| Keyword Stuffing | Dopisanie słów kluczowych z zapytania, jak w starym SEO | Niewielka poprawa albo żadna; w teście na Perplexity wynik o 10% gorszy od tekstu bez zmian |
Trzy dodatkowe obserwacje z pracy są ważniejsze od samych procentów:
- Skuteczność zależała od dziedziny. Dodawanie statystyk działało najlepiej w zapytaniach o prawo i administrację, cytatów – w tematach społecznych i historycznych, a odwołań do źródeł – w pytaniach o fakty.
- Zyskiwały strony z niższych pozycji. Dodanie odwołań do źródeł podniosło widoczność strony z 5. miejsca w wynikach Google średnio o 115,1%, a w przypadku strony z 1. miejsca – obniżyło ją o 30,3%. Udział w odpowiedzi to gra o sumie stałej: jeśli jedno źródło zyskuje, inne tracą.
- Test na działającej wyszukiwarce miał mniejszą skalę. Na Perplexity najlepsza metoda (dodanie cytatów) przyniosła 22% poprawy w pierwszej mierze, a najwyższe wyniki sięgały 37% w drugiej. Stąd w nagłówkach pojawiają się hasła „do 40%” i „do 37%”.
Dlaczego tych wyników nie da się przenieść 1:1 do realiów Google
Badanie GEO stanowi rzetelny punkt wyjścia, jednak mierzy coś innego niż to, co interesuje właściciela strony w Polsce w 2026 roku:
- Zestaw źródeł był z góry ustalony. Model zawsze otrzymywał te same 5 stron z Google. Badanie mierzyło, jak zmienia się udział strony w odpowiedzi, gdy już znajduje się ona wśród źródeł – a nie to, czy w ogóle zostanie wybrana. W Google o tym, które strony trafią do odpowiedzi, decydują systemy rankingowe wyszukiwarki.
- Inny model i inna architektura. W teście odpowiedzi generował gpt-3.5-turbo. Przegląd od AI i Tryb AI korzystają z modeli Gemini, a jak wyjaśnia Google, systemy te wysyłają wiele powiązanych zapytań naraz (query fan-out) i pobierają wyniki z indeksu wyszukiwarki.
- Autorzy nie badali wpływu na ranking. W części poświęconej ograniczeniom badania autorzy piszą wprost, że nie sprawdzali, jak wprowadzane modyfikacje wpływają na pozycje w wyszukiwarce.
- Tekst przepisywał model, nie człowiek. Metoda „dodaj statystyki” polegała na automatycznym dopisaniu liczb. W jednym z przykładów opisanych w pracy do tekstu dodano powołanie na badanie, którego weryfikacji autorzy nie przedstawili. W prawdziwym serwisie zmyślona liczba lub nieistniejące źródło to ryzyko dla wiarygodności strony, a nie metoda optymalizacji.
- Wyszukiwarki generatywne zmieniają się szybciej niż benchmarki. Autorzy sami zaznaczają, że metody trzeba będzie dostosowywać wraz z rozwojem tych systemów. Od 2023 roku zmieniły się zarówno modele, jak i sposoby budowania odpowiedzi.
Wniosek, jaki można wyciągnąć z badania: treść z konkretnymi danymi, odwołaniami do źródeł i przystępnym językiem była chętniej wykorzystywana przez model w odpowiedzi, natomiast upychanie słów kluczowych nie działało. Jest to zgodne z ogólnymi zasadami jakości, lecz nie stanowi dowodu na to, jak w praktyce działa Przegląd od AI.
Stanowisko Google: GEO to „nadal SEO”
W lipcu 2026 roku Google opublikowało przewodnik o optymalizacji pod generatywne funkcje AI w wyszukiwarce. Odnosi się w nim do skrótów AEO i GEO wprost (cytaty w naszym tłumaczeniu, z zachowaniem oryginału):
- O samym pojęciu: „z perspektywy wyszukiwarki Google optymalizacja pod generatywne wyszukiwanie AI to optymalizacja pod doświadczenie wyszukiwania, a więc nadal SEO” („From Google Search's perspective, optimizing for generative AI search is optimizing for the search experience, and thus still SEO”).
- O usługach: „jeśli rozważasz zewnętrzne porady lub usługi »AEO« albo »GEO«, zapoznaj się z naszymi wskazówkami dotyczącymi oceny zewnętrznych porad SEO” („If you're considering third-party »AEO« or »GEO« advice or services, review our guidance on evaluating third-party SEO advice”). Google odsyła tu do strony o ocenie zewnętrznych narzędzi i porad SEO.
- O „trikach”: „choć terminy takie jak AEO czy GEO są powszechne w internecie, wiele proponowanych »hacków« nie jest skutecznych ani nie wynika z tego, jak naprawdę działa wyszukiwarka Google” („many suggested »hacks« aren't effective or supported by how Google Search actually works”).
- O narzędziach: „uważaj na zewnętrzne narzędzia, które obiecują sukces w rankingu lub twierdzą, że korzystają z »wewnętrznych« metryk Google. Żadne zewnętrzne narzędzie nie ma dostępu do naszych wewnętrznych systemów rankingowych ani systemów AI”.
Uzasadnienie Google ma charakter techniczny: generatywne funkcje wyszukiwarki opierają się na jej podstawowych systemach rankingowych i jakościowych. Model korzysta z wyników, które systemy te wyselekcjonowały z indeksu. Jeśli strona nie jest zaindeksowana albo przegrywa w rankingu, model nie ma podstaw, by ją zacytować.
Czym GEO różni się od SEO, a w czym się z nim pokrywa
| Obszar | Klasyczne SEO | GEO |
|---|---|---|
| Cel | Pozycja na liście wyników i kliknięcie | Wykorzystanie treści i link w wygenerowanej odpowiedzi |
| Jednostka oceny | Cała strona pod zapytanie | Także pojedyncze zdania i fragmenty, z których model buduje odpowiedź |
| Zapytanie | To, które wpisał użytkownik | Często także zapytania pomocnicze tworzone przez model |
| Pomiar | Pozycje, wyświetlenia, kliknięcia | Wyświetlenia i cytowania w funkcjach AI; dane dopiero powstają (Search Console i Bing Webmaster Tools mają osobne raporty od 2026 roku) |
| Warunek wejścia | Indeksacja, jakość, trafność | Taki sam – w Google bez dodatkowych wymagań poza ustawieniem w Search Console, domyślnie włączonym |
Różnica polega więc głównie na tym, co widzi użytkownik i jak mierzy się efekty. Wspólna jest podstawa: strona musi być dostępna dla robota, zaindeksowana, wiarygodna i lepsza od konkurencji w odpowiedzi na pytanie. Dotyczy to nie tylko Google – ChatGPT search, Copilot czy Perplexity również najpierw wyszukują strony własnymi robotami lub przez indeksy wyszukiwarek, a dopiero potem generują odpowiedź.
Dobrze widać to na przykładzie upychania słów kluczowych: przestało ono działać w Google wiele lat temu (to jedna z technik opisanych w artykule o black hat SEO) i nie zadziałało też w badaniu GEO. To, co buduje widoczność w zwykłych wynikach – podstawy SEO, kompletne pokrycie tematu i autorytet tematyczny – jest też warunkiem koniecznym do tego, żeby system AI w ogóle znalazł Twoją stronę.
AEO, LLMO, AIO – inne określenia tego samego zjawiska
Obok GEO funkcjonuje kilka innych skrótów. AEO (Answer Engine Optimization) to optymalizacja pod „wyszukiwarki odpowiedzi” – Google wymienia ten termin w swoim przewodniku razem z GEO i traktuje go identycznie. LLMO (Large Language Model Optimization) akcentuje modele językowe, a AIO (AI Optimization) to najogólniejsza wersja; warto pamiętać, że „AIO” bywa też skrótem od AI Overviews. Żaden z tych skrótów nie ma oficjalnej definicji ani osobnego zestawu metod – różnią się nazwą, a nie zakresem działań.
Co z tego wynika w praktyce
GEO jest pojęciem użytecznym, ponieważ określa nowy cel: nie tylko pozycję, lecz obecność w odpowiedzi. Nie jest osobną dyscypliną z własnym zestawem trików. Google określa tę optymalizację mianem „nadal SEO”, a jedyne dotychczasowe badanie zmierzyło efekty w warunkach laboratoryjnych, z ustalonym zestawem źródeł. Konkretne działania – z podziałem na to, co potwierdzają dostawcy, co pokazały badania, a co jest tylko hipotezą branży – zebraliśmy w artykule o tym, jak strona trafia do cytowań w odpowiedziach AI. Szerszy obraz zmian w wyszukiwaniu znajdziesz w przewodniku SEO w czasach AI.
Najczęstsze pytania
Co to jest GEO w SEO?
GEO (Generative Engine Optimization) to działania, które mają zwiększyć szansę na to, że wyszukiwarka z AI wykorzysta treść strony w wygenerowanej odpowiedzi i podlinkuje ją. Termin pochodzi z badania naukowego z 2023 roku.
Czy GEO zastępuje SEO?
Nie. Google pisze, że optymalizacja pod generatywne funkcje AI w swojej wyszukiwarce to nadal SEO, bo funkcje te opierają się na podstawowych systemach rankingowych. Zmienia się sposób prezentacji wyników i pomiar, a nie podstawy.
Czy GEO naprawdę zwiększa widoczność o 40%?
Takie wyniki uzyskano w badaniu na akademickim zbiorze GEO-bench, z odpowiedziami tworzonymi przez gpt-3.5-turbo na podstawie 5 ustalonych wyników Google. Nie mierzono w nim Przeglądu od AI, kliknięć ani pozycji, więc tej liczby nie można przenosić na konkretną stronę.
Czym różni się AEO od GEO?
W praktyce niczym istotnym. AEO (Answer Engine Optimization) i GEO to dwie nazwy pracy nad widocznością w odpowiedziach AI; Google wymienia oba skróty razem i o obu pisze, że to nadal SEO.
Cała linia: AI Search
- I01węzeł
SEO a AI
- I02
LLM
- I03
RAG
- I04
Query fan-out
- I05
AI Overviews
- I06
Tryb AI
- I07
ChatGPT Search
- I08jesteś tutaj
GEO
- I09
Cytowania w AI
- I10
Crawlery AI
- I11
Treści z AI
Przesiadki
Węzły pozostałych linii – od nich zaczyna się każdy dział Akademii.
- Co to jest SEO? Kompleksowy przewodnik po optymalizacji w 2026 rokuPodstawy SEO
- Jak skutecznie wyszukiwać słowa kluczoweSłowa kluczowe
- Przewodnik po kodach statusu HTTP: jak interpretować odpowiedzi serweraTechniczne SEO
- Topical authority w SEO – jak stać się autorytetem w swojej niszy?Semantyczne SEO
- Wpływ crawl budgetu na pozycjonowanie stron – jak skutecznie zarządzać zasobami skanowaniaCrawlowanie i indeksacja
- Nawigacja fasetowa – jak optymalizować ją dla SEO?SEO dla e-commerce
- Jak algorytm Panda zmienił zasady gry w SEO?Algorytmy Google
- Analiza danych w Google Search Console i ich wpływ na ruch internetowyNarzędzia SEO