Generative Engine Optimization:
co nagrać, żeby AI miało co cytować

Generative Engine Optimization: co właściwie nagrać, żeby AI miało co cytować

Przeczytałem osiem polskich tekstów o GEO. Siedem napisały agencje SEO, jeden Deloitte. Wszystkie kończą się w tym samym miejscu: "twórz wartościowe, eksperckie treści, które odpowiadają na pytania użytkowników". Zgoda. Tylko że to jest opis wyniku, nie instrukcja. Nikt nie pisze, jak taka treść wygląda, kto ją nagrywa, ile to trwa i co się dzieje, kiedy Twój ekspert siada przed kamerą i nie wie, co powiedzieć.

Nie jestem specem od SEO i nie sprzedaję pozycjonowania. Jestem producentem wideo, od 2011 roku robię filmy dla firm, w tym dla Rossmanna, Skanska, Takedy i PKP. Interesuje mnie inna strona tego samego problemu: jak wygląda materiał, który model językowy faktycznie zacytuje. Bo o ile "optymalizacja" jest robotą agencji, o tyle "treść ekspercka" to coś, co ktoś musi nagrać.

Na skróty

1. GEO to układanie treści i obecności w sieci tak, żeby model językowy sięgnął po Ciebie, składając odpowiedź. Nie jest to nowe SEO, bo nie chodzi o pozycję na liście linków, tylko o bycie źródłem syntezy.
2. Modele chętnie sięgają po wideo przy pytaniach wymagających konkretnej odpowiedzi. BrightEdge naliczył około 60% cytowań YouTube w ChatGPT właśnie przy takich pytaniach.
3. Materiał, który da się zacytować, ma trzy cechy: odpowiada na jedno pytanie, ma transkrypcję i jest opublikowany tam, gdzie crawler wejdzie bez logowania.
4. Kanał YouTube to dla modelu źródło z metryką: kto powiedział, kiedy, jak długo, ilu ludzi obejrzało. Strona "O nas" nie ma żadnej z tych rzeczy.
5. Nikt Ci nie zagwarantuje cytowania. Kto obiecuje, sprzedaje coś, czego nie kontroluje.

Dlaczego akurat wideo

Zacznę od tego, na czym się znam, a nie od definicji, bo definicji jest już osiem.

Model językowy nie ogląda filmu. Czyta jego transkrypcję, tytuł, opis i to, co platforma o nim wie. YouTube podaje mu wszystkie te rzeczy w ustrukturyzowanej formie, do tego z metadanymi, których nie ma żaden tekst na Twojej stronie: kto to powiedział, kiedy, jak długo mówił, ilu ludzi tego wysłuchało. Dla systemu, który musi ocenić wiarygodność źródła, to jest różnica między "ktoś tak napisał" a "ta osoba tak powiedziała, publicznie, pod nazwiskiem".

Druga rzecz jest prostsza i mniej się o niej mówi. Tekst na Twojej stronie konkuruje z milionem innych tekstów o tym samym. Nagranie, w którym Twój ekspert odpowiada na konkretne pytanie z Twojej branży, najczęściej nie konkuruje z niczym, bo nikt inny go nie nagrał. Napisać artykuł o obróbce blachy może każdy copywriter. Powiedzieć do kamery, dlaczego przy tej grubości materiału zmienia się parametry cięcia, może tylko ktoś, kto to robi.

Dane, które to potwierdzają, są na razie jedne: BrightEdge policzył w 2026 roku, że około 60% cytowań YouTube w ChatGPT przypada na pytania wymagające konkretnej odpowiedzi, typu "jak". To nie jest gwarancja, tylko wskazanie, gdzie maszyna szuka. Dane opisują zachowanie wyszukiwarek, nie los konkretnej firmy.

Czym GEO różni się od SEO, w jednym zdaniu

Skoro wiadomo już, po co to nagranie, warto nazwać samą różnicę, bo mylenie GEO z SEO kosztuje potem budżet.

SEO walczy o miejsce na liście odpowiedzi. GEO walczy o to, żeby być w odpowiedzi. Reszta wynika z tej jednej różnicy. W klasycznym wyniku wyszukiwania użytkownik widzi dziesięć linków i sam wybiera. W odpowiedzi ChatGPT albo w AI Overviews widzi jedną syntezę, złożoną z kilku źródeł, których zwykle nawet nie klika. Jeśli Twojej firmy nie ma w tej syntezie, dla klienta nie istniejesz – a on nie ma poczucia, że coś przeoczył, bo dostał kompletną odpowiedź.

To jest realna zmiana w tym, jak firmy B2B wybierają dostawcę. Klient nie zaczyna już od Twojej strony. Zaczyna od pytania wrzuconego w model, dostaje gotową odpowiedź i dopiero z nią w głowie decyduje, czy w ogóle warto się z Tobą kontaktować. Opisałem to szerzej w tekście o tym, jak klient pyta AI, zanim zadzwoni.

Co konkretnie nagrać

Tu zaczyna się część, której nie ma w tekstach agencyjnych, bo to już nie jest optymalizacja, tylko produkcja.

Nagrywasz odpowiedzi, nie film o firmie. Film "o nas" nie odpowiada na żadne pytanie, więc nie ma czego z niego wyjąć. Materiał cytowalny zaczyna się od pytania, które klient faktycznie zadaje przed zakupem, i kończy na odpowiedzi, którą da się wyjąć z kontekstu i nadal ma sens.

Bierzesz pytania ze skrzynki, nie z narzędzia do keywordów. Sześć pytań, które Twój dział sprzedaży słyszy co tydzień, jest wart więcej niż sześćdziesiąt fraz z eksportu. Powód jest prosty: pytanie zadane przez klienta jest sformułowane tak, jak ludzie pytają, a nie tak, jak się wpisuje w wyszukiwarkę. A modelowi zadaje się pytania językiem mówionym.

Jedno pytanie, jedna odpowiedź, jeden plik. Nie sklejaj sześciu tematów w jeden dziesięciominutowy film. Model wyciąga fragment, ale sześć osobnych filmów z sześcioma tytułami daje sześć osobnych źródeł, z których każde ma szansę zostać dopasowane do innego pytania.

Transkrypcja jest obowiązkowa. To ona jest tekstem, który model czyta. Automatyczne napisy YouTube są punktem wyjścia, nie końcem: przy branżowym słownictwie potrafią pomylić nazwę materiału albo normy, a wtedy cytowany jest błąd.

Publikujesz tam, gdzie crawler wejdzie. YouTube publiczny, strona firmy bez bramki na maila, transkrypcja jako tekst na stronie, nie jako plik do pobrania. Film wrzucony do intranetu albo za formularz kontaktowy jest niewidzialny.

Z jednego dnia zdjęciowego wychodzi zwykle sześć takich odpowiedzi plus krótsze wersje pionowe do socialu. Ekspert stoi przed kamerą około trzech godzin. Ten format opisałem osobno na stronie wideo dla AI, razem z ceną, żeby nie trzeba było pytać.

Czego GEO nie załatwi

Wolę to powiedzieć teraz niż po projekcie.

GEO nie zastąpi tego, że masz coś do powiedzenia. Jeśli Twoja firma robi to samo co pięćdziesiąt innych i nie ma na to własnego zdania, nagranie sześciu filmów da sześć plików, które model pominie tak samo jak Twoją stronę. Materiał, który nikogo nie interesuje w rozmowie, nie stanie się interesujący dlatego, że ma transkrypcję.

Nie działa też jako jednorazowa akcja. Jeden dzień zdjęciowy to punkt startu, nie kampania. Modele przeliczają swoje źródła regularnie i premiują to, co żyje.

I najważniejsze: nikt nie kontroluje, co model wybierze. Nie ma tu pozycji do sprawdzenia w narzędziu, nie ma gwarancji, nie ma "wejdziemy do TOP3". Kto Ci to obiecuje, sprzedaje coś, czego nie ma. Można tylko zwiększyć szansę, publikując dokładnie ten typ materiału, po który maszyny sięgają najczęściej.

Kiedy odpuścić

Jeśli sprzedajesz produkt, którego nikt nie researchuje przed zakupem, to nie jest Twój temat. GEO ma sens tam, gdzie klient ma pytania przed decyzją: usługi, procesy, produkty wymagające wyjaśnienia, zakupy B2B z kilkoma osobami w procesie decyzyjnym. Przy zakupie impulsowym nikt nie pyta ChatGPT o zdanie.

Jeśli nie masz w firmie nikogo, kto mówi o Waszej robocie z sensem, to też nie teraz. Da się to poprawić przygotowaniem i pytaniami zamiast promptera, ale nie da się tego wymyślić w montażu.

Co z tym zrobić w tym tygodniu

Wejdź do skrzynki działu sprzedaży i wypisz sześć pytań, które powtarzają się najczęściej. Nie generalizuj ich, zostaw dokładnie w brzmieniu, w jakim przyszły. To jest lista tematów i jednocześnie test: jeśli nie potrafisz odpowiedzieć na żadne z nich w minutę, materiału jeszcze nie ma, jest do zrobienia research wewnątrz firmy.

Reszta to produkcja. Robimy ją od 2011 roku, tylko wcześniej te same nagrania nazywało się inaczej.

Jeśli chcesz sprawdzić, czy Twoje pytania nadają się na taki format, napisz jedno z nich. Odpowiem, czy to temat na wideo, czy szkoda dnia zdjęciowego.

Źródła

1. BrightEdge, "Google AI Overviews vs ChatGPT YouTube usage", marzec 2026: analiza cytowań w odpowiedziach AI.
2. Xu, Iqbal, Montgomery, maj 2026: badanie 55 393 zapytań i źródeł cytowanych w odpowiedziach modeli.
3. Google Search Central, "Guide to optimizing for generative AI features": oficjalne wytyczne Google dotyczące treści w funkcjach generatywnych.