Answer Engine Optimization – rewolucja w optymalizacji według Ethana Smitha #EN272
Adam Michalski
14 września 2025
Rozmowa rozpoczęła się zaskakującym faktem – ChatGPT już teraz generuje więcej ruchu do newslettera Lenny’ego niż Twitter. Ten przykład pokazuje, że rewolucja AEO nie jest przyszłościową wizją, lecz obecną rzeczywistością.
TL;DR
- AEO to drugie co do wielkości przełom w historii SEO – po wprowadzeniu algorytmów antyspamowych przez Google
- W przeciwieństwie do SEO, gdzie wygrywa pozycja #1, w AEO liczy się częstość pojawiania w wielu źródłach
- Webflow odnotował 6-krotnie wyższą konwersję z ruchu LLM w porównaniu do Google Search
- Startupy mogą odnosić sukcesy niemal natychmiast, bez budowania miesięcznej autorytetu domeny
- Reddit, YouTube i affiliates stają się kluczowymi kanałami cytowań w odpowiedziach AI
- Badania pokazują, że 90% treści w LLM to content tworzony przez ludzi, nie przez AI
- Answer tracking zastępuje keyword tracking jako główne narzędzie pomiaru skuteczności
Nowa definicja optymalizacji wyszukiwarek
Answer Engine Optimization (AEO) i Generative Engine Optimization (GEO) opisują to samo zjawisko. Smith preferuje termin AEO, ponieważ odnosi się konkretnie do odpowiedzi, a nie do wszystkich treści generowanych przez sztuczną inteligencję.
Według Smitha, obecna rewolucja przypomina czasy wprowadzenia algorytmów Panda przez Google. Wtedy SEO przeszło od spamu do jakościowych treści. Teraz jednak przechodzi od tradycyjnych rankingów do summaryzacji wielu źródeł.
Kluczowe różnice między SEO a AEO:
- Tradycyjne SEO: wygrywa pierwsza pozycja w rankingu
- AEO: wygrywa najczęściej cytowany w wielu źródłach
- SEO: długie bariery wejścia dla nowych firm
- AEO: startupy mogą wygrać już jutro
- SEO: fokus na pojedynczych słowach kluczowych
- AEO: odpowiadanie na długie, szczegółowe pytania
Nowe możliwości dla małych firm
Smith zauważa fundamentalną zmianę w barierach wejścia. Młode firmy w tradycyjnym SEO potrzebowały miesięcy lub lat na zbudowanie domain authority. Obecnie mogą pojawić się w odpowiedziach ChatGPT już następnego dnia.
Wystarczy jeden wpis na Reddit, video na YouTube czy wspomnienie w blogu. Startups z Y Combinator, które robią szum po demo day, mogą od razu pokazać się w odpowiedziach AI. To radykalna zmiana w stosunku do SEO, gdzie Smith standardowo odradzał młodym firmom inwestowanie w optymalizację przed Series A.
Reakcja ChatGPT na optymalizację: Nick Turley, head of ChatGPT, radzi: „po prostu twórz świetne treści”. Smith interpretuje to jako dwie wiadomości – prośbę o niesspamowanie produktu oraz ostrzeżenie, że spam zostanie wykryty i zatrzymany.
Biznesowy wpływ – konkretne dane
Analiza Webflow ujawniła spektakularną różnicę w jakości ruchu. Konwersja z LLM była 6-krotnie wyższa niż z Google Search. Smith tłumaczy to głębokim kontekstem, jaki buduje rozmowa z AI.
Użytkownicy ChatGPT prowadzą wieloetapowe konwersacje, zadają pytania uzupełniające i doprecyzowują potrzeby. W rezultacie, gdy w końcu klikają link, są znacznie bardziej kwalifikowani niż osoby szukające w Google.
Dlaczego ruch z AEO jest tak wartościowy:
- Wysoka intencja – użytkownik prowadzący dłuższą rozmowę z AI jest mocno zaangażowany w temat
- Sprecyzowane potrzeby – dzięki konwersacji osoba dokładnie wie, czego potrzebuje
- Zaufanie do rekomendacji – odpowiedź z AI jest postrzegana jako bardziej wiarygodna niż zwykły link sponsorowany
Webflow obecnie otrzymuje 8% nowych rejestracji z LLM – to już jeden z głównych kanałów akwizycji.
Jak AEO różni się w zależności od branży
B2B SaaS:
- Większość odpowiedzi nie ma klikanych elementów
- Trudniejsze śledzenie konwersji (nie można polegać na last-touch analytics)
- Konieczność pytania „jak nas znaleźliście?” po konwersji
- Długi proces decyzyjny (50+ punktów kontaktu przed zakupem za $100k)
Commerce:
- Klikalne karty produktów z rich snippets
- Schema.org ma duże znaczenie
- Liczba recenzji wpływa na pozycję
- Last-touch tracking działa lepiej
- Możliwość śledzenia konwersji przez referral traffic
Local/Hotels/Restauracje:
- Podobnie do commerce – klikalne moduły
- Integracja z mapami i rezerwacjami
- Bezpośrednie możliwości transakcyjne
Strategia treści – powrót długiego ogona
Smith obserwuje powrót strategii długiego ogona. Średnia długość zapytań w Perplexity to 25 słów, podczas gdy w Google tylko 6. Użytkownicy zadają bardzo szczegółowe pytania, których nigdy wcześniej nie wyszukiwali.
Podejście topic-based: W nowoczesnym SEO jedna strona targetuje setki czy tysiące powiązanych słów kluczowych (topic). W AEO działa podobnie – każda strona powinna odpowiadać na tysiące powiązanych pytań z danej kategorii.
Gdzie szukać pytań:
- Rozmowy sprzedażowe
- Support klienta
- Dyskusje na Reddit
- Pytania uzupełniające od użytkowników
Te same pytania prawdopodobnie pojawiają się w rozmowach z AI. Dlatego tworzenie treści odpowiadających na niszowe zagadnienia może przynieść monopol w konkretnym obszarze.
Budowanie obecności w cytowaniach
LLM działa na zasadzie RAG (Retrieval Augmented Generation). Najpierw wyszukuje treści, następnie je summaryzuje. Smith dzieli źródła cytowań na kategorie:
Kategorie źródeł cytowań:
- Video (YouTube, Vimeo) – niedoceniane, mała konkurencja w niszach B2B
- Reddit – kluczowe źródło, jednak wymaga autentyczności i wartościowych komentarzy
- Affiliates tier 1 (Dot Dash Meredith, Good Housekeeping) – drogie, ale kontrolowalne
- Blogs i tier 2 affiliates – łatwiejsze do zdobycia, większa dostępność
- UGC (Quora, fora branżowe) – organiczne wspomnienia w dyskusjach
Strategia Reddit według Smitha:
- Załóż prawdziwe konto (nie fake)
- Przedstaw się i miejsce pracy
- Udzielaj wartościowych odpowiedzi
- Znajdź wątki, które są cytowane w interesujących Cię tematach
- Skup się na jakości, nie ilości (5 dobrych komentarzy > 100 spamowych)
Answer tracking – nowa metryka sukcesu
Tradycyjne keyword tracking nie sprawdza się w świecie LLM. Te same pytania generują różne odpowiedzi przy każdym zapytaniu. Smith porównuje to do rozkładu prawdopodobieństwa.
Nowe narzędzia mierzą „share of voice” – jak często firma pojawia się w odpowiedziach na konkretne pytania. Smith wymienia 60 dostępnych narzędzi answer trackingu, zalecając wybór najtańszego, który spełnia potrzeby.
Różnice między platformami AI: Smith przeprowadził analizę tysięcy pytań i odkrył istotne różnice:
- ChatGPT vs Google: tylko 35% nakładania się cytowań
- Perplexity vs Google: 70% nakładania się cytowań
- różne LLM używają podobnych algorytmów, ale generują bardzo różne wyniki
Zaskakujące zjawiska w AEO
Smith zauważa trzy zaskakujące zjawiska w Answer Engine Optimization:
1. Poziom dezinformacji: Podobnie jak co dwa lata pojawiają się artykuły o „śmierci Google search”, teraz krążą mity o AEO. Wcześniej przepowiadano, że TikTok, Instagram czy YouTube zabiorą ruch Google. Smith tłumaczy jednak: „udział Google w torcie pozostaje taki sam, ale tort się powiększa” – nowe platformy nie zabierają ruchu, tylko go dodają.
2. Przeważone ceny narzędzi: Smith porównuje sytuację do hipotetycznego keyword trackera za $50,000. W AEO ludzie płacą ogromne sumy za narzędzia wykonujące standardowe zadania, ponieważ temat wydaje się tajemniczy i skomplikowany.
3. Nietypowa krzywa adopcji: Zainteresowanie AEO miało niezwykły kształt: wysoki start po ChatGPT launch, spadek do lipca, mały wzrost w czerwcu, potem eksplozja od stycznia. Takie załamanie i ponowny wzrost to rzadkość w nowych kanałach marketingowych.
Mit treści generowanych przez AI
Smith przeprowadził obszerne badanie skuteczności treści generowanych przez AI. Wykorzystał detektor AI od Surfer SEO z 8% wskaźnikiem fałszywie pozytywnych wyników.
Ważna statystyka SEO: Smith ujawnił, że w tradycyjnym SEO tylko 1 na 20 landing pages generuje 85% całego ruchu. To oznacza, że 19 z 20 stron nie przynosi praktycznie żadnych rezultatów. Problem polega na tym, że firmy tworzą masę tanich, przepisanych treści, zamiast skoncentrować budżet na kilku naprawdę wartościowych stronach.
Framework jakości treści: Smith proponuje dwa kluczowe kryteria:
- Information gain – czy dodajesz coś, czego inni nie powiedzieli?
- Typowość – czy jesteś tak podobny do innych, że wydajesz się przepisany?
Dodatkowo wspomina o EAT (expertise, authority, trustworthiness) Google, ale przyznaje, że w praktyce nie widzi jego wpływu na rankingi.
Zaskakujące odkrycia:
- Tylko 10-12% treści w Google i ChatGPT to content AI
- 90% to nadal treści pisane przez ludzi
- Automatycznie generowane treści nie działają w SEO ani AEO
Jednocześnie więcej treści w internecie jest teraz generowanych przez AI niż pisanych przez ludzi. Algorytmy jednak skutecznie filtrują spam.
Smith porównuje to do swojego doświadczenia z 2007 roku, gdy shopping comparison sites tworzyły miliony automatycznych stron. Google w końcu wyeliminował całą kategorię, ponieważ uznał ją za spam.
Optymalizacja centrum pomocy
Smith wskazuje na niedocenianą możliwość. Help center to idealne miejsce na odpowiadanie szczegółowym pytaniom o funkcje, integracje i przypadki użycia.
Lista kontrolna optymalizacji centrum pomocy:
- Przenieś z subdomain na subdirectory (example.com/help zamiast help.example.com)
- Popraw wewnętrzne linkowanie między artykułami help center
- Stwórz treści dla długiego ogona pytań (niszowe przypadki użycia)
- Otwórz platformę na pytania społeczności
- Przeanalizuj pytania z rozmów sprzedażowych i customer support
- Dodaj artykuły o nietypowych integracjach i workaroundach
Przykład: pytanie „które narzędzie do transkrypcji integruje się z Looker?” może nie mieć bezpośredniej odpowiedzi, ale można stworzyć instrukcję przez Zapier i BigQuery.
Konkretny sukces: Butter Lettuce i Masterclass Smith wspomina swój ulubiony przykład współpracy z Masterclass. Gdy zaczynał projekt, Masterclass nie miał nawet zbliżonej authority do AllRecipes czy Martha Stewart. Smith wątpił, czy powinien brać projekt, bo wydawał się za trudny. Ostatecznie udało się uzyskać competitive ranking znacznie lepszy niż oczekiwał – teraz wyszukując „butter lettuce” można znaleźć przepis na Masterclass.
Systematyczne testowanie
Smith podkreśla wagę eksperymentowania. Większość „best practices” w SEO to mity powtarzane bez analizy. Zaleca metodę naukową opartą na kontrolowanych testach.
Lista kontrolna eksperymentowania AEO:
- Zbierz 200 pytań do testowania
- Podziel na 2 grupy: 100 kontrolnych + 100 testowych
- Ustaw answer tracking dla wszystkich pytań
- Zmierz baseline przez 2-3 tygodnie
- Wprowadź zmiany tylko w grupie testowej
- Mierz wyniki przez kolejne 2-3 tygodnie
- Porównaj rezultaty: grupa testowa vs kontrolna
- Powtórz eksperyment dla potwierdzenia
- Skaluj tylko sprawdzone taktyki
Smith podkreśla wagę reprodukowalności wyników. W jego doświadczeniu akademickim, wyniki muszą być powtarzalne przez różne zespoły, żeby zostać uznane za wiarygodne.
Dilema indeksowania vs trenowania
Lenny pyta wprost: „Czy to dobrze, że LLM-y wysysają moją treść i odsyłają część ruchu? Czy gdybyś prowadził mój newsletter, zachęcałbyś te systemy do indeksowania?”
Smith odpowiada jednoznacznie: tak, ale z zastrzeżeniami. Powołuje się na radę Briana Balfoura: „To nie jest Twój wybór, czy grać w tę grę. Grasz w nią, czy chcesz, czy nie”.
Jeśli zabronisz indeksowania, Twoi konkurenci będą się pojawiać zamiast Ciebie. Można jednak zablokować trenowanie modeli, pozwalając na indeksowanie:
Strategia user agents:
- Blokuj training bots w robots.txt
- Pozwalaj na indexing bots
- Webflow buduje nawet dedykowaną aplikację do tego celu
Smith przewiduje, że wiele firm wybierze właśnie takie podejście – indeksowanie tak, trenowanie nie.
Przyszłość konwergencji
Smith przewiduje zbliżenie search i LLM. Google wprowadza AI Overviews, a ChatGPT dodaje mapy i shopping carousels. Prawdopodobnie powstanie jedno, zunifikowane doświadczenie.
Największe zagrożenie to „model collapse” – sytuacja, gdy AI trenuje się na własnych wynikach. Smith przestrzega przed nieskończoną pętlą pochodnych treści, która niszczy „mądrość tłumu”.
Problem „mądrości tłumu”: LLM działa na zasadzie summaryzacji wielu opinii. Pytanie „jaki jest najlepszy smak lodów?” nie ma jednej odpowiedzi – jest tysiące opinii. AI summaryzuje te różnorodne głosy, co daje lepszy wynik niż pojedyncza opinia.
Ale jeśli karmić AI tylko pochodnymi treściami AI, ta różnorodność znika. W końcu AI odpowie, że „najlepszy smak to wanilia i tylko wanilia”, eliminując wszelkie inne opcje. To fundamentalny problem dla przyszłości wiarygodności AI.
Kompletna lista kontrolna wdrożenia AEO
Faza 1: Research i konfiguracja
- Zbierz słowa kluczowe konkurencji z paid search
- Przekształć je w pytania przez ChatGPT
- Wybierz i skonfiguruj narzędzie answer tracking
- Zmierz obecny stan – jak często się pojawiasz
- Przeanalizuj, kto dominuje w Twoich tematach
Faza 2: Optymalizacja on-site
- Stwórz landing pages odpowiadające na główne pytania
- Dodaj sekcje z pytaniami uzupełniającymi na każdej stronie
- Przeanalizuj pytania z rozmów sprzedażowych i supportu
- Zoptymalizuj help center (subdirectory, internal linking)
- Napisz treści dla długiego ogona niszowych pytań
Faza 3: Budowanie obecności off-site
- Zaplanuj strategię Reddit (prawdziwe konto + wartościowe komentarze)
- Stwórz materiały video na YouTube dla niszowych tematów
- Rozważ płatne umieszczenia w tier 1 affiliates
- Buduj relacje z bloggerami w branży
- Monitoruj, gdzie pojawiają się Twoje tematy
Faza 4: Testowanie i optymalizacja
- Ustaw eksperymenty z grupami kontrolnymi
- Testuj po jednej taktyce na raz
- Mierz przez minimum 4-6 tygodni
- Replikuj udane eksperymenty
- Skaluj tylko sprawdzone metody
Faza 5: Zespół i długoterminowe podejście
- Przydziel zadania zespołowi SEO (optymalizacja techniczna)
- Znajdź osobę do marketingu społecznościowego (Reddit, YouTube)
- Ustaw regularne raportowanie answer tracking
- Buduj długoterminową strategię tworzenia treści
- Monitoruj zmiany w algorytmach LLM
Smith zauważa, że potrzebne są różne umiejętności. Zespół SEO może obsługiwać aspekty techniczne, ale YouTube i Reddit wymagają osoby do marketingu społecznościowego.
Praktyczne prompty AI dla AEO
Smith wspomina o wykorzystaniu AI w procesie badania pytań. Oto konkretne prompty oparte na jego doświadczeniach:
1. Przekształcanie słów kluczowych w pytania
Prompt z podcastu:
"Make these into questions"
[lista słów kluczowych]
Kiedy stosować: Po zebraniu słów kluczowych konkurencji z paid search. Smith poleca wzięcie ich bidowanych terminów i przekształcenie w naturalne pytania, które użytkownicy mogą zadać LLM.
Przykład zastosowania:
- Słowo kluczowe: „project management software”
- Wynik: „What’s the best project management software for remote teams?”
2. Analiza pytań uzupełniających (rozszerzenie metody Smitha)
Sugerowany prompt:
"Generate 10 detailed follow-up questions someone might ask after learning about [główne pytanie]. Focus on specific use cases, integrations, and implementation details."
Kiedy stosować: Przy tworzeniu treści na landing pages. Smith podkreśla wagę odpowiadania na pytania następne, więc AI może pomóc je zidentyfikować.
3. Badanie niszowych przypadków użycia
Sugerowany prompt oparty na przykładzie Smitha:
"What are 20 very specific, technical questions someone might ask about [twój produkt] that probably haven't been answered anywhere yet? Focus on unusual integrations and edge cases."
Kiedy stosować: Dla długiego ogona pytań. Smith wspomina pytania typu „które narzędzie do transkrypcji integruje się z Looker?” – bardzo niszowe, ale wartościowe.
4. Optymalizacja centrum pomocy
Sugerowany prompt:
"Based on these customer support questions [lista], create comprehensive help articles titles that would answer not just the main question, but also the likely follow-ups and edge cases."
Kiedy stosować: Przy rozwoju sekcji help center, którą Smith wskazuje jako kluczową dla AEO.
Ważne zastrzeżenie Smitha: Wszystkie treści powinny być weryfikowane i edytowane przez ludzi. AI ma służyć jako asystent, nie generator końcowych treści.
Polecane książki
Smith wymienił trzy książki, które uważa za szczególnie wartościowe:
- „Emotional Intelligence” – research-based framework dla lepszej komunikacji
- „Persuasion” by Robert Cialdini – psychologia perswazji w growth
- „How to Measure Anything” – mierzenie rzeczy pozornie niemierzalnych
Kluczowy insight
Częstość bije pozycję
Standardowo myślimy: Żeby wygrać w wyszukiwarkach, musisz być pierwszy w rankingu. Pozycja #1 to wszystko.
W praktyce okazuje się, że: W AEO możesz przegrać będąc #1, ale wygrać będąc 5. na liście w 10 różnych źródłach. LLM sumuje wiele cytowań, więc ten kto pojawia się najczęściej w różnych miejscach, wygrywa odpowiedź.
Dlaczego to jest istotne: Zmienia to całkowicie strategię – zamiast walczyć o jedną pozycję #1, lepiej zbudować obecność w wielu mniejszych źródłach. To daje szansę małym firmom, które nigdy nie pokonałyby gigantów w tradycyjnym SEO.
Test na jutro: Następnym razem gdy będziesz planować content marketing, zamiast skupiać 100% budżetu na perfekcyjnej landing page spróbuj przeznaczyć 70% na stronę + 30% na 5 różnych miejsc (Reddit comment, YouTube video, guest post, help center, affiliate mention) i sprawdź w answer tracking, który wariant częściej pojawia się w odpowiedziach AI.
Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać. Jeśli chcesz sprawdzić oryginalne źródło, znajdziesz je tutaj: The ultimate guide to AEO: How to get ChatGPT to recommend your product | Ethan Smith (Graphite)