Badanie przeprowadzone przez Surfer SEO na próbie 173 902 adresów URL pokazuje wyraźną zależność między rankingiem dla zapytań rozgałęzionych (fan-out queries) a częstością pojawiania się stron w AI Overviews. Korelacja Spearmana wyniosła 0.77, co statystycy określają jako silną zależność.
AI Overview lubi strony, które odpowiadają na wiele powiązanych zapytań
Najważniejsze odkrycia z badania:
- 51.2% cytowań w AIO pochodzi ze stron, które rankują zarówno dla głównego zapytania, jak i co najmniej jednego zapytania rozgałęzionego.
- 19.6% cytowań to strony rankujące wyłącznie dla głównego zapytania (bez fan-outów).
- 29.2% cytowań stanowią strony rankujące tylko dla zapytań rozgałęzionych (bez głównego zapytania).
- Ranking dla zapytań rozgałęzionych daje 161% wyższą szansę na cytowanie niż ranking tylko dla głównego zapytania.
- Gdy trzeba wybierać między rankingiem dla głównego zapytania a fan-outów, te drugie dają 49% wyższą szansę na cytowanie.
- Aż 67.82% wszystkich cytowań nie rankuje w ogóle w top 10 – ani dla głównego zapytania, ani dla żadnego fan-outu.
- Jednak gdy zawężymy analizę do trzech pierwszych cytowań (widocznych bez klikania „Show all”), proporcje się zmieniają: tylko 45.86% nie rankuje w top 10, co oznacza, że większość (54.14%) jednak tam się znajduje.
Dane wskazują, że strony rankujące dla większej liczby zapytań rozgałęzionych mają proporcjonalnie wyższe prawdopodobieństwo trafienia do odpowiedzi z AI Overviews. Im więcej fan-outów obsługuje dana strona, tym mocniejsza jest ta zależność.
Fan-out queries jako klucz do widoczności w wynikach AI
Zapytania rozgałęzione to dodatkowe pytania generowane przez AI po otrzymaniu zapytania użytkownika. Na przykład dla „najlepszy samochód elektryczny” mogą to być „bezpieczeństwo samochodów elektrycznych” lub „najszybsze samochody elektryczne”. W ten sposób usługi AI zapewniają możliwie jak najszerszy materiał źródłowy dla generowanych później odpowiedzi.
Wyniki badania przeprowadzonego przez Surfer SEO potwierdzają, że w kontekście AI Search szerokie pokrycie tematyczne jest ważniejsze niż odpowiadanie na konkretne zapytania wypływające z podstawowych słów kluczowych. Interpretując wyniki badania, autorzy dość słusznie zauważają, że jedyną sensowną alternatywą jest budowanie tzw. „topical authority” – kompleksowej bazy treści wokół istotnych tematów, która naturalnie obejmie większość potencjalnych fan-outów bez konieczności ciągłego dostosowywania treści pod konkretne zapytania.
Takie podejście jest zdaniem autorów naturalne również ze względu na potencjalne trudności związane z optymalizacją pod konkretne fan-out queries. Należą do nich:
- personalizacja zapytań – fan-outy różnią się w zależności od tego, co Google wie o użytkowniku,
- niestabilność wyników – według danych Surfera tylko około 27% fan-outów pozostaje spójnych między kolejnymi wyszukiwaniami tego samego zapytania,
- złożoność skalowania – śledzenie i optymalizacja pod wszystkie możliwe fan-outy jest czasochłonna i wymaga wielokrotnego przetwarzania danych.
O badaniu i metodologii
Wyniki badania zostały opisane dla Surfer SEO przez Joshuę Hardwicka. Hardwick to były Head of Content w Ahrefs, obecnie konsultant content marketingu B2B.
Parametry badania:
- Wielkość próby: 173,902 URLs przeanalizowanych pod kątem cytowań w AI Overviews.
- Zakres danych: top 10 stron rankujących dla 10,000 słów kluczowych.
- Wskaźnik występowania AIO: 76% badanych słów kluczowych generowało AI Overviews.
- Fan-out queries: 33,000 zapytań rozgałęzionych wyodrębnionych przy użyciu Google Gemini.
- Metodologia: pobranie danych SERP dla głównych zapytań, ekstrakcja fan-outów przez LLM, pobranie danych SERP dla fan-outów, analiza korelacji między rankingiem a cytowaniem.
Badanie miało ograniczenie do top 10 wyników organicznych, co może częściowo wyjaśniać wysoki odsetek cytowań nie rankujących w tej grupie – część z nich może rankować niżej. Autorzy zauważają również, że korelacja nie oznacza przyczynowości, a AI Overviews prawdopodobnie czerpią informacje także z innych źródeł niż tradycyjne wyniki organiczne.
Te artykuły powinny Cię zainteresować
- Badanie 2,5 mln linków wewnętrznych pokazuje, że seowcy potrafią linkować
- Badanie korelacji cech contentu z widocznością w AI Search
- Czynniki techniczne w AI Search – badanie korelacyjne
- Korelacja CWV z widocznością w AI Search bardzo ograniczona
- Ćwierć miliarada dolarów w narzędziach do monitoringu AI Search
O autorze
Nazywam się Michał Małysa i od wielu lat zajmuję się zawodowo SEO oraz analizą treści, a od 2023 roku w zakres moich obowiązków i zainteresowań dość naturalnie weszło AI. Na stronie MałySEO porządkuję wiedzę o pozycjonowaniu stron internetowych, AI Search oraz działaniu LLM-ów. Prowadzę również MałySEO Newsletter, do którego subskrypcji serdecznie Cię zachęcam na podstronie najlepszego w Polsce newslettera SEO.
Jako że przygotowanie materiałów do MałySEO Newslettera oraz na bloga zajmuje nieco czasu, może zaświtać Ci w głowie dość miły z mojej perspektywy pomysł drobnego rewanżu. Jeżeli uznasz, że lektura tego wpisu była dla Ciebie czymś więcej, niż tylko szybkim odklepaniem randomowej internetowej treści, możesz postawić mi kawkę na buycoffee.to. Z góry dziękuję!
Jeżeli z jakiegoś powodu potrzebujesz się ze mną skontaktować, wyślij mail na adres kontakt[at]michalmalysa.pl