Semrush przeanalizował ponad 300 000 URL cytowanych przez AI i porównał je z wynikami Google, aby zidentyfikować cechy contentu najsilniej korelujące z cytowaniami w wyszukiwarkach AI.

Jest to krótka charakterystyka przygotowana przez AI i pełni funkcję informacyjną, a nie interpretacyjną. Ludzka praca kończy się tutaj na selekcji badań i raportów, z którymi z tych czy innych powodów warto się moim zdaniem zapoznać.

  • Kto przeprowadził badanie: Semrush – międzynarodowa platforma marketingowa specjalizująca się w SEO, analizie konkurencji i marketingu cyfrowym. Firma od lat dostarcza narzędzia i dane dla specjalistów SEO.
  • Próbka badawcza: 304 805 URL cytowanych przez LLM-y oraz 921 614 URL rankingujących w Google (łącznie 337 785 unikalnych URL)
  • Metodologia: Porównanie dwóch grup próbek – “pozytywnej” (URL cytowane przez AI) i “negatywnej” (URL rankingujące w top 20 Google). Oceniono 13 parametrów contentu.
  • Zakres czasowy: 15 lipca – 6 sierpnia 2025 roku
  • Rynek/region: Badanie skupiało się na platformach ChatGPT Search, Google AI Mode i Perplexity

Kluczowe parametry contentu korelujące z cytowaniami AI

Badanie wykazało pięć cech contentu z pozytywną korelacją oraz jedną z korelacją negatywną:

Pozytywne korelacje:

  • Jasność i podsumowania: +32,83%
  • Sygnały E-E-A-T: +30,64%
  • Format Q&A: +25,45%
  • Struktura sekcji: +22,91%
  • Elementy danych strukturalnych: +21,60%

Negatywna korelacja:

  • Ton niekomercyjny: -26,19%

Warto zaznaczyć, że negatywna korelacja z tonem niekomercyjnym może wynikać z faktu, że profesjonalnie napisane artykuły (często dobrze zoptymalizowane i ustrukturyzowane) częściej używają języka komercyjnego.

Parametry o minimalnym wpływie:

Badanie zidentyfikowało również cechy, które nie wykazywały znaczącej korelacji z cytowaniami AI, ponieważ występowały z podobną częstotliwością zarówno w cytowanych, jak i niecytowanych stronach.

Analiza skupiała się wyłącznie na tekście widocznym na stronie, bez uwzględniania metadanych, struktury HTML, znaczników schema czy technicznych aspektów SEO.

Źródło

  1. How We Built a Content Optimization Tool for AI Search [Study]

Te artykuły powinny Cię zainteresować

  1. Czynniki techniczne w AI Search – badanie korelacyjne
  2. Korelacja CWV z widocznością w AI Search bardzo ograniczona
  3. Ludzie używają keywordów w AI Search. Przynajmniej w zapytaniach lokalnych
  4. Stan AI Search w wyszukiwaniach lokalnych na 2026 rok
  5. 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!

Postaw mi kawę na buycoffee.to

Jeżeli z jakiegoś powodu potrzebujesz się ze mną skontaktować, wyślij mail na adres kontakt[at]michalmalysa.pl