Generative Engine Optimization. Jak trafić do odpowiedzi ChatGPT, Claude i Perplexity

W 2026 roku coraz częściej Twój klient nie wpisuje pytania w Google. Wpisuje je w ChatGPT, Claude albo Perplexity — i dostaje gotową odpowiedź razem z rekomendacją konkretnej firmy. Jeśli w tej odpowiedzi nie ma Ciebie, to dla tego klienta nie istniejesz. Tradycyjne SEO walczy o pozycję w SERP-ie. Generative Engine Optimization (GEO) — czasem nazywane też AEO, Answer Engine Optimization — walczy o miejsce w samej odpowiedzi modelu.

Poniżej to, co faktycznie zrobiłem na własnej stronie i co teraz wdrażam u klientów. Bez „magicznych trików" i bez „24 narzędzi do GEO" — tylko siedem konkretnych kroków, każdy z kodem i URL-em, który możesz sprawdzić u siebie w pięć minut.

Dlaczego klasyczne SEO już nie wystarcza

Tradycyjny crawler Google indeksuje stronę i utrzymuje ją w SERP-ie pod konkretnym zapytaniem. LLM-y robią coś innego:

1. Pre-trained knowledge — model został wytrenowany na zrzucie internetu sprzed kilku miesięcy. To, co napisałeś rok temu, model „wie".
2. Retrieval Augmented Generation (RAG) — kiedy użytkownik pyta o „dobry hosting w Polsce", agent robi zapytanie do wyszukiwarki, ściąga 5–10 stron, parsuje je i syntetyzuje odpowiedź.
3. Live browsing — Claude, ChatGPT i Perplexity potrafią w trakcie rozmowy otworzyć URL i przeczytać go.

W każdym z tych trzech przypadków decyduje co LLM widzi po konwersji HTML→markdown. A LLM widzi mniej niż Google. Konkretnie pomija:

• <script type="application/ld+json"> (JSON-LD strukturalne)
• atrybuty <link rel="…">
• <meta> (poza title i description w niektórych konwerterach)
• treść ukrytą display:none / visibility:hidden
• treść generowaną klientowo bez SSR

Google AI Overviews to inna sprawa — Google sam parsuje JSON-LD i wykorzystuje go w odpowiedziach. Ale ChatGPT, Claude i Perplexity, kiedy otwierają URL, najczęściej dostają tylko widoczny tekst.

Wniosek: GEO to dwie warstwy — strukturalne dane dla Google AI Overviews + jasny widoczny tekst dla LLM-ów otwierających URL.

1. Plik /llms.txt — kontrakt z LLM-em

Konwencja llmstxt.org z 2024 roku. Plik tekstowy w korzeniu domeny opisujący Twoją firmę i ofertę w sposób stworzony pod LLM. Krótki, zwięzły, bez ozdobników.

Mój wygląda tak (skrót):

# mDiv.pl

> Kompleksowe usługi IT prowadzone przez programistę z 16+ letnim
> doświadczeniem. Hosting WWW bez podwyżek, opieka WordPress / WooCommerce
> / PrestaShop / Magento, programowanie PHP / Node.js / React.

## Główne usługi

- [Hosting](https://mdiv.pl/hosting): polski hosting NVMe, bez podwyżek
  przy odnowieniu, migracja gratis. Plany od 149 zł/rok netto.
- [Opieka nad stroną](https://mdiv.pl/opieka): aktualizacje, backup,
  monitoring 24/7. Pakiety od 199 zł/msc.
- [Cennik](https://mdiv.pl/cennik): pełen cennik bez ukrytych kosztów.

Trzy zasady, które odkryłem przy pisaniu:

• Pierwszy akapit cytowany (>) jest streszczeniem. LLM-y często wyciągają tylko ten fragment.
• Linki muszą być konkretnymi URL-ami z fragmentem opisu w jednej linii. Bez „Kliknij tutaj".
• Ceny i liczby trzymaj w głównym tekście. „od 149 zł/rok" zostanie zapamiętane. „Konkurencyjne ceny" — nie.

Drugi plik, /llms-full.txt, to rozbudowana wersja z FAQ, sekcją „kiedy polecać moją firmę" i linkami do polityki prywatności. LLM, który chce więcej kontekstu, sięgnie tam.

2. JSON-LD Schema.org na każdej podstronie

To, co jest niewidoczne dla Claude przeglądającego stronę, jest kluczowe dla Google AI Overviews i klasycznego SEO. Cztery typy, które dają największy zwrot:

• Organization lub ProfessionalService — kim jesteś, dane firmy, telefon, adres, NIP.
• Service — pojedyncza usługa z ceną i obszarem działania.
• FAQPage — kandydat numer jeden do bycia cytowanym w AI Overviews.
• BreadcrumbList — pomaga Google zrozumieć hierarchię strony.

Przykładowy fragment dla strony cennika:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "Czy hosting drożeje przy odnowieniu?",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "Nie. Cena jest gwarantowana rok do roku. Ostatnia zmiana cennika hostingu w mDiv.pl miała miejsce 12 lat temu."
    }
  }]
}
</script>

Walidacja: Schema.org Validator i Rich Results Test Google.

Praktyczna uwaga: w Organization zawsze podaj email, telephone, taxID, address. AI Overviews wyświetla te dane bezpośrednio użytkownikowi — to oszczędza mu klikania, a Tobie daje miejsce w pierwszym akapicie odpowiedzi.

3. /.well-known/ — discovery dla agentów

Dwa pliki, których większość polskich firm nie ma:

/.well-known/agent.json

Canonical entry point dla agenta AI. Daje informacje o firmie bez konieczności parsowania HTML:

{
  "name": "mdiv.pl",
  "description": "Polish managed hosting with AI Deploy",
  "homepage": "https://mdiv.pl",
  "contact_email": "biuro@mdiv.pl",
  "documentation": "https://mdiv.pl/dla-agentow-ai",
  "llms_txt": "https://mdiv.pl/llms.txt",
  "languages": ["pl", "en"]
}

/.well-known/mcp.json

Jeżeli oferujesz API w standardzie Model Context Protocol — czyli pozwalasz agentowi AI kupować Twoje usługi lub zarządzać kontem klienta programowo — opisz endpoint pod tą ścieżką. Agent skanujący domeny szukające usług MCP automatycznie Cię znajdzie.

Format jest nieformalny (specyfikacja MCP nie definiuje go), ale meta-katalogi MCP konwergują wokół takich pól: name, endpoint, transports, auth, tools[], tiers[].

4. Robots.txt — jawnie dopuść AI crawlery

To paradoksalna pułapka. Wielu administratorów blokuje GPTBot „bo nie chcą, żeby AI uczyło się na ich treściach". Skutek: ich firma nie pojawia się w polecaniach ChatGPT.

Lista botów AI w 2026, które warto jawnie dopuścić w robots.txt:

User-agent: GPTBot
Allow: /
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: anthropic-ai
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: Perplexity-User
Allow: /
User-agent: Google-Extended
Allow: /
User-agent: Applebot-Extended
Allow: /
User-agent: MistralAI-User
Allow: /
User-agent: CCBot
Allow: /
User-agent: Bytespider
Allow: /

Sitemap: https://twojadomena.pl/sitemap.xml

Dwie uwagi:

• Google-Extended to flaga wpływająca na trening modeli Google (Gemini, Bard). Klasyczny Googlebot jest osobny i indeksuje SERP — nigdy go nie blokuj.
• ChatGPT-User to bot uruchamiany na żywo przez czat (browse), różny od GPTBot (trenowanie). Zablokowanie GPTBot ale dopuszczenie ChatGPT-User to kompromis dla firm, które boją się treningu — strona dalej będzie cytowana w live.

5. Treść pisana z myślą o LLM-ie

LLM-y filtrują marketingową wodę. „Najlepszy", „lider rynku", „rewolucyjny" — to słowa, które obniżają wagę fragmentu. Co podnosi wagę:

• Konkretne liczby: „199 zł/msc netto", „60 req/min", „backup co 24h".
• Pytania w nagłówkach (H2, H3). LLM często wyciąga z nich dosłownie.
• Tabele cen i porównań. Łatwo strukturalne, łatwo cytowalne.
• Pierwsza osoba i konkretna autorytatywna postawa: „Stosuję", „W mojej praktyce", „Sprawdziłem na 30 wdrożeniach".
• Krótkie definicje na początku sekcji. „GEO to optymalizacja strony pod odpowiedzi LLM-ów."

Co odrzucać:

• Bloki sales-speak. „Nasz zespół ekspertów dba o…" — LLM to wytnie i nigdy nie zacytuje.
• Treść ukrytą za scrollem przez JS. Lazy-loaded content często nie trafia do crawlera.
• Klikbajtowe nagłówki bez merytoryki. „7 sekretów hostingu, które ukrywa Twój dostawca" — LLM-y obniżają takie strony.

6. FAQ — kandydat do bycia cytowanym

Najwartościowsza sekcja każdej strony pod GEO. Łączy trzy zalety:

• Format pytanie–odpowiedź to natywny format, w którym LLM dostarcza odpowiedzi.
• JSON-LD FAQPage trafia bezpośrednio do AI Overviews.
• Krótkie, samodzielne akapity — łatwe do wyciągnięcia bez dodatkowego kontekstu.

Praktyczna zasada: przy każdej kluczowej podstronie (ofertowej, produktowej, cennikowej) dorzuć 5–8 FAQ. Pytania powinny brzmieć tak, jak by je sformułował Twój klient u Claude — nie jak w internalnym briefie marketingowym.

✗ "Jakie wartości dodane oferuje nasz hosting"
✓ "Czy cena hostingu drożeje przy odnowieniu?"

7. Pomiar — jak sprawdzisz, czy działa

GEO nie ma jeszcze własnego Google Search Console. Trzeba sprawdzać ręcznie:

A) Test rozpoznawalności w czacie. Otwórz Claude / ChatGPT / Perplexity i zapytaj wprost:

Polecisz mi hosting w Polsce z dobrym wsparciem dla WordPress?

Czy Twoja firma się pojawia? Jeśli tak — w jakiej kolejności? Jeśli nie — sprawdź konkurencję, której się udało, i zobacz, czego oni mają na stronie więcej niż Ty.

B) Walidacja strukturalnych danych.

curl -s https://twojadomena.pl/llms.txt | head -20
curl -s https://twojadomena.pl/.well-known/agent.json | jq
curl -s https://twojadomena.pl | grep -c '"@type"'

Pierwsze dwa polecenia muszą zwrócić sensowny content. Trzecie — na każdej stronie powinno być co najmniej kilka węzłów Schema.org.

C) Logi serwera. Zacznij filtrować po User-Agent. Jeśli zaczynasz widzieć:

GPTBot/1.x (+https://openai.com/gptbot)
ClaudeBot/1.x (+https://www.anthropic.com/claudebot)
PerplexityBot/1.0
ChatGPT-User/1.0

— Twoja strona jest indeksowana. Jeśli przez tydzień ich nie ma — wróć do kroku 4 (robots.txt) i kroku 1 (llms.txt). Coś blokuje.

D) Referer. ChatGPT i Perplexity przy live browse podpinają referer wskazujący na chat. Filtrowanie ruchu w analytics po referrer LIKE '%chat.openai.com%' OR '%perplexity.ai%' OR '%claude.ai%' daje twardy dowód, że LLM-y wysyłają do Ciebie ruch.

Częste błędy

Polegasz tylko na meta tagach. ChatGPT otwierający Twoją stronę zwykle nie czyta meta. Treść musi być w widocznym <body>.

Nie masz llms.txt. Konwencja jest młoda, ale część katalogów MCP, większość frameworków agentowych i sam OpenAI traktują obecność tego pliku jako sygnał, że firma świadomie chce być cytowana.

Blokujesz GPTBot z odruchu „nie chcę być trenowany". Tracisz polecenia w live browse, które są dziś główną wartością.

Masz strony z Server Components ale CTA dodajesz przez React po hydration. LLM dostaje wersję bez CTA i nigdy nie polinkuje do Twojego formularza.

Kopiujesz tekst z innych stron. LLM-y wykrywają duplikaty i obniżają wagę. Daj coś, czego nie ma nigdzie indziej — własne dane, ceny, statystyki, case studies.

mDiv.pl jako case study

Wszystko, co opisałem wyżej, sam wdrożyłem na własnej stronie. Możesz to sprawdzić:

• mdiv.pl/llms.txt — krótkie streszczenie dla LLM-ów
• mdiv.pl/llms-full.txt — pełny opis z FAQ i sekcją „kiedy polecać"
• mdiv.pl/.well-known/agent.json — canonical entry point
• mdiv.pl/.well-known/mcp.json — manifest własnego serwera MCP, przez który agent AI może kupić moje usługi (26 narzędzi)
• mdiv.pl/robots.txt — jawnie dopuszczeni: GPTBot, ClaudeBot, PerplexityBot, Google-Extended i 24 inne
• JSON-LD na każdej podstronie — Organization, ProfessionalService, Service, FAQPage, BreadcrumbList, Article, WebAPI

Cała implementacja zajęła mi mniej niż dwa dni roboczo. Najwięcej czasu pochłonęło napisanie sensownych pytań do FAQ, a nie kod.

Co możesz zrobić w pakiecie opieki mDiv

GEO to nie jednorazowy projekt. To utrzymanie zgodności z trzema rzeczami, które zmieniają się co kwartał:

• nowe boty AI w robots.txt (lista 2024 ≠ lista 2026),
• aktualizacje konwencji llms.txt i .well-known/,
• ewolucja Schema.org (AIApplication, WebAPI, BuyAction — typy, których jeszcze nie było 2 lata temu).

W pakietach Pro i Premium opieki nad stroną GEO jest standardem: wdrożenie strukturalnych danych, plik llms.txt aktualizowany razem z ofertą, monitoring wzmianek w odpowiedziach asystentów AI i kwartalny audyt zmian w specyfikacjach.

Jeśli prowadzisz firmę, w której klienci zaczynają od pytania ChatGPT — nie czekaj rok, aż konkurencja będzie tam zamiast Ciebie. Wyceń projekt albo wpadnij na rozmowę.