Jeśli ChatGPT potrafi napisać artykuł tylko na podstawie tytułu, nie ma powodu go cytować. To najważniejszy wniosek dla strategii treści w 2026 roku, a większość firm uczy się tego na własnych błędach. Nową powierzchnią rankingową są cytowania przez LLM: to, czy systemy AI przytaczają, odnoszą się do lub polecają daną treść przy odpowiadaniu na pytania użytkowników. Wszystko, co typowe wywołanie LLM mogłoby wygenerować na podstawie samego nagłówka, jest już w danych treningowych. Ponowne publikowanie tego to szum. Tę kategorię można określić jako treści generowane przez AI przy minimalnym nakładzie pracy (niektórzy mówią na to 'slop').
Czarna dziura pSEO
Logika jest prosta: wszystko, co można wygenerować bezpośrednio za pomocą LLM bez unikalnego kontekstu, jest już w danych treningowych. Takie treści nie trafiają nigdzie i nie rankują. Serwisy, które postawiły wszystko na programatyczne treści AI na początku 2026 roku, obserwują teraz odpływ ruchu. Dane są jednoznaczne.
Aktualizacja algorytmu Google z March 2026 wprost wskazała masowe tworzenie treści jako naruszenie zasad. Serwisy generujące tysiące niemal identycznych stron AI bez realnej wartości dodanej odnotowały straty w rankingach na poziomie 60 do 90 procent. Dowody branżowe wskazują, że strony ze wskaźnikiem unikalności poniżej 30-40% są obarczone wysokim ryzykiem w ramach obecnych zasad egzekwowania. Era powielania trzech zdań na 10 000 stronach dobiegła końca.
Głębszy problem polega na tym, że treści pSEO są niewidoczne dla wyszukiwania AI. Jeśli LLM ma już treść artykułu wbudowaną w swoje wagi, nie ma powodu cytować danego adresu URL. Taka treść nie wnosi żadnej nowej informacji do obiegu.
Co naprawdę cytują LLM: liczby
Przejście od backlinków do wzmianek o marce przestało być teorią. Badania Brandlight pokazują, że częstotliwość wzmianek o marce w wiarygodnych źródłach koreluje na poziomie 0,664 z częstotliwością cytowań przez AI, czyli mniej więcej trzy razy więcej niż korelacja backlinków wynosząca 0,218. Pokrycie między czołowymi wynikami Google a źródłami cytowanymi przez AI spadło z 70% do poniżej 20%.
| Sygnał | Korelacja z cytowaniami AI | Kierunek |
|---|---|---|
| Częstotliwość wzmianek o marce | 0,664 | Wyraźnie rośnie |
| Liczba backlinków | 0,218 | Spada |
| Autorytet domeny | ~0,3 | Stabilny |
| Unikalność treści | Wysoka (jeszcze nieskwantyfikowana) | Nowy sygnał |
Semrush prognozuje, że ruch generowany przez LLM może wyprzedzić tradycyjne wyszukiwanie Google do końca 2027 roku (prognoza, nie pomiar), przy już zmierzonym wzroście o 800% rok do roku w liczbie odesłań z LLM. Niedawne badania (cytowane w Yahoo Finance, 2025) wskazują, że około 73% nabywców B2B korzysta z narzędzi AI podczas badania rynku przed zakupem; wyniki różnią się w zależności od badania. Odbiorcy już tam są. Pytanie brzmi, czy treść daje LLM coś wartego zacytowania.
Test anty-slop: pięć pytań przed publikacją
Każdy tekst przechodzi przez prosty filtr zanim trafi na blog webvise. Szkic przechodzi tylko wtedy, gdy odpowiedź na wszystkie pięć pytań jest twierdząca:
- Zawiera przynajmniej jeden fakt, liczbę lub cytat nieobecny w danych treningowych żadnego LLM. Zdarzenia po dacie odcięcia, wewnętrzne benchmarki, metryki klientów: coś, czego model nie może halucynować, bo nigdy tego nie widział.
- Wymienia przynajmniej jeden konkretny podmiot z możliwą do zweryfikowania informacją. Klient, projekt, produkt lub osoba z przypisaną liczbą.
- Ma wyraźnie identyfikowalny punkt widzenia autora. Dający się obronić wniosek, za którym autor jest gotów się podpisać.
- Nie można go odtworzyć, wklejając tytuł do ChatGPT. To test na slop. Jeśli proste wywołanie generuje ten sam artykuł, dodawany jest zerowy sygnał.
- Widnieje podpis autora, data i linki do źródeł. LLM potrzebuje czegoś, czemu może przypisać informację. Anonimowe, niedatowane, nieźródłowe treści są strukturalnie niecytowalne.
Szkic, który nie spełnia choćby jednego z tych warunków, jest usuwany lub przepisywany z wykorzystaniem materiałów pierwszoźródłowych. Długość przestała być wartością samą w sobie. Artykuły kończą się tam, gdzie kończy się unikalny sygnał. W testach treści post o długości 600 słów z trzema oryginalnymi punktami danych zazwyczaj wyprzedza ogólny poradnik na 3000 słów pod względem zaangażowania i wskaźnika cytowań.
Hierarchia badań: skąd pochodzi unikalny sygnał
Nie wszystkie źródła treści są równe. Materiały dobierane są w następującej kolejności, a poszukiwania kończą się po zebraniu wystarczającej ilości:
- Stanowiska założyciela i wewnętrzna synteza. Opinie, frameworki i tezy należące do autora. Najtrudniejsze do powielenia i najbardziej cytowalne.
- Fakty po dacie odcięcia. Zdarzenia, wydania lub dane nowsze niż data odcięcia danych treningowych modelu. Należy je cytować z datą i adresem URL, by LLM mógł je przypisać.
- Synteza wielu źródeł. Połączenie dwóch lub więcej źródeł pierwotnych w sposób prowadzący do nieoczywistego wniosku. Unikalna jest sama kombinacja.
- Dane pierwszoźródłowe. Wewnętrzne benchmarki, wyniki projektów klientów, wyniki testów A/B. Stosowane jako dowód, nie jako oś konstrukcyjna.
- Nazwane przykłady ze świata rzeczywistego. Konkretne firmy, produkty lub projekty ilustrujące tezę. Używane oszczędnie: jeśli artykuł bez przykładu się wali, to studium przypadku, a nie wpis na blogu.
Jeśli żadna z tych pięciu warstw nie dostarcza niczego unikalnego, publikacja nie dochodzi do skutku. Na tym polega cały sens. Filtr anty-slop to wyłącznik awaryjny, a nie lista kontrolna jakości.
Strategia treści na 2026 rok
Implikacje są wymagające dla operacji opartych na dużym wolumenie treści: wysokonakładowe, nisko zróżnicowane treści przynoszą coraz mniejszy zwrot. Ogólne artykuły z czasem obniżają stosunek sygnału do szumu w domenie. Aktualizacja Google z March 2026 to penalizuje. LLM to ignorują. Odbiorcy to pomijają.
Firmy, które wygrają w wyszukiwaniu generatywnym, to te publikujące mniej, ale gęściej. Mniej artykułów, za to z większą ilością danych pierwszoźródłowych, konkretnych nazw i obronnych tez. Treści, które LLM chciałby zacytować, bo zawierają informacje, których model jeszcze nie ma.
To fundamentalne odwrócenie dotychczasowego modelu tworzenia treści. Przez ostatnią dekadę rada brzmiała: "publikuj więcej, publikuj dłużej, buduj backlinki". W 2026 roku rada brzmi: publikuj tylko to, czego LLM nie jest w stanie wygenerować bez Twojego unikalnego kontekstu.
webvise stosuje framework anty-slop w każdym produkowanym tekście: na własnym blogu i dla klientów. Jeśli czas przestać zasilać czarną dziurę treści i zacząć budować zasoby, które LLM rzeczywiście cytują, zapraszamy do kontaktu.
Praktyki webvise są zgodne z normami ISO 27001 i ISO 42001.