Od frazy do gotowych artykułów – jak wykorzystujemy autorskie narzędzia do pracy?

Jeszcze kilka lat temu wystarczyło znaleźć dobrą frazę, dać copywriterowi napisać tekst, dodać go na stronę i czekać na ruch, ale… no właśnie, dziś to za mało. My w Top Online budujemy własne narzędzia, bo chcemy mieć kontrolę nad całym procesem – od pomysłu na temat, przez tworzenie treści, aż po sprawdzanie, jak nasze teksty czytają ludzie i systemy AI.

1. Topic Research – czyli jak z jednej frazy robi się kilkaset pomysłów
2. EmbedBase – własna baza wiedzy zamiast pisania z głowy
3. Yosa – nasz SEO-mózg
4. AgentMonitor – wiemy, kiedy agenci AI odwiedzali stronę
5. Google Analytics – nie zapominamy o ruchu prawdziwych użytkowników
6. Podsumowanie
7. Podsumowanie w punktach

Od dłuższego czasu staramy się, żeby nasze działania były spójne z tym, jak zmienia się wyszukiwarka i jak ewoluują narzędzia AI. Widzieliśmy sporo luk na rynku – ale zamiast na to narzekać, po prostu zaczęliśmy je łatać własnymi rozwiązaniami.

W tym tekście pokazujemy, jak u nas wygląda droga od jednej frazy do całego ekosystemu artykułów dopasowanych do intencji użytkownika, a potem do mierzenia efektów – także tych związanych z ruchem agentowym i modelami językowymi.

Topic Research – czyli jak z jednej frazy robi się kilkaset pomysłów

Teoretycznie to pierwszy etap, ale w praktyce to właśnie nad nim pracujemy najmocniej. Nasz cel był prosty: w kilkadziesiąt sekund dostać setki pomysłów na tematy powiązane z jedną frazą kluczową.

I to już działa – na razie w wersji beta, ale efekty są konkretne. Wpisujemy frazę i otrzymujemy nawet kilka tysięcy propozycji tematów.

Ale nie będę ukrywał, że największym problemem jest jednak ich odpowiednia selekcja. Bo z tych tysięcy trzeba wybrać te, które mają sens biznesowy, pasują do serwisu i da się z nich zbudować logiczną strukturę treści.

Dlatego nadal potrzebujemy człowieka po drugiej stronie – specjalistę od pozycjonowania, który przejrzy wyniki, wyrzuci niepotrzebne i zostawi tylko te, które mają potencjał.

Patrzymy nie tylko na same wolumeny wyszukiwań. Mega ważna jest intencja fraz, wyświetlanie się w AI Overviews, ale także to, czy temat wpisuje się w plan rozbudowy serwisu i czy da się go sensownie wykorzystać w kontekście linkowania wewnętrznego.

Chcemy, żeby strona rosła, zachowując spójność, a nie była zbiorem przypadkowych artykułów wrzucanych jeden po drugim.

EmbedBase – własna baza wiedzy zamiast pisania z głowy

Kiedy mamy już wybrane tematy, przechodzimy do etapu ogarniania treści. I tu, cały na biało, wchodzi EmbedBase, czyli nasze narzędzie do budowania bazy wiedzy pod konkretnego klienta.

Działa to tak, że wrzucamy do niego ebooki, PDF-y z ofertą, prezentacje, transkrypcje podcastów, wywiady, stare artykuły, notatki z warsztatów – wszystko, co może się przydać i zawiera przydatne informacje o marce i jej doświadczeniu. Nie zapominamy też o samej stronie, biorąc do bazy wszystkie URLe dostępne w sitemapie serwisu.

Można powiedzieć, że „karmimy” go wiedzą, a potem wykorzystujemy ją na swoją korzyść :).

Tu warto podkreślić, że EmbedBase pozwala nam też „rozmawiać” z tą bazą jak z czatbotem AI – zadawać pytania, wyciągać konkretne fragmenty i sprawdzać, co klient już kiedyś komunikował.

Daje to ogromną różnicę jakościową. Nie piszemy tekstów, które brzmią jak z generatora, tylko możemy naprawdę oprzeć się na doświadczeniu firmy, jej case’ach, języku i know-how. W ten sposób powstają treści, które są unikalne i merytoryczne – a na tym nam przecież najbardziej zależy.

Ale EmbedBase nie działałby tak skutecznie, gdyby nie integracja z Yosą.

Yosa – nasz SEO-mózg

Yosa to serce całego procesu – analizuje każdą frazę pod kątem intencji, wyników w SERP-ach i tego, co faktycznie musi znaleźć się w artykule.

Wygląda to zupełnie inaczej niż w innych narzędziach. Nie dostajemy suchych informacji, że fraza Y musi znaleźć się w tekście 2x, bo inaczej podświetli się na czerwono.

Yosa idzie o krok dalej i pozwala zrozumieć, czego tak naprawdę szuka użytkownik i jakie odpowiedzi powinniśmy mu dać.

Dostajemy wytyczne i szkic całego artykułu. Copywriter nie zaczyna z pustą kartką, tylko z logicznym planem:

• jakie sekcje mają się pojawić,
• na jakie pytania trzeba odpowiedzieć,
• jakie wątki są kluczowe, żeby tekst miał szansę nie tylko na wysokie pozycje, ale też na wejście do AI Overviews.

Mamy już kilka konkretnych przykładów, gdzie takie podejście zadziałało.

W kolejnym punkcie copywriter dopracowuje szkic z Yosy zgodnie z briefem konkretnej marki – bo każda firma mówi innym językiem i to też trzeba uwzględnić. Materiały z bazy wiedzy z EmbedBase pozwalają mu oprzeć się na realnej wiedzy klienta.

I to jest prawdziwy game-changer, bo nie wpisujemy prompta „Stwórz mi artykuł…” w ChacieGPT, tylko opieramy się na dopracowanym procesie. Finalnie tekst ma nie tylko najważniejsze frazy kluczowe, ale też pytania i odpowiedzi, których ludzie szukają w wyszukiwarce – a to zwiększa szanse na cytowanie w AIO.

Yosa cały czas się rozwija. Jesteśmy w trakcie dużych zmian i już teraz mogę napisać, że poprawiamy praktycznie każdą funkcję narzędzia – co już niedługo będziecie mogli zobaczyć.

AgentMonitor – wiemy, kiedy agenci AI odwiedzali stronę

Kolejny etap skupia się na czymś, czego jeszcze kilka lat temu w ogóle byśmy nie mierzyli. Wykorzystujemy do niego AgentMonitor – nasze autorskie narzędzie do badania ruchu agentowego.

Jeśli bot od OpenAI, Google czy Perplexity wchodzi na naszą stronę, żeby „przeczytać” treść i użyć jej później w odpowiedzi generowanej przez AI, my chcemy to widzieć.

Analiza widoczności w LLM-ach jest dość problematyczna. Odpowiedzi są personalizowane, zmieniają się w czasie i nie da się dziś powiedzieć: „ten artykuł pojawia się w odpowiedziach dokładnie X razy”. Narzędzia takie jak Ahrefs, Senuto, Semstorm czy nawet nasza Yosa próbują to szacować, ale to nadal tylko przybliżenia.

AgentMonitor daje nam coś bardziej namacalnego. Mierzymy, ile razy bot związany z danym narzędziem lub asystentem AI odwiedził serwis i konkretną podstronę.

Dla nas to jedna z metryk przyszłości. Zakładamy, że coraz większa część ruchu na stronach nie będzie pochodziła od ludzi, tylko od agentów, którzy zbierają dane, żeby potem odpowiadać użytkownikom w interfejsach AI.

Google Analytics – nie zapominamy o ruchu prawdziwych użytkowników

Na końcu i tak wracamy do klasyki: Google Analytics. Niezależnie od tego, jak ważny staje się ruch agentowy, nadal interesuje nas, ile osób przyszło na stronę i co tam zrobili.

Oprócz zwykłych raportów dotyczących pozyskania użytkowników i jakości tego ruchu, przygotowaliśmy własne eksploracje, które pozwalają nam wyłapać ruch z AI i sprawdzić jego jakość. Krótka konfiguracja i mamy widok na to, ile ruchu faktycznie generują nam nowe źródła. Dzięki temu możemy opierać się na twardych danych.

Podsumowanie

Tak w dużym skrócie wygląda nasze obecne workflow. Od jednej frazy, przez setki tematów, selekcję, bazę wiedzy klienta, wytyczne SEO, tworzenie treści, aż po mierzenie efektów u użytkowników i systemów AI.

To nie jest jeszcze w pełni gotowy i zamknięty system. Już teraz wprowadzamy kolejne zmiany i wiemy, że za pół roku część rzeczy będzie wyglądała inaczej. Ale właśnie o to chodzi – żeby nie trzymać się kurczowo starych schematów, tylko reagować na to, jak zmienia się SEO.

A zmienia się diametralnie i AI będzie odgrywać w nim coraz ważniejszą rolę. Chcemy być na to gotowi, zamiast udawać, że nic się nie dzieje.

Podsumowanie w punktach

1. Z jednej frazy generujemy setki tematów, które potem filtrujemy tak, żeby pasowały do intencji, struktury danego serwisu i planu rozwoju treści.
2. Tworzymy bazę wiedzy klienta z wykorzystaniem EmbedBase, z której czerpiemy rzetelne informacje do artykułów.
3. Yosa analizuje frazy, intencje i SERP-y, a potem przygotowuje szkic artykułu, który copywriter rozwija w spójny i merytoryczny tekst.
4. Używamy autorskiego narzędzia AgentMonitor, które pozwala skutecznie śledzić ruch agentowy z różnych asystentów AI.
5. Na końcu mierzymy realny ruch użytkowników w GA4, żeby wiedzieć, co faktycznie działa pod kątem biznesowym.