Maciej Traczyk, commerce director, WPP Media

Jeszcze niedawno wyszukiwanie kojarzyło się przede wszystkim z Google i walką o jak najwyższe pozycje w wynikach organicznych. Dziś ten model przestaje wystarczać. Użytkownicy coraz częściej szukają informacji w asystentach AI, na platformach społecznościowych, w marketplace’ach i na YouTube, a modele językowe same czerpią wiedzę z wielu różnych źródeł. O tym, jak zmienia się ekosystem searchu, dlaczego klasyczne SEO nie może być już rozważane w oderwaniu od reszty kanałów i co to oznacza dla marek, mówi Maciej Traczyk, commerce director w WPP Media.

Zdecydowanie tak. To nie jest już ewolucja, tylko rewolucja i realna zmiana paradygmatu. Przez lata search był stosunkowo prosty: użytkownik wpisywał zapytanie, my optymalizowaliśmy treści i strony pod Google, a sukces mierzyliśmy klikami i widocznością w wynikach. Dziś to podejście przestaje wystarczać, bo zmieniły się zachowania użytkowników. Coraz częściej oczekują oni gotowej odpowiedzi, syntezy informacji albo rekomendacji podanej "na tacy" przez asystenta AI.

Co ważne, to nie jest już tylko kwestia technologii, ale też nawyków. Młodsze pokolenia bardzo naturalnie korzystają z ChatGPT, Perplexity czy TikToka jako miejsc do szukania informacji.

Na ten moment Google nadal jest hegemonem. W Europie ma około 90% udziału w rynku wyszukiwania, więc mówienie o jego "końcu" byłoby zdecydowanie przedwczesne. Ale jednocześnie zmienia się sposób korzystania z wyszukiwarki, w ogóle zmienia się na naszych oczach cała "filozofia wyszukiwania". Wprowadzenie AI Overviews i AI Mode ma bardzo konkretny wpływ na ruch organiczny, bo użytkownik coraz częściej dostaje odpowiedź bez konieczności klikania w link.

To powoduje erozję klasycznego modelu trafficu. Innymi słowy: Google się nie kończy, ale przestaje być jedynym miejscem, w którym rozgrywa się decyzja konsumencka. I właśnie dlatego w WPP Media coraz częściej mówimy o Total Search – jako o podejściu, które łączy tradycyjny search, social search, retail search i AI search w jedną spójną całość.

Kluczowe jest teraz odchodzenie od silosowego rozumienia SEO na rzecz tego nowego podejścia, które zakłada obecność marki i optymalizowanie tej obecności, wszędzie tam, gdzie konsumenci poszukują informacji – zarówno w social mediach (TikTok, Meta, YouTube), marketplace’ach (Allegro, Temu, Amazon, generalnie – w ecommerce), jak i LLM-ach (AI Overviews, AI Mode, Gemini, ChatGPT, Perplexity, etc.). Te zmieniające się nawyki konsumentów powodują, że optymalizacja treści i kanałów na różnorodnych platformach staje się kluczowa dla budowania kompleksowej widoczności i wizerunku brandu.

Dokładnie. I tu dochodzimy do sedna. Total Search to nie jest nowe hasło na stare praktyki, tylko próba opisania rzeczywistości, w której marka musi być widoczna w wielu punktach styku jednocześnie. Jeśli ktoś szuka informacji o kosmetyku, leku, sprzęcie elektronicznym czy usłudze finansowej, to może zacząć od Google, ale równie dobrze może wejść na YouTube, zainspirować się na TikToku, porównać ceny na Allegro albo zadać pytanie w asystencie AI.

Każdy z tych punktów styku wpływa na to, czy marka zostanie zauważona, zrozumiana i zarekomendowana. Dlatego myślenie silosowe przestaje działać. Marketer nie powinien już pytać tylko "Jak zwiększyć widoczność w SEO?", ale "Jak marka wygląda w całym ekosystemie digitalowym?".

Największą zmianą jest utrata części kontroli. W klasycznym modelu wiedzieliśmy, jakie mamy pozycje, CTR-y, ruch i gdzie użytkownik wchodzi na stronę. W świecie LLM-ów pojawia się nowy problem: marka może być opisywana, cytowana albo rekomendowana przez model, ale nie mamy pełnej pewności, w jaki sposób i na podstawie jakich źródeł.

To jest pewien black box. Z jednej strony mamy więc rosnące znaczenie sztucznej inteligencji, z drugiej – trochę nie nadążają za prędkością wzrostu roli AI ze swoim rozwojem narzędzia pomiarowe. Technologia w ciągu ostatnich dwóch lat poszła bardzo do przodu, ale kwestia danych i pomiarów została w tyle, co powoduje, że nasz rynek przez chwilę zaczął się poruszać "we mgle". W odpowiedzi na te wyzwania uruchomiliśmy w naszej firmie nowe narzędzie AI Navigator, które agreguje wszystkie źródła informacji w kontekście analizy widoczności marki w LLM – pozwala mierzyć obecność marki w odpowiedziach generowanych przez LLM-y, porównywać ją z konkurencją i identyfikować luki kontentowe. To bardzo praktyczne, bo bez takiej warstwy danych łatwo mówić o zmianie, ale dużo trudniej nią realnie zarządzać. Dzięki AI Navigator jesteśmy stanie przedstawiać marketerom twarde rekomendacje, m.in. dotyczące tego jakie treści powinny być publikowane w konkretnych miejscach, by marka i jej produkty były częściej rekomendowane przez algorytmy AI. 

Korzystają chętnie i coraz chętniej i ten proces zachodzi szybciej, niż wielu z nas może się wydawać. Z ostatnich naszych badań, przeprowadzonych całkiem niedawno przez WPP Media w partnerstwie z Uniwersytetem Warszawskim (raport "Polacy a AI") wynika, że w Polsce z AI korzysta już większość respondentów (72% ogółu społeczeństwa i aż 87% pracowników biurowych), a wśród najmłodszych grup to zjawisko jest jeszcze silniejsze. Co ważne, nie chodzi tylko o pracę czy zadania zawodowe. Coraz częściej AI wchodzi w obszary prywatne, codzienne, a nawet emocjonalne. Trochę tu odbiegamy od głównego tematu naszej rozmowy, ale to bardzo ciekawe – z tego samego badania wynika, że dla 32% Polaków AI przyjmuje w rozmowie rolę autorytetu – eksperta, mentora, a nawet przewodnika duchowego. 54% badanych prowadzi z maszyną konwersacje przypominające rozmowę z prawdziwą osobą – opowiadamy o swoich zainteresowaniach, problemach osobistych, a nawet wdajemy się w dyskusje filozoficzne.

To szczególnie widoczne wśród Gen Z, która rozmawia z AI jak z kolegą. Dlatego wchodzimy w erę Word Of Mouth 2.0, w której bardziej ufamy modelom językowym, bo wierzymy, że do przygotowania odpowiedzi użyły dużej liczby źródeł i danych. Dostajemy odpowiedź bardzo szybko, w wygodnej formie, nie musimy samodzielnie się przeklikiwać i sprawdzać wielu stron, możemy zadać pytanie doprecyzowujące, etc.

I to zmienia wszystko, bo model językowy staje się nie tylko narzędziem, ale pośrednikiem między użytkownikiem a informacją. Jeśli marka nie pojawia się w źródłach, z których ten model korzysta, to po prostu wypada z pola widzenia.

Potrzebne jest spojrzenie na dane w kilku warstwach. Sama obecność w wynikach wyszukiwania nie wystarczy. Trzeba sprawdzać, czy marka jest widoczna w odpowiedziach LLM-ów, na jakich źródłach te odpowiedzi się opierają, jakie treści są cytowane, jaki jest sentyment, gdzie pojawiają się luki i które tematy są przejmowane przez konkurencję.

W praktyce składa się to na trzy etapy, które my na nasze potrzeby zaklasyfikowaliśmy tak: najpierw "discover", czyli identyfikacja obecnego poziomu widoczności marki na tle konkurencji; potem "understand", czyli analiza luk kontentowych i źródeł, z których korzystają modele; a na końcu "activate", czyli przełożenie tych wniosków na konkretne działania kontentowe, mediowe czy PR-owe. Łączymy wszystkie możliwe touchpointy digitalowe, optymalizujemy treści nie tylko pod silosowe kanały, ale także pod modele językowe – pieczemy dwie pieczenie na jednym ogniu.

I właśnie tu ważna jest odpowiednia nawigacja we wspomnianej "mgle", czyli np. rozwiązania takie jak AI Navigator – narzędzie, które pomaga te trzy etapy uporządkować i wdrożyć odpowiednie działania. Nie chodzi tylko o to, by zobaczyć wynik, ale żeby zrozumieć, gdzie marka realnie może zyskać przewagę w odpowiedziach generowanych przez AI.

Tak, wielu marketerów świetnie rozumie naszą ideę Total Search i mnóstwo klientów już korzysta z AI Navigator. Na przykład, niedawno pracowaliśmy nad projektem dla dużej firmy farmaceutycznej. Analizowaliśmy widoczność jej marki na każdym etapie zakupów konsumenta. Korzystając z naszego narzędzia, znaleźliśmy istotne braki – konkurencja wyprzedzała tam naszego klienta. Musieliśmy działać szybko. Przygotowaliśmy szczegółową strategię treści i opublikowaliśmy wysokiej jakości artykuły merytoryczne w mediach klienta, dopasowane do preferencji modeli językowych (LLM). Już po 6 tygodniach zobaczyliśmy świetne efekty: znacznie wzrosła obecność produktów klienta w odpowiedziach na ogólne zapytania (bez nazwy marki), na przykład w Perplexity. Strona klienta, odpowiadając na ważne dla nas pytania, awansowała na pierwsze miejsce wśród cytowanych źródeł, wyprzedzając liderów w Polsce. Marka klienta była też najczęściej rekomendowaną w swojej kategorii przez Google AI Overviews. To pokazuje, że mając dane i wiedząc, jak je wykorzystać, możemy realnie wpłynąć na to, czy marka zaistnieje w nowym świecie wyszukiwania. Właśnie dlatego stworzyliśmy AI Navigator – żeby cały ten proces opierał się na rzetelnej analizie i konkretnych rekomendacjach, a nie tylko na intuicji.

Pamiętajmy przede wszystkim, że kończy się era, w której marketerzy myśleli tylko o ruchu na stronach. Dziś coraz mniej liczy się samo "przyciągnięcie kliknięcia", a o wiele ważniejsze jest to, czy marka w ogóle znajdzie się w odpowiedzi, którą użytkownik dostaje od wyszukiwarki, asystenta AI czy modelu językowego. To podstawowa zmiana: przestajemy walczyć tylko o pozycję w wynikach wyszukiwania, a zaczynamy rywalizować o to, by nasza marka była wśród źródeł, z których sztuczna inteligencja buduje swoje odpowiedzi.

W praktyce oznacza to, że widoczność marki to już nie tylko wynik SEO, ale obecność w całym ekosystemie informacji – od treści eksperckich, przez media społecznościowe i platformy handlowe, aż po te źródła, które modele sztucznej inteligencji uznają za wiarygodne. Marki, które tego nie zrozumieją, mogą nadal "dobrze wyglądać" w tradycyjnych raportach, ale powoli będą znikać z tych miejsc, gdzie konsumenci faktycznie szukają informacji. Podejście Total Search i narzędzia takie jak AI Navigator właśnie po to porządkują tę nową rzeczywistość, żebyśmy nie skupiali się na jednym kanale, lecz widzieli pełny obraz.