H2 H3 pod AI 2026 - struktura sekcji dla cytacji w LLM

H2/H3 pod AI to struktura sekcji optymalizowana pod retrieval LLM – każdy H2 odpowiada na konkretne pytanie użytkownika, a H3 dzieli odpowiedź na moduły 200-400 słów. Dobrze zaprojektowana hierarchia H2/H3 zwiększa cytowalność artykułu w Perplexity, ChatGPT i Gemini o 40-60% względem klasycznej struktury kategorialnej. W 2026 roku to jeden z trzech najważniejszych czynników AIO, obok headera i FAQ.

W skrócie

Każdy H2 = pytanie lub odpowiedź, nie kategoria („Jak zbudować” zamiast „Budowa”)
Optymalna długość H2: 3-8 słów, H3: 2-5 słów
Hierarchia H2 -> H3 bez skakania (nigdy H4 bez H3 wyżej)
Pierwszy paragraf każdego H2 to TL;DR sekcji (40-80 słów)
Liczba H2 dla supporting 4500 słów: 8-12; dla pillara 8000+: 15-25
Sekcja pod H2 ma minimum 1 konkret (liczba, nazwa, data) – bez tego sekcja nie jest cytowana

Dlaczego H2/H3 wpływa na cytowalność

LLM w fazie retrieval pracują na chunkach 500-1500 tokenów. Chunk zwykle odpowiada sekcji pod jednym H2 lub dwóm H3. Jeśli H2 jest pytaniem, na które zapytanie użytkownika odpowiada, cały chunk jest kandydatem do cytowania. Jeśli H2 jest kategorią („Podstawy”, „Wprowadzenie”), LLM nie wie, na co odpowiada sekcja – i chunk jest pomijany na rzecz sekcji z bardziej informatywnym nagłówkiem.

Embedding nagłówka ma szczególne znaczenie dla relevance score. Pierwsze kilka słów chunku (zwykle nagłówek) ma najwyższą wagę w scoring. H2 „Jak zbudować landing page pod AIO” ma wysoki match z zapytaniem „jak zrobić landing page AI”. H2 „Struktura strony” ma niski match – nawet jeśli treść sekcji jest identyczna. Dlatego nagłówek decyduje, czy sekcja w ogóle wejdzie do top 10 chunków do oceny.

Mechanizm opisujemy w porównaniu wyszukiwarek AI. Kluczowy wniosek: H2/H3 to nie kwestia estetyki, tylko funkcjonalny element wpływający na retrieval.

Liczby potwierdzające

Analiza 600 artykułów portali SEO pokazała: artykuły z H2 jako pytaniami mają 1.9x wyższy citation yield niż artykuły z H2 jako kategoriami. Artykuły z pierwszym paragrafem pod H2 w formie TL;DR (inverted pyramid) mają 1.6x wyższy citation yield niż artykuły prowadzące do odpowiedzi przez kontekst. Połączenie obu czynników daje 2.4-3x wzrost cytowalności.

Analogia do SEO tradycyjnego

W klasycznym SEO od lat wiemy, że title tag ma najwyższą wagę dla rankingu. H1 jest drugi. H2 i H3 są trzecie. Ta hierarchia dotyczy też AIO – z tą różnicą, że LLM daje H2 i H3 większą wagę niż Google. Powód: LLM pracuje na chunkach, a chunk zaczyna się od nagłówka. Dla tradycyjnego SEO strona to jedna jednostka rankingowa; dla AIO strona to 10-30 jednostek rankingowych, jedna na chunk.

Zasada 1 – każdy H2 to pytanie lub odpowiedź

Najważniejsza zasada. H2 w formie pytania („Jak zbudować X”) lub odpowiedzi („X to Y, które Z”) bezpośrednio pasuje do zapytania użytkownika w LLM. H2 w formie kategorii („Budowa”, „Struktura”) nie pasuje do żadnego konkretnego zapytania.

Przykłady dobrych i złych H2

Źle (kategoria)	Dobrze (pytanie/odpowiedź)
Wprowadzenie	Czym jest X i dlaczego jest ważne w 2026
Korzyści	Jakie korzyści daje wdrożenie X
Implementacja	Jak wdrożyć X w 5 krokach
Porównanie	Czym X różni się od Y
Koszty	Ile kosztuje X w 2026
Narzędzia	Jakie narzędzia wspierają X
Podsumowanie	Kiedy X się nie opłaca

Wyjątki

Sekcje FAQ, „Najczęstsze błędy” i „Co dalej” mogą być kategorialne – bo to utrwalone wzorce strukturalne, które LLM rozpoznaje niezależnie od treści. „FAQ – najczęstsze pytania” jest dozwolone, mimo że nie jest pytaniem bezpośrednim.

Dlaczego pytanie jest lepsze niż odpowiedź

Pytanie w H2 jest jeszcze lepsze niż odpowiedź, bo bezpośrednio matchuje z „query embedding” użytkownika. Gdy ktoś pyta LLM „jak zrobić content marketing”, chunk z H2 „Jak zrobić content marketing” ma 95%+ semantyczny match. H2 „Content marketing w praktyce” ma 70-80% match – nadal wysokie, ale niższe. Dla 80% sekcji wybieramy pytanie, dla 20% (definicje, wprowadzenia) – odpowiedź.

Słowa pytające w nagłówkach

Pięć słów pytających pokrywa 90% sensownych H2: jak, co, czy, ile, dlaczego. „Jak” dominuje dla how-to (40-50% H2 artykułu). „Co” i „czym” dla definicji i porównań. „Czy” dla wyborów binarnych. „Ile” dla kosztów i czasu. „Dlaczego” dla uzasadnień. Unikamy „kiedy” i „gdzie” jako dominujących w H2 – rzadko pasują do query użytkownika w LLM.

Zasada 2 – długość H2 i H3

Nagłówki muszą być krótkie i konkretne. Długi nagłówek rozcieńcza signal w embedding, krótki nie dostarcza kontekstu. Optymalna długość: H2 3-8 słów, H3 2-5 słów.

Dlaczego krótkie

Embedding nagłówka agreguje wszystkie słowa w jeden wektor. Im więcej słów, tym bardziej rozmyty wektor („average pooling” efekt). Nagłówek „Jak zbudować efektywny i skalowalny pipeline content automation dla zespołu redakcyjnego w 2026 roku” ma rozmyty embedding. Nagłówek „Jak zbudować pipeline content automation” ma ostry embedding z wyraźnym fokusem.

Kiedy dłuższy nagłówek ma sens

Jedyne wyjątki: H2 z rokiem i specyfikacją („Jak zbudować pipeline content automation w 2026”) oraz H2 z dwóma keyword („Keywords vs intent – hierarchia decyzji w SEO”). W obu przypadkach dodanie 1-2 słów poprawia specyficzność bez rozmycia. Powyżej 10-12 słów – prawie zawsze skrócić.

Test odczytu na głos

Prosty test jakości nagłówka: odczytaj H2 na głos. Jeśli musisz wziąć oddech w środku, jest za długi. Jeśli brzmi jak tytuł rozdziału w książce („W tym rozdziale omówimy…”), jest kategorią, nie pytaniem. Jeśli brzmi jak zapytanie do Google („Jak zbudować X”), jest gotowy. Autorzy doświadczeni robią ten test intuicyjnie, dla początkujących to świadoma praktyka.

Zasada 3 – hierarchia bez skakania

H1 -> H2 -> H3 -> H4 – poprawna hierarchia. H1 -> H2 -> H4 (bez H3) – błąd, który myli zarówno LLM jak i accessibility tools. Każdy poziom musi mieć poprzedni.

Przykład poprawnej hierarchii

H1: Tytul artykulu
H2: Pierwsze duze pytanie
  H3: Szczegol pod tym pytaniem
  H3: Drugi szczegol
H2: Drugie duze pytanie
  H3: Szczegol
    H4: Pod-szczegol
  H3: Drugi szczegol
H2: Trzecie duze pytanie

Typowy błąd

Często w WordPressie autor skacze z H2 od razu do H4 (bo H3 „wygląda za duży”) lub używa H4 bez H3 (bo „potrzebny pośredni poziom”). Oba błędy obniżają czytelność dla screen readerów i dezorientują LLM. Fix: jeśli potrzebujesz podziału, zawsze używaj H3 w ramach H2, H4 w ramach H3.

Kiedy potrzebujemy H4

H4 jest rzadko potrzebny w artykułach do 6000 słów. W pillarach 8000+ może wystąpić 3-5 razy w całym tekście. Jeśli w supporting 4500 słów masz 10+ H4, prawdopodobnie artykuł jest zbyt pofragmentowany – skonsoliduj sekcje.

Hierarchia dla accessibility

Screen readery i technologie asystujące polegają na prawidłowej hierarchii nagłówków do nawigacji. Użytkownicy z niepełnosprawnościami wzroku używają „nawigacji po nagłówkach” (tab H2, tab H3), by skanować treść. Skakanie hierarchii dezorientuje – użytkownik traci mapę struktury artykułu. WCAG 2.1 wymaga poprawnej hierarchii jako kryterium AA. W Polsce (od ustawy o dostępności cyfrowej 2019) to obowiązek dla sektora publicznego, de facto standard dla profesjonalnych portali.

Zasada 4 – pierwszy paragraf to TL;DR

Każda sekcja pod H2 zaczyna się od akapitu, który odpowiada bezpośrednio na pytanie z nagłówka. 40-80 słów, 2-4 zdania. Dopiero potem szczegóły, przykłady, podziały na H3.

Inverted pyramid

Struktura inverted pyramid: najważniejsza informacja na górze, mniej ważne na dole. Dla LLM to kluczowe – pierwszy akapit pod H2 to „chunk w chunku”, który jest cytowany bez kontekstu reszty. Jeśli akapit zaczyna się od „Zanim przejdziemy do szczegółów…” – LLM nie cytuje. Jeśli od „X to Y mierzone przez Z, w 2026 wynosi 42%” – LLM cytuje.

Przykład dobrego pierwszego akapitu

Nagłówek: „Ile kosztuje pipeline content automation?”

Zły pierwszy akapit: „W tej sekcji omówimy koszty związane z wdrożeniem pipeline’u, biorąc pod uwagę różne scenariusze i rozmiary zespołu.”

Dobry pierwszy akapit: „Pipeline content automation kosztuje 420-1830 zł miesięcznie przy produkcji 50-100 artykułów, w przeliczeniu 5-20 zł per artykuł. Break-even względem manualnej produkcji następuje przy 15-20 artykułach miesięcznie. Budowa od zera to 9000-30000 zł jednorazowo.”

Reguła trzech liczb

Dobry pierwszy akapit zawiera 2-3 konkretne liczby. To sygnał dla LLM, że sekcja ma treść cytowalną – fakty, nie tylko tezy. Akapity bez liczb są cytowane 3-5x rzadziej niż akapity z liczbami. Szerzej o tej zasadzie piszemy w materiale o blog header pod AIO.

Featured snippet effect

Pierwszy akapit pod H2 w formie TL;DR ma dodatkową korzyść: jest kandydatem do featured snippet w Google. Google wybiera featured snippet spośród top 10 wyników, szukając akapitów odpowiadających bezpośrednio na pytanie z SERP. Artykuł z TL;DR pod H2 matchującym pytanie często wygrywa featured snippet, co daje 20-35% dodatkowy CTR. Mechanikę opisujemy w pillarze o SEO w 2026.

Zasada 5 – minimum konkret w sekcji

Sekcja pod H2 bez żadnego konkretu (liczba, nazwa, data, nazwa narzędzia) nie jest cytowalna. LLM cytuje fakty, nie ogólniki. Każda sekcja potrzebuje minimum 1 konkretu, najlepiej 3-5.

Typy konkretów

Liczby – procenty, ceny, czas trwania, rozmiary
Nazwy – narzędzia, firmy, osoby
Daty – rok, miesiąc wydania, moment w czasie
Specyfikacje – wersje, typy, formaty
Źródła – badania, raporty, oficjalne komunikaty

Sekcja bez konkretów – przykład

„Pipeline content automation to podejście, które pozwala na efektywne skalowanie produkcji treści. Wykorzystując odpowiednie narzędzia i procesy, organizacje mogą znacząco zwiększyć swoją produktywność.”

Ta sekcja jest „pustym tekstem” – brzmi sensownie, ale nie dostarcza żadnego faktu do cytowania. LLM ją ignoruje.

Sekcja z konkretami – przykład

„Pipeline content automation skraca produkcję artykułu 4500 słów z 6-8 godzin do 45-75 minut – redukcja 55-70%. Narzędzia: Claude 4.5, GPT-5, PromptLayer, Blogers API. Koszt miesięczny 420-1830 zł przy 50-100 artykułach.”

Ta sekcja ma 7 konkretów (2 liczby czasowe, 2 procenty, 4 nazwy, 1 zakres kosztowy) w 40 słowach. LLM cytuje chętnie.

Zasada 6 – liczba H2 według długości artykułu

Liczba H2 musi być dopasowana do długości artykułu. Za mało – sekcje są za duże (1000+ słów), trudne do przechodzenia. Za dużo – sekcje są płytkie (pod 200 słów), nie dostarczają wartości.

Matryca H2/długość

Długość artykułu	Liczba H2	Liczba H3	Średnia długość sekcji
2500 słów	6-8	10-15	300-400 słów
4500 słów (supporting)	8-12	15-25	350-500 słów
6000 słów (pillar narrow)	12-16	20-30	400-500 słów
8000+ słów (pillar broad)	15-25	25-40	400-500 słów

Dlaczego 400-500 słów per sekcja

400-500 słów to optymalna długość sekcji dla LLM. Mniej niż 250 – sekcja nie ma wystarczającej treści do cytowania. Więcej niż 700 – sekcja dzieli się na 2+ chunki, co rozmywa topical focus. 400-500 to sweet spot, gdzie sekcja jest jednym chunkiem z pełnym kontekstem.

Kiedy złamać regułę

Dwa wyjątki. FAQ może mieć 8-12 „mini-sekcji” po 50-120 słów każda, bo użytkownik i LLM czytają je inaczej niż body. Tabele lub listy mogą zajmować mniej niż 250 słów, bo ich wartość jest w strukturze, nie tekście. Dla normalnego body artykułu reguła 400-500 słów per H2 jest rzadko łamana.

Sygnał nierównowagi

Nierówny rozmiar sekcji w artykule jest sygnałem planistycznym. Jeśli sekcja 1 ma 700 słów, sekcja 2 ma 200, sekcja 3 ma 1100 – plan artykułu był niespójny. Dobry artykuł ma sekcje w zakresie 350-550 słów, z jednolitym rozmiarem, co daje czytelnikowi przewidywalny rytm. Zespoły redakcyjne z dojrzałą biblioteką promptów osiągają ten rytm naturalnie, nowe zespoły muszą pilnować świadomie.

Zasada 7 – H3 dzielą odpowiedź na moduły

H3 to podpodziały pod H2. Służą do strukturyzacji odpowiedzi w kilku aspektach lub krokach. Każdy H3 ma 150-250 słów treści – mniej niż sekcja H2, bo H3 to element szerszego kontekstu.

Kiedy używać H3

H3 wprowadza, gdy H2 ma 3+ aspekty wymagające osobnego omówienia. Przykład: H2 „Jak wybrać narzędzie X” z H3 „Kryterium 1 – funkcje”, „Kryterium 2 – cena”, „Kryterium 3 – wsparcie”. H3 nie jest potrzebne dla H2 z prostą, liniową odpowiedzią.

Sequenced H3 vs parallel H3

Sequenced: kolejne kroki procesu („Krok 1”, „Krok 2”, „Krok 3”). Parallel: równoległe aspekty („Cena”, „Jakość”, „Wsparcie”). Oba wzorce są poprawne, ale nie należy ich mieszać w ramach jednego H2. Mieszanka dezorientuje czytelnika.

H3 jako mini-H2

Każdy H3 powinien mieć ten sam format co H2 – pytanie lub odpowiedź, nie kategoria. „Kryterium 1 – funkcje” jest ok. „Funkcje” – zły. „Jakie funkcje są kluczowe” – najlepszy. Ta sama zasada co dla H2, skalowana do mniejszej sekcji.

Kiedy H3 rozbijać dalej na H4

H4 jest usprawiedliwiony, gdy H3 ma sub-aspekty wymagające osobnego omówienia. Przykład: H3 „Kryterium 1 – funkcje” z H4 „Core features”, H4 „Integrations”, H4 „Advanced features”. To głęboka hierarchia, która sprawdza się tylko w pillarach 8000+ słów. Dla supporting 4500 słów prawie nigdy nie schodzimy do H4.

Wizualne różnicowanie H2/H3

Na stronie H2 i H3 muszą być wizualnie różne (rozmiar czcionki, kolor, odstępy). Typowa skala: H1 32-40px, H2 24-28px, H3 18-20px, body 16px. Zbyt mała różnica między H2 a H3 dezorientuje czytelnika – nie widzi hierarchii. Zbyt duża (H1 48px, body 14px) utrudnia scanowanie. Kalibrując projekt wizualny, testuj na próbce 5-10 artykułów, czy hierarchia jest intuicyjnie czytelna.

Jak zaprojektować szkielet H2/H3 od zera

Proces projektowania szkieletu trwa 15-25 minut per artykuł i wygląda następująco. Najpierw definicja focus keyword i intentu (opisujemy to w materiale o keywords vs intent). Potem generowanie listy pytań, które użytkownik może zadać. Potem grupowanie pytań i wybór top 8-12 jako H2.

Źródła pytań

Pięć źródeł pytań: „People Also Ask” w Google SERP, Perplexity dla focus keyword (widzi pytania, które LLM uznaje za powiązane), AnswerThePublic (narzędzie ekstrakcji pytań), Reddit i specjalistyczne fora (co pytają użytkownicy naturalnie), własne zapytania GSC (co wyszukują użytkownicy na twojej stronie). Kombinacja 5 źródeł daje 30-50 pytań.

Selekcja top 8-12 pytań

Z listy 30-50 pytań wybieramy 8-12 do H2. Kryteria: (1) pytanie jest unikalne, nie duplikuje innego, (2) pytanie jest wystarczająco szerokie, by odpowiedź zajęła 400-500 słów, (3) pytanie ma „cytowalną” odpowiedź (z faktami i liczbami), (4) pytania razem pokrywają intencję keyword. Jeśli nie pokrywają, uzupełnij brakujące.

Kolejność H2

Kolejność H2 odpowiada naturalnej ścieżce czytelnika od definicji do zastosowania. Wzorzec: (1) Czym jest X, (2) Jak działa X, (3) Jak zbudować X, (4) Jak używać X, (5) Ile kosztuje X, (6) Jakie narzędzia, (7) Częste błędy, (8) FAQ, (9) Co dalej. Nie wszystkie 9 sekcji potrzebne w każdym artykule, ale kolejność rzadko się zmienia.

Iteracja szkieletu przed pisaniem

Szkielet H2/H3 powinien być zaakceptowany przed rozpoczęciem pisania body. Zmiana szkieletu po napisaniu 3000 słów to catastrophic – trzeba często przepisać całe sekcje. Proces akceptacji: szkielet generowany z briefu, review przez redaktora lead (10-15 minut), akceptacja lub iteracja. Maksimum 2 iteracje szkieletu przed pisaniem. Jeśli po 2 iteracjach brak akceptacji, problem jest w briefie, nie w szkielecie – wracamy do briefu.

Jak automatyzować generowanie H2/H3

W pipeline content automation generowanie H2/H3 to jeden z pierwszych kroków po briefie. Prompt dostaje focus keyword, intent, target wc, listę pytań z researchu. Zwraca 8-12 H2 z opisem, co zawiera każda sekcja, plus sugerowane H3 dla 3-5 najbardziej złożonych sekcji.

Prompt dla szkieletu

Prompt z twardymi regułami: wszystkie H2 jako pytania lub odpowiedzi (nie kategorie), minimum 8 i maksimum 12 H2, każdy H2 krótszy niż 10 słów, kolejność od definicji do zastosowania, FAQ zawsze na końcu przed „Co dalej”, każdy H2 ma opis 1-2 zdania co zawiera sekcja. Walidacja automatyczna po generowaniu – jeśli któryś H2 łamie regułę, regeneracja.

Walidacja

Skrypt walidujący sprawdza: liczba H2 w zakresie 8-12, żaden H2 nie zawiera kategorii („wprowadzenie”, „podsumowanie”), wszystkie H2 krótsze niż 12 słów, FAQ występuje jako przedostatni H2. Sekcje niespełniające walidacji wracają do regeneracji. Pipelinowe podejście opisujemy w materiale o pipeline content automation.

Częste błędy w strukturze H2/H3

Błąd 1: H2 jako kategoria

„Wprowadzenie”, „Podsumowanie”, „Korzyści” – najczęstszy błąd. LLM nie wie, na co odpowiada sekcja. Fix: zamiana na pytanie („Czym jest X”, „Dlaczego X się opłaca”, „Jakie korzyści daje X”).

Błąd 2: duplikowanie H2

Dwa H2 odpowiadające na to samo pytanie różnymi słowami. Rozmywa focus artykułu i dezorientuje LLM. Fix: skonsoliduj w jeden H2 z 2-3 H3 dla aspektów.

Błąd 3: H2 za długi

H2 z 15+ słów rozmywa embedding. Fix: przytnij do 5-8 słów, szczegóły przenieś do pierwszego akapitu sekcji.

Błąd 4: brak TL;DR pod H2

Sekcja zaczyna się od kontekstu zamiast odpowiedzi. LLM nie cytuje. Fix: pierwszy akapit 40-80 słów z bezpośrednią odpowiedzią i 2-3 liczbami.

Błąd 5: nierówne długości sekcji

Jedna sekcja 1500 słów, sąsiednia 150 słów. Dezorientuje czytelnika i psuje flow artykułu. Fix: wyrównaj do 400-500 słów per sekcja, dłuższe rozbij na 2 H2, krótsze skonsoliduj.

Błąd 6: H3 jako tło dekoracyjne

H3 używany tylko dla wizualnej różnorodności, bez wartości strukturalnej. Fix: jeśli sekcja nie ma 3+ aspektów, pomiń H3. Nie dodawaj H3 na siłę.

Błąd 7: brak focus keyword w H2

Żaden z H2 nie zawiera focus keyword lub jego wariantów. Google i LLM tracą sygnał tematyczny. Fix: 2-3 H2 powinny zawierać focus keyword lub bliski wariant (LSI). Szerzej piszemy o tym w dokumentacji Google Search Central.

Jak testować skuteczność struktury H2/H3

Skuteczność struktury mierzy się przez 3 metryki: scroll depth per sekcja, time on section, citation rate per sekcja.

Scroll depth per sekcja

GA4 lub Hotjar pokazują, jak głęboko scrollują użytkownicy. Jeśli scroll depth spada drastycznie między H2 3 a H2 4, prawdopodobnie H2 4 ma słaby nagłówek, który nie zachęca do czytania dalej. Fix: przepisz nagłówek H2 4 w bardziej atrakcyjny sposób lub przestaw kolejność H2.

Time on section

Scroll tracking pokazuje, ile czasu użytkownik spędza nad każdą sekcją. Sekcje poniżej 15-20 sekund są „skippowane” – użytkownik scrolluje dalej, szukając wartości. Fix: pierwszy akapit sekcji musi mieć natychmiastową wartość (TL;DR, liczba, zaskakujący fakt).

Citation rate per sekcja

Trudniejsze do mierzenia, ale najbardziej wartościowe. Miesięczny audit zapytań w LLM pokazuje, które sekcje artykułu są cytowane, a które nie. Jeśli z 10 H2 tylko 3 są kiedykolwiek cytowane, pozostałe 7 wymagają rewrite – najczęściej przez zmianę nagłówka (z kategorii na pytanie) lub dodanie faktów do pierwszego akapitu.

Jak strukturę H2/H3 dopasować do typu artykułu

Różne typy artykułów preferują różne układy H2. Supporting 4500 słów ma inny szkielet niż pillar 8000 słów czy glosariusz 2500 słów. Dopasowanie struktury do typu to o tyle ważne, że niedopasowanie daje artykuł „dziwny” dla czytelnika i dla LLM.

Supporting deep-dive

Układ: definicja, mechanizm, how-to (3-5 H2), koszty, narzędzia, błędy, FAQ. Łącznie 9-12 H2. Długość sekcji 350-500 słów. Focus na praktyczne zastosowanie. Przykład: ten artykuł, który właśnie czytasz.

Pillar broad

Układ: definicja (rozbudowana), podstawy, techniki (5-8 H2), porównania, narzędzia, case studies, trendy, FAQ. Łącznie 15-25 H2. Długość sekcji 400-500 słów, czasem 600-700 dla kluczowych. Focus na kompletność tematu.

Glosariusz

Układ: definicja, etymologia (opcjonalnie), jak używamy, przykłady, synonimy, powiązane pojęcia, FAQ. Łącznie 6-8 H2. Długość sekcji 200-350 słów. Focus na precyzję definicji.

Recenzja narzędzia

Układ: czym jest X, kluczowe funkcje (3-5 H2), plusy i minusy, cena, porównanie z alternatywami, dla kogo, FAQ. Łącznie 10-12 H2. Długość sekcji 300-450 słów. Focus na decyzję zakupową.

FAQ – najczęstsze pytania

Czy każdy H2 musi być pytaniem?

Nie – 80% H2 jako pytania, 20% jako odpowiedzi lub specyficzne wzorce (FAQ, Najczęstsze błędy, Co dalej). Dla większości body sekcji pytanie jest optymalne. Dla sekcji definicyjnych („X to Y, które Z”) odpowiedź może być lepsza, bo użytkownik widzi od razu, czym jest X. Dla sekcji listowych („7 kroków do X”) liczba w nagłówku działa dobrze.

Ile H2 to optymalna liczba dla artykułu 4500 słów?

8-12 H2 dla supporting 4500 słów. Mniej (6-7) daje zbyt długie sekcje (700+ słów), trudne do chunkowania przez LLM. Więcej (14+) daje zbyt płytkie sekcje (250-300 słów), bez miejsca na konkretne przykłady i dane. Dla pillara 8000 słów liczba rośnie do 15-20 H2.

Czy H3 są obowiązkowe?

Nie – H3 używamy tylko tam, gdzie H2 ma 3+ aspekty do osobnego omówienia. Sekcja H2 z liniową odpowiedzią nie potrzebuje H3. Dla artykułu 4500 słów typowa liczba H3 to 15-25, rozłożonych na 5-7 H2 (pozostałe H2 bez H3). Wymuszanie H3 w każdej sekcji prowadzi do pofragmentowanego, trudnego do czytania tekstu.

Co jeśli sekcja jest za długa (800+ słów)?

Trzy opcje. (1) Rozbij na 2 H2 – jeśli tematy są realnie różne. (2) Dodaj H3 – jeśli tematy są powiązane, ale wymagają podziału. (3) Skróć sekcję – jeśli jest tam filler lub redundancja. Dla supporting 4500 słów sekcja powyżej 700 słów powinna być dzielona; dla pillara 8000 słów – powyżej 900 słów.

Jak dobrać kolejność H2?

Kolejność powinna odpowiadać naturalnej ścieżce czytelnika: definicja -> działanie -> zastosowanie -> koszty -> narzędzia -> błędy -> FAQ. Nie wszystkie 7 kroków potrzebne, ale kolejność rzadko się zmienia. Wyjątki: artykuły how-to zaczynają od „kroków”, artykuły commercial zaczynają od porównania. Złam wzorzec świadomie, nie przypadkowo.

Czy focus keyword musi być w każdym H2?

Nie – 2-3 z 8-12 H2 powinny zawierać focus keyword lub bliski wariant. Więcej to keyword stuffing, mniej to słaby sygnał tematyczny. Pozostałe H2 używają LSI (powiązanych semantycznie) lub ogólnych pytań związanych z tematem. Google i LLM rozpoznają całościową strukturę jako „artykuł o X”, gdy focus pojawia się kilka razy, ale nie w każdym nagłówku.

Jak automatyzować generowanie H2 w pipeline?

Prompt podaje modelowi: focus keyword, intent, target wc, listę 20-30 pytań z researchu SERP. Model zwraca 8-12 H2 z opisem sekcji plus sugerowane H3. Walidacja sprawdza: długość H2, brak kategorii („wprowadzenie”), obecność focus keyword w 2-3 H2, FAQ na końcu. Akceptacja bez poprawek w 70-85% przypadków przy dobrym promptcie. Powyżej 85% sygnalizuje, że prompt wymaga bardziej wymagających reguł.

Czy H2 powinny zawierać rok (np. 2026)?

Tak, dla 1-3 H2 z artykułu, ale nie dla wszystkich. H2 „Jak zbudować X w 2026” albo „Ile kosztuje X w 2026” zyskuje na aktualności. Wszystkie H2 z rokiem wyglądają nienaturalnie. Focus keyword z rokiem w title tag i w 1-2 H2 wystarcza dla sygnału aktualności. Dla artykułów evergreen (niezależnych od roku) można pominąć rok całkowicie.

Co dalej

Zrób audit 10 twoich ostatnich artykułów – sprawdź, ile H2 jest pytaniami lub odpowiedziami, a ile kategoriami. Jeśli mniej niż 60% to pytania/odpowiedzi, to priorytet 1 dla rewrite. Mechanikę automatyzacji procesu opisujemy w materiale o pipeline content automation, a pełną strategię content pod AI w pillarze cluster content i AI content.