Test: czy sekcja z kluczowymi wnioskami zwiększa cytowania

Krótka sekcja z kluczowymi wnioskami na początku artykułu to jeden z najczęściej powtarzanych zaleceń w poradnikach o widoczności w modelach językowych. Brzmi sensownie: model dostaje gotowy, zwięzły fragment, który łatwo zacytować. Problem w tym, że prawie nikt nie pokazuje liczb. Postanowiliśmy je zebrać sami.

Dodaliśmy sekcję z kluczowymi wnioskami do dziesięciu artykułów, zostawiliśmy dziesięć bliźniaczych wpisów bez zmian i przez dwa miesiące liczyliśmy, jak często jedne i drugie pojawiają się jako źródło w odpowiedziach ChatGPT, Perplexity i Gemini. Po 30 dniach różnica mieściła się w szumie. Po 60 dniach grupa testowa miała o 41 proc. więcej cytowań niż na starcie, przy 5 proc. w grupie kontrolnej. Poniżej metodyka, pełne dane i lista rzeczy, których ten test nie dowodzi.

Hipoteza i sposób jej sprawdzenia

Hipoteza była wąska celowo: jeśli na początku artykułu umieścimy zwarty blok z najważniejszymi ustaleniami, zapisany w pełnych zdaniach i z konkretnymi liczbami, to modele generatywne częściej wskażą ten artykuł jako źródło odpowiedzi. Nie testowaliśmy pozycji w Google, nie testowaliśmy ruchu. Tylko cytowania.

Pomiar oparliśmy na powtarzalnym zestawie 60 zapytań, po trzy na każdy z 20 artykułów: jedno ogólne (definicyjne), jedno porównawcze i jedno operacyjne, w stylu „jak zrobić X”. Każde zapytanie zadawaliśmy w trzech narzędziach, raz w tygodniu, zawsze w tym samym dniu tygodnia i z wyczyszczoną historią rozmów. Cytowanie zaliczaliśmy tylko wtedy, gdy adres URL naszego artykułu znalazł się na liście źródeł widocznej dla użytkownika. Wzmianka o marce bez linku nie liczyła się wcale, bo to inna metryka i inna dyskusja.

Okno bazowe trwało 30 dni przed zmianą, czyli 4 cykle pomiarowe. Potem edytowaliśmy wpisy w grupie testowej w ciągu jednego dnia i mierzyliśmy dalej przez 8 tygodni. Taki układ pozwala oddzielić efekt zmiany od naturalnej zmienności, która w tych narzędziach jest spora.

Dobór wpisów i grupa kontrolna

Dwadzieścia artykułów wybraliśmy tak, żeby pary były do siebie możliwie podobne. Kryteria: ten sam serwis, publikacja w tym samym kwartale, długość w przedziale 1200–1800 słów, obecność sekcji FAQ, co najmniej jedno cytowanie w okresie bazowym oraz temat z tej samej rodziny (narzędzia, techniczne SEO, treść pod AI). Z każdej pary jeden wpis losowo trafił do grupy testowej, drugi do kontrolnej.

Parowanie jest tu ważniejsze, niż się wydaje. Cytowalność bardzo mocno zależy od tematu: zapytania porównawcze o narzędzia generują listy źródeł po pięć, sześć pozycji, a zapytania definicyjne często kończą się jednym linkiem do encyklopedii. Gdybyśmy losowali z całego serwisu, różnica tematyczna między grupami przebiłaby każdy efekt edycji. Ten sam mechanizm widzieliśmy wcześniej, gdy sprawdzaliśmy, jak ChatGPT poleca firmy w małym mieście: zmiana samego brzmienia zapytania zmieniała zestaw źródeł mocniej niż cokolwiek, co zrobiliśmy na stronie.

W grupie kontrolnej nie ruszaliśmy niczego: ani treści, ani tytułów, ani meta opisów, ani linkowania wewnętrznego. To był jedyny sposób, żeby mieć punkt odniesienia dla ogólnego trendu, bo modele w tym czasie dwukrotnie zmieniły sposób prezentowania źródeł.

Jak wyglądała dodana sekcja

Sekcja nazywała się „Kluczowe wnioski” i trafiała bezpośrednio pod pierwszym akapitem, przed pierwszym nagłówkiem H2. Format: od czterech do sześciu punktów, każdy jako jedno pełne zdanie o długości 15–30 słów, każdy zawierający albo liczbę, albo jednoznaczne rozstrzygnięcie („tak, jeśli…”, „nie warto, gdy…”). Zero zdań urwanych, zero hasłowych fraz w stylu „optymalizacja treści”.

Trzy zasady, które ustaliliśmy przed startem i których pilnowaliśmy w każdym wpisie:

• Każdy punkt musi być zrozumiały bez kontekstu resztą artykułu, bo model wyciąga go w oderwaniu od całości.
• Punkt powtarza wniosek z treści, ale nie kopiuje zdań dosłownie, żeby nie tworzyć wewnętrznej duplikacji.
• Żaden punkt nie obiecuje więcej, niż artykuł faktycznie pokazuje, bo rozjazd między podsumowaniem a treścią to najprostszy sposób na utratę zaufania czytelnika.

Technicznie sekcja to zwykły nagłówek H2 i lista nieuporządkowana. Nie używaliśmy żadnych dodatkowych znaczników, boksów ani danych strukturalnych. Chcieliśmy zmierzyć efekt samego tekstu, a nie efekt kolejnego pola w schema. Jak ta sekcja wpisuje się w całość dokumentu, opisaliśmy szerzej przy okazji struktury artykułu pod AI.

Wyniki po 30 dniach

Po pierwszym miesiącu wynik był rozczarowujący. Grupa testowa: 41 cytowań w okresie bazowym, 47 w pierwszych 30 dniach po zmianie. Grupa kontrolna: 38 i 39. Wzrost o 15 proc. przy 3 proc. w kontroli wygląda na sygnał, ale przy takiej liczbie obserwacji tygodniowe wahania sięgały 20 proc. w obie strony, więc traktowaliśmy to jako brak rozstrzygnięcia.

Ciekawszy był rozkład. Cały przyrost w pierwszym miesiącu pochodził z zapytań operacyjnych, tych w stylu „jak zrobić X”. Zapytania definicyjne nie ruszyły się ani o jedno cytowanie, a porównawcze zachowywały się chaotycznie. To pierwszy praktyczny wniosek z tego testu: sekcja z wnioskami działa tam, gdzie użytkownik szuka rozstrzygnięcia, a nie definicji.

Wyniki po 60 dniach

W drugim miesiącu różnica się rozjechała. Grupa testowa dobiła do 58 cytowań, czyli 41 proc. powyżej bazy. Kontrolna stanęła na 40, czyli 5 proc. powyżej bazy. Osiem z dziesięciu wpisów testowych poprawiło się względem własnej bazy, jeden stał w miejscu, jeden spadł. W kontroli proporcja wyglądała inaczej: cztery w górę, dwa bez zmian, cztery w dół.

Opóźnienie jest zrozumiałe, gdy pamiętamy, jak te systemy działają. Odpowiedź modelu nie powstaje na żywo z naszego HTML, tylko z indeksu, który musi zostać odświeżony. Dopóki nasza zmiana nie przejdzie przez ponowne pobranie strony i aktualizację warstwy wyszukiwania, żadna edycja nie ma jak zadziałać. Na artykułach, które bot odwiedza raz na sześć tygodni, pierwszy miesiąc pomiaru mierzy głównie starą wersję treści. Google opisuje ten łańcuch w dokumentacji o funkcjach AI w wyszukiwarce, a my sami widzieliśmy podobne przesunięcie, gdy analizowaliśmy, jak Gemini dobiera linki w odpowiedzi.

Wniosek operacyjny: test cytowalności krótszy niż 6 tygodni z dużym prawdopodobieństwem pokaże zero i wcale nie będzie to oznaczać, że zmiana nie działa.

Co jeszcze zmieniło się przy okazji

Efekty uboczne były drobne, ale warto je wymienić, bo bez nich obraz jest zbyt czysty. CTR w Search Console dla grupy testowej wzrósł o 0,4 punktu procentowego przy praktycznie niezmienionej średniej pozycji, co przy tej liczbie stron mieści się w granicy błędu. Trzy wpisy testowe zaczęły pojawiać się we fragmencie rozszerzonym na zapytaniach, na których wcześniej ich nie było.

Zmieniło się też zachowanie czytelników. Średni czas na stronie w grupie testowej spadł o kilka sekund, a przewijanie do pierwszego H2 skróciło się wyraźnie. Sekcja z wnioskami odpowiada na pytanie od razu, więc część osób nie czyta dalej. Jeśli ktoś rozlicza treść wyłącznie czasem czytania, zobaczy pogorszenie, mimo że artykuł spełnił swoją funkcję lepiej niż wcześniej.

Wnioski i ograniczenia testu

Po dwóch miesiącach mamy wynik, który uznajemy za wart wdrożenia, ale nie za dowód. Sekcja z kluczowymi wnioskami jest tania (kwadrans na artykuł), nie psuje niczego w treści i w naszej próbie towarzyszyła jej wyraźna poprawa cytowalności, skoncentrowana na zapytaniach operacyjnych i widoczna dopiero w drugim miesiącu.

Ograniczenia, o których trzeba pamiętać, zanim ktoś potraktuje te liczby jako regułę:

1. Dziesięć artykułów na grupę to bardzo mała próba. Jedna wyjątkowo dobrze trafiona strona przesuwa cały wynik.
2. Test biegł na jednym serwisie, o jednym profilu autorytetu. Na domenie bez historii efekt może być zerowy, bo model nie ma powodu sięgać po to źródło niezależnie od formatowania.
3. Modele zmieniały się w trakcie pomiaru. Grupa kontrolna łagodzi ten problem, ale go nie usuwa.
4. Mierzyliśmy cytowania, nie ruch i nie konwersje. Cytowanie bez kliknięcia ma wartość wizerunkową, nie sprzedażową.
5. Nie rozdzieliliśmy efektu samej sekcji od efektu ponownego pobrania strony. Każda edycja daje botowi powód, żeby wrócić, więc część przyrostu może pochodzić ze świeżości, a nie z formatu.

Ten ostatni punkt jest na tyle poważny, że planujemy powtórkę z trzecim wariantem: grupa, w której zmieniamy w treści coś neutralnego, bez dodawania podsumowania. Dopóki tego nie zmierzymy, uczciwa odpowiedź na pytanie z tytułu brzmi: prawdopodobnie tak, w skali kilkudziesięciu procent, na zapytaniach nastawionych na rozstrzygnięcie, po co najmniej sześciu tygodniach.

FAQ