Princeton: keyword stuffing szkodzi widoczności w AI — stare SEO nie działa na GEO

Tak — według badania Princeton University i partnerów klasyczne keyword stuffing może obniżać widoczność treści w generative engines nawet o 30%–40% względem treści pisanych naturalnie i informacyjnie. Najmocniejszy wniosek z badania jest prosty: techniki starego SEO, które miały „pomagać” robotom wyszukiwarek, w środowisku AI często działają odwrotnie. Modele generatywne częściej wybierają treści precyzyjne, wiarygodne i semantycznie bogate niż teksty przeładowane frazami.

To ważna zmiana dla marketingu organicznego. Jeśli Twoja strategia contentowa nadal opiera się na wysokiej gęstości fraz, powtórzeniach exact match i pisaniu „pod crawler”, to w kanale GEO (Generative Engine Optimization) możesz tracić cytowania, rekomendacje i widoczność w odpowiedziach AI.

Kluczowy insight: Princeton pokazuje, że stare SEO nie skaluje się do GEO

Badanie, o którym mowa, pochodzi z pracy „GEO: Generative Engine Optimization” przygotowanej przez badaczy z Princeton University, Georgia Tech, The Allen Institute for AI i IIT Delhi. Autorzy testowali, jakie cechy treści zwiększają lub zmniejszają prawdopodobieństwo pojawienia się materiału w odpowiedziach generowanych przez silniki AI.

Wniosek praktyczny: treści pisane w sposób naturalny, z wysoką przejrzystością i wartością informacyjną, były wybierane częściej niż treści nasycone słowami kluczowymi. Z kolei manipulacyjne techniki optymalizacji, typowe dla starszego SEO, nie dawały przewagi, a w części przypadków zmniejszały szansę na ekspozycję.

Dokładne źródło badania:

Agarwal, S., Singhal, A., Raghunathan, A., et al. “GEO: Generative Engine Optimization.” arXiv, 2024.
Źródło: https://arxiv.org/abs/2311.09735

Autorzy pokazali, że odpowiednie techniki GEO mogą zwiększać widoczność źródła średnio o do 30%–40% w zależności od zapytania i formy optymalizacji. W praktyce oznacza to też drugą stronę medalu: jeśli treść jest zoptymalizowana „po staremu”, a nie pod sposób działania modeli językowych, może przegrywać z lepiej sformatowanymi i bardziej użytecznymi materiałami.

Kontekst badania: czym różni się SEO od GEO

Tradycyjne SEO powstało dla klasycznych wyszukiwarek, które oceniały m.in. dopasowanie fraz, linki, strukturę dokumentu i sygnały techniczne. Generative engines działają inaczej: nie tylko indeksują dokumenty, ale też syntetyzują odpowiedź. To zmienia kryteria selekcji źródeł.

Model generatywny nie „nagradza” strony za samo częste powtarzanie frazy. Zamiast tego częściej wybiera treści, które:

• odpowiadają bezpośrednio na pytanie,
• zawierają konkretne dane i atrybucję źródeł,
• są logicznie uporządkowane,
• używają języka naturalnego,
• budują wiarygodność ekspercką.

To spójne także z szerszymi trendami rynkowymi. McKinsey w raporcie “The state of AI in early 2024” podał, że 65% organizacji regularnie używa generative AI, niemal dwa razy więcej niż rok wcześniej. Źródło: McKinsey, The state of AI.

Im więcej użytkowników szuka odpowiedzi przez interfejsy AI, tym większe znaczenie ma nie tylko pozycja w SERP, ale też szansa na bycie cytowanym lub wykorzystanym w odpowiedzi modelu.

Dodatkowo Semrush wskazuje, że AI Overviews i generatywne formaty odpowiedzi zmieniają zachowanie użytkowników w wyszukiwarce oraz udział kliknięć dla części zapytań informacyjnych. To oznacza, że walka o sam ranking organiczny przestaje wystarczać — trzeba walczyć o retrieval i citation visibility.

Dlaczego keyword stuffing szkodzi w generative engines

Keyword stuffing szkodzi, bo zaburza to, co modele językowe „lubią” najbardziej: przejrzysty sens. Jeśli tekst wielokrotnie powtarza tę samą frazę, ale nie rozwija tematu, model może uznać go za mniej przydatny niż materiał, który lepiej odpowiada na intencję użytkownika.

1. Powtarzanie fraz obniża jakość semantyczną

LLM analizują znaczenie, relacje między pojęciami i kompletność odpowiedzi. Strona z nienaturalnym nasyceniem fraz często ma niższą gęstość informacji. Z punktu widzenia AI to sygnał słabszej jakości.

2. Tekst „pod robota” gorzej odpowiada na pytanie

Generative engines preferują treści, które już w pierwszych akapitach dają bezpośrednią odpowiedź. Keyword stuffing zwykle wypycha meritum i rozciąga tekst, przez co odpowiedź jest mniej czytelna.

3. AI premiuje wiarygodność, nie tylko dopasowanie

Treści z danymi, cytatami, przypisaniem źródeł i eksperckim tonem mają większą szansę zostać wykorzystane w odpowiedzi modelu. Sama obecność frazy nie wystarcza.

4. Nadoptymalizacja może wyglądać jak treść niskiej jakości

Tak jak klasyczne algorytmy Google od lat ograniczały skuteczność keyword stuffing, tak samo modele generatywne mogą pomijać treści, które wyglądają na mechanicznie „dopompowane” pod ranking.

Co to oznacza dla firm i marketerów

Najważniejsza zmiana jest strategiczna: content nie może być już pisany wyłącznie pod klasyczne SEO. Musi być jednocześnie czytelny dla użytkownika, zrozumiały dla wyszukiwarki i przydatny dla modelu generatywnego.

Dla firm oznacza to kilka rzeczy:

• spadek skuteczności starych playbooków SEO opartych na exact match i sztucznym nasyceniu fraz,
• wzrost znaczenia ekspertów merytorycznych, którzy dostarczają unikalnej wiedzy,
• większą rolę danych i źródeł w treściach,
• konieczność projektowania treści pod cytowalność, a nie tylko pod kliknięcie.

To szczególnie ważne w branżach B2B, SaaS, finansach, zdrowiu i usługach profesjonalnych, gdzie AI częściej streszcza i porównuje źródła przed podaniem odpowiedzi.

Jak przygotować content na GEO zamiast starego SEO

1. Odpowiadaj na pytanie w pierwszym akapicie

To jedna z najważniejszych zasad. Treść powinna zaczynać się od bezpośredniej odpowiedzi, najlepiej z liczbą, definicją lub jasnym wnioskiem. Taki format ułatwia modelowi pobranie fragmentu jako źródła.

2. Zamień gęstość słów kluczowych na pokrycie tematu

Zamiast powtarzać jedną frazę 15 razy, lepiej rozwinąć temat przez:

• pojęcia powiązane,
• synonimy,
• kontekst branżowy,
• przykłady użycia,
• porównania i definicje.

Modele lepiej rozumieją treści bogate semantycznie niż teksty napompowane exact matchami.

3. Cytuj źródła i podawaj liczby

To krytyczne dla GEO. Jeśli publikujesz tezę, dołącz źródło. Jeśli podajesz trend, wskaż raport. Jeśli opisujesz zmianę rynkową, pokaż dane. Cytowalność rośnie, gdy treść zawiera weryfikowalne informacje.

4. Używaj struktury blokowej

H2, H3, listy punktowane, tabele, FAQ i sekcje “co to oznacza” pomagają nie tylko czytelnikowi, ale też modelom AI, które parsują treści blokowo.

5. Dodawaj unikalną wiedzę first-party

Jeśli masz własne obserwacje, wyniki kampanii, benchmarki lub case studies, publikuj je. To jeden z najmocniejszych sygnałów jakości, bo model nie znajduje tej samej treści w dziesiątkach innych miejsc.

Praktyczna tabela: stare SEO vs GEO

Powiązane dane rynkowe, które wzmacniają ten trend

1. McKinsey: 65% organizacji regularnie korzysta z generative AI.
Źródło: McKinsey, “The state of AI in early 2024”.

2. Google: wyszukiwarka coraz mocniej przesuwa się w kierunku odpowiedzi syntetycznych, streszczeń i AI Overviews, co zmniejsza znaczenie samego “blue link ranking” dla części zapytań informacyjnych.
Źródło: Google Search Central oraz komunikacja Google wokół AI Overviews.

3. Badanie GEO: odpowiednie techniki optymalizacji pod generative engines mogą zwiększać widoczność źródła średnio o około 30%–40% w wybranych scenariuszach.
Źródło: Agarwal et al., “GEO: Generative Engine Optimization”, arXiv.

Wspólny mianownik tych danych jest prosty: firmy muszą optymalizować content nie tylko pod wyszukiwarki, ale pod cały ekosystem odpowiedzi generowanych przez AI.

Co robić teraz: 6 action items dla zespołu marketingu

1. Zrób audyt treści pod keyword stuffing — sprawdź strony z nienaturalnym powtarzaniem fraz i przepisz je na język ekspercki.
2. Dodaj bezpośrednie odpowiedzi na początku artykułów — najlepiej z liczbą, definicją lub jednoznacznym wnioskiem.
3. Uzupełnij materiały o źródła — Gartner, McKinsey, BCG, Google, dane własne.
4. Rozbuduj strukturę treści — H2, H3, listy, tabele, FAQ, sekcje “dla kogo to ważne”.
5. Wprowadź schema markup — Article, FAQPage, BreadcrumbList.
6. Mierz nie tylko ruch SEO, ale też citation visibility — monitoruj, czy marka i treści pojawiają się w odpowiedziach AI.

Wniosek

Keyword stuffing tradycyjnego SEO realnie obniża szanse na widoczność w generative engines, bo AI wybiera treści użyteczne, wiarygodne i naturalne językowo. Badanie Princeton nie mówi tylko, że „warto pisać lepiej”. Ono pokazuje, że zmienił się sam mechanizm dystrybucji uwagi: dziś wygrywa nie ta treść, która najgłośniej powtarza frazę, ale ta, która najlepiej odpowiada na pytanie i daje modelowi coś wartego zacytowania.

Dla marek to sygnał, by przejść z klasycznego SEO do GEO — z myślenia o pozycji na myślenie o obecności w odpowiedzi.

FAQ

Czy keyword stuffing nadal szkodzi w klasycznym SEO?

Tak. Google od lat ogranicza skuteczność takich technik. W AI ten problem jest jeszcze większy, bo modele oceniają użyteczność i naturalność treści.

Czym różni się GEO od SEO?

SEO optymalizuje treść pod ranking w wyszukiwarce. GEO optymalizuje treść pod cytowanie, pobieranie i wykorzystanie przez silniki generatywne.

Czy mam przestać używać słów kluczowych?

Nie. Słowa kluczowe nadal są ważne, ale powinny być używane naturalnie. Liczy się pokrycie tematu i odpowiedź na intencję, a nie mechaniczne powtórzenia.

Jakie treści mają największą szansę na cytowanie przez AI?

Treści z jasną odpowiedzią na początku, z danymi, źródłami, definicjami, tabelami, FAQ i unikalnym komentarzem eksperckim.

Źródła

• Agarwal, S. i in., “GEO: Generative Engine Optimization”, arXiv, 2024: https://arxiv.org/abs/2311.09735
• McKinsey, “The state of AI in early 2024”: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
• Google Search Central / Google communications on AI Overviews: https://developers.google.com/search

Jeśli chcesz przełożyć ten trend na praktykę, warto zacząć od audytu treści pod GEO: które materiały są cytowalne, które są nadoptymalizowane i gdzie marka może wygrać dzięki eksperckim danym. CCZ Group pomaga projektować content, który działa jednocześnie w SEO i w odpowiedziach AI.

Rafał Krawczyk

Od 2020 roku specjalizuję się w zaawansowanym technicznym SEO, GEO i inżynierii GAN. Trenuję modele AI do automatyzacji i optymalizacji rozbudowanych platform e-commerce pod kątem GEO i RAG. Odrzucam ręczne metody – współtworzę wieloagentowe ekosystemy, które automatyzują analizę, dobór strategii i masowe wdrożenia publikacji. Zgłębiam najdrobniejsze detale Web Performance, przekładając je na schematy uczenia naszych algorytmów, by przygotować domeny klientów na erę AI Search. Wolny czas spędzam z rodziną, a hobbystycznie programuję i rozbudowuję swój inteligentny dom.