TL;DR Case study to dowód, nie portfolio: opisujesz problem, działanie, wynik i warunki pomiaru. GEO nie zastępuje SEO, a WordPress w zupełności wystarcza jako fundament. Najważniejsze jest cytowalne zdanie z liczbą, kontekstem i datą. Rozdzielaj metryki: wzmianka to nie rekomendacja, cytowanie to nie wizyta, a wizyta to nie zapytanie. Schema i llms.txt nie są srebrną kulą: pomagają w indeksacji, ale nie gwarantują cytowań. Pierwsze sygnały widać po około 30 dniach, pełny obraz po około 90.
Masz na stronie kilka ładnych realizacji. Zdjęcia, logo klientów, zdanie „zrobiliśmy stronę". I zero efektu. Nikt tego nie czyta, a ChatGPT o twojej firmie milczy. Da się to naprawić bez przebudowy strony i bez wielomiesięcznego projektu. Wystarczy zmienić sposób, w jaki opisujesz to, co już zrobiłeś.
Case study na WordPressie pod GEO — co to znaczy w praktyce
Portfolio mówi: „zrobiliśmy stronę". Case study mówi: „klient miał taki problem, zrobiliśmy to, efekt był taki, zmierzyliśmy go tak". Pierwsze to ozdoba. Drugie to dowód. Zobacz, jak wygląda to w praktyce na przykładzie case study sklepu RedCart.
Modele AI nie cytują ogólników, bo nie mają czego wyciągnąć. Cytują konkret: liczbę, kontekst, źródło i datę. Dlatego opis realizacji warto potraktować jak materiał dowodowy, a nie wizytówkę.
GEO (Generative Engine Optimization) to optymalizacja treści tak, aby modele AI mogły je odnaleźć, zrozumieć i wykorzystać w swoich odpowiedziach. SEO to optymalizacja pod klasyczne wyniki wyszukiwania. Według wytycznych Google to wciąż ta sama praca u podstaw, a GEO to jej rozszerzenie, nie zamiennik. Jeśli chcesz przejść przez to krok po kroku, pomocny będzie framework GEO dla sklepów online.
Zanim ruszysz dalej, rozdziel pięć pojęć, które łatwo pomylić:
- wzmianka — AI wymienia twoją markę,
- rekomendacja — AI wskazuje cię jako rozwiązanie,
- cytowanie — AI podaje link do twojej strony jako źródło,
- wizyta — ktoś faktycznie wszedł na stronę,
- zapytanie — ktoś napisał do ciebie lub kupił.
To pięć różnych rzeczy. Wrzucanie ich do jednego worka „widoczności" to najczęstszy błąd w raportach.
| Mit | Rzeczywistość |
|---|---|
| llms.txt to must-have | Google go ignoruje. Możesz dodać, ale nie licz na cud. |
| Schema gwarantuje cytowania | Pomaga w indeksacji i rich results. Wpływu na cytowania AI nie potwierdzają testy. |
| Wtyczka GEO wystarczy | Wtyczka nie napisze za ciebie dowodów ani nie zmierzy efektu. |
Dla kogo i kiedy to działa (a kiedy nie)
Metoda działa najlepiej dla firm usługowych, sklepów e-commerce i agencji, które mają za sobą realne wdrożenia. Nie musisz mieć ich dziesięciu. Wystarczy jedno dobre. Jeśli prowadzisz sklep, warto zacząć od przewodnika po AI w e-commerce.
Zanim zaczniesz pisać, przygotuj:
- dane przed i po (choćby przybliżone),
- okres pomiaru (np. trzy miesiące),
- narzędzie, z którego pochodzą liczby,
- zgodę klienta na publikację,
- dostęp do WordPressa.
Kiedy to nie zadziała? Gdy nie masz dostępu do danych, klient nie zgadza się na publikację liczb, efektu nie da się zmierzyć albo treści są masowo generowane bez wartości. Wtedy lepiej zacząć od audytu i pomiaru, a case study napisać później.
Jeśli klient nie chce liczb, opisz proces i zakres zmian, a wynik podaj jakościowo. To wciąż lepsze niż ogólnik.
Krok 1 — Zbierz dane, zanim napiszesz słowo
Bez danych case study zamienia się w laurkę. Zasada jest prosta: liczba + kontekst + źródło + data. Sama liczba nic nie znaczy, jeśli nie wiesz, skąd pochodzi i czego dotyczy.
Mini-szablon, który wystarczy wypełnić:
| Metryka | Przed | Po | Okres | Narzędzie |
|---|---|---|---|---|
| Ruch z wyszukiwarek | ||||
| Zapytania od klientów | ||||
| Konwersje |
Na co uważać: nie mieszaj metryk w jedną liczbę „widoczności". Ruch, konwersje i zapytania to osobne historie. Jeśli klient nie zbierał danych, zacznij mierzyć teraz i opisz punkt startowy jakościowo.
Krok 2 — Zbuduj strukturę case study w WordPressie
Trzymaj się jednej kolejności: problem, działanie, wynik, metryki, autor, data aktualizacji. Czytelnik i AI mają przejść tę samą ścieżkę.
W edytorze bloków wykorzystaj:
- nagłówki H2 i H3 dla sekcji,
- listę dla zakresu działań,
- tabelę dla metryk,
- blok Szczegóły/Akordeon dla pytań dodatkowych,
- akapit z pogrubionym zdaniem-wnioskiem.
Jeśli realizacji będzie więcej, warto pomyśleć o własnym typie treści (CPT) „Realizacje" i taksonomii, np. po branży. Ułatwia to porządkowanie i linkowanie.
Na co uważać: przy akordeonach łatwo zdublować dane strukturalne. Jeśli FAQ jest w bloku Szczegóły, nie dodawaj drugi raz tego samego JSON-LD ręcznie.
Krok 3 — Napisz cytowalne fragmenty (answer-first)
AI wyciąga zdania, które da się zrozumieć bez kontekstu. Buduj je według wzoru: liczba, kontekst, źródło, data.
Przykłady:
- „W trzy miesiące po wdrożeniu liczba zapytań wzrosła o 40 procent (dane klienta, wrzesień 2026)."
- „Nowa struktura treści skróciła czas ładowania z 4,1 s do 1,8 s (PageSpeed Insights, sierpień 2026)."
Odpowiedzi trzymaj w granicach 40–80 słów. Nagłówki pisz w formie pytań, bo modele rozbijają zapytania na podpytania i szukają gotowych odpowiedzi.
Czerwone flagi: „wieloletnie doświadczenie", brak liczb, brak daty, ogólniki bez przykładu. To zdania, których nikt nie zacytuje.
Dodawaj datę aktualizacji i faktycznie odświeżaj treść. Świeżość pomaga.
Krok 4 — Dane strukturalne i techniczne podstawy w WordPressie
Techniczne rzeczy nie są srebrną kulą, ale usuwają przeszkody. Checklista:
- schema/JSON-LD dla indeksacji i rich results,
- Core Web Vitals: LCP poniżej 2,5 s, INP poniżej 200 ms, CLS poniżej 0,1,
- dostęp botów AI w robots.txt,
- aktualna sitemap,
- strona zaindeksowana i z widocznym snippetem.
Na co uważać: nie utożsamiaj zaleceń Google dla AI Overviews z tym, jak działają inne modele. Każdy system rządzi się swoimi zasadami. Szerzej opisuje to audyt widoczności w ChatGPT, Gemini i Perplexity.
| Mit | Fakt |
|---|---|
| llms.txt zwiększa cytowania | Google go ignoruje. Nie ma potwierdzenia, że działa. |
| Schema to warunek cytowania | Systemy AI czytają widoczny HTML. Schema pomaga w indeksacji, nie w cytowaniach. |
Krok 5 — Zmierz efekt i pokaż go w case study
Pomiar domyka pętlę dowodu. Skorzystaj z raportu Generative AI w Search Console, GA4, referrerów i parametrów UTM. Narzędzia oparte na promptach pokażą, czy AI w ogóle cię wymienia.
W sekcji „wynik" pokaż deltę przed i po, okres, narzędzie oraz konwersje z AI, nie tylko ruch. Ruch z modeli AI bywa wartościowszy, ale to wciąż ruch, nie sprzedaż.
Horyzont: pierwsze sygnały po około 30 dniach, pełny obraz po około 90. Nie oceniaj efektu po tygodniu.
Na co uważać: nie przypisuj całego wzrostu jednemu działaniu. Efekty są korelacyjne i rozłożone w czasie.
Naturalnym domknięciem case study jest zaproszenie do działania. Semly.ai udostępnia darmowy raport widoczności w AI, który pokazuje, czy modele w ogóle o tobie mówią. To dobry punkt startowy, jeśli nie masz jeszcze własnych danych.
Najczęstsze błędy i jak je naprawić
- Ogólniki bez liczb → objaw: nikt nie cytuje → naprawa: dodaj jedną konkretną liczbę z kontekstem.
- Brak daty → objaw: treść wygląda na nieaktualną → naprawa: wstaw datę publikacji i aktualizacji.
- Mieszanie metryk → objaw: raport nieczytelny → naprawa: rozdziel wzmianki, cytowania, wizyty i zapytania.
- Brak autora i metodologii → objaw: brak zaufania → naprawa: opisz, jak i czym mierzyłeś.
- Schema bez pokrycia w treści → objaw: dane strukturalne mówią co innego niż strona → naprawa: dopasuj je do widocznej treści.
- Brak pomiaru → objaw: nie wiesz, czy działa → naprawa: ustaw mierzenie przed startem.
- Obietnice cytowań → objaw: rozczarowanie klienta → naprawa: mów o korelacji i czasie, nie o gwarancji.
Więcej takich pułapek zebraliśmy w artykule o błędach w Query Fanout, przez które ChatGPT pomija sklepy.
Co dalej
Po pierwszym case study rozbuduj zestaw do trzech, pięciu realizacji. Więcej dowodów to mocniejszy sygnał.
Warto dodać wideo. YouTube jest jedną z najczęściej cytowanych domen w odpowiedziach AI, więc krótkie podsumowanie realizacji może zapracować na dodatkową widoczność.
Drzewko decyzji:
- Masz dane i zgodę klienta → pisz case study od razu.
- Masz realizacje, ale bez danych → zacznij od audytu i pomiaru, case study dopisz później.
- Prowadzisz e-commerce → w klasycznych podsumowaniach AI konkurencja bywa mniejsza, więc mocniej działaj w ChatGPT i Perplexity.
- Masz już trzy case studies → dodaj wideo i linkowanie wewnętrzne do oferty.
FAQ
Czy llms.txt działa? Google wprost mówi, że go ignoruje. Możesz go dodać, ale nie traktuj jako warunku widoczności.
Czy schema pomaga w AI? Pomaga w indeksacji i rich results. Nie ma dowodów, że sama zwiększa cytowania.
Jak mierzyć ruch z ChatGPT? Przez referrery w GA4, parametry UTM i raport Generative AI w Search Console.
Ile realizacji potrzebuję? Na start wystarczy jedna dobrze opisana.
Kiedy zobaczę efekty? Pierwsze sygnały po około 30 dniach, pełny obraz po około 90.
Mini-słownik
- Wzmianka — AI wymienia twoją markę.
- Rekomendacja — AI wskazuje cię jako rozwiązanie.
- Cytowanie — AI podaje link do twojej strony.
- Wizyta — ktoś wszedł na stronę.
- Zapytanie — ktoś napisał lub kupił.
Opis realizacji to nie ozdoba strony. To dowód, który pracuje dla ciebie w Google i w odpowiedziach AI. Zacznij od jednego dobrego case study i sprawdź, czy modele już o tobie mówią.
