Agentic SEO to przygotowanie strony i sklepu tak, żeby agenci AI — asystenci, którzy w imieniu użytkownika wyszukują, porównują, a coraz częściej też kupują — mogli znaleźć Twoją ofertę, poprawnie ją odczytać i doprowadzić do zakupu. W tym artykule pokazuję, co z tego działa we wrześniu 2026 r., co wdrożyć już teraz (dane produktowe, Merchant Center, robots.txt, pomiar w GA4) i co jest mitem (llms.txt w Google, „wymagane” dane strukturalne). W anglojęzycznych tekstach „agentic SEO” oznacza też agentów AI, którzy sami wykonują prace SEO — tu piszę o przygotowaniu strony pod agentów zakupowych. Stan na dziś: Google kupuje za użytkownika dopiero po jego potwierdzeniu, OpenAI zostawiło finalizację zakupu sklepom, a checkout przez protokół Universal Commerce Protocol (UCP) działa w USA — Polski nie ma jeszcze w zapowiedziach. Jeśli chcesz, żeby zrobili to specjaliści, zobacz pozycjonowanie w AI.
Najważniejsze wnioski z artykułu
Poniżej — esencja całego artykułu o agentic SEO. Każdy wniosek daje konkretną wskazówkę do wdrożenia, bez owijania w bawełnę.
- Agenci AI dziś głównie wyszukują i porównują. Zakup kończy się za zgodą człowieka: Google kupuje dopiero po potwierdzeniu zakupu i dostawy, a w ChatGPT zakup finalizujesz w sklepie sprzedawcy.
- UCP (Google, 11 stycznia 2026 r.) to otwarty standard całej ścieżki zakupowej. Checkout przez UCP działa w USA; Australia i Kanada — od początku 2027 r.; Polski nie ma w zapowiedziach.
- Warunek zakupów przez AI w Google to kompletny Merchant Center (produkty, dostawa, zwroty), zgłoszenie na listę oczekujących i akceptacja Google.
- Dane strukturalne nie są wymagane w wyszukiwaniu z AI i nie ma specjalnych znaczników dla AI — ale Product i Offer z ceną, dostępnością, dostawą i zwrotami nadal pomagają w wynikach Google.
- Plik llms.txt nie pomaga ani nie szkodzi w Google; mogą go czytać inne systemy.
- W robots.txt odróżnij roboty wyszukiwania (OAI-SearchBot, Claude-SearchBot, PerplexityBot) od robotów trenujących (GPTBot, ClaudeBot). Google-Extended nie wpływa na wyszukiwarkę Google.
- Ruch z ChatGPT, Gemini czy Copilota zobaczysz w GA4 w kanale „Asystent AI”; AI Overviews i Tryb AI liczą się jako ruch organiczny.

Czym jest agentic SEO i dlaczego zmienia reguły gry?
Agentic SEO to przygotowanie strony pod agentów AI, którzy w imieniu użytkownika wyszukują, porównują i — za jego zgodą — kupują produkty lub usługi. Różni się od klasycznego SEO tym, że poza pozycją w wynikach liczy się to, czy asystent zrozumie Twoją ofertę na tyle, żeby ją polecić albo przeprowadzić zakup.
Przez dwie dekady SEO opierało się na prostym schemacie: zapytanie → lista linków → klik. Dziś użytkownik może powiedzieć asystentowi: „Znajdź mi agencję SEO, która specjalizuje się w e-commerce i marketplace” — a agent przeszuka sieć, porówna oferty, przeczyta recenzje i poleci konkretnego dostawcę. Kupić może dopiero za zgodą użytkownika: Google pyta o nią i kupuje po potwierdzeniu zakupu i danych dostawy (Google, listopad 2025). Odesłań z AI przybywa szybko — w czerwcu 2025 r. platformy AI wysłały ponad 1,13 mld wizyt do 1000 największych witryn świata, o 357% więcej niż rok wcześniej — ale Google Search dał tym witrynom w tym samym miesiącu 191 mld odesłań (Similarweb, za TechCrunch).
Skala rośnie. Według prognozy eMarketer z grudnia 2025 r. platformy AI odpowiedzą w 2026 r. za 1,5% sprzedaży e-commerce w USA — 20,57 mld USD, prawie cztery razy więcej niż w 2025 r. McKinsey szacuje globalną szansę handlu z udziałem agentów na 3–5 bln USD do 2030 r. (eMarketer).
Od rankingu do rozumowania — jak agenty podejmują decyzje
Tradycyjne SEO optymalizuje pod ranking na liście wyników. Agentic SEO dokłada drugi cel: żeby asystent AI, który zbiera informacje za użytkownika, znalazł Twoją ofertę, poprawnie ją odczytał i mógł ją polecić.
Agent AI korzysta z tego, co da się odczytać: tekstu strony, danych produktowych (np. z Merchant Center albo feedu), recenzji i opisów w innych źródłach. Jeśli cena, dostępność czy warunki dostawy są ukryte w PDF-ach, na obrazkach albo rozrzucone po wielu podstronach, trudniej porównać je z ofertą konkurencji.
Pierwsze dane o sprzedaży są obiecujące: Microsoft podaje, że ścieżki zakupowe z udziałem Copilota kończyły się zakupem w ciągu 30 minut o 53% częściej niż ścieżki bez niego (Microsoft, 8 stycznia 2026).
John Mueller z Google radzi firmom, które zarabiają na ruchu z odesłań, żeby „consider the full picture, and prioritize accordingly” — i najpierw sprawdziły w danych, jaka część odbiorców naprawdę korzysta z AI (Search Engine Journal, 7 stycznia 2026).
To dobra rada także dla agentic SEO: zanim wydasz budżet na protokoły, sprawdź w GA4 (kanał „Asystent AI”) i w Search Console (raport skuteczności funkcji generatywnej AI), ile ruchu naprawdę przychodzi z AI.
Skala zmian w liczbach
Kiedy Google pokazuje podsumowanie AI, użytkownicy klikają w zwykły wynik w 8% wizyt, a bez podsumowania — w 15% (Pew Research, lipiec 2025). W Polsce AI Overviews pojawiają się przy 28,95% fraz i obejmują 14,87% wolumenu wyszukiwań, a mediana spadku kliknięć w sierpniu–październiku 2025 r. wyniosła −19,9% r/r (Senuto, raport AIO v2).
| Metryka | Wartość | Źródło |
|---|---|---|
| Ruch z AI na strony sklepów w USA, Black Friday 2025 r/r | +805% | Adobe Analytics, za TechCrunch |
| Szansa zakupu u kupujących, którzy trafili do sklepu z AI (wobec innych źródeł) | o 38% wyższa | Adobe Analytics, za TechCrunch |
| Odesłania z platform AI do 1000 największych witryn, czerwiec 2025 | 1,13 mld (+357% r/r); Google Search w tym samym miesiącu: 191 mld | Similarweb, za TechCrunch |
| Zakupy w ciągu 30 minut na ścieżkach z Copilotem (wobec ścieżek bez niego) | +53% | Microsoft, 8 stycznia 2026 |
| Sprzedaż przez platformy AI w USA, prognoza na 2026 r. | 20,57 mld USD (1,5% e-commerce), prawie 4 razy więcej niż w 2025 r. | eMarketer, grudzień 2025 |
| Kliknięcie w zwykły wynik Google przy podsumowaniu AI / bez niego | 8% / 15% wizyt | Pew Research, lipiec 2025 |
| AI Overviews w Polsce, listopad 2025 | 28,95% fraz, 14,87% wolumenu wyszukiwań | Senuto, raport AIO v2 |
Wniosek z tych danych: ruch z AI rośnie szybko, ale z niskiego poziomu — Google Search wciąż wysyła do największych witryn ponad sto razy więcej odesłań. Dlatego agentic SEO to dodatek do SEO, a nie jego zastępstwo.
UCP, MCP, AP2 — protokoły, które napędzają agentic commerce
Agentic commerce opiera się na kilku otwartych protokołach: UCP (Google) i ACP (Agentic Commerce Protocol, OpenAI) opisują zakupy między agentem a sklepem, MCP łączy modele z narzędziami i danymi, a AP2, MPP i x402 obsługują płatności. Przez ACP sprzedawcy przekazują do ChatGPT feedy produktowe i promocje (OpenAI, 24 marca 2026).
Do niedawna nie istniała wspólna infrastruktura pozwalająca agentom wymieniać kontekst, koordynować zadania i finalizować zakupy. Każdy model działał po swojemu, każda platforma miała własne API — totalny chaos integracyjny. To się zmieniło w i na początku . Powstały otwarte standardy, które rozwiązują konkretne problemy handlu agentycznego.
Universal Commerce Protocol (UCP) — wspólny język agentów i sklepów
UCP to otwarty standard, który Google ogłosiło 11 stycznia 2026 r. i opracowało m.in. z Shopify, Etsy, Wayfair, Target i Walmart. Obejmuje całą ścieżkę zakupową: od odkrycia produktu, przez zakup, po obsługę po sprzedaży (Google, 11 stycznia 2026).
Przy starcie UCP poparło ponad 20 firm, m.in. Adyen, American Express, Best Buy, Mastercard, Stripe, Visa i Zalando. We wrześniu 2026 r. Google podało, że UCP umożliwia bezpośredni checkout „setkom tysięcy” marek i sklepów (Google, 16 września 2026). UCP jest zgodny z Agent2Agent (A2A), Agent Payments Protocol (AP2) i Model Context Protocol (MCP).
Specyfikacja UCP opisuje usługi (np. zakupy), możliwości (np. checkout) i rozszerzenia (np. realizacja zamówienia, rabaty). Sklep publikuje swój profil pod adresem /.well-known/ucp, a platforma agenta odczytuje z niego, co sklep obsługuje; komunikacja może iść przez REST, MCP albo A2A (specyfikacja UCP).
A co to oznacza w praktyce? Żeby sprzedawać przez checkout Google, trzeba przygotować Merchant Center (dostawa, zwroty, feed produktów), zgłosić się na listę oczekujących, skonfigurować Google Pay i przejść akceptację Google — dopiero wtedy integracja działa w Trybie AI i w Gemini (Google – przewodnik UCP). Sklepy na Shopify trafiają do ChatGPT przez Shopify Catalog bez dodatkowych działań (OpenAI, 24 marca 2026). Na innych platformach, np. WooCommerce czy PrestaShop, sprawdź, czy dostawca ma gotową integrację — w przeciwnym razie potrzebny jest programista, który zna API sklepu i specyfikację UCP.
Model Context Protocol (MCP) — dane strukturalne dla LLM
Model Context Protocol (MCP) to standard wprowadzony przez Anthropic, zaadoptowany przez Google, OpenAI i Microsoft, który pozwala agentom AI bezpiecznie odpytywać zewnętrzne źródła danych — w tym Knowledge Graph Twojej firmy — zamiast polegać wyłącznie na danych treningowych.
MCP działa jak uniwersalny adapter. Pozwala narzędziom AI „podłączyć się” do Twoich danych — strony internetowej, bazy produktów, systemu CRM. Agent nie scrapuje HTML z nadzieją, że poprawnie zinterpretuje cenę i dostępność. Odpytuje serwer MCP, który zwraca ustrukturyzowane, etykietowane, aktualne informacje. Żadnego zgadywania. Żadnej interpretacji „na oko”.
Serwer MCP udostępnia trzy prymitywy: Tools (wykonywalne funkcje — np. zapytanie o dostępność produktu), Resources (źródła danych — np. katalog produktowy, cennik) i Prompts (szablony interakcji). Agent pobiera listę narzędzi metodą tools/list i wywołuje je metodą tools/call (protokół JSON-RPC).
Uwaga na obietnice: asystent AI łączy się tylko z serwerami MCP, które ktoś w nim skonfigurował — nie ma mechanizmu, w którym agent sam znajduje Twój serwer, gdy szuka dostawcy (dokumentacja MCP). Dla większości firm usługowych serwer MCP to projekt na później; ważniejsze są opisy usług, cennik i opinie na stronie i w źródłach zewnętrznych.
Google pisze wprost: dane strukturalne nie są wymagane w wyszukiwaniu z generatywną AI i nie trzeba dodawać specjalnych znaczników schema.org; warto ich używać w ramach zwykłego SEO, bo pomagają kwalifikować się do wyników z elementami rozszerzonymi (Google – przewodnik po optymalizacji pod AI).
Płatności maszynowe — MPP, AP2 i x402
Machine Payments Protocol (MPP) od Stripe i Tempo, Agent Payments Protocol (AP2) od Google oraz x402 zapoczątkowany przez Coinbase to trzy standardy płatności dla agentów AI. Służą do czego innego: AP2 dokumentuje zgodę użytkownika, a MPP i x402 obsługują płatności programowe, np. za dostęp do API czy usługi.
MPP Stripe i Tempo ogłosiły 18 marca 2026 r. jako otwarty standard. Opisuje, jak agent i usługa uzgadniają płatność programowo — także mikropłatności i płatności cykliczne. Firmy na Stripe przyjmą przez MPP stablecoiny oraz karty i płatności odroczone (przez tokeny Shared Payment Tokens), a wdrożenie wymaga kilku linijek kodu w API Stripe (Stripe, 18 marca 2026).
AP2 (Google) opiera się na kryptograficznie podpisanych „mandatach”, które dowodzą, co użytkownik polecił agentowi. x402 wykorzystuje kod HTTP 402 do płatności maszynowych w stablecoinach.
Dla polskiego sprzedawcy to dziś głównie temat do obserwacji: MPP służy przede wszystkim do płacenia za usługi i API, a wdrożenie wymaga zmian w kodzie, nie przełącznika w panelu. Zanim cokolwiek włączysz, sprawdź w dokumentacji Stripe, które metody są dostępne dla firm z Polski.

Jak przygotować stronę pod agentic SEO — lista działań
Przygotowanie strony pod agentów AI sprowadza się do trzech rzeczy: kompletnych i spójnych danych produktowych (strona, Merchant Center, feed), dostępu dla robotów wyszukiwania AI w robots.txt oraz uporządkowanych danych strukturalnych — jako elementu zwykłego SEO, nie „specjalnego znacznika dla AI”.
Agenci AI nie przeglądają stron jak ludzie — zbierają informacje z tekstu strony, danych produktowych i źródeł zewnętrznych. Im łatwiej odczytać cenę, dostępność, czas dostawy i warunki zwrotu, tym łatwiej porównać Twoją ofertę z konkurencją.
Schema.org — podstawa maszynowej czytelności
Schema.org to słownik danych strukturalnych: opisuje w kodzie strony, czym jest produkt, ile kosztuje, czy jest dostępny i jakie ma opinie. Google nie wymaga go do wyszukiwania z AI, ale dane produktowe w schema.org i w Merchant Center to podstawa wyników zakupowych w Google.
Typy schema.org, które warto mieć na stronie:
| Typ Schema.org | Gdzie wdrożyć | Co daje agentowi AI |
|---|---|---|
| Product + Offer | Karty produktowe | Cena, dostępność, warianty, gwarancja, warunki dostawy |
| Service + Offer | Strony usługowe | Zakres usługi, obszar działania, cennik, certyfikacje |
| FAQPage | Sekcje FAQ, strony usługowe | Konkretne odpowiedzi na pytania (wyniki rozszerzone FAQ nie są już wyświetlane w Google) |
| AggregateRating + Review | Produkty, usługi, firma | Sygnał jakości i „web consensus” |
| Organization + LocalBusiness | Strona główna, kontakt | Nazwa, adres, certyfikacje, obszar działania, E-E-A-T |
| isAccessoryOrSparePartFor, isConsumableFor, isVariantOf | Akcesoria, części, materiały eksploatacyjne, warianty | Relacja z produktem głównym (np. toner do drukarki) albo z innymi wariantami |
Relacje między produktami opiszesz właściwościami isAccessoryOrSparePartFor (akcesoria i części), isConsumableFor (materiały eksploatacyjne, np. toner do drukarki) i isVariantOf (warianty tego samego produktu). Właściwości compatibleWith w schema.org nie ma — nie używaj jej.
LLMs.txt, robots.txt i sitemap dla agentów
llms.txt to propozycja pliku w formacie Markdown, który podaje modelom językowym listę najważniejszych treści serwisu (llmstxt.org). To nie jest odpowiednik robots.txt ani standard — a Google pisze, że wyszukiwarka Google go nie potrzebuje: nie pomaga ani nie szkodzi (Google – zmiany w dokumentacji).
Plik możesz zachować dla innych usług i systemów, które go używają — tak radzi Google. Nie traktuj go jednak jako sposobu na widoczność w Google: w przewodniku o AI Google wymienia tworzenie niepotrzebnych plików typu llms.txt wśród taktyk, które można zignorować.
Praktyczna konfiguracja: w robots.txt nie blokuj robotów, które odpowiadają za wyszukiwanie w asystentach AI — OAI-SearchBot (ChatGPT), Claude-SearchBot (Claude) i PerplexityBot (Perplexity) — ani Googlebota. Roboty trenujące (GPTBot, ClaudeBot) i token Google-Extended to osobna decyzja; Google-Extended nie ma wpływu na wyszukiwarkę Google (OpenAI – roboty, Anthropic – roboty, Perplexity – roboty, Google – typowe roboty). W sitemap.xml dbaj o rzetelne daty lastmod — wartości priority i changefreq Google ignoruje.
Jakość danych produktowych — co agent musi „wiedzieć”
Agent AI potrzebuje kompletnych, aktualnych i spójnych danych produktowych: cena, dostępność, czas dostawy, polityka zwrotów, warianty i zdjęcia z opisami. Braki w jakimkolwiek z tych pól obniżają Twoje szanse na rekomendację. Bez dyskusji.
Jeśli sklep nie podaje czasu dostawy w danych produktu, asystent nie porówna go z ofertą, która go podaje. Google przy sprzedaży przez checkout wymaga kompletnego Merchant Center: produktów, dostawy i zwrotów.
Standardy jakości danych produktowych obejmują: unikalny identyfikator (GTIN/EAN/SKU) dla każdego produktu, cenę w Offer z walutą i datą ważności (priceValidUntil), status dostępności (InStock, OutOfStock, PreOrder) aktualizowany na bieżąco, czas dostawy w shippingDetails (deliveryTime: czas obsługi zamówienia i transportu) oraz politykę zwrotów jako hasMerchantReturnPolicy.
Spójność danych między kanałami — sklep, Merchant Center i platformy marketplace, takie jak Allegro, Amazon czy eBay — to podstawa: sprzeczne ceny czy stany magazynowe utrudniają porównanie ofert i podważają zaufanie kupujących.
Web consensus i recenzje — dowód społeczny dla agentów AI
Asystenci AI opierają odpowiedzi na wielu źródłach — nie tylko na Twojej stronie, ale też na recenzjach, porównaniach, forach i katalogach. Spójny obraz firmy w tych źródłach zwiększa szansę, że asystent Cię wymieni; Google pisze jednak, że zdobywanie nieautentycznych wzmianek to taktyka, którą można zignorować (Google – przewodnik po optymalizacji pod AI).
Pozycja w Google nadal ma znaczenie, ale mniej wprost, niż się wydawało: według Ahrefs 38% stron cytowanych w AI Overviews jest też w top 10 wyników na to samo zapytanie, a w lipcu 2025 r. było to ok. 76% (Ahrefs, 2 marca 2026). Resztę Google dobiera z zapytań pobocznych (query fan-out), dlatego liczy się obecność w wielu kontekstach, nie tylko na jedną frazę.
Dlatego zadbaj o to, żeby było jasne, czym się wyróżniasz: konkretne dane, cennik, warunki współpracy, opinie z nazwą usługi. Takie treści da się zacytować.
Budowanie web consensus to proces długoterminowy. Obejmuje: aktywne zbieranie recenzji na Google Business Profile, obecność na platformach porównawczych (Clutch, GoodFirms, Trustpilot), odpowiedzi na pytania w serwisach Q&A (Reddit, Quora, Stack Exchange), artykuły gościnne i wzmianki w mediach branżowych, profil w katalogach branżowych z pełnymi danymi strukturalnymi. Żadna z tych rzeczy nie daje efektu overnight. Ale sumarycznie? Budują pozycję, której konkurencja nie przeskoczy z dnia na dzień.
Konkretne recenzje (nazwa usługi, wynik, kontekst współpracy) są też lepszym materiałem dla asystentów AI niż ogólne „polecam” — łatwiej je streścić i zacytować.
Agentic SEO a tradycyjne SEO — co się zmienia, a co zostaje?
Agentic SEO nie eliminuje tradycyjnego SEO — rozszerza je o nową warstwę. Dane strukturalne, jakość treści, E-E-A-T i szybkość strony nadal mają znaczenie. Ale dochodzą nowe wymagania: maszynowa czytelność dla LLM, protokoły handlowe i obecność w źródłach trzecich.
| Wymiar | Tradycyjne SEO | Agentic SEO |
|---|---|---|
| Cel | Pozycja w rankingu SERP | Selekcja w procesie rozumowania agenta AI |
| Odbiorcy | Algorytm Google + człowiek | Algorytm Google + agenty AI (ChatGPT, Gemini, Perplexity) |
| Słowa kluczowe | Frazy w treści, nagłówkach, meta tagach | Pytania w języku naturalnym, encje i relacje między nimi |
| Treść | Artykuły, opisy produktowe, landing pages | Dane maszynowe (Schema, API, feeds) + treść dla ludzi |
| Linki | Backlinki jako sygnał autorytetu | Web consensus: wzmianki w źródłach trzecich, recenzje, katalogi |
| Konwersja | Klik → wizyta → zakup | Zapytanie do agenta → rekomendacja → zakup za zgodą użytkownika (w Google checkout bez wizyty na stronie, na razie w USA; w ChatGPT w sklepie sprzedawcy) |
| Technologia | HTML, Core Web Vitals, mobile-first | Dane produktowe (Merchant Center, feed, schema.org), protokoły UCP i ACP, MCP + wszystko z tradycyjnego SEO |
Tradycyjne SEO nie znika. Strona z dobrym Core Web Vitals, czystą architekturą informacji i wysokiej jakości treścią nadal rankuje w Google. Ale sama pozycja w SERP nie wystarczy: w badaniu Pew przy podsumowaniu AI użytkownicy klikali w zwykły wynik w 8% wizyt, a w link w samym podsumowaniu — w 1% (Pew Research, lipiec 2025).
I tu jest haczyk, który wiele firm pomija: ruch z AI jest mniejszy, ale lepiej konwertuje. W Black Friday 2025 kupujący, którzy trafili do sklepu z AI, kupowali o 38% częściej niż ci z innych źródeł (Adobe Analytics, za TechCrunch) — bo część researchu zrobił za nich asystent.
W Westom łączymy tradycyjne SEO z pozycjonowaniem w AI: ta sama praca nad treścią, danymi i opiniami działa w wynikach Google i w odpowiedziach asystentów.
Plan wdrożenia agentic SEO na 90 dni
Wdrożenie agentic SEO w obejmuje trzy fazy: audyt dostępu i danych (dni 1–30), obecność w źródłach zewnętrznych (dni 31–60) oraz przygotowanie do zakupów przez AI i pomiar (dni 61–90).
Faza 1: Audyt i dane strukturalne (dni 1–30)
Pierwsza faza to diagnostyka. Sprawdzasz, co agent AI widzi na Twojej stronie — i zwykle okazuje się, że widzi dużo mniej, niż myślisz. Moim zdaniem to najczęściej pomijany krok, bo większość firm zakłada, że „skoro Google mnie widzi, to agenty też”. Nie. To tak nie działa.
- Audyt robots.txt i CDN — sprawdź, czy OAI-SearchBot, Claude-SearchBot, PerplexityBot i Googlebot mają dostęp do strony. Roboty trenujące (GPTBot, ClaudeBot) i Google-Extended to osobna decyzja.
- Audyt Schema.org — przetestuj każdą kluczową stronę w Rich Results Test i Schema.org Validator. Zidentyfikuj braki.
- Wdrożenie Product/Service + Offer na stronach produktowych i usługowych. Dodaj
shippingDetails(zdeliveryTime),hasMerchantReturnPolicyi — dla akcesoriów —isAccessoryOrSparePartForalboisConsumableFor. - Sekcje FAQ na kluczowych podstronach — pytania z Google Search Console i od klientów. Wyniki rozszerzone FAQ nie są już wyświetlane w Google, więc FAQ pisz dla ludzi i asystentów AI, nie dla wyglądu wyniku.
- (Opcjonalnie) llms.txt — tylko dla systemów, które go czytają; wyszukiwarka Google z niego nie korzysta.
- Aktualizacja sitemap.xml — rzetelne daty
lastmod(priority i changefreq Google ignoruje).
Faza 2: Web consensus i MCP (dni 31–60)
Druga faza to budowanie śladów Twojej marki w źródłach, które agenty AI traktują jako wiarygodne. No i — jeśli pozwala budżet — konfiguracja serwera MCP.
- Rejestracja firmy w min. 5 katalogach branżowych z pełnymi danymi strukturalnymi (Clutch, GoodFirms, Trustpilot, branżowe katalogi lokalne).
- Kampania zbierania recenzji — wyślij prośby do 20 najnowszych klientów o recenzję na Google Business Profile.
- Publikacja min. 2 artykułów gościnnych w mediach branżowych z linkami i wzmiankami o Twoich usługach.
- Odpowiedzi na pytania w serwisach Q&A (Reddit, Quora) związane z Twoją branżą — z naturalnym kontekstem, bez spamu. Google wprost wymienia nieautentyczne wzmianki wśród taktyk, które można zignorować.
- (Opcjonalnie) Konfiguracja serwera MCP z danymi o usługach, cennikach i certyfikacjach — ma sens, gdy klienci lub partnerzy podłączą go w swoich narzędziach. Wymaga zasobów deweloperskich.
Faza 3: Zakupy przez AI i pomiar (dni 61–90)
Trzecia faza to przygotowanie danych do zakupów przez AI i test: czy asystenci faktycznie Cię widzą i polecają?
- Shopify: produkty sklepu trafiają do ChatGPT przez Shopify Catalog bez dodatkowych działań; sprawdź w panelu kanały sprzedaży dla agentów AI.
- WooCommerce / PrestaShop: sprawdź, czy dostawca ma gotową integrację z ACP (ChatGPT) albo UCP (Google); jeśli nie — zaplanuj integrację przez API na moment, gdy funkcje trafią do Polski.
- Merchant Center — uzupełnij dostawę, zwroty i feed produktów. To warunek zakupów przez AI w Google.
- Testy widoczności agentowej — zadaj ChatGPT, Gemini i Perplexity pytania o Twoje produkty/usługi. Zapisz, czy i jak Cię rekomendują. Rób to co tydzień — wyniki zmieniają się dynamicznie.
- Monitoring — w GA4 sprawdzaj kanał „Asystent AI” (ChatGPT, Gemini, Copilot i inne), a w Search Console raport skuteczności funkcji generatywnej AI. Śledź trend co miesiąc.
Agentic SEO — najczęstsze pytania
Czy plik llms.txt pomaga w Google?
Nie. Google pisze, że wyszukiwarka Google nie potrzebuje plików llms.txt i nie mają one ani pozytywnego, ani negatywnego wpływu na widoczność. Możesz je zachować dla innych usług, które ich używają.
Czy do AI Overviews potrzebne są dane strukturalne?
Nie są wymagane i nie ma specjalnych znaczników schema.org dla AI. Warto ich używać w ramach zwykłego SEO, bo pomagają kwalifikować się do wyników z elementami rozszerzonymi. Przy sprzedaży przez Google liczy się kompletny Merchant Center: produkty, dostawa i zwroty.
Czy polski sklep może sprzedawać przez checkout Google (UCP)?
Jeszcze nie. Checkout przez UCP działa w USA, a nowe funkcje trafią do Australii i Kanady na początku 2027 r.; Polski nie ma w zapowiedziach. Potrzebny jest Merchant Center, zgłoszenie na listę oczekujących i akceptacja Google.
Czy agent AI kupi coś bez mojej zgody?
Google kupuje za Ciebie dopiero po Twojej zgodzie i potwierdzeniu zakupu oraz danych dostawy. W ChatGPT zakup kończysz w sklepie sprzedawcy — OpenAI zrezygnowało z pierwszej wersji Instant Checkout.
Które roboty AI wpuścić w robots.txt?
Za wyniki wyszukiwania odpowiadają OAI-SearchBot (ChatGPT), Claude-SearchBot (Claude) i PerplexityBot (Perplexity). GPTBot i ClaudeBot zbierają dane do trenowania modeli — to osobna decyzja. Google-Extended nie wpływa na wyszukiwarkę Google.
Jak mierzyć ruch z ChatGPT w GA4?
GA4 ma domyślny kanał „Asystent AI”: trafiają tam wizyty z ChatGPT, Gemini, Deepseek, Copilota czy Groka. AI Overviews i Tryb AI w Google są w nim pominięte — te wizyty liczą się jako ruch organiczny.
Co dalej — agentic SEO jako element długoterminowej strategii
Agentic SEO to nie osobny projekt — to rozszerzenie istniejącej strategii SEO i e-commerce o warstwę maszynowej czytelności, protokołów handlowych i web consensus, które decydują o widoczności w rekomendacjach AI.
Firmy, które zainwestują teraz w przygotowanie danych pod agentów AI, budują przewagę na lata. eMarketer prognozuje 20,57 mld USD sprzedaży przez platformy AI w USA w 2026 r., a McKinsey szacuje globalną szansę na 3–5 bln USD do 2030 r. W Polsce AI Overviews już teraz zabierają kliknięcia: mediana spadku w sierpniu–październiku 2025 r. to −19,9% r/r (Senuto, raport AIO v2).
Agentic SEO zmienia też reguły konkurencji — i może pomóc mniejszym graczom. Mniejsza firma nie wygra budżetem reklamowym, ale może wygrać kompletnością danych, jasną ofertą i konkretnymi opiniami.
Strategia na kolejne kwartały powinna obejmować: regularne testy widoczności w odpowiedziach AI (ChatGPT, Gemini, Perplexity), monitoring kanału „Asystent AI” w GA4, iteracyjne rozbudowywanie Schema.org o nowe typy i relacje, budowę web consensus przez systematyczne zbieranie recenzji i wzmianki w mediach, śledzenie rozwoju UCP i MCP — oraz wdrażanie nowych capabilities w miarę ich dostępności w Polsce.
Jeśli prowadzisz sklep internetowy lub oferujesz usługi online, agentic SEO nie jest pytaniem „czy”. Jest pytaniem „kiedy”. A odpowiedź brzmi: teraz — póki konkurencja jeszcze się zastanawia.
Następny krok
Sprawdź, czy ChatGPT, Gemini i Google z AI polecają Twoją firmę. Bezpłatna analiza: 10–20 pytań z Twojej branży, wynik w 48 godzin. Bez zobowiązań.
Zamów bezpłatną analizę widoczności w AI





