AI SEO și GEO fără mituri: ce funcționează cu adevărat în AI

Într-un răspuns din ChatGPT, Gemini, Perplexity sau AI Overview o marcă ajunge mai ales pe două căi care se întrepătrund, iar AI SEO este munca pe amândouă:

1. Prin căutare. În timp ce răspunde, modelul caută pe internet și citează o parte dintre paginile găsite. Aici funcționează același lucru ca în SEO: acces pentru roboți, indexare, vizibilitate la cuvântul-cheie și la variantele lui, plus fragmente care răspund la întrebare fără restul paginii. Efectul se vede, ca în SEO, după săptămâni sau luni.
2. Prin memoria modelului. Modelul răspunde din ceea ce a învățat înainte de sfârșitul antrenării, iar această memorie influențează și pe cine numește atunci când caută pe internet. Aici contează ce au scris alții despre marcă și o descriere coerentă a ei în mai multe surse. Nu am măsurat ritmul schimbărilor din memorie, așa că pe un orizont de un trimestru nu promit nimic aici.

Cele mai multe „trucuri GEO” nu au dovezi, iar o parte dintre ele le-am verificat pe datele mele. Pentru fișierul llms.txt și pentru datele structurate nu există dovezi că aduc citări. Mai multe titluri nu au urcat paginile în top 3 în testul meu. Testul care verifica dacă poziția la subinterogări prezice citarea mai bine decât poziția la cuvântul-cheie principal nu a lămurit nimic, iar prima mea concluzie din el a fost infirmată de controlul încrucișat. Dovezile pentru fiecare dintre aceste afirmații sunt mai jos.

Ce este AI SEO și cum se numește această muncă?

AI SEO (GEO) este munca prin care o marcă apare în răspunsurile generate de AI: în AI Overview și în Modul AI din Google, în ChatGPT, Gemini, Perplexity și Copilot. Aceeași muncă are mai multe nume, iar diferențele dintre ele sunt mai ales de marketing:

Numele GEO are origine științifică, iar fundamentul întregii munci este același ca în SEO. GEO vine dintr-o lucrare științifică din noiembrie 2023, acceptată la conferința KDD 2024. Autorii ei, Pranjal Aggarwal și colaboratorii, au arătat pe propriul set de teste că modificările de conținut pot crește vizibilitatea unei surse în răspunsurile generative cu până la 40% (arXiv). Google scrie în documentație că optimizarea pentru căutarea generativă rămâne SEO (Google Search Central). Cyrus Shepard de la Zyppy răspunde asemănător la întrebarea dacă o firmă are nevoie de o strategie GEO separată:

Nici oamenii nu au un singur nume pentru această muncă, iar asta se vede în rezultatele Google. Întrebarea „Jak nazywa się pozycjonowanie w AI?” apare în secțiunea „Alte întrebări” din rezultatele poloneze, echivalentele ei apar în rezultatele din Germania, Spania și Finlanda, iar englezescul „What is AI SEO called now?” în rezultatele din SUA, Suedia și Singapore. Întrebarea despre diferența dintre GEO (sau LLMO) și SEO apare pe 9 din cele 27 de piețe verificate, din Brazilia până în Japonia.

Numele care domină depinde de piață. În Japonia, 72% din cele aprox. 16.730 de căutări lunare pe acest subiect înseamnă LLMO, iar cuvântul-cheie „llmo” are singur aprox. 12.100 de căutări, mai mult decât „ai seo” în SUA (aprox. 6.600). În Germania și în Franța domină GEO (64% și 66%), în Coreea de Sud 83%. În Polonia, 58% din cele aprox. 2.265 de căutări lunare înseamnă AI SEO, împreună cu cuvântul-cheie „ai seo” și cu descrierile poloneze („pozycjonowanie ai”, „pozycjonowanie w ai”), iar GEO are 32%. În SUA, AI SEO și GEO sunt umăr la umăr: 42% și 39% din aprox. 25.400 de căutări lunare, iar în Spania este egalitate (44% și 44%). În Cehia, în date nu există cerere pentru niciunul dintre nume.

Cuvântul-cheie „ai seo” este ambiguu, așa că ponderea AI SEO o tratez ca limită superioară. La „ai seo” Google arată, pe lângă texte despre AI SEO, și instrumente AI și ghiduri despre cum faci SEO cu ajutorul AI: în SUA sunt peste jumătate din rezultatele din top 10, în Danemarca cel puțin 6 din 8. AI Overview la acest cuvânt-cheie descrie totuși, în SUA și în Danemarca, AI SEO ca optimizare pentru răspunsurile AI, deci Google îl tratează ca numele acestei munci. Fără acest singur cuvânt-cheie, GEO conduce pe 25 din cele 26 de piețe ale blogului meu, iar în Japonia rămâne LLMO. În Polonia, descrierile poloneze neechivoce („pozycjonowanie ai”, „pozycjonowanie w ai”) au împreună aprox. 580 de căutări lunare, iar GEO aprox. 725. Despre instrumentele AI pentru SEO voi scrie un text separat.

Cuvântul-cheie „aeo” singur nu îl număr, pentru că în Polonia înseamnă mai ales un certificat vamal, iar în SUA o parte din rezultate sunt cotații bursiere ale unui lanț de îmbrăcăminte, American Eagle. La „aeo”, în Google-ul polonez, trei dintre primele patru rezultate sunt site-uri ale ministerului finanțelor. Cuvintele-cheie cu numele complet, de exemplu „answer engine optimization”, le număr în seria „Altele”.

Fiecare versiune lingvistică a acestui text folosește numele pe care îl caută oamenii de pe piața respectivă. Versiunea japoneză vorbește despre LLMO, cea germană și cea franceză despre GEO, iar cea poloneză despre „pozycjonowanie w AI” și AI SEO. Cererea din România este mică, aprox. 290 de căutări lunare în total (52% AI SEO, 48% GEO), așa că această versiune folosește AI SEO și GEO una lângă alta.

Cum alege AI sursele pentru răspunsuri?

Modelul răspunde din căutare sau din memorie, iar de asta depinde ce poți schimba. Când caută pe internet, desparte întrebarea în mai multe interogări, descarcă rezultatele, alege din ele fragmente și citează o parte. Google numește asta în documentație „query fan-out”: sistemul trimite mai multe căutări înrudite despre subteme și din surse diferite (Google Search Central). Când modelul nu caută, răspunde din ce a învățat la antrenare, iar atunci poziția paginii în Google nu schimbă nimic.

Căile se întrepătrund, pentru că memoria modelului influențează și răspunsul la care modelul a căutat pe internet. Dan Petrovic de la Dejan scrie că mențiunea unei mărci în textul răspunsului se sprijină în primul rând pe cunoștințele anterioare ale modelului, iar o singură pagină aproape că nu o mută (Dejan, 7.07.2026). De aceea măsor separat cele două căi, dar lucrez la ele în paralel.

Cât de des caută modelul pe internet depinde de model: în testul meu, de la 10 la 94 de cuvinte-cheie din 94. Am verificat asta prin API, pe 94 de cuvinte-cheie din proiectele pe care le conduc, în engleză și în poloneză, în noaptea de 3 spre 4 octombrie 2026 și a doua oară dimineața. În textul despre strategia SEO am descris același efect pe cinci întrebări de tip ghid, aici este pe un set mai mare.

• 93 din 94De atâtea ori a folosit Gemini 2.5 Flash căutarea în prima rulare (în a doua, 94 din 94).Testul meu prin API, 3-4.10.2026
• 71 din 94De atâtea ori a căutat Gemini 3.5 Flash (în a doua rulare, 69 din 94).Testul meu prin API, 3-4.10.2026
• 25 din 84De atâtea ori a căutat Gemini 3.1 Pro (10 apeluri s-au încheiat cu eroare de limită; în a doua rulare, 32 din 94).Testul meu prin API, 3-4.10.2026
• 10 din 94De atâtea ori a căutat Gemini 3.8 Flash (în a doua rulare, 15 din 94). La celelalte cuvinte-cheie răspundea din memorie.Testul meu prin API, 3-4.10.2026

În această configurație, versiunile mai noi de Gemini Flash au căutat mai rar, dar Gemini 3.1 Pro nu se potrivește acestui tipar. Pro are un număr de versiune mai vechi decât 3.5 Flash și a căutat mai rar decât el. Este o singură familie de modele și o singură configurație API, nu aplicația Gemini pe care o vede utilizatorul, așa că tratez cifrele ca pe un semnal, nu ca pe o regulă. Sunt totuși suficiente ca să verific la fiecare măsurare la câte întrebări modelul chiar caută.

Memoria modelelor despre o marcă poloneză nouă s-a dovedit plină de goluri, iar o parte dintre modele i-au inventat descrierea. În același proiect, aprox. 500 de răspunsuri la întrebări despre mărcile pentru care lucrez au fost evaluate pe nevăzute de un alt model. Una dintre mărcile poloneze noi din set era necunoscută tuturor modelelor verificate, iar în 9 din 12 răspunsuri despre ea descrierea era inventată. Ponderea invențiilor depindea de model: de la 5% la 77% dintre răspunsurile despre toate mărcile. Răspunsurile le-a evaluat un singur model-judecător, așa că diferențele sub aprox. 10 puncte procentuale le tratez ca zgomot.

Același domeniu poate fi vizibil pe o cale și invizibil pe alta. Unul dintre site-uri a fost citat în Modul AI din Google la 10 din 13 perechi de cuvinte-cheie, iar în răspunsurile modelelor fără căutare nu a apărut niciodată (0 din 13). Este un singur domeniu și 13 perechi, deci este o ilustrare, nu o regulă.

Un fenomen înrudit se vede într-un studiu la scară mai mare. Dan Petrovic relatează un studiu Google Research pe 13 modele și 2.150 de fapte din Wikipedia: modelele de top dintre ele, precum Gemini 3 Pro și GPT-5, au în ponderi 95-98% din aceste cunoștințe, dar nu își pot aminti 26-34% dintre ele (Dejan, 17.08.2026). Sunt fapte enciclopedice, nu cunoștințe despre mărci, dar concluzia pentru o marcă este asemănătoare: faptul că o informație se află în datele de antrenare nu garantează că modelul o va spune.

Cum ajungi în răspunsurile AI prin căutare?

Pe calea prin căutare funcționează același lucru ca în SEO, cu o singură diferență. Google scrie că, pentru a ajunge în AI Overview și în Modul AI, pagina trebuie să fie în index și să poată apărea în rezultate cu un fragment de text, iar cerințe tehnice suplimentare nu există (Google Search Central). Diferența este că modelul pune mai multe interogări deodată, așa că o pagină vizibilă doar la un cuvânt-cheie principal are mai puține ocazii de citare decât una vizibilă și la variantele lui. ChatGPT are, pe lângă asta, propriul robot de căutare (despre el mai jos), deci vizibilitatea în Google nu se transferă direct în el.

Acces pentru roboții AI

Roboții motoarelor de căutare AI pot fi blocați fără știrea proprietarului site-ului. Un firewall sau o setare din rețeaua de livrare a conținutului (CDN) îi poate bloca, adesea abia după depășirea unui prag de cereri, așa că un singur test nu arată nimic. Verific o serie de cereri cu numele roboților Google, OpenAI, Perplexity și Anthropic și compar răspunsul serverului cu cel primit de un browser obișnuit.

Blocarea antrenării modelelor este altă decizie decât blocarea căutării. OpenAI separă aceste roluri: GPTBot adună conținut care poate ajunge în antrenarea modelelor, iar OAI-SearchBot decide prezența în rezultatele căutării ChatGPT. OpenAI scrie că site-urile care blochează OAI-SearchBot nu vor fi afișate în răspunsurile de căutare din ChatGPT, iar blocarea GPTBot nu schimbă asta (OpenAI). În mod asemănător, Google-Extended controlează folosirea conținutului de către modelele Gemini, dar, potrivit Google, nu influențează nici prezența, nici poziția în motorul de căutare (Google Search Central). Cine blochează toți roboții AI dintr-un singur comutator poate pierde prezența în căutarea ChatGPT, pe care nu voia deloc să o cedeze.

Poziția la cuvântul-cheie și subinterogările

Nu știu dacă o poziție mai bună mărește șansa de citare, pentru că datele mele nu lămuresc asta. În textul despre strategia SEO, la harta ipotezelor, am descris un articol care, la cinci cuvinte-cheie foarte apropiate, a fost citat în AI Overview doar la unul, și anume la cel la care stătea cel mai jos. Subinterogările le formulează modelul și pot fi altele la fiecare răspuns, deci nu există o listă fixă de „subinterogări pentru cuvântul-cheie X”. În setul meu de 94 de cuvinte-cheie, modelul a generat într-o singură rulare 493 de subinterogări diferite, în medie peste cinci pe cuvânt-cheie.

Am verificat dacă poziția la subinterogări prezice citarea mai bine decât poziția la cuvântul-cheie principal, iar primul meu rezultat nu a rezistat controlului. Pe perechi cuvânt-cheie-pagină din proiectele pe care le conduc am notat regula înainte să calculez rezultatul. Măsura a fost aria de sub curba ROC, adică cât de bine separă un semnal paginile citate de cele necitate (0,5 este nivelul aruncării monedei, 1 este o separare fără greșeli). Subinterogările trebuiau să câștige dacă aria lor era mai mare cu cel puțin 0,10. Pe cele 29 de perechi rezervate pentru testul AI Overview diferența a fost de 0,44, adică testul „trecut”.

Controlul încrucișat a arătat că am comparat două măsurători de precizie diferită. Recenzentul, care a recalculat totul de la zero, mi-a reprodus cifrele până la ultima zecimală, dar a observat că poziția la cuvântul-cheie principal o luasem dintr-o singură descărcare a rezultatelor Google, iar citarea din cinci. După ce poziția a fost calculată din aceleași cinci descărcări, diferența a scăzut la 0,04, cu un interval de la -0,28 la +0,36. Nu am arătat deci că subinterogările sunt mai bune decât poziția, și nici că sunt mai slabe. Ambele semnale spun ceva, așa că lucrez pe amândouă.

Poziția dintr-o singură descărcare DataForSEO s-a dovedit a fi tragerea la sorți a uneia dintre mai multe variante de rezultate. Când am descărcat de trei ori, la interval de aprox. o oră, aceleași 94 de cuvinte-cheie, două descărcări ale aceluiași cuvânt-cheie aveau, la mediană, puține adrese comune în top 10: indicele Jaccard, o măsură a concordanței dintre două seturi, de la 0 la 1, a fost 0,14-0,15. O parte dintre variante sunt probabil rezultate pe care un om nu le vede în browser, pentru că la 5 cuvinte-cheie browserul concorda cu una dintre ele. AI Overview era în schimb stabil: prezența lui concorda între descărcări în 97-99% dintre cazuri. De aceea poziția din acest instrument o calculez azi ca pondere din aprox. 10 descărcări trimise deodată. Alte instrumente nu le-am verificat în acest fel.

Fragmente care răspund de sine stătător

Modelul folosește de obicei nu pagina întreagă, ci fragmentele care răspund la interogarea lui. De aceea scriu astfel încât fiecare fragment să poată fi înțeles fără restul paginii: răspunsul în prima propoziție de sub titlu, cifre concrete cu numitor și dată, nume în loc de „asta” și „acesta”. Fiecare paragraf din acest text începe cu o propoziție-concluzie tocmai din acest motiv. Este o practică bună de scriere, care ajută și oamenii, nu o tehnică separată pentru AI.

Asta nu înseamnă că trebuie să tai conținutul în bucăți mici sau să înmulțești titlurile. Google scrie explicit că nu există nicio cerință de a împărți conținutul în fragmente mici pentru ca AI să îl înțeleagă mai bine (Google Search Central). Am verificat și dacă mai multe titluri ajută la intrarea în top 3. Pe 632 de pagini din top 10 pentru 119 interogări în engleză din nișa software-ului pentru firme (SUA, 26 septembrie 2026), raportul de șanse a fost 0,95 (interval de încredere de 95%: 0,81-1,12), iar după luarea în calcul a lungimii textului 1,00. Ponderea paginilor din top 3 a fost aproape aceeași în trei grupe, de la cele cu cele mai puține titluri la cele cu cele mai multe: 32%, 34% și 32%. Este același test despre care scriu în textul despre strategia SEO: o singură nișă și o singură zi de măsurare. E suficient totuși ca să nu adaug titluri doar ca să îmbunătățesc poziția: un titlu trebuie să spună despre ce este fragmentul de sub el.

Întrebări poloneze, subinterogări englezești

În setul meu, o parte dintre subinterogările la întrebările poloneze au fost în engleză. 81 din cele 277 de subinterogări generate pentru cuvintele-cheie poloneze nu aveau trăsături ale limbii poloneze. De exemplu, o întrebare poloneză despre clasamentul produselor dintr-o categorie a devenit o interogare englezească cu anul în denumire. Este o euristică grosieră, pe un singur set, dar e suficient ca, la o marcă poloneză, să verific și ce spun despre ea sursele în limba engleză.

Cum ajungi în memoria modelului?

Memoria modelului nu o schimbi doar prin propriul site: contează ce scriu alții despre tine. Modelul învață din colecții mari de texte adunate înainte de sfârșitul antrenării. Dacă despre marcă scrie mai ales ea însăși, iar sursele străine sunt vechi sau contradictorii, modelul va repeta o imagine veche sau contradictorie. Nu am o măsurătoare a vitezei cu care se reîmprospătează memoria modelelor. Presupun că abia în versiunile următoare, așa că pe un orizont de un trimestru nu promit nimic aici.

Pe propria marcă văd deodată ambele surse de erori. Gemini m-a descris cu angajatorul de acum câțiva ani la timpul prezent, iar rogala.pro ca pe un site „în construcție”. Două dintre descrierile pe care modelele le repetau cel mai des despre mine provin literal din biografia mea dintr-un portal de specialitate, care apare sus în Google la numele meu. Acel angajator, ca actual, nu apare în schimb pe niciuna dintre cele 26 de pagini pe care le-am verificat în rezultatele la numele și prenumele meu, deci eroarea stă probabil în memoria modelului. O voi verifica cu aceleași întrebări, după ce biografia va fi actualizată.

Ce reține modelul despre o marcă poți verifica singur, fără instrumente de vizibilitate în AI. Pune întrebări despre marcă fără acces la căutare, cel mai sigur prin API, fără instrumentul de căutare. Întreabă cu ce se ocupă marca, pentru cine și de când activează, fiecare întrebare de trei ori. Apoi compară răspunsurile cu faptele și notează separat ce este actual, ce este depășit și ce este inventat.

Mențiunile fără o definiție coerentă a mărcii repetă o descriere veche, așa că încep cu identitatea. Ordinea mea:

• o singură definiție a mărcii, aceeași pe site, în profiluri și în biografiile de pe site-uri străine;
• date structurate cu identificatori pe care i-am verificat manual;
• înregistrări în baze de cunoștințe, precum Wikidata, doar acolo unde există surse care le confirmă;
• abia apoi mențiuni și publicări în locuri redactate de altcineva.

Un identificator trebuie deschis și citit înainte să ajungă în codul paginii. Pe 5 octombrie 2026 am observat că identificatorul Knowledge Graph, aflat din ziua precedentă în datele structurate de pe rogala.pro, duce la panoul unui actor cu același nume și prenume. Aproape o zi, site-ul meu le-a declarat motoarelor de căutare că sunt actor. Verificarea durează un minut: adresa google.com/search?kgmid= cu identificatorul adăugat arată cui aparține de fapt.

Wikidata nu cumpără un loc pentru care nu există surse. Wikidata cere surse pentru informațiile despre persoane în viață, deci nu poți declara în ea o specializare despre care nimeni în afară de tine nu a scris. De aceea eu am început cu publicări în locuri redactate de alții, nu cu o înregistrare în bază.

Ce funcționează în AI SEO și ce este mit?

Afirmațiile despre GEO le împart după forța dovezii. „Documentat” înseamnă confirmat de documentația motorului de căutare, iar „măsurătoarea mea” este rezultatul unei singure configurații, pe care o repet. „Infirmat” și „nedemonstrat” sunt afirmațiile pe care le-am verificat pe datele mele și care fie nu au rezistat, fie nu au lămurit nimic. „Fără dovezi” sunt sfaturile populare în spatele cărora nu stă nicio măsurătoare, iar uneori stă dovada contrară.

Nu există dovezi că fișierul llms.txt și versiunile paginilor în Markdown ajută la intrarea în răspunsurile AI. Google scrie că, pentru prezența în motorul lui de căutare, nu trebuie create fișiere noi pentru mașini, fișiere text pentru AI, marcaje sau Markdown (Google Search Central). Când am verificat, în iulie 2026, 10 domenii din portofoliul meu, niciunul nu servea agenților AI o versiune în Markdown. Pe rogala.pro, fiecare pagină are din 8 octombrie o versiune în Markdown și un fișier llms.txt, iar până pe 8 noiembrie măsor în logurile serverului dacă le descarcă cineva. În Polonia, cuvântul-cheie „llms txt” are aprox. 720 de căutări lunare, așa că voi descrie acest subiect separat.

Datele structurate descriu marca pentru motorul de căutare, dar nu există dovezi că aduc citări. Google scrie că datele structurate nu sunt necesare în căutarea generativă și că nu există marcaje schema.org speciale pe care trebuie să le adaugi (Google Search Central). Matt Buxbaum de la Seer Interactive a analizat 8.500 de cuvinte-cheie cu AI Overview și 6.354 de pagini care au obținut în ele prima citare: schema și semnalele E-E-A-T s-au legat cel mai slab de câștig, iar paginile cu cele mai multe marcaje FAQ și HowTo au ieșit de aprox. 10 ori mai slab (Seer Interactive, 28.05.2026). Este o corelație, deci nu știu dacă marcajele dăunează, dar nu citesc aceste date ca pe o dovadă de beneficiu. Datele structurate le folosesc pentru descrierea entităților (cine, ce, unde, cu ce identificatori), pentru că pentru asta există. Propriul test al influenței lor asupra răspunsurilor AI nu l-am terminat încă.

Mențiunea și citarea sunt două lucruri diferite, iar multe rapoarte le confundă. Petrovic separă trei evenimente: pagina pe care sistemul a descărcat-o ca material pentru răspuns, citarea, adică pagina afișată ca sursă, și mențiunea, adică numele mărcii din textul răspunsului, pe care utilizatorul îl citește și îl ține minte (Dejan, 7.07.2026). O marcă poate fi citată fără mențiune în text și menționată fără citarea paginii. De aceea măsor separat aceste două lucruri și nu le adun într-un singur „scor de vizibilitate în AI”.

Cum verifici dacă AI SEO funcționează?

Fără o stare inițială nu poți atribui efectul niciunei modificări, așa că o notez înainte de prima corecție. În starea inițială intră întrebările notate literal, numele și versiunile modelelor, data și piața. Întrebările le construiesc din datele despre cerere și din Search Console, iar cele mai multe nu conțin numele mărcii, pentru că numele din întrebare îi sugerează singur modelului răspunsul. Setul de întrebări din două intervale de poziții îl descriu în textul despre strategia SEO.

Cinci lucruri le măsor separat, pentru că fiecare poate merge în altă direcție:

1. Mențiunea mărcii în textul răspunsului.
2. Citarea paginii ca sursă.
3. Dacă modelul a căutat măcar pe internet, adică separat căutarea și memoria.
4. Traficul de la asistenții AI din analitică, care este mereu o limită inferioară, pentru că o parte dintre intrări vin fără informații despre sursă.
5. Traficul din Google în aceeași perioadă, ca modificarea pentru AI să nu se facă pe seama rezultatelor obișnuite.

Răspunsurile asistenților de chat sunt aleatorii, așa că aceeași întrebare o pun de trei ori deodată. AI Overview este stabil și pentru el ajunge o singură descărcare. Cifra dintr-un instrument de vizibilitate în AI o citesc mereu împreună cu numitorul: este ponderea în setul meu de întrebări, nu „ponderea pe piața AI”, pe care nu o cunoaște nimeni.

Ce fac pe propriul site și ce nu știu încă?

Vorbesc public despre AI în căutare din 2016, iar propria marcă în răspunsurile AI încă nu o am, și de aici a început experimentul meu. Starea inițială din 26 iulie 2026: rogala.pro nu avea nicio citare pe niciuna dintre cele 7 suprafețe AI verificate în Ahrefs pentru Polonia, iar în 6 verificări pe trei platforme, la întrebări fără numele meu, niciun model nu m-a menționat. Întrebat despre mine pe nume, modelul repeta o descriere veche de câțiva ani. Este o singură măsurătoare și fără ChatGPT, pentru că instrumentul cu care am adunat răspunsurile nu a returnat rezultate pentru el, așa că o tratez ca punct de plecare, nu ca dovadă.

Ordinea lucrărilor rezultă din date: mai întâi identitatea, apoi acoperirea. Am pus în ordine o singură definiție în profiluri (pe LinkedIn în 30 de versiuni lingvistice), am verificat identificatorii din datele structurate (de aici gafa cu actorul) și am pus în funcțiune site-ul și blogul în 27 de limbi, cu versiuni în Markdown. Acoperirea, adică publicările și mențiunile în mediile altora, vine abia după aceea.

Încă nu știu dacă funcționează. Prima măsurare repetată a răspunsurilor AI am planificat-o de la 1 noiembrie 2026, iar rezultatul măsurării fișierelor Markdown va fi după 8 noiembrie. Rezultatele le voi adăuga la acest text, chiar dacă vor ieși zero.

Întrebări frecvente despre AI SEO

De unde începi?

Primii trei pași nu costă nimic în afară de timp. Verifică dacă roboții motoarelor de căutare AI primesc pagina ta. Pune de trei ori deodată câteva întrebări pe care le pun clienții tăi, fără numele mărcii tale, și notează cine este menționat și cine citat. Citește ce spun despre marca ta rezultatele Google la numele ei, pentru că modelele folosesc aceleași surse. Dacă rezultatul te surprinde, este un subiect bun pentru o consultanță.