Topic clustering w erze AI Overviews. Jak dziś planuje się treści

· · 6 minut czytania

Klasyczny model „pillar page + 5–10 cluster posts”, który HubSpot opisał w 2017 roku i który przez prawie dekadę był standardem agencyjnym, w 2026 jest nadal użyteczny — ale tylko jako szkielet. Sam w sobie nie wystarcza. AI Overviews i ChatGPT Search nie nagradzają już sieci linków wewnętrznych — nagradzają gęstość semantyczną, pokrycie encji i cytowalność fragmentów. Jak to przełożyć na pracę zespołu contentowego, którego budżet się nie podwoił?

Co konkretnie się zmieniło od 2020

Trzy mechanizmy ułożone chronologicznie wyjaśniają, gdzie jesteśmy.

Passage indexing (Google, 2021). Google zaczął indeksować pojedyncze fragmenty (passages) długich tekstów, nie tylko strony jako całości. Według Google’a dotyczyło to wtedy ok. 7% zapytań globalnie.

MUM i Knowledge Graph (od 2021, ekspansja w 2022–2023). Google zaczął mapować encje — osoby, miejsca, koncepty, produkty — i ich atrybuty. To jest moment, w którym „LSI keywords” stało się przestarzałe (Mueller publicznie wielokrotnie zaprzeczał ich istnieniu) i pojawiło się entity-based SEO.

AI Overviews i ChatGPT Search (2024–2025). LLM-y przeszły od indeksowania przez cytowanie. Zamiast „kto jest na pierwszej pozycji”, liczy się „kto został zacytowany w odpowiedzi”. Mechanika cytowania używa fan-out queries (rozszerzanie zapytania na 5–15 podzapytań) i cosine similarity między fragmentem strony a wektorem zapytania.

Wniosek: klasyczny hub-and-spoke jako struktura URL-i nadal działa. Hub-and-spoke jako jedyna strategia treściowa nie wystarczy.

Co zastępuje pillar page

W modelu 2026 treść planuje się jako topical authority map — gęsta sieć stron pokrywających centralną encję i jej atrybuty. To, co pisze Koray Tuğberk Gübür w „Holistic SEO”, to dziś standardowy język w lepszych agencjach: pokrycie encji + intent matching + semantic completeness.

Praktyka. Agencja prowadząca klienta B2B w niszy „automatyzacja księgowości”:

Różnica vs 2020: pillar page nie jest „spisem” — jest stand-alone artykułem, który sam się pozycjonuje na zapytanie centralne. Spoke’i nie są krótkimi przyczynkami — każdy ma własną cytowalną wartość.

Anecdotal data z Animalz, Backlinko i polskich raportów Senuto: strony budujące topical authority w tym modelu widzą 30–60% wzrost organic traffic w 6–9 miesięcy, vs ~15–20% w klasycznym KW-targeting.

Semantic chunks zamiast monolitów

Powtórzmy, bo to przebija się we wszystkich tematach SEO 2026: AI search engines cytują fragmenty 1–3 zdaniowe. Strona, której każdy H2 zawiera samodzielnie cytowalne zdanie, ma multiplikatywną przewagę.

Praktyka pisania:

To samo widać w narzędziach: Frase i Surfer w 2025 zaczęły scoreować content nie tylko po keyword density, ale też po „chunk readability” — łatwości wyodrębnienia fragmentu.

Jak AI pomaga w identyfikacji klastrów

Trzy ścieżki, w kolejności od najtańszej do najpełniejszej:

ChatGPT/Claude jako brainstorming partner. Prompt: „Dla niszy [X] stwórz topical map z 5 hub topics i 8–12 spoke topics na każdy. Oznacz intent (informational/commercial/transactional). Dla każdego spoke podaj 3 powiązane encje.” Wynik: szybki szkielet do walidacji w narzędziu KW-research.

Surfer Content Planner / Frase Topic Outlines. Bazują na NLP + SERP analysis. Surfer Content Planner generuje średnio 50–200 powiązanych keywords per topic. Frase robi briefy z entity coverage. Oba dają „roadmapę”, nie tylko listę KW.

Keyword Insights / Senuto Topic Discovery. Najbardziej zaawansowane — używają SERP overlap + AI labels do tworzenia klastrów. Senuto, jako narzędzie z polską bazą KW, jest często pierwszym wyborem dla rynków CEE.

Aktualna praktyka: Frase do briefu jednego artykułu, Surfer Planner do mapy klastra, Senuto/Keyword Insights do analiz w skali. Plus ChatGPT/Claude do brainstormingu i pre-wyboru tematów. Razem koszt dla średniej agencji: $80–200/mc per klient.

Rola fan-out queries

To jest mechanizm, którego klasyczny SEO nie miał. AI search engines zamieniają zapytanie użytkownika („jak wybrać firmę księgową”) na 5–15 podzapytań („koszt usług księgowych”, „certyfikaty księgowych”, „księgowość online czy stacjonarna”, „księgowość dla startup”, itd.) i dla każdego szukają najlepszego cytowania.

Konsekwencja: strona pokrywająca tylko centralne zapytanie traci. Strona, która w jednym artykule lub w gęstym klastrze pokrywa centralne zapytanie + 5–10 fan-out queries, jest cytowana wielokrotnie w jednej odpowiedzi AI.

Praktyka: gdy planujesz artykuł, użyj LLM-a do wygenerowania potencjalnych fan-out queries („jakich pytań szuka użytkownik wpisujący [Q]?”), porównaj z faktycznym SERP-em (Ahrefs, Semrush) i upewnij się, że artykuł odpowiada na minimum 60% z nich. To zmienia długość i strukturę treści — często ku dłuższym, bardziej kompleksowym artykułom, niż wskazywałby naiwny SERP analysis.

Powiązanie z innymi tematami z naszej serii

Topic clustering nie żyje w próżni — łączy się bezpośrednio z trzema tematami:

Czego unikać

Koszt vs efekt

Średnia polska agencja B2B planuje 3–5 klastrów na klienta w ciągu kwartału, każdy o 8–15 artykułach. To 40–75 artykułów per kwartał per klient — zauważalnie więcej niż 2019, gdy normą było 12–20. Skala produkcji jest znacznie większa, ale dzięki AI-assisted briefom i draftowaniu (więcej w tekście „Co AI w SEO robi szybciej”) godzinowy koszt produkcji spadł zauważalnie.

ROI dla klienta nie jest natychmiastowy. Topical authority buduje się 6–9 miesięcy. Z perspektywy agencji oznacza to, że klient, który podpisuje się na content cluster w pełnej skali, zostaje na 12+ miesięcy — bo wcześniej nie zobaczy pełnej wartości. To zmienia model rozliczania (mniej project-based, więcej retainer) i rozmowy ze stakeholderami klienta.