Struktura treści przyjazna dla AI: nagłówki, listy, tabele

Model AI nie czyta całej strony naraz. Dzieli ją na fragmenty i ocenia każdy z osobna, więc to, jak sformatujesz nagłówek, akapit czy listę, decyduje, czy dany kawałek tekstu w ogóle nadaje się do zacytowania. Poniżej konkretne zasady formatowania i przykłady dobrze oraz źle sformatowanych fragmentów tego samego tematu.

Dlaczego forma tekstu w ogóle wpływa na cytowanie?

Bo model nie ocenia całej strony jednym spojrzeniem. Zanim napisze odpowiedź, dzieli dokument na mniejsze kawałki, zamienia każdy z nich na reprezentację liczbową i ranguje względem pytania użytkownika. Ten mechanizm, opisany szerzej w artykule o etapach wyszukiwania w AI w części o doborze fragmentów, jest wspólnym mianownikiem dla ChatGPT, Claude, Gemini i Perplexity. Tutaj interesuje nas coś węższego: co zrobić w praktyce, żeby fragment wypadł w tym podziale dobrze.

Dokumentacja Claude potwierdza to wprost dla własnego mechanizmu cytowań: domyślny podział dokumentu odbywa się na poziomie zdania, a przy własnych dokumentach można ustawić granulację ręcznie. Zdanie, które samo w sobie zamyka jedną myśl, da się zacytować w całości. Zdanie rozciągnięte na trzy wtrącenia i dwa różne wątki model musi obcinać w połowie albo pomijać.

Styl ma znaczenie także na etapie pisania odpowiedzi, nie tylko przy podziale. Badanie Aggarwal i współpracowników z Princeton, IIT Delhi, Georgia Tech i Allen Institute for AI, na ponad 10 tysiącach zapytań, prezentowane na ACM SIGKDD 2024, sprawdziło konkretne interwencje w treści. Trzy z nich dały powtarzalny wzrost cytowań rzędu 30 do 40 procent: cytaty źródłowe wewnątrz tekstu, dodane statystyki oraz styl rozpoznawany jako klarowny i autorytatywny. Reszta tego artykułu pokazuje, jak to przełożyć na konkretne nagłówki, akapity i listy.

Jak sformułować nagłówek, żeby akapit pod nim dało się zacytować samodzielnie?

Nagłówek ma brzmieć jak pytanie, które ktoś rzeczywiście zadałby modelowi, a pierwsze zdanie pod nim ma być gotową odpowiedzią, wyrwaną z kontekstu całego artykułu. Modele najczęściej sięgają po pierwsze 40 do 60 słów po nagłówku, więc to miejsce warte najwięcej redakcyjnej uwagi.

Źle sformatowany fragment:

Boty AI

Warto wiedzieć, że różne firmy technologiczne stosują różne podejścia do kwestii automatycznego pobierania treści ze stron internetowych, co ma znaczenie dla widoczności marki w wynikach.

Dobrze sformatowany fragment:

Czy zablokowanie GPTBota wyłącza stronę z wyników ChatGPT Search?

Nie musi. GPTBot to bot treningowy OpenAI, osobny od OAI-SearchBota, który odpowiada za indeksację pod wyszukiwanie. Zablokowanie samego GPTBota pozwala uczestniczyć w wynikach wyszukiwania bez oddawania treści do zbioru treningowego.

Druga wersja odpowiada na realne pytanie, nazywa konkretne boty zamiast ogólnika „różne firmy”, i ma sens nawet wyrwana z reszty artykułu. Pierwsza nie odpowiada na nic. Model musiałby sam zgadywać, jakiego pytania dotyczy ten akapit, a to praca, której żaden system nie wykonuje za darmo, tylko rezygnuje i sięga po fragment konkurencji.

Ile powinien mieć akapit, żeby model dobrze go pociął?

Od 75 do 300 słów, jedna myśl na akapit. Dłuższy fragment zwykle miesza kilka pytań naraz, a wtedy żadna jego część nie trafia w pełni w jedno konkretne zapytanie.

Źle sformatowany fragment:

Przy audycie technicznym trzeba zwrócić uwagę na wiele rzeczy naraz, bo strona może mieć zablokowane boty w pliku konfiguracyjnym, ale problem może też leżeć gdzie indziej, na przykład w znacznikach meta na poszczególnych podstronach, albo może się okazać, że treść w ogóle nie jest dostępna dla crawlera, bo ładuje się dopiero po wykonaniu skryptów w przeglądarce, co jest częste na stronach zbudowanych w nowoczesnych frameworkach front-endowych, a dodatkowo warto sprawdzić mapę strony.

Dobrze sformatowany fragment:

Audyt techniczny sprawdza trzy rzeczy osobno: plik robots.txt (czy dopuszcza boty wyszukujące, nie tylko treningowe), znaczniki meta robots na poszczególnych podstronach, i dostępność treści bez renderowania JavaScript. Każdy z tych trzech elementów może zablokować stronę niezależnie od pozostałych.

Ta sama informacja, ale druga wersja dzieli ją na trzy osobno nazwane elementy zamiast jednego zdania z czterema podrzędnymi wtrąceniami połączonymi spójnikami. Model może wyciąć jeden z tych trzech elementów jako samodzielną odpowiedź. Z pierwszej wersji nie wyciągnie nic bez przepisywania całego zdania od nowa, a tego etapu syntezy nie robi za ciebie.

Kiedy użyć listy, a kiedy tabeli?

Lista numerowana pasuje do sekwencji i kroków. Lista wypunktowana do cech i wyliczeń bez ustalonej kolejności. Tabela do porównania kilku wariantów po tych samych kryteriach, nie jako ozdobnik dodany na siłę.

Ta sama treść w prozie i w tabeli pokazuje różnicę wprost:

Źle sformatowany fragment:

OpenAI ma swojego bota o nazwie OAI-SearchBot, który odpowiada za wyszukiwanie, a osobno GPTBota do treningu i ChatGPT-User do pobierania na żądanie, natomiast Anthropic stosuje podobny podział z Claude-SearchBot, ClaudeBot i Claude-User, a Perplexity używa PerplexityBota do indeksacji i Perplexity-User do pobrań na żądanie, choć nie ma osobno opisanej roli bota treningowego.

Dobrze sformatowany fragment:

Treść jest identyczna, ale w tabeli porównanie jest już podzielone na wiersze i kolumny. Model może zacytować pojedynczy wiersz bez wyciągania go z jednego zdania pełnego wtrąceń. W prozie musiałby najpierw sam odtworzyć tę strukturę, a to dokładnie ten dodatkowy krok, którego lepiej mu oszczędzić.

Ta sama zasada dotyczy list. Punkt listy ma zaczynać się od konkretnego pojęcia, nie od „oraz”, „również” czy „a także”, bo takie słowo na początku zdradza, że dany punkt nie ma sensu bez poprzedniego. I nie każda lista musi wyglądać identycznie: część punktów można zostawić jako jedno zdanie, inne rozwinąć o przykład, jeśli akurat tego wymagają.

Co właściwie znaczy „semantyczny HTML” i czy to coś zmienia?

To używanie właściwego znacznika do właściwej roli zamiast zamieniania każdego elementu strony w ten sam <div> sformatowany przez CSS: <h1> do <h6> w kolejności, <p> dla akapitów, <ul>/<ol> dla list, <table> dla tabel.

Sam Google zastrzega, że kolejność nagłówków nie jest formalnym czynnikiem rankingowym: jego dokumentacja wprost mówi, że z perspektywy wyszukiwania nie ma znaczenia, czy nagłówki są użyte poza kolejnością. Ta sama dokumentacja dodaje jednak, że zachowanie semantycznej kolejności „świetnie sprawdza się przy czytnikach ekranu”, czyli przy dowolnym systemie automatycznie odczytującym strukturę strony, nie tylko przy technologiach dla osób niedowidzących.

Nie trzeba przy tym osobnego formatu „dla AI”. To ten sam błąd, co przy plikach w rodzaju llms.txt, opisany szerzej w osobnym artykule: nie ma specjalnego znacznika ani osobnego indeksu pod odpowiedzi generatywne, a to samo, dobrze zbudowane, pomocne dla ludzi HTML surfuje zarówno w klasycznym wyszukiwaniu, jak i w AI Overviews. Zwykły, poprawny kod strony wystarcza. Dokumentacja Claude idzie o krok dalej i pozwala programistom zdefiniować własną granulację cytowań przy dokumentach niestandardowych, ale to opcja dla integracji API i agentów deweloperskich, nie wymóg dla zwykłej strony firmowej.

Czy sama struktura wystarczy, żeby model zacytował twoją stronę?

Nie. Struktura otwiera drzwi do etapu doboru fragmentów, ale nie decyduje o etapie syntezy, w którym model faktycznie pisze odpowiedź i przypisuje źródła. Tam liczy się materiał: konkretne dane, cytaty, przykłady, nie sam fakt posiadania listy punktowanej.

Część agencji GEO sprzedaje „idealną strukturę HTML” jako samodzielną gwarancję cytowań. To nadużycie. Lista punktów bez treści dowodowej albo sekcja FAQ doklejona na siłę nie podnoszą szans na cytowanie same z siebie, o czym więcej w osobnym artykule o formacie pytań i odpowiedzi w GEO. Struktura decyduje, czy fragment w ogóle dotrze do etapu, w którym model ocenia jego treść. Nie zastępuje tej treści, więc dobre formatowanie podnosi widoczność w AI tylko wtedy, gdy stoi za nim materiał, który faktycznie warto zacytować.

Jak wygląda checklista formatowania przed publikacją?

• Nagłówek H2 lub H3 sformułowany jak pytanie, nie jak tytuł rozdziału podręcznika.
• Pierwsze zdanie pod nagłówkiem to gotowa odpowiedź, 40 do 60 słów, nie zapowiedź tego, co będzie dalej.
• Jeden akapit, jedna myśl. Akapit dłuższy niż 300 słów albo łączący dwa różne wątki trzeba rozbić.
• Lista numerowana dla sekwencji i kroków, wypunktowana dla cech i wyliczeń bez kolejności. Punkty różnej długości, nie identyczny wzór powtórzony kilkanaście razy.
• Tabela tam, gdzie faktycznie jest porównanie kilku wariantów po tych samych kryteriach.
• Właściwe znaczniki HTML: nagłówki w kolejności, <table> dla danych porównawczych, <ul>/<ol> dla list, nie jeden wielki kontener z formatowaniem przez CSS.
• Jedna encja główna na artykuł (marka, produkt, pojęcie), nazwana identycznie w całym tekście.
• Fakt bez wskazanego źródła nie wchodzi do tekstu.

FAQ

Czy markdown wystarczy zamiast dobrze sformatowanego HTML na stronie?

Do treści publikowanej na stronie firmowej lepiej trzymać się zwykłego, poprawnego HTML. To on trafia do indeksów wyszukiwania, na których opierają się systemy AI. Markdown ma sens tam, gdzie treść czytana jest bezpośrednio przez agentów deweloperskich, na przykład w dokumentacji technicznej czy plikach README, a nie w publicznym wyszukiwaniu.

Czy kolejność nagłówków H1 do H6 wpływa na cytowania w AI?

Google wprost mówi, że kolejność nagłówków nie jest czynnikiem rankingowym w wyszukiwaniu. Zachowanie logicznej hierarchii pomaga jednak każdemu systemowi, który automatycznie odczytuje strukturę strony, więc pośrednio ułatwia też podział treści na fragmenty pod AI, nawet bez wprost potwierdzonego wpływu na samo cytowanie.

Ile słów powinien mieć fragment tekstu pod jednym nagłówkiem?

Od 75 do 300 słów, tak żeby odpowiadał na jedno konkretne pytanie i miał sens wyrwany z kontekstu całego artykułu. Krótszy fragment zwykle brakuje mu treści dowodowej, dłuższy miesza kilka wątków naraz.

Czy dodanie tabeli zawsze zwiększa szansę na cytowanie?

Nie, tylko wtedy, gdy tabela niesie realne porównanie kilku wariantów po tych samych kryteriach. Tabela dodana na siłę do treści, która i tak jest jednowątkowa, nie zmienia nic w podziale na fragmenty, bo nie ma w niej żadnego porównania do wyciągnięcia.