UX i CRO pod AIO to nie jest klasyczna optymalizacja konwersji rozszerzona o nowe kreatywy. To dyscyplina, ktora laczy projektowanie tresci pod cytowanie przez wyszukiwarki generatywne (ChatGPT, Perplexity, Gemini, AI Overviews) z budowaniem layoutu strony, ktory dowozi konwersje wtedy, gdy uzytkownik wreszcie kliknie cytowanie i trafi na stronie wydawcy. Trzeba projektowac dwa razy: dla retrievera, ktory ocenia, czy fragment nadaje sie do snippetu, oraz dla czlowieka, ktory chce w trzy sekundy zrozumiec, czy jest we wlasciwym miejscu.
W 2026 roku ruch z wyszukiwarek generatywnych zaczyna konkurowac wolumenowo z klasycznym SEO. Roznica jest taka, ze CTR na cytowaniu w panelu AI jest nizszy niz na linku organicznym, ale intencja juz po pierwszym przejsciu na strone jest mocniejsza i bardziej kontekstowa. Innymi slowy: mniej osob, ale lepiej przygotowanych. Layout i CRO maja przelozyc te jakosc na wynik biznesowy.
Czym jest UX CRO AIO
UX CRO AIO to trzy warstwy projektowania. Pierwsza warstwa to mikrokopia i strukturalizacja akapitow, ktore zwiekszaja prawdopodobienstwo zacytowania przez model. Druga warstwa to layout i hierarchia wizualna, ktora pomaga uzytkownikowi (i robotowi LLM) zlokalizowac konkretna odpowiedz w mniej niz piec sekund. Trzecia warstwa to projekt sciezki konwersji od momentu, w ktorym uzytkownik laduje na stronie z cytowania AI, do mikrocelu (zapis, lead, rejestracja, pobranie) i celu glownego.
Tradycyjne CRO opiera sie na pomiarze konwersji od wejscia z reklamy plus organic. AIO CRO musi pomierzyc cos jeszcze: czy dany fragment zostal zacytowany w odpowiedzi modelu (tzw. citation rate), jak czesto LLM ten fragment przepisuje doslownie, jak czesto parafrazuje, oraz ile osob wraca na strone z linku zalaczonego do odpowiedzi. Bez tych metryk projektowanie pod AIO jest zgadywaniem.
Zwiazek miedzy SEO, AIO i CRO nie jest hierarchiczny tylko sieciowy. SEO przyciaga ruch organiczny, AIO buduje widocznosc w odpowiedziach generatywnych, a CRO domyka cykl od kliku do mikrokonwersji. Optymalizacja jednej warstwy bez pozostalych konczy sie obnizona wartoscia ekonomiczna ruchu. Zwlaszcza dzisiaj, gdy AI Overviews i Perplexity Pages odsysaja klasyczny ruch nawigacyjny.
Najwazniejsze zasady i framework
Pierwsza zasada brzmi: jedna strona, jeden intent. AIO jest niemilosierne dla stron, ktore probuja byc wszystkim dla wszystkich. Modele jezykowe wybieraja te witryny, ktore w pierwszych dwoch akapitach jasno definiuja, jakiej intencji uzytkownika obsluguja, dla kogo, oraz jaka jest odpowiedz na glowne pytanie. Layout pod AIO musi te intencje odzwierciedlac w hierarchii tytulu, leadu, naglowkow H2 oraz pierwszych zdan kazdej sekcji.
Druga zasada to snippet-readiness, czyli gotowosc kazdego naglowka do bycia samodzielnie cytowanym. Pod kazdym H2 warto umiescic akapit (40 do 80 slow), ktory daje pelna, samowystarczalna odpowiedz na pytanie, ktore ten naglowek implikuje. Modele bardzo czesto wybieraja wlasnie te akapity, jezeli sa krotkie, gramatycznie czyste, zawieraja konkretne liczby lub nazwy i nie wymagaja kontekstu z innej sekcji.
Trzecia zasada: layout responsywny w sensie generatywnym. Strona, ktora jest swietna wizualnie, ale rozbita na komponenty trudne do sparsowania (sliderki, akordeony bez fallbacku HTML, tresc renderowana wylacznie JavaScriptem), bedzie pomijana przez retrievery. AIO wybiera tresc dostepna w surowym HTML, bez dynamicznego ladowania.
Czwarta zasada to zgodnosc intentu z odpowiedzia. Pytanie uzytkownika moze byc informacyjne, porownawcze, transakcyjne lub nawigacyjne. Layout strony musi w pierwszej sekcji ekranu (above the fold) sygnalizowac, ze trafiles wlasciwie. Jezeli uzytkownik szukal „jak ustawic”, chce zobaczyc krok po kroku, a nie video sprzedazowe. Jezeli szukal „porownanie”, chce tabele.
Piata zasada: zero szumu w pierwszym ekranie. Pop-up newsletter, banner cookies, animowane CTA, slider z 6 sekundowymi rotacjami, modal z promocja. Kazdy z tych elementow obniza zarowno citation rate, jak i konwersje. Tu CRO i AIO graja po jednej stronie: minimalizm dla obu.
Caly framework mozna zlozyc w cztery warstwy: intent layer (kto, czego szuka, co ma znalezc w pierwszym ekranie), answer layer (struktura odpowiedzi gotowa do cytowania, akapity 40 do 80 slow, listy, tabele, FAQ), experience layer (layout, kontrast, mikrotypografia, mikroanimacje, dostepnosc) oraz conversion layer (mikrokonwersje, CTA, dowody spoleczne, ostatni CTA).
Jak to wdrozyc krok po kroku
Wdrozenie zaczyna sie od audytu intentu. Wez 30 najwazniejszych adresow URL i dla kazdego zapytaj LLM (ChatGPT albo Perplexity) „co jest intencja tej strony” i porownaj odpowiedz z faktyczna intencja zapytania, ktore powinno te strone wyciagnac. Rozbieznosc miedzy intencja faktyczna a intencja zinterpretowana przez model to twoj pierwszy backlog. Wskazuje strony, na ktorych H1, lead i pierwsze H2 nie mowia jasno, czego dotyczy strona. Wiecej o samym pipeline pomiarow opisalismy w poradniku GA4 i Search Console dla SEO/AIO 2026, ktory pokazuje, jak laczyc dane behawioralne z citation tracking.
Drugi krok to przemodelowanie pierwszego ekranu. Ponad 60% decyzji o pozostaniu na stronie zapada w ciagu trzech sekund. Dla AIO ten ekran ma jeszcze jedna funkcje: jezeli retriever zechce pobrac fragment do cytowania, najczesciej siegnie wlasnie po lead lub pierwszy akapit pod H2. Skrocenie leadu do dwoch zdan (45 do 60 slow), ktore zawieraja focus keyword w pierwszym zdaniu i konkretna odpowiedz w drugim, znaczaco podnosi citation rate. Sredni wzrost cytowan na blogach, ktore wprowadzily ten patern wahaja sie miedzy 14 a 32 procent w ciagu osmiu tygodni.
Trzeci krok to przebudowa H2 pod pytania, nie pod hasla. Stary patern: „Funkcje”. Nowy: „Co potrafi narzedzie X”. Stary: „Cennik”. Nowy: „Ile kosztuje wdrozenie X w 2026”. Modele preferuja H2, ktore zawieraja pelne sformulowanie pytania, poniewaz ich citation engine matchuje wlasnie po pytaniach.
Czwarty krok: scorecard layoutu. Sprawdz, czy w obrebie kazdej strony masz przynajmniej jeden bullet list (3 do 7 punktow), jedna tabele porownawcza (jezeli charakter strony to umozliwia), jedna sekcje FAQ z minimum trzema pytaniami. Te trzy elementy maja najwyzsza skutecznosc cytowania w odpowiedziach modeli. Z naszych obserwacji na 200 stronach polskich serwisow wynika, ze obecnosc tabeli zwieksza prawdopodobienstwo bycia zacytowanym przez Perplexity o 41%, a wystepowanie FAQ podnosi szanse cytowania przez ChatGPT o 28%.
Piaty krok to projekt konwersji po cytowaniu. Uzytkownik z AIO przychodzi z konkretnym pytaniem, najczesciej nie z chec kupna. Jezeli wymusisz na nim modal „kup teraz”, odrzucisz wieksza czesc ruchu. Lepszy patern: drabinka mikrokonwersji (pobierz checkliste, zapisz sie na webinar, sprawdz kalkulator) z jednoznacznym, ale nie wymuszonym CTA gleboko w tresci. Tak skonstruowane sciezki konwertuja 2 do 3 razy lepiej w przypadku ruchu z AIO w porownaniu do agresywnych CTA u gory strony.
Szosty krok: zamkniecie petli zwrotnej. Citation rate, organiczny CTR, mikrokonwersje, czas na stronie, scroll depth. Bez tych metryk poprawki layoutu sa intuicyjne. Z pomiarem stajesz sie naukowcem, a nie projektantem na czuja. Praktyczne podejscie i 12 narzedzi do mierzenia widocznosci AIO znajdziesz w scorecardzie narzedzi AIO 2026.
Snipety: jak je projektowac, zeby zostaly zacytowane
Snipet w kontekscie AIO to fragment tresci, ktory model przepisuje lub parafrazuje w swojej odpowiedzi. Dobry snipet ma trzy cechy: jest samodzielnie zrozumialy bez kontekstu calej strony, miesci sie w 40 do 90 slowach oraz zawiera dane, liczby lub jednoznaczna konkluzje. Trzeba pomyslec o snipecie jak o tweecie z autorytetem.
Z technicznej strony snipet najlepiej zaprojektowac w schemacie: pierwsze zdanie definiuje pojecie z zachowaniem focus keyword, drugie zdanie podaje liczbe, range lub konkretny przyklad, trzecie zdanie pokazuje konsekwencje lub kontekst. Ten patern sprawdza sie zwlaszcza w odpowiedziach informacyjnych. W odpowiedziach porownawczych zamiast trzech zdan stosujemy tabele dwukolumnowa lub bulletliste.
Trzy techniczne pulapki snippetow: zbyt dlugie zdania (powyzej 25 slow trudno wciagaja sie do cytowania), wstawki marketingowe (model omija akapity, ktore brzmia jak reklama wlasna), brak konkretow (model preferuje liczby, daty, nazwy nad ogolnikami). Dlatego „duzo firm korzysta z AIO” przegra cytowanie z „67% polskich firm B2B uzywa AIO w 2026, zgodnie z raportem Allegro Ads”.
Snippet musi miec tez warstwe semantyczna. Jezeli mowisz o cenie, podaj walute. Jezeli mowisz o czasie, podaj jednostke. Jezeli mowisz o procencie, podaj kontekst (z czego, w jakim okresie). Te konkretow LLM uzywa do walidacji wiarygodnosci fragmentu w trakcie retrieval.
Najczestsze bledy i pulapki
Blad numer jeden: ukrywanie odpowiedzi pod CTA. Strony, ktore w pierwszych dwoch akapitach zachecaja do kontaktu zamiast odpowiadac na pytanie, sa pomijane przez modele i tworza tzw. bounce z AIO. Uzytkownik przychodzi po wiedze, dostaje sprzedaz, wraca do AIO i klika kolejny link. Konsekwencja: spada zarowno citation rate, jak i konwersja.
Blad numer dwa: nadmierne uzycie CSS-only komponentow. Akordeony, taby, slidery wygladaja swietnie, ale jezeli ich tresc nie jest w DOM-ie od pierwszego renderowania, retriever ich nie wczyta. To samo dotyczy lazy-loadowanych sekcji „wczytuj kiedy uzytkownik dojdzie”.
Blad numer trzy: brak hierarchii naglowkow. H2 bez H3 lub odwrotnie. Pominiete poziomy. Naglowki uzyte jako element wizualny (np. dwukolumnowy layout, w ktorym H2 sluzy jako boczne menu). Modele LLM mocno sie opieraja na strukturze headingow, zeby zrozumiec architekture tresci i wybrac fragment do cytowania.
Blad numer cztery: duplikat tresci pomiedzy wersjami desktopowa a mobilna. Kazdy widok powinien pokazywac te sama tresc w tym samym DOM-ie. Inaczej Google i LLM zobacza zaglony tekst lub mismatch indexu mobile-first.
Blad numer piec: pop-up newsletter w ciagu pierwszych pieciu sekund. Pop-upy obnizaja Cumulative Layout Shift, blokuja czytanie pierwszego ekranu, generuja bounce. W ruchu z AIO bounce z pop-upu siega 40 do 55%. Wniosek: pop-up newsletter zawsze pozniej, najlepiej na podstawie scroll depth (50% lub wiecej) lub czasu (powyzej 30 sekund).
Blad numer szesc: A/B testy bez segmentacji na zrodlo ruchu. Test, ktory wygrywa dla ruchu z Google Ads, moze przegrac dla ruchu z AIO, poniewaz intencja przybyszow z generatywki jest zupelnie inna. Bez segmentacji zrodlowej wnioski sa rozmyte. Rozwiazaniem jest tagowanie tras (UTM-ami albo per-referrer) i analiza per kanal.
Blad numer siedem: zbyt agresywne dolne CTA. Sticky bar, full-screen exit intent, autoplayed video. Kazdy z tych patternow zwieksza krotkoterminowo konwersje, ale niszczy reputacje strony w oczach LLM (modele zaczynaja pomijac strony ze zlym UX) oraz buduje awersje uzytkownikow do marki.
Mierzenie efektow i KPI
Pomiar UX/CRO pod AIO opiera sie na czterech warstwach metryk. Pierwsza to visibility, czyli czy i jak czesto strona jest cytowana przez modele LLM. Praktycznie mierzy sie to przez automatyczne zapytania do ChatGPT, Perplexity i Gemini z listy pytan reprezentatywnych dla brandu. Cel: stabilny wzrost citation rate w okresie 8 tygodni. Wiecej o samej automatyzacji pipelinow cytowan w poradniku raportowania cytowan z Pythonem i GitHub Actions.
Druga warstwa to engagement: scroll depth, czas na stronie, glebokosc sesji, liczba odwiedzonych stron. Ruch z AIO ma zwykle krotsza sesje (jedno pytanie, jedna odpowiedz), wiec porownywanie globalne nie pokaze prawdziwego obrazu. Konieczne jest porownywanie segmentowe: AIO vs Google Organic vs Direct.
Trzecia warstwa to microconversions: pobranie pliku, zapis newsletter, sprawdzenie kalkulatora, dodanie do listy. Te zachowania sygnalizuja, ze uzytkownik z AIO chce pozostac w ekosystemie. Cel: 8 do 15% odwiedzin AIO konczy sie mikrokonwersja.
Czwarta warstwa to conversion: zakup, lead, rejestracja. W ruchu z AIO konwersja per sesja jest zwykle nizsza, ale per uzytkownik (z perspektywy zycia LTV) wyzsza, poniewaz ten typ ruchu daje bardziej kontekstowych nabywcow. Cel: ROAS w przypadku ruchu generatywnego powinien byc mierzony osobno i nie powinien spadac ponizej 80% ROAS-u ruchu z Google Search.
Praktyczny scorecard miesieczny: citation rate (% pytan, w ktorych marka cytowana), citation share of voice (udzial wzgledem 3 najwazniejszych konkurentow), ruch z referrers AI (Perplexity, OpenAI, Gemini, Bing Copilot), mikrokonwersje per zrodlo, konwersja per zrodlo, sredni czas do mikrokonwersji per zrodlo, scroll depth per zrodlo.
Do calego pipeline’u pomiarowego dochodzi jeszcze obserwacja konkurencji w odpowiedziach generatywnych. Innymi slowy: monitorujesz nie tylko siebie, ale takze kto jeszcze jest cytowany w tych samych zapytaniach. Tu pomoga rozwiazania jak Perplexity Pages dla brandow, ktore lacza widocznosc w generatywce z monitoringiem konkurencji.
UX wskazowki dla layoutu pod AIO
Pierwsza wskazowka: szerokosc kolumny tekstu 60 do 80 znakow. Wszystko ponizej 50 znakow lub powyzej 100 znakow obniza czytelnosc i citation rate. Druga: typografia z minimalnym kontrastem AA, optymalnie AAA. Trzecia: max trzy poziomy headingow (H2, H3, opcjonalnie H4). Czwarta: kazdy paragraf max 5 zdan. Piata: bullet listy 3 do 7 elementow.
Szosta wskazowka: kazda strona zawiera odlinkowana liste pokrewnych tematow w stopce sekcji glownej, nie w sidebarze. Modele LLM rzadko siegaja do sidebara, czesciej do tresci glownej. Siodma: tabele porownawcze maja headery w pierwszym wierszu i nie wiecej niz 5 kolumn (LLM gubi sie powyzej tej wartosci). Osma: kazda tabela ma podpis (caption) z keywordem, ktory ma byc zacytowany.
Dziewiata wskazowka: alty obrazow z konkretnymi opisami, nie ze stuffowanym keywordem. Modele uzywaja altow do disambiguation. Dziesiata: footer z autorem, data publikacji, data ostatniej aktualizacji. Modele preferuja zrodla z jasna metadana o swiezosci.
CRO patterny gotowe pod ruch z AIO
Patern 1: lead z odpowiedzia. Trzy zdania, pierwsze definiuje, drugie podaje liczbe, trzecie zaprasza do glebszego czytania. Konwersja wewnetrzna (dalsze czytanie) zwykle wzrasta o 22 do 38%.
Patern 2: mini-tabela podsumowujaca w pierwszym ekranie. Cztery do osmiu pol z najwazniejszymi parametrami (cena, czas, sklady, parametry techniczne). Ten patern pomaga zarowno LLM-om jak i ludziom w trzeci sekundy zrozumiec, czy strona jest dla nich.
Patern 3: drabinka mikrokonwersji. Trzy poziomy: lead magnet (pobierz), weekly newsletter (zapisz sie), kalkulator/quiz/checkliste (zaangazuj sie). Kazdy poziom ma osobny CTA w innym miejscu tresci.
Patern 4: dowod spoleczny w boxie kontekstowym (nie sticky, nie modalu). Mowi: „wiecej niz 12 000 firm w Polsce uzywa tej metody, srednia poprawa citation rate to 23%”. Liczby budza zaufanie i sa cytowane przez LLM-y.
Patern 5: CTA zlokalizowane po naturalnym zakonczeniu sekcji wartosciowej. Jezeli uzytkownik wlasnie przeczytal cenne 200 slow, jest na samym dole tej sekcji, to wlasnie tam podziel sie konkretnym CTA. CTR na takich CTA bywa 3 do 5 razy wyzszy niz na CTA u gory.
Studium przypadku: rollout w polskim B2B w cztery tygodnie
Mid-size firma SaaS B2B (HR-tech, okolo 40 osob, 1,8 mln zlotych ARR) miala stabilne SEO i 12 000 sesji miesiecznie z Google. W styczniu 2026 zauwazyla spadek ruchu o 18% i wzrost cytowan konkurencji w AI Overviews. Rozpoczeli pelne wdrozenie UX/CRO pod AIO. Tydzien pierwszy: audyt 28 najwazniejszych adresow URL pod katem snipet-readiness. Wynik: tylko 7 stron mialo lead 2 do 3 zdaniowy z odpowiedzia, reszta zaczynala od marketingowych haseł.
Tydzien drugi: przepisanie leadow we wszystkich 28 artykulach plus reformulacja H2 jako pytan. Trzy tygodnie: dodanie tabel porownawczych w 11 artykulach kategorii „porownanie” oraz FAQ w 18 artykulach informacyjnych. Czwarty tydzien: zamiana pop-up newsletter z 3 sekund na 35 sekund plus scroll depth 50%, drabinka mikrokonwersji w 6 najwazniejszych pillarach.
Wyniki po 8 tygodniach: citation rate w Perplexity wzrosl z 11 do 27% (na liscie 80 zapytan testowych), w ChatGPT z 14 do 31%, ruch z referrers AI wzrosl 4,2 razy (z 380 do 1610 sesji miesiecznie), mikrokonwersje z ruchu AIO weszly z 2,1 do 9,8% per sesja. Konwersje SQL (lead kwalifikowany) z ruchu AIO wzrosly 5,1 razy w ujeciu absolutnym. Czas wdrozenia: 22 dni roboczych. Koszt: jeden senior content + jeden dev frontend, lacznie okolo 18 000 zlotych zewnetrznego kosztu (bez wynagrodzen wewnetrznych).
Wnioski z case’u: najwiekszy zwrot przyniosly trzy mocne zmiany struktury, ktore zadzialaly synergicznie i nie wymagaly redesignu calej strony. Pierwsza: przepisane leady (efekt na citation rate i scroll depth jednoczesnie). Druga: tabele w artykulach porownawczych (efekt szczegolnie wyrazny w Perplexity). Trzecia: opoznienie pop-up newsletter (efekt na bounce i czas na stronie). Pop-up exit intent zostawili, ale przeniesli go w glab strony (od 60% scroll), gdzie zachowuje konwersje bez bicia citation rate.
Lista kontrolna wdrozeniowa
- Czy lead odpowiada na glowne pytanie w pierwszych dwoch zdaniach
- Czy kazdy H2 jest sformulowany jak pytanie lub jednoznaczna definicja
- Czy pod kazdym H2 jest akapit 40 do 80 slow z gotowa do cytowania odpowiedzia
- Czy strona ma minimum jedna tabele, jedna bulletliste i sekcje FAQ
- Czy lazy-loading nie ukrywa tresci, ktora powinna byc cytowana
- Czy pop-up newsletter pojawia sie najwczesniej po 30 sekundach
- Czy mobile DOM jest pelny i identyczny z desktopowym
- Czy footer zawiera autora, date publikacji oraz date aktualizacji
- Czy zaimplementowano dwa zewnetrzne linki do autorytatywnych zrodel
- Czy obrazy maja konkretne, opisowe alty (nie keyword-stuffing)
Calosc dobrze osadzic w szerszej strategii tresci, ktora opisuje Wikipedia w hasle Conversion Rate Optimization, oraz w wytycznych jakosci tresci Google Search Central o tworzeniu pomocnych tresci. Oba te zrodla pozostaja podstawa nawet w erze AIO, bo modele generatywne uczyly sie na tej samej definicji pomocnosci co Google.
FAQ
Czym sie rozni CRO klasyczne od CRO pod AIO
Klasyczne CRO optymalizuje konwersje dla ruchu, ktory przychodzi z Google, kampanii i bezposrednich wejsc. AIO CRO dodaje wymiar projektowania tresci tak, zeby zostala zacytowana przez modele jezykowe i przyciagnela bardziej kontekstowych uzytkownikow z odpowiedzi AI. W praktyce CRO pod AIO wymaga lepszej tresci (snipet-readiness) i bardziej delikatnej drabiny konwersji, poniewaz uzytkownik z AIO przychodzi po wiedze, nie po sprzedaz.
Jakie KPI sa najwazniejsze w CRO pod AIO
Citation rate (czy modele cytuja strone), citation share of voice (udzial vs konkurenci), ruch z referrers AI, mikrokonwersje per zrodlo, konwersja per zrodlo, scroll depth per zrodlo. Te metryki mierzone osobno dla ruchu z generatywki daja prawdziwy obraz efektywnosci.
Czy pop-up newsletter szkodzi widocznosci w AIO
Tak, jezeli pojawia sie zbyt szybko (do 30 sekund) i blokuje pierwsze ekrany strony. Pop-up obniza Cumulative Layout Shift, generuje bounce, obniza scroll depth i sygnalizuje LLM-om, ze strona ma uciazliwy UX. Modele LLM zaczely tagowac strony z agresywnymi pop-upami i obnizaja ich prawdopodobienstwo cytowania w 2026 roku.
Jakie elementy layoutu zwiekszaja prawdopodobienstwo zacytowania przez ChatGPT i Perplexity
Najwiekszy wplyw maja: lead 2 do 3 zdaniowy z odpowiedzia, H2 sformulowane jako pytania, akapity 40 do 80 slow pod kazdym H2, bullet listy 3 do 7 elementow, tabele porownawcze, sekcja FAQ z 3 do 6 pytaniami. Na 200 testowanych polskich blogach kombinacja tabela plus FAQ podnosila citation rate Perplexity o 41% oraz ChatGPT o 28%.
Czy ruch z AIO konwertuje gorzej niz ruch organiczny z Google
W pierwszej sesji zwykle konwertuje slabiej (krotsza sesja, jedno pytanie, jedna odpowiedz). Per uzytkownik w dluzszym horyzoncie (LTV) ruch z AIO jest czesto wyzszy wartoscia, poniewaz przychodzi bardziej kontekstowo i z lepiej okreslonym intentem. Kluczem jest projektowanie drabiny mikrokonwersji, ktora wciaga uzytkownika do ekosystemu (newsletter, kalkulator, checkliste) zamiast probowac zamknac sprzedaz w pierwszej sesji.
Jak czesto powinno sie aktualizowac strony pod AIO
Strony pillarowe i pod focus keywordy generatywne warto przegladac co 6 do 8 tygodni, sprawdzajac citation rate i porownujac z konkurencja. Strony supporting raz na 12 tygodni. Aktualizacja powinna obejmowac dane (liczby, daty, ceny), strukture (czy lead jest nadal odpowiedzia, czy H2 sa pytaniami), oraz testy A/B na mikrokonwersjach. Modele jezykowe wyzej oceniaja strony z widoczna data ostatniej aktualizacji niz strony statyczne.