Jak Perplexity AI ocenia i pozycjonuje treści

Istotność omawianego zagadnienia

Dla każdego, kto pracuje nad zwiększeniem widoczności w SEO lub GEO (Generative Engine Optimization), zrozumienie logiki rankingowej Perplexity to klucz do skutecznej strategii. Choć ustalenia te nie zostały jeszcze oficjalnie potwierdzone, stanowią wartościową wskazówkę dla specjalistów, którzy chcą poprawić swoje szanse na cytowania i wzmianki w odpowiedziach generowanych przez sztuczną inteligencję.

System rerankingu encji (Entity Search Reranking)

Jednym z najciekawszych odkryć jest zastosowanie przez Perplexity systemu rerankingu trójwarstwowego (L3) w przypadku wyszukiwań związanych z encjami (np. osoby, firmy, tematy, pojęcia). Jak to działa?

1. Pierwsze wyniki są pozyskiwane i oceniane podobnie jak w tradycyjnych wyszukiwarkach.
2. Następnie włącza się filtr L3, który stosuje bardziej rygorystyczne kryteria oparte na uczeniu maszynowym.
3. Jeśli zbyt mało treści spełnia wymagania jakościowe, cały zestaw wyników jest odrzucany.

Wniosek: kluczowe znaczenie mają sygnały jakości i autorytet tematyczny – sama optymalizacja pod słowa kluczowe nie wystarcza.

Manualnie promowane domeny autorytatywne

Badanie Yesilyurta ujawniło istnienie ręcznie przygotowanych list domen, które Perplexity uznaje za szczególnie wiarygodne. Wśród nich znalazły się m.in. Amazon, GitHub, LinkedIn czy Coursera.

To oznacza, że treści powiązane z tymi serwisami lub cytujące dane z tych źródeł otrzymują automatyczny „bonus” rankingowy. Strategiczny wniosek dla twórców treści jest jasny: budowanie relacji z tymi platformami i tworzenie treści odwołujących się do ich danych może znacząco poprawić widoczność.

Synchronizacja z YouTube = dodatkowy impuls rankingowy

Kolejne odkrycie dotyczy powiązań z YouTube. Filmy, których tytuły dokładnie odpowiadają trendującym zapytaniom w Perplexity, zyskują dodatkową ekspozycję zarówno w YouTube, jak i w Perplexity.

To sugeruje, że Perplexity korzysta z danych behawioralnych z YouTube jako formy walidacji popularności tematów. Twórcy, którzy szybko reagują na nowe trendy, mogą liczyć na premię widoczności.

Kluczowe czynniki rankingowe Perplexity

Yesilyurt zidentyfikował dziesiątki sygnałów wpływających na widoczność treści w Perplexity. Oto najważniejsze z nich:

• Wczesna wydajność posta – pierwsze kliknięcia decydują o długoterminowej widoczności.
• Klasyfikacja tematyczna – tematy z obszaru technologii, AI i nauki są promowane; sport i rozrywka z kolei tracą na zasięgu.
• Świeżość treści (time decay) – brak aktualizacji szybko obniża widoczność; treści muszą być publikowane i aktualizowane regularnie.
• Relewancja semantyczna – treść musi być kompleksowa i bogata, a nie jedynie dopasowana słowami kluczowymi.
• Zaangażowanie użytkowników – liczba kliknięć i historyczne sygnały zaangażowania są istotnym elementem modeli rankingowych.
• Sieci pamięci (memory networks) – treści powiązane w klastry i linkujące się wzajemnie osiągają lepsze wyniki.
• Dystrybucja w feedach – widoczność w strumieniach jest ściśle kontrolowana przez limity cache i timery świeżości.
• Sygnały negatywne – złe opinie użytkowników, powtarzalność czy niska jakość mogą całkowicie zepchnąć treść w dół wyników.

Co dalej?

Zdaniem Yesilyurta sukces w Perplexity wymaga połączenia kilku elementów:

• strategicznego wyboru tematów,
• szybkiego zdobycia zaangażowania od pierwszych użytkowników,
• tworzenia wartościowych i powiązanych treści,
• stałej optymalizacji i aktualizacji,
• stawiania na jakość zamiast prób manipulacji algorytmami.

Nasz komentarz 💬

Badania Yesilyurta pokazują, że Perplexity coraz bardziej przypomina hybrydę klasycznej wyszukiwarki i inteligentnego asystenta. To wyraźny sygnał, że era GEO i AEO nabiera tempa. Optymalizacja pod kątem Perplexity nie polega już na samej obecności w indeksie, lecz na dostarczaniu wartościowych, świeżych i autorytatywnych treści, które sztuczna inteligencja uzna za warte cytowania. Firmy, które zaczną budować strategie z myślą o tych czynnikach, mogą zyskać znaczną przewagę konkurencyjną w nadchodzących latach.