Rozdział 10

Analiza zapytań

Zapytanie jest śladem potrzeby, nie pełnym opisem użytkownika

Zakładka Zapytania pokazuje teksty ujawnione przez Google dla wybranej usługi i zbioru danych. Pozwala obserwować język odbiorców, popyt, zakres tematów oraz relację między ekspozycją i kliknięciem. Nie pokazuje wszystkich zapytań, nie identyfikuje osoby i nie potwierdza intencji na poziomie pojedynczego wyszukania.

Dlatego frazy grupujemy według reguł analitycznych, a nie "wyczucia". Jedno zapytanie może mieć kilka możliwych intencji. gsc pozycja może oznaczać definicję metryki, poszukiwanie raportu albo problem z odczytem. Kategorię traktuję jako hipotezę opartą na słowach i kontekście strony docelowej.

Search Analytics API zwraca najważniejsze wiersze uporządkowane według kliknięć i nie gwarantuje pełnego zbioru, nawet przy dużym limicie i paginacji. Analiza długiego ogona musi więc jawnie odnosić się do ujawnionych rekordów.

Sześć podstawowych przekrojów

Pierwszy przegląd zapytań dzielę na sześć osi. Nie każda będzie potrzebna w każdym serwisie, ale razem tworzą użyteczną mapę:

1. Brand i non-brand. Czy użytkownik zna markę, domenę, autora lub nazwę produktu własnego?

2. Intencja robocza. Informacja, porównanie, wybór, zakup, nawigacja, rozwiązanie problemu.

3. Temat lub encja. Jakiej usługi, produktu, problemu, osoby albo miejsca dotyczy fraza?

4. Modyfikator. Cena, opinie, lokalizacja, rok, "jak", "czy", "najlepszy", marka konkurenta.

5. Etap lejka. Rozpoznanie problemu, edukacja, ocena opcji, decyzja, obsługa po zakupie.

6. Dopasowanie do strony. Czy landing odpowiada potrzebie, czy Google wybiera adres zastępczy?

Kategorie nie powinny udawać pewności, której nie ma w tekście. Jeżeli reguła przypisuje audyt seo do etapu decyzji, zapisuję to jako roboczą klasyfikację. Potwierdzeniem mogą być SERP, treść wyników, ścieżki w serwisie i konwersje, ale nadal nie odczytujemy myśli użytkownika.

Analiza brandowa bez fałszywej kompletności

Lista wariantów marki powinna obejmować nazwę, domenę, nazwiska, produkty własne, skróty i częste literówki. Dla Semgence użyliśmy wzorca semgence|zgred|paweł gontarek|pawel gontarek. W rozdziale 9 pokazaliśmy, że podział brand/non-brand zamknął się w 188 ujawnionych kliknięciach, podczas gdy suma usługi wynosiła 860.

Taki podział nadal jest wartościowy. Pozwala porównywać zmianę tej samej ujawnionej definicji w czasie, identyfikować zapytania nawigacyjne oraz rozdzielać efekt popytu na markę od szerszej widoczności tematycznej. Nie wolno jedynie rozszerzać wniosku na anonimową część bez dowodu.

W raporcie okresowym pokazuję więc trzy liczby: sumę usługi, sumę ujawnionych zapytań i wynik klastra. Procent brandu liczę wobec zbioru ujawnionych zapytań i dodaję udział tego zbioru w całości. Dzięki temu odbiorca zna zarówno wynik, jak i jego granicę.

Od listy fraz do własnych klastrów analitycznych

Sortowanie po kliknięciach premiuje frazy już skuteczne. Sortowanie po wyświetleniach ujawnia popyt oraz ekspozycję, ale może wyciągnąć zapytania, dla których strona jest daleko. Sortowanie po CTR lub pozycji bez progu wolumenu produkuje listę przypadków losowych. Dlatego tworzę co najmniej trzy widoki:

rdzeń ruchu: dużo kliknięć; chronimy strony i sprawdzamy zależność od kilku fraz;

ekspozycja bez przejść: dużo wyświetleń, mało kliknięć; badamy pozycję, intencję i SERP;

tematy rosnące lub tracące: porównanie równych okresów z minimalnym wolumenem.

Następnie grupuję frazy we własne klastry analityczne. Reguła może być słownikowa, regexowa, oparta na docelowym URL-u albo wsparta modelem językowym. Bez względu na narzędzie zachowuję próbkę kontrolną. Model może połączyć semantycznie podobne frazy, ale też nadinterpretować krótkie zapytania.

Nie jest to to samo co automatyczne grupowanie podobnych zapytań w raporcie Statystyki, pokazane w rozdziale 15. Tam grupę przygotowuje Google i nie udostępnia reguły jej budowy. Tutaj definicję klastra tworzymy sami, zapisujemy ją i możemy zastosować ponownie w następnym okresie. Własny klaster jest analitycznym skrótem, a nie właściwością zapisaną przez Google.

Statystyki, które uzupełniają listę zapytań

Regex wydziela tekst, lecz nie odpowiada na pytanie o priorytet. Dlatego po eksporcie lub przez API buduję kilka stałych statystyk. Pełne wzorce i zasady testowania znajdują się w dodatku C.

1. Pokrycie ujawnionych zapytań. Porównuję sumę ich kliknięć i wyświetleń z sumą usługi. Każdy udział brandu albo intencji ma wtedy widoczny mianownik.

2. Ekspozycja bez kliknięć. Filtruję clicks = 0 dopiero po ustawieniu progu wyświetleń. Wynik jest kolejką do kontroli SERP-u, pozycji, trafności i strony docelowej, a nie liczbą utraconych kliknięć.

3. Długość fraz. Grupuję zapytania według liczby słów rozdzielonych spacjami. Długi tekst może ujawnić precyzyjny problem, ale nie dowodzi użycia AI.

4. Przedziały pozycji. Liczę osobno koszyki 1-3, 4-10, 11-20, 21-50 i 51+. CTR obliczam z sum kliknięć i wyświetleń, nie ze średniej CTR-ów poszczególnych wierszy.

5. Udział dominującego URL-a. Dla jednego zapytania sprawdzam, jaki udział kliknięć lub wyświetleń otrzymał najważniejszy adres. Niski udział uruchamia test mapowania, ale nie potwierdza kanibalizacji.

6. Nowe i utracone wiersze. Brak zapytania w okresie zachowuję jako brak, a nie zero. Rekord mógł zniknąć z powodu ochrony prywatności lub ograniczeń zwracanych danych.

7. Koncentracja. Udział 10 najważniejszych zapytań i stron pokazuje, jak silnie wynik zależy od wąskiego rdzenia.

8. Rozjazd urządzeń i rynków. Każdy ważny klaster rozbijam co najmniej na mobile i desktop oraz główne kraje, zanim ocenię jego CTR.

Google proponuje wykres bąbelkowy łączący pozycję, CTR, kliknięcia i urządzenie. Taka wizualizacja dobrze wybiera odstające rekordy, jeżeli dodamy próg wolumenu i nie potraktujemy globalnej średniej jako uniwersalnego benchmarku.72

W kontrolnej analizie Semgence za 1-28 sierpnia 2026 roku 386 ujawnionych zapytań miało co najmniej 100 wyświetleń i zero kliknięć. Odpowiadały łącznie za 90 996 wyświetleń. Ta liczba opisuje ekspozycję kandydatów do diagnozy. Nie oznacza 90 996 utraconych kliknięć ani nie dowodzi, że należy przepisać 386 tytułów.73

Przykład Semgence: kandydaci do diagnozy CTR

W okresie 12 sierpnia-8 września 2026 roku w ujawnionych danych Semgence pojawiły się m.in. następujące wiersze:

facebook marketplace: 12 kliknięć, 21 830 wyświetleń, CTR 0,055%, pozycja 7,07;

temat błędu 403: 41 kliknięć, 4969 wyświetleń, CTR 0,825%, pozycja 9,79;

temat błędu 504: 49 kliknięć, 5032 wyświetlenia, CTR 0,974%, pozycja 9,07;

temat starych stron: 76 kliknięć, 5000 wyświetleń, CTR 1,52%, pozycja 7,71;

temat wyszukiwań zyskujących popularność: 47 kliknięć, 4055 wyświetleń, CTR 1,159%, pozycja 7,30.74

facebook marketplace ma ogromną liczbę wyświetleń i bardzo niski CTR, więc automatyczny model "oczekiwanego CTR dla pozycji" mógłby obiecać tysiące dodatkowych kliknięć. Taka prognoza byłaby pochopna. Średnia pozycja nie pokazuje rozkładu, SERP może odpowiadać na pytanie bez kliknięcia, intencja może faworyzować platformę Facebook, a strona Semgence może pojawiać się dla szerokiego zestawu wariantów. Narzędzie dobrze wskazuje kandydata; nie zna jednak osiągalnego CTR.

Prawidłowa diagnoza obejmuje:

1. rozdzielenie wariantów zapytania i stron docelowych;

2. kontrolę urządzeń oraz krajów;

3. ręczne obejrzenie reprezentatywnych SERP-ów;

4. ocenę dopasowania tytułu i treści do dominującej potrzeby;

5. sprawdzenie, czy zmiana nie wynika z poszerzenia ekspozycji na dalsze warianty;

6. zdefiniowanie mierzalnej modyfikacji i okresu kontrolnego.

Zapytanie × strona: test kanibalizacji i dopasowania

Po wybraniu klastra przechodzę do wymiaru strony. Jeżeli jedno zapytanie kieruje wyświetlenia do kilku adresów, nie nazywam tego automatycznie kanibalizacją. Google może rotować wyniki w czasie, pokazywać różne adresy w zależności od kraju lub urządzenia, a część stron może odpowiadać na odmienne warianty potrzeby.

O kanibalizacji mówimy dopiero wtedy, gdy konkurujące URL-e mają zbliżoną funkcję, ich ekspozycja zmienia się naprzemiennie, a rozdzielenie sygnałów utrudnia osiągnięcie celu. Test obejmuje trend dzienny zapytanie-strona, canonicale, linkowanie wewnętrzne, treść oraz wygląd wyników. Jeżeli dwa adresy obsługują różne intencje i oba zdobywają kliknięcia, wielość URL-i może być zaletą.

W analizie stron o niskim CTR Aleyda Solis zaleca pracę na połączeniu danych zapytanie-strona, z progami wyświetleń i pozycji, zamiast oceniania samych średnich całego URL-u. Taki przekrój pozwala odróżnić słaby fragment od szerokiej strony, która ma jednocześnie zapytania markowe, informacyjne i poboczne.75

Zmiana popytu czy zmiana widoczności

Najprostszy rozdział mechanizmów powstaje z czterech metryk:

wyświetlenia spadają, pozycja stabilna - sprawdź popyt, sezonowość i utratę indeksowanych wariantów;

wyświetlenia spadają, pozycja się pogarsza - możliwa utrata widoczności, ale sprawdź miks fraz;

wyświetlenia rosną, pozycja się pogarsza - strona mogła wejść na wiele nowych, dalszych zapytań;

pozycja stabilna, CTR spada - sprawdź SERP, tytuł, urządzenia oraz zmianę intencji.

Google Trends nie będzie równy GSC, ale pomaga ocenić względny popyt i sezonowość. Dane reklamowe mogą dodać wolumen, a SERP - kontekst konkurencji. GSC pozostaje źródłem zachowania własnej usługi, nie pełnym miernikiem całego rynku.

Raport zapytań jako system wczesnego ostrzegania

Raz w tygodniu lub miesiącu zapisuję zestaw klastrów, nie tylko top 10 fraz. Dla każdego klastra przechowuję kliknięcia, wyświetlenia, CTR, pozycję, udział w zbiorze ujawnionych zapytań i liczbę aktywnych stron. Dodaję adnotacje o wdrożeniach, zmianach oferty i sezonie. Wtedy spadek jednego słowa nie uruchamia alarmu, jeżeli cała potrzeba użytkownika pozostaje stabilna.

Szczególnie użyteczne są nowe zapytania o problem, którego zespół nie opisał w treści. Pojedynczy wiersz może być przypadkiem, ale rosnący klaster na wielu wariantach jest sygnałem do researchu. Nadal nie publikujemy tekstu tylko dlatego, że pojawiły się wyświetlenia. Najpierw sprawdzamy intencję, wiarygodność tematu, posiadane kompetencje i miejsce w architekturze informacji.

Lista kontrolna analizy zapytań

Czy analiza dotyczy ujawnionych zapytań, a ich udział w sumie jest znany?

Czy brand obejmuje warianty, nazwiska, domenę i literówki?

Czy klasyfikacja intencji jest nazwana hipotezą?

Czy segmenty nakładające się nie zostały zsumowane jak rozłączne kategorie?

Czy procentowe zmiany mają minimalny próg wolumenu?

Czy kandydat CTR został sprawdzony na poziomie zapytanie-strona-urządzenie-kraj?

Czy wiele URL-i rzeczywiście konkuruje o tę samą potrzebę?

Czy ręcznie obejrzano reprezentatywne SERP-y?

Czy popyt i sezonowość sprawdzono w niezależnym źródle?

Czy rekomendacja zawiera konkretną zmianę, okres obserwacji i warunek odrzucenia hipotezy?

Decyzja po analizie

Zapytania pokazują język rynku w takim zakresie, w jakim Google może go ujawnić. Najwięcej wartości daje nie pojedyncza fraza, lecz dobrze zdefiniowany klaster połączony ze stroną, czasem, urządzeniem i kontekstem wyników. Wtedy lista słów staje się mapą problemów, a nie tabelą do bezrefleksyjnego eksportu.