Agent, który codziennie pisze artykuły i sam wpina je w sieć linków

Kto to był i co go bolało

Software house sprzedający usługi, dla którego widoczność w wyszukiwarce jest jednym z głównych źródeł zapytań. Firma nie potrzebowała pojedynczego artykułu miesięcznie, tylko stałego, tematycznie spójnego dopływu treści, który buduje autorytet w kilku wąskich obszarach. A to jest praca redakcyjna bez końca: ktoś musi trzymać plan tematów, pilnować, żeby teksty się nie dublowały, i pamiętać, co z czym linkować.

Do tego doszła kwestia doboru fraz. W usługach B2B łatwo wpaść w pułapkę pisania odpowiedzi na pytania w stylu "ile kosztuje", które w wynikach wyszukiwania i tak przejmuje podsumowanie generowane przez wyszukiwarkę. Ruch z takich fraz nie schodzi na stronę, a nawet jeśli zejdzie, to rzadko kończy się rozmową handlową. Trzeba było celować w zapytania o intencji komercyjnej.

Trzecia rzecz to tempo. Nowy tekst musi być od razu zgłoszony do wyszukiwarek i od razu wpięty w klaster, bo artykuł stojący samotnie przez dwa tygodnie to zmarnowana praca. I czwarta, najważniejsza: agent miał wzmacniać to, co już prawie rankuje, zamiast produkować kolejne odizolowane wyspy treści, o których nikt nie pamięta.

Co zrobiliśmy

Zbudowaliśmy agenta, który prowadzi cały cykl od wyboru tematu po sprawdzenie efektu. Sama praca redakcyjna stoi na Claude, dane o wynikach pobieramy z API Search Console, a stan agenta, historia tekstów i mapa powiązań siedzą w Supabase. Całość chodzi z harmonogramu na serwerze.

Punktem wyjścia dla każdego uruchomienia jest własny graf wiedzy. Agent czyta, które klastry tematyczne ma już obsadzone, gdzie są dziury i co w danym obszarze faktycznie przynosi wyświetlenia. Dopiero na tej podstawie wybiera temat, więc kolejny tekst domyka lukę zamiast powielać to, co już stoi.

Potem idzie dobór frazy. Agent zestawia dane z Search Console z podpowiedziami wyszukiwarki i odsiewa zapytania, na które odpowiedź i tak zostanie wyświetlona bez wejścia na stronę. Do wybranej frazy robi przegląd tego, co już jest w wynikach, i pisze artykuł z sekcją pytań i odpowiedzi opisaną danymi strukturalnymi.

Publikacja idzie od razu na produkcję, w dwóch wersjach językowych. Zaraz po niej agent wysyła zgłoszenie IndexNow do wyszukiwarek i przechodzi do linkowania. Nie chodzi tylko o wstawienie odnośników w nowym tekście - agent wraca do starszych artykułów z tego samego klastra i dokłada w nich linki do świeżej publikacji.

Osobno działa tryb wzmacniania. Frazy, które siedzą na pozycjach od ósmej do trzydziestej, agent traktuje jako materiał do poprawy, a nie jako powód do napisania nowego tekstu od zera. Po jakimś czasie wraca i sprawdza, czy zabieg zadziałał.

Jak to działa dzisiaj

Agent pracuje w trybie ciągłym i publikuje jeden lub dwa artykuły dziennie, po polsku i po angielsku. Każdy nowy tekst jest w ciągu kilku minut zgłoszony do wyszukiwarek i wpięty w sieć linków wewnętrznych z obu stron: nowy artykuł linkuje do starszych, starsze linkują do niego.

Decyzja o tym, czy dziś powstaje nowy tekst, czy wzmacniany jest istniejący, zapada na podstawie realnych danych o pozycjach, a nie na podstawie planu wymyślonego kwartał wcześniej. Nikt w firmie nie prowadzi kalendarza publikacji, bo kolejność wynika z tego, gdzie są luki i co jest blisko progu opłacalności.

Co z tego wyszło

Publikacja idzie w tempie jednego do dwóch artykułów dziennie. Treść powstaje w dwóch językach, po polsku i po angielsku. Linkowanie wewnętrzne i zgłaszanie do wyszukiwarek dzieje się automatycznie przy każdej publikacji. Agent uczy się na danych z Search Console, więc kolejne decyzje opierają się na tym, co faktycznie rankuje.

Co zrobilibyśmy inaczej

Pierwsza wersja pisała dobre teksty i to był problem, bo dobre teksty bez klastra i bez linkowania nie robią różnicy. Sieć powiązań i tryb wzmacniania dołożyliśmy później, a to one dały efekt. Gdybyśmy zaczynali jeszcze raz, zbudowalibyśmy najpierw mapę klastrów i mechanizm linkowania, a dopiero potem podpięli pisanie.

Nie doceniliśmy też, jak łatwo agent osuwa się w frazy informacyjne. Zapytania, na które wyszukiwarka odpowiada sama, wyglądają atrakcyjnie w statystykach wyszukiwań i kuszą model. Filtr odsiewający je musiał być twardy i wpisany na sztywno, bo delikatna sugestia w poleceniu nie wystarczała.