Framework: Authority / Relevance / Extractability

To framework diagnozy cytowań i rekomendacji w AI. Żeby AI cytowało lub polecało markę, zwykle muszą być „wystarczająco dobre" trzy rzeczy naraz.

TL;DR — Cytowania w AI wynikają z 3 rzeczy naraz: walidacji zewnętrznej (authority), dopasowania do intencji (relevance) i struktury, którą AI potrafi wyciągnąć (extractability). Brak jednego filaru często wycina markę z odpowiedzi.

3 filary

Authority — wiarygodność

Model porównuje to, co marka mówi o sobie, z tym co mówią o niej inne serwisy — wzmianki w mediach branżowych, recenzje na platformach trzecich (Google, Trustpilot, Clutch), cytowania przez inne strony.

Uwaga: To nie jest link building 1:1. Liczy się semantyczne potwierdzenie — marka jest wymieniana w kontekście tej branży/usługi. Ważniejsze jest, ile serwisów branżowych o Tobie wspomina, niż ile ma do Ciebie linków.

Relevance — trafność

Model wybiera źródła odpowiadające dokładnie na intencję zapytania — temat, format odpowiedzi i etap decyzji użytkownika.

Extractability — wyciągalność

Model preferuje źródła, z których da się wyciąć klarowne, samodzielne fragmenty — konkretne fakty, liczby, odpowiedzi na pytania.

Jak stosować framework

| Filar | Pytanie diagnostyczne | Działanie | |---|---|---| | Authority | Czy inne serwisy branżowe mnie wspominają? | Publikacje zewnętrzne, PR, opinie | | Relevance | Czy moje treści odpowiadają na intencje zapytań? | Pokrycie tematyczne, intencje | | Extractability | Czy AI potrafi wyciąć konkretny fragment z moich stron? | Struktura treści, fakty, liczby |

Typowe błędy

• Skupienie się na jednym filarze (np. tylko content) i brak efektu.
• Twierdzenie, że „AI jest losowe" zamiast diagnozy w tych osiach.
• Mylenie authority SEO (DR/DA) z authority AI — w AI ważniejszy jest kontekst branżowy wzmianek, nie sam profil linków.
• Kupowanie publikacji na dużych portalach ogólnotematycznych zamiast na tematycznie dopasowanych — AI rozumie kontekst, nie tylko domenę.