Audyt treści pod AIO różni się od klasycznego audytu SEO jednym szczegółem: nie pytamy, czy tekst da się wypozycjonować, tylko czy da się z niego wyciąć samodzielny fragment, który model językowy uzna za wart zacytowania. To inne kryterium i wymaga innych narzędzi kontroli. Poniżej dwanaście promptów, przez które przepuszczamy artykuł zanim trafi do publikacji. Każdy sprawdza jeden wymiar, każdy zwraca listę konkretnych poprawek, a nie ocenę w skali od jednego do dziesięciu.
Jak używać tych promptów w procesie redakcyjnym
Prompty audytowe działają najlepiej wtedy, gdy uruchamiasz je na gotowym draftcie, a nie na planie. Na etapie planowania rolę kontrolną pełnią prompty do briefów content, które ustawiają zakres tematu. Audyt przychodzi później i ma odpowiedzieć na pytanie, czy to, co faktycznie zostało napisane, pokrywa się z zamiarem.
Trzy zasady, które oszczędzają czas. Po pierwsze, wklejaj cały tekst, nie streszczenie: model oceniający streszczenie ocenia streszczenie, nie artykuł. Po drugie, wymuszaj format wyjścia w postaci tabeli lub listy z numerem sekcji, bo inaczej dostaniesz esej, którego nikt nie przerobi na taski. Po trzecie, uruchamiaj prompty pojedynczo. Złożony prompt sprawdzający jednocześnie strukturę, fakty i źródła zwraca płytką odpowiedź w każdym z tych obszarów.
W praktyce cały przebieg zajmuje od 15 do 25 minut na artykuł. To mniej niż kosztuje jedna runda poprawek po publikacji, kiedy tekst już zebrał pierwsze wyświetlenia.
Prompty do oceny struktury i nagłówków
Struktura jest pierwsza, bo determinuje wszystko dalej. Model retrieval tnie tekst na fragmenty po nagłówkach i granicach akapitów. Jeśli sekcja miesza dwa tematy, żaden z nich nie wyjdzie z niej w całości.
Prompt 1. Mapa nagłówków kontra obietnica tytułu.
Poniżej artykuł. Wypisz wszystkie nagłówki H2 i H3 w kolejności. Dla każdego oceń w jednym zdaniu, czy realizuje obietnicę zawartą w tytule, czy jest dygresją. Na końcu podaj listę nagłówków do usunięcia lub przeniesienia oraz brakujące nagłówki, których czytelnik oczekiwałby po tym tytule.
Prompt 2. Test samodzielności sekcji.
Dla każdej sekcji H2 w tym artykule odpowiedz: czy czytelnik, który zobaczy wyłącznie tę sekcję bez reszty tekstu, zrozumie ją w pełni? Wskaż konkretne zdania, które wymagają kontekstu z innej sekcji, i zaproponuj minimalną przeróbkę, która czyni sekcję samodzielną.
Prompt 3. Wykrywanie nagłówków pustych informacyjnie.
Wypisz nagłówki, które nie zawierają żadnego rzeczownika opisującego konkretny obiekt, proces lub liczbę (przykłady pustych: Wprowadzenie, Podsumowanie, Kilka słów o, Dlaczego to ważne). Dla każdego zaproponuj wersję, która mówi, czego sekcja dotyczy i jaki jest jej wniosek.
Prompty do gęstości faktów i liczb
Tekst bez liczb i nazw własnych jest dla modelu wymienialny na dowolny inny tekst o tym samym temacie. Gęstość faktów to najprostsza dźwignia, jaką masz, i zwykle najbardziej zaniedbana.
Prompt 4. Inwentarz faktów.
Wypisz w tabeli każdy weryfikowalny fakt z tego artykułu: liczbę, datę, nazwę własną, wersję narzędzia, nazwę standardu. Kolumny: fakt, sekcja, czy podano źródło (tak/nie). Na końcu policz liczbę faktów przypadających na 500 słów tekstu.
Prompt 5. Detekcja zdań pustych.
Wskaż zdania, które nie niosą żadnej informacji weryfikowalnej i dałoby się je wstawić do dowolnego artykułu w tej branży bez zmiany sensu. Dla każdego zaproponuj albo usunięcie, albo konkretne uzupełnienie o liczbę, przykład lub warunek brzegowy.
Prompt 6. Pytanie o brakujące dane.
Jako sceptyczny recenzent branżowy wypisz dziesięć pytań, na które ten artykuł powinien odpowiadać liczbą lub zakresem, a odpowiada ogólnikiem. Uporządkuj je od najbardziej do najmniej dotkliwego braku.
Prompt szósty jest tym, który najczęściej generuje realną pracę redakcyjną. Zwykle okazuje się, że artykuł opisuje metodę, ale nie mówi, ile trwa, ile kosztuje ani przy jakiej skali przestaje się opłacać. Te trzy odpowiedzi są dokładnie tym, co model wybiera do cytowania.
Prompty do wykrywania luk tematycznych
Luka tematyczna to podtemat, którego oczekuje czytelnik zadający pytanie z twojej frazy, a którego w tekście nie ma. Nie chodzi o objętość, tylko o kompletność ścieżki decyzyjnej.
Prompt 7. Rekonstrukcja intencji.
Fraza docelowa artykułu to: [fraza]. Wypisz piętnaście pytań, jakie realnie zadaje osoba wpisująca tę frazę, w podziale na etapy: rozpoznanie problemu, wybór metody, wdrożenie, pomiar efektu. Zaznacz, na które z nich artykuł odpowiada wprost, na które pośrednio, a na które wcale.
Prompt 8. Analiza porównawcza pokrycia.
Oto mój artykuł oraz trzy teksty konkurencyjne. Zbuduj tabelę podtematów: wiersze to podtematy, kolumny to teksty, w komórkach oznacz pokrycie jako pełne, częściowe lub brak. Wypisz podtematy obecne u co najmniej dwóch konkurentów, a nieobecne u mnie.
Prompt 9. Warunki brzegowe i wyjątki.
Wskaż wszystkie twierdzenia w tym artykule sformułowane jako uniwersalne, a które w praktyce mają wyjątki. Dla każdego podaj wyjątek i zaproponuj sformułowanie warunkowe, precyzujące, kiedy twierdzenie obowiązuje, a kiedy nie.
Dziewiąty prompt bywa niedoceniany, a odpowiada za wiarygodność. Zdanie mówiące, kiedy metoda nie działa, buduje zaufanie mocniej niż akapit chwalący jej skuteczność. Ten sam mechanizm opisujemy szerzej przy okazji sygnałów autorytetu poza linkami.
Prompty do sprawdzenia cytowalności fragmentów
Cytowalność sprawdzamy przez symulację. Zamiast pytać model, czy tekst jest dobry, każemy mu wykonać to, co robi w produkcji: wybrać fragment i użyć go jako odpowiedzi.
Prompt 10. Symulacja wyboru fragmentu.
Wyobraź sobie, że odpowiadasz użytkownikowi na pytanie: [pytanie]. Masz do dyspozycji wyłącznie poniższy artykuł. Zacytuj dosłownie fragment o długości od 40 do 80 słów, którego byś użył, i wyjaśnij, dlaczego akurat ten. Następnie wskaż trzy fragmenty, których nie użyłbyś nigdy, i podaj powód.
Prompt 11. Test zdania kotwicznego.
Dla każdej sekcji H2 sprawdź, czy w pierwszych dwóch zdaniach znajduje się kompletna odpowiedź na pytanie zawarte w nagłówku. Jeżeli nie, napisz brakujące zdanie kotwiczne: jedno zdanie, maksymalnie 30 słów, zawierające konkret, a nie zapowiedź dalszej części tekstu.
Zdanie kotwiczne to najtańsza poprawka o najwyższym zwrocie w całym audycie. Technikę i przykłady rozpisaliśmy w tekście o copywritingu pod LLM, tu wystarczy zasada: sekcja zaczyna się od odpowiedzi, nie od rozbiegu.
Prompty do weryfikacji źródeł i dat
Prompt 12. Audyt aktualności i przypisań.
Wypisz w tabeli wszystkie odwołania do danych, badań, dokumentacji i wersji narzędzi. Kolumny: twierdzenie, przypisane źródło, rok danych, czy istnieje nowsza wersja tego źródła. Oznacz osobno twierdzenia przypisane źródłu, które nie zawiera takiej informacji.
Ostatnia kolumna jest kluczowa, bo modele generujące draft potrafią przypisać prawdziwe zdanie do prawdziwego, ale niewłaściwego dokumentu. Weryfikację robimy ręcznie: otwieramy źródło i szukamy zdania. Przy odwołaniach do wytycznych wyszukiwarki punktem odniesienia jest dokumentacja Google Search Central, a przy danych strukturalnych obowiązujące definicje typów ze schema.org. Jeżeli draft powołuje się na dokument, którego nie da się otworzyć, twierdzenie wypada z tekstu.
Jak interpretować wyniki i czego nie poprawiać
Audyt zwróci więcej uwag, niż warto wdrożyć. Kolejność, która się sprawdza: najpierw zdania kotwiczne (prompt 11), potem luki z promptu 7, potem gęstość faktów (prompty 4 i 6), na końcu kosmetyka nagłówków. Poprawki strukturalne wykonane po faktograficznych trzeba i tak robić dwa razy.
Czego nie poprawiać. Nie gonimy za każdą luką z promptu 8: jeżeli konkurent opisuje podtemat, który u ciebie należy do innego artykułu w klastrze, właściwą reakcją jest link wewnętrzny, nie dopisywanie sekcji. Nie wydłużamy tekstu tylko dlatego, że model zasugerował rozwinięcie: prompt oceniający kompletność ma wbudowaną skłonność do proponowania dodatkowej treści. Nie usuwamy też zdań uznanych za puste, jeśli pełnią funkcję przejścia między sekcjami, bo tekst złożony wyłącznie z faktów czyta się jak dokumentacja.
Ostatnia uwaga dotyczy pomiaru. Audyt jest tani, więc łatwo wpaść w pułapkę ciągłego poprawiania bez sprawdzania, czy cokolwiek z tego wynika. Efekty zmian obserwujemy na cytowaniach i wejściach z asystentów, a nie na samej pozycji w wynikach, i mierzymy je metrykami opisanymi w zestawieniu KPI dla AIO. Bez tego audyt staje się rytuałem, a nie procesem.
FAQ
Który model najlepiej sprawdza się do audytu treści?
Do promptów strukturalnych (1, 2, 3, 11) wystarczy dowolny model klasy średniej, bo zadanie jest mechaniczne. Do promptów 6, 7 i 9, które wymagają wiedzy branżowej i wychwycenia braków, warto użyć najmocniejszego dostępnego modelu z długim kontekstem. Weryfikacji źródeł z promptu 12 nie zlecaj modelowi bez dostępu do sieci.
Czy trzeba uruchamiać wszystkie dwanaście promptów na każdym tekście?
Nie. Dla tekstów aktualizowanych wystarczy zestaw 4, 7, 11 i 12. Pełny przebieg ma sens przy nowych artykułach filarowych oraz przy tekstach, które mimo dobrej pozycji nie zbierają cytowań w odpowiedziach asystentów.
Jak często powtarzać audyt tego samego artykułu?
Raz na kwartał dla treści z danymi i wersjami narzędzi, raz na 6–12 miesięcy dla treści koncepcyjnych. Wyjątkiem jest sytuacja, w której zmienia się dokumentacja cytowanego standardu: wtedy uruchamiamy prompt 12 od razu.
Czy audyt promptami zastępuje redaktora?
Nie zastępuje, przenosi jego uwagę. Prompty wykonują pracę inwentaryzacyjną, czyli wypisanie faktów, luk i słabych fragmentów. Decyzja, co z tej listy wdrożyć i co pominąć, pozostaje po stronie redakcji i to ona decyduje o jakości efektu.
Co zrobić, gdy model za każdym razem zwraca inne wyniki?
Rozbieżność przy promptach oceniających jest normalna. Ustaw niską temperaturę, wymuś format tabeli i uruchom prompt dwukrotnie, biorąc pod uwagę wyłącznie uwagi powtarzające się w obu przebiegach. Punkty jednorazowe traktuj jako sygnał do sprawdzenia, nie jako zadanie.