Google Search Console nie raportuje pozycji poszczególnych linków w AI Overviews. Traktuje całą odpowiedź AI jako jeden blok i przypisuje każdemu źródłu w jej wnętrzu tę samą wartość, niezależnie od tego, czy link stoi tuż pod pierwszym zdaniem, czy jest schowany w rozwijanym panelu. Mechanizm, nazywany w branży block flattening, opisał 24 września serwis Search Engine Journal, a jego istnienie potwierdził publicznie John Mueller z Google.
Konsekwencja jest prosta i niewygodna: kolumna „średnia pozycja” w raporcie skuteczności przestała opisywać cokolwiek, co da się zobaczyć na ekranie użytkownika. Dla zespołów SEO, które od lat rozliczają się z tej metryki, oznacza to konieczność przebudowy raportowania, a nie kosmetyczną poprawkę.
Kontekst: pozycja była umową, która właśnie wygasła
Przez dwie dekady „pozycja” w wynikach wyszukiwania miała sens, bo świat SERP był liniowy. Dziesięć niebieskich linków ułożonych jeden pod drugim dawało się ponumerować, a numer korelował z widocznością i klikalnością na tyle dobrze, że cała branża zbudowała na nim narzędzia, raporty i systemy premiowe. Rank tracker pokazywał trójkę, klient rozumiał, co to znaczy.
AI Overviews zerwały tę liniowość. Odpowiedź generowana przez model to nie lista, tylko blok tekstu, w którym odnośniki są wplecione w zdania, zgrupowane w karuzele po boku albo ukryte pod przyciskiem rozwijającym. Nie ma w tym układzie naturalnego porządku, który dałoby się zmapować na liczby od 1 do 10. Google stanął przed wyborem: albo wymyślić nową skalę, albo spłaszczyć wszystko do jednej wartości. Wybrał to drugie.
Warto zaznaczyć, że to nie jest błąd ani przeoczenie. To świadoma decyzja produktowa, którą Google komunikuje od dłuższego czasu, tylko branża nie przyswoiła jej konsekwencji. Podobny problem interpretacyjny dotyka zresztą innych raportów, o czym pisaliśmy przy okazji wykrywania kanibalizacji w Search Console, gdzie surowe dane też wymagają warstwy interpretacji, zanim staną się decyzją.
Kluczowe fakty: jak działa block flattening
Mechanizm da się streścić w kilku regułach, które warto znać na pamięć, zanim otworzy się kolejny raport skuteczności.
| Element | Jak działa w AI Overviews | Co to oznacza w praktyce |
|---|---|---|
| Pozycja linku | Cała odpowiedź AI liczona jako jeden blok, wszystkie linki dostają tę samą wartość | Nie da się odróżnić cytowania eksponowanego od schowanego |
| Link pod pierwszym zdaniem | Ta sama pozycja co link w rozwijanym panelu | Realna widoczność nie ma odzwierciedlenia w danych |
| Wyświetlenie linku domyślnie widocznego | Liczone przy załadowaniu strony | Wyświetlenie rejestrowane, nawet jeśli nikt nie doscrollował |
| Wyświetlenie linku pod przyciskiem | Liczone dopiero po rozwinięciu przez użytkownika | Dwa różne progi rejestracji w jednym bloku |
| Kliknięcie uruchamiające nowe zapytanie | Nie liczy się jako kliknięcie | Część interakcji znika z raportu |
| Dane AI w raporcie | Podzbiór ogólnych danych z wyszukiwarki | Brak osobnego wymiaru do filtrowania |
Najciekawsza jest czwarta linia tej tabeli, bo pokazuje, że Google stosuje wewnątrz jednego bloku dwa różne zegary. Link widoczny domyślnie generuje wyświetlenie w momencie renderowania strony, czyli kredytowany jest za ekspozycję, której użytkownik mógł nigdy nie zobaczyć, bo nie przewinął widoku. Link schowany pod przyciskiem generuje wyświetlenie dopiero wtedy, gdy ktoś celowo go rozwinie, czyli po akcie realnego zainteresowania. Paradoksalnie to ukryte cytowanie ma mocniejsze pokrycie w rzeczywistości niż to wyeksponowane.
Czego Search Console nie policzy
Z układu tych reguł wynika jeszcze jedna rzecz, o której łatwo zapomnieć przy budowie dashboardów: dla AI Overviews nie da się sensownie policzyć CTR. Mianownik i licznik pochodzą z dwóch niekompatybilnych światów, bo wyświetlenia rejestrowane są według dwóch różnych progów, a część kliknięć w ogóle nie trafia do statystyk, jeśli odnośnik uruchamia kolejne zapytanie zamiast prowadzić na stronę zewnętrzną. Dzielenie jednego przez drugie daje liczbę, która wygląda jak wskaźnik, ale nie opisuje żadnego zachowania.
- Średnia pozycja w obecności AI Overviews nie odpowiada miejscu na ekranie.
- CTR liczony z surowych danych AI jest artefaktem, nie wskaźnikiem.
- Spadek średniej pozycji może oznaczać po prostu zmianę udziału zapytań z AI w miksie, a nie utratę widoczności.
- Brak osobnego wymiaru AI uniemożliwia czyste odseparowanie obu warstw ruchu.
Tło: linków w AI Overviews gwałtownie przybyło
Block flattening stał się palącym problemem akurat teraz, bo skala zjawiska urosła w ciągu kilku tygodni. Według analizy firmy Peec AI, przygotowanej przez Malte Landwehra i obejmującej okres od 25 sierpnia do 20 września 2026, udział zewnętrznych linków umieszczonych bezpośrednio w treści odpowiedzi AI wzrósł do 26,2 procent na koniec badanego okresu. Do 10 września wartość oscylowała blisko zera, po czym około 11 września nastąpił gwałtowny skok.
Autorzy badania podsumowali to jednym zdaniem: Google masowo zwiększył liczbę zewnętrznych linków wewnątrz odpowiedzi AI Overviews. Trzeba przy tym uczciwie zaznaczyć ograniczenia tej analizy, bo sam Peec AI ich nie ukrywa: nie ujawniono wielkości próby, badanych rynków ani urządzeń, nie opisano też metodyki klasyfikowania typów linków. To sygnał kierunkowy, a nie twardy pomiar rynkowy.
Kierunek jest jednak zgodny z tym, co Google zapowiadał oficjalnie. Robby Stein, wiceprezes odpowiedzialny za wyszukiwarkę, mówił w sierpniu 2025 roku, że długoterminową gwiazdą polarną firmy jest pokazywanie większej liczby linków wplecionych w tekst. W maju 2026 Hema Budaraju z zarządzania produktem doprecyzowała, że użytkownicy zobaczą więcej odnośników bezpośrednio w odpowiedziach AI, tuż obok fragmentu, którego dotyczą. Wdrożenie z września wygląda na realizację tej zapowiedzi.
Dla właścicieli witryn to wiadomość o dwóch twarzach. Linków jest więcej, czyli szans na cytowanie też. Jednocześnie każdy z tych linków ląduje w raporcie jako ta sama, nieinformatywna pozycja, więc przyrost widoczności jest trudniejszy do udowodnienia niż kiedykolwiek.
Co to znaczy dla SEO i AIO
Pozycja schodzi z roli wskaźnika głównego
Pierwsza zmiana jest organizacyjna, nie techniczna. Jeśli raport miesięczny otwiera się wykresem średniej pozycji, trzeba ten wykres przesunąć niżej albo opatrzyć jawnym zastrzeżeniem. Utrzymywanie go na pierwszym slajdzie oznacza podejmowanie decyzji budżetowych na podstawie liczby, która miesza dwa nieporównywalne układy wyników. Praktyczny szkielet takiej przebudowy opisaliśmy w szablonie raportu miesięcznego SEO, gdzie metryki są ułożone od skutku do przyczyny, a nie odwrotnie.
Cytowanie to pytanie zero-jedynkowe
Zamiast pytać „na której pozycji jesteśmy w AI Overviews”, warto zadać pytanie prostsze i weryfikowalne: czy w ogóle jesteśmy cytowani dla tego zapytania, tak czy nie. To metryka binarna, którą da się zbierać ręcznie albo narzędziowo dla zdefiniowanego koszyka zapytań, i która nie rozsypuje się przy zmianie sposobu raportowania po stronie Google. Śledzenie takiego koszyka w czasie daje trend, a trend jest tym, czego potrzebuje decyzja.
Ciężar dowodu przesuwa się na wyniki biznesowe
Skoro warstwa pośrednia przestała być mierzalna, zostaje warstwa końcowa: wejścia na stronę, zapytania ofertowe, konwersje. To nie jest wygodne, bo te metryki są wolniejsze, bardziej zaszumione i zależne od czynników spoza SEO. Są jednak realne, w przeciwieństwie do spłaszczonej pozycji. Budowanie raportowania wokół nich wymaga zszycia kilku źródeł danych, a sposób na to pokazaliśmy przy okazji raportu widoczności w AI w Looker Studio.
Optymalizacja pod ekspozycję, nie pod numer
Jeśli dane nie odróżniają linku wyeksponowanego od schowanego, nie znaczy to, że różnica przestała istnieć dla użytkownika. Ona po prostu zniknęła z raportu. Pracując nad treścią, nadal warto celować w bycie źródłem dla tych fragmentów odpowiedzi, które model umieszcza wysoko: definicji, liczb, konkretnych procedur. Sprawdzenie efektu wymaga jednak oglądania SERP na własne oczy, bo Search Console tej informacji nie dostarczy.
Praktyka: koszyk zapytań zamiast rank trackera
Najczęstsze pytanie, jakie pada po zrozumieniu block flattening, brzmi: czym w takim razie zastąpić cotygodniowy eksport z rank trackera. Odpowiedź jest mniej wygodna niż narzędzie, ale bardziej odporna na kolejne zmiany po stronie Google.
Punktem wyjścia jest zamknięty koszyk zapytań, dobrany raz i zamrożony na kilka miesięcy. Powinny znaleźć się w nim zapytania, które faktycznie wyzwalają AI Overviews, a nie te o najwyższym wolumenie. Koszyk mieszany, w którym połowa fraz nigdy nie generuje odpowiedzi AI, produkuje szum nie do odróżnienia od realnej zmiany. Sensowny rozmiar to kilkadziesiąt pozycji: dość, by pojedynczy wynik nie przesuwał całości, i na tyle mało, by weryfikacja mieściła się w godzinie pracy.
Dla każdego zapytania notuje się trzy rzeczy w stałym rytmie, najlepiej raz w miesiącu i zawsze w podobnych warunkach. Po pierwsze, czy AI Overviews w ogóle się pojawia. Po drugie, czy witryna jest wśród cytowanych źródeł, wartością zero-jedynkową. Po trzecie, czy cytowanie było widoczne od razu, czy wymagało rozwinięcia panelu. Ostatni punkt to jedyna informacja o ekspozycji, jakiej nie dostarczy żaden raport, więc trzeba ją zebrać samodzielnie.
Tak zbudowany zbiór daje po kilku cyklach coś, czego średnia pozycja nie daje: trend udziału cytowań, czyli odsetek zapytań z koszyka, w których witryna jest źródłem. To liczba, którą da się pokazać na jednym slajdzie, wyjaśnić w dwóch zdaniach i porównać między okresami bez zastrzeżeń metodologicznych. Jej wadą jest koszt ręcznej pracy oraz to, że reaguje wolniej niż wykres pozycji. Zaletą jest to, że opisuje rzeczywistość.
Warto przy okazji zweryfikować, co obiecują używane narzędzia. Jeśli dostawca raportuje „pozycję w AI Overviews” z rozdzielczością większą niż jeden na blok, robi to na podstawie własnego scrapowania wyników, nie danych z Search Console. Taka metryka może być wartościowa, ale jest pomiarem innego rodzaju i nie da się jej zestawiać z liczbami z raportu skuteczności. Mieszanie obu źródeł w jednym wykresie to najszybsza droga do wniosków, które nie mają pokrycia w danych.
Reakcje branży
John Mueller, Search Advocate w Google, przyznał wprost, że śledzenie tradycyjnych rankingów dla funkcji AI jest trudne do zrobienia w sposób, który byłby faktycznie użyteczny, i potwierdził, że Search Console traktuje całe AI Overviews jako pojedyncze bloki. Ta wypowiedź jest o tyle istotna, że zamyka dyskusję, czy mamy do czynienia z bugiem. Nie mamy. Mamy z ograniczeniem wpisanym w projekt raportu.
W środowisku specjalistów dominują dwie reakcje. Pierwsza to rozczarowanie dostawcami narzędzi, które nadal sprzedają „pozycję w AI Overviews” jako mierzalny produkt, choć źródło danych takiej rozdzielczości nie ma. Druga to ulga, bo część zespołów od dawna argumentowała, że rozliczanie z pozycji jest ślepą uliczką, a teraz zyskała potwierdzenie z pierwszej ręki.
Pojawia się też głos ostrożniejszy: skoro Google raz już zmienił sposób liczenia, może zmienić go ponownie, więc każdy system raportowania oparty na obecnym stanie interfejsu jest tymczasowy. To argument za budowaniem metryk możliwie blisko biznesu, bo definicja konwersji zmienia się rzadziej niż układ wyników wyszukiwania.
Co dalej
Google nie zapowiedział osobnego wymiaru dla AI Overviews w raporcie skuteczności ani rozbicia pozycji wewnątrz bloku. Presja branży na taki podział rośnie, bo bez niego nie da się oddzielić wyników klasycznych od wygenerowanych przez model, a to utrudnia ocenę każdej zmiany na stronie. Dopóki podziału nie ma, sensowne są trzy ruchy, które można wykonać od razu.
- Zdefiniować stały koszyk 30–50 zapytań i raz w miesiącu sprawdzać ręcznie, czy witryna jest w nich cytowana w AI Overviews, zapisując wynik jako wartość binarną.
- Przebudować raport tak, by na górze stały wejścia i konwersje, a średnia pozycja trafiła do sekcji diagnostycznej z opisem jej ograniczeń.
- Porównywać okresy o tym samym udziale zapytań z AI, zamiast zestawiać miesiące, w których nasycenie AI Overviews było różne, bo taka różnica sama w sobie przesuwa średnią.
Rollout większej liczby linków w odpowiedziach trwa, a jeśli trend z września się utrzyma, udział cytowań w treści będzie dalej rósł. To dobra wiadomość dla witryn z konkretną, weryfikowalną treścią. Zła jest taka, że dowód skuteczności trzeba będzie od teraz konstruować samodzielnie, bo raport, który przez lata podawał go gotowego, przestał w tej warstwie odpowiadać na pytanie.
Czym dokładnie jest block flattening w Search Console?
To sposób raportowania, w którym Google traktuje całą odpowiedź AI Overviews jako jeden blok wyniku. Wszystkie odnośniki umieszczone w jej wnętrzu otrzymują tę samą wartość pozycji, bez względu na to, czy są widoczne od razu, czy dopiero po rozwinięciu panelu. Raport nie zawiera więc informacji o tym, jak wyeksponowane było konkretne cytowanie.
Czy średnia pozycja w Search Console jest teraz bezużyteczna?
Nie bezużyteczna, ale znacznie węższa w zastosowaniu. Dla zapytań, przy których nie pojawia się AI Overviews, nadal opisuje realny układ wyników. Problem zaczyna się przy agregacji, bo w jednej średniej mieszają się pozycje klasyczne i spłaszczone wartości z bloków AI. Dlatego porównywanie miesiąc do miesiąca bywa mylące, jeśli w tym czasie zmienił się udział zapytań z odpowiedzią AI.
Dlaczego nie da się policzyć CTR dla AI Overviews?
Bo licznik i mianownik powstają według niespójnych reguł. Wyświetlenia linków widocznych domyślnie rejestrowane są przy załadowaniu strony, a linków ukrytych dopiero po rozwinięciu przez użytkownika. Dodatkowo kliknięcia w odnośniki, które uruchamiają nowe zapytanie zamiast prowadzić na stronę zewnętrzną, nie są liczone jako kliknięcia. Iloraz takich dwóch wielkości nie opisuje żadnego spójnego zachowania.
Co mierzyć zamiast pozycji w AI Overviews?
Trzy rzeczy. Po pierwsze fakt cytowania jako wartość zero-jedynkową dla stałego koszyka zapytań. Po drugie wejścia na stronę z wyszukiwarki w rozbiciu na strony docelowe. Po trzecie wyniki biznesowe, czyli zapytania ofertowe i konwersje. Ta trójka jest odporna na zmiany sposobu raportowania po stronie Google.
Czy Google planuje osobny wymiar dla AI Overviews w raporcie?
Na moment publikacji nie ma takiej oficjalnej zapowiedzi. Google potwierdził jedynie obecny sposób działania i przyznał, że tradycyjne śledzenie rankingu dla funkcji AI jest trudne do zrealizowania w użyteczny sposób. Dopóki osobny wymiar się nie pojawi, dane o AI pozostają podzbiorem ogólnych statystyk wyszukiwarki, bez możliwości czystego odfiltrowania.