40% więcej leadów dzięki optymalizacji pod LLM (AEO) w GitBook

LLM-y stają się realnym kanałem akwizycji B2B: w Perplexity/ChatGPT pada „jak zrobić X?”, a odpowiedzi linkują do docs. W analityce (UTM=aeo, self‑report) firmy widzą przejścia z tych odpowiedzi do demo/triala. Jeśli Twoje docs i changelogi w GitBook nie są „zjadliwe”, tracisz leady. Poniżej framework, jak w 6 tygodni zrobić AEO/GEO na GitBook + Vercel i dowieść ~40% więcej kwalifikowanych leadów.

AEO na GitBook: kanał dojrzałych zapytań, nie „widoczność”

Answer Engine Optimization (AEO) to przygotowanie treści tak, aby modele LLM mogły bezbłędnie cytować Twoje odpowiedzi. Chodzi o intencje transakcyjne („jak zintegrować X z Y?”) i rekomendacje narzędzi, nie o ogólną ekspozycję.

Dlaczego teraz? GitBook hostowany na Vercel obsługuje tysiące serwisów z sub-sekundowymi aktualizacjami. Perplexity/ChatGPT rosną jako źródło rekomendacji narzędzi. Vercel zapewnia bezpieczne połączenia do Vercel Postgres przez firewall/IP allowlist i wygodne mechanizmy rewalidacji treści. Dla zespołów korzystających z GitBook oznacza to łatwiejsze i bezpieczniejsze uruchomienie własnego /api/rag oraz przechowywanie pgvector bez otwierania bazy na świat. W AI Gateway jest Grok 4.3 (kontekst do 1M tokenów). To dobre warunki do podłączenia publicznego RAG i szybkiego odświeżania.

Cel biznesowy jest prosty: więcej cytowań w odpowiedziach LLM na pytania kupujących i krótsza ścieżka do demo. Sukces mierzymy wzrostem MQL i konwersji do pipeline, nie ruchem na stronie.

Struktura treści i sygnały dla LLM (schema, JSON-LD, sitemap)

LLM potrzebują jednoznacznych jednostek wiedzy. Zrób jeden temat na stronę, spójne H1/H2, krótkie akapity, stabilne anchory i kanoniczne adresy. Changelog pisz językiem „job-to-be-done” (co użytkownik może teraz zrobić szybciej).

Dodaj JSON-LD. Dla stron koncepcyjnych użyj TechArticle, dla instrukcji HowTo, dla pytań FAQPage, dla produktu SoftwareApplication (z nazwą, integracjami i linkiem do triala). Te typy jasno komunikują crawlerom i LLM, z jaką intencją mają do czynienia: TechArticle sygnalizuje treść ekspercką, HowTo kroki wykonania, FAQPage pary pytanie‑odpowiedź, a SoftwareApplication definiuje encję produktu i relacje. Każda strona powinna mieć datę modyfikacji i wersję API w metadanych.

Zadbaj o mapy: sitemap index (docs + changelog), częstotliwość aktualizacji, priorytety. W robots.txt włącz GPTBot, PerplexityBot i Google-Extended. Unikaj walli i paywalla na docsach. To sygnały, że jesteś wiarygodnym źródłem dla LLM.

Ustrukturyzowana treść + poprawne schematy i sitemapy to najtańszy sposób, aby Twoje odpowiedzi częściej trafiały do rekomendacji LLM. Czy Twoje kluczowe strony mają już JSON-LD i stabilne anchory?

• Jedna intencja na stronę; nazwy spójne z produktem i API.
• Sekcja „Szybki start” (5–7 kroków) na każdej integracji.
• FAQ z 5–10 pytaniami na dole strony (FAQPage).
• Changelog w formacie Added/Changed/Fixed/Deprecated + link do docs.
• Linki „Zobacz też”: 3–5 najbliższych tematów (bez karuzeli).

Szybkie odświeżanie (edge) i publiczny RAG na Vercel AI Gateway

Edge to warstwa CDN wykonująca logikę blisko użytkownika i crawlera. Na Vercel włącz rewalidację po webhooku z GitBook: publikacja → webhook → tag revalidate → odświeżone HTML + sitemap w sub-sekundzie. Użyj ETag i s-maxage, aby LLM widziały świeże zmiany bez pełnych rebuildów.

Publiczny RAG (Retrieval-Augmented Generation) to endpoint, który zwraca fragmenty Twoich docs jako kontekst dla modelu. Udostępnij /api/rag?q=… z top-k=8, filtrem po wersji i „source” z kanonicznym URL. Wektoruj akapity i kod; przechowuj embeddingi w Postgres (pgvector). Vercel Postgres z IP allowlist/firewallem uprości operacje.

W warstwie generowania skorzystaj z Vercel AI Gateway. Routing, cache i observability dostaniesz „z pudełka”. Grok 4.3 z 1M tokenów pozwoli na długie konteksty changelogów i całych integracji. prompt to polecenie przekazywane do modelu; agent to autonomiczny komponent AI, który wykonuje kroki na podstawie celu — może wołać Twój RAG i zwracać linki do docs.

Dodaj guardrails: limiter zapytań, filtr PII, whitelista domen w CORS, logowanie zapytań (bez danych wrażliwych) do analityki. W zamian dostajesz stabilne cytowania i możliwość wglądu w realne pytania rynku.

• Webhook z GitBook → revalidateTag w Vercel (ISR).
• Sitemapy odświeżane tym samym webhookiem.
• /api/rag zwraca: tytuł, url, score, fragment, version.
• Embeddingi: OpenAI/Grok embeddings; storage: Postgres + pgvector.
• AI Gateway: cache, fallback modelu, metryki kosztów i trafności.

Atrybucja i plan na +40% leadów w 6 tygodni

AEO musi wspinać się do CRM. Dodaj UTM „utm_channel=aeo” do CTA w docsach i changelogu — dzięki temu klik przejścia z dokumentacji (często po rekomendacji z LLM, które nie przekazują referrera) trafia do CRM z poprawnym kanałem zamiast „Direct”. To pozwala policzyć MQL/pipeline z AEO i porównać go z innymi źródłami. Formularz leadowy niech zapisuje: ostatnią stronę, anchor, zapytanie do /api/rag i identyfikator odpowiedzi. Dodaj pole self-report „Z jakiej AI korzystałeś?” (Perplexity/ChatGPT/Inne). Mapuj intencję (np. „Integracja z Slack ETL”) do konta i use-case’u.

Plan eksperymentu bez przebudowy produktu: tydzień 0 – baseline MQL i indeksacji; tydzień 1 – refaktor top 10 stron + JSON-LD + FAQ; tydzień 2 – dedykowany changelog i sitemap-changelog; tydzień 3 – uruchom /api/rag i AI Gateway; tydzień 4 – CTA z UTM i pola w formularzu; tydzień 5 – tuning promptów, filtry; tydzień 6 – ocena wpływu i rollout.

Mierz: liczbę cytowań w odpowiedziach LLM (z logów RAG i self-reportów), czas od publikacji do pierwszego zapytania LLM, MQL z kanału AEO, konwersję z AEO→demo→pipeline oraz koszt na MQL. Jeśli liczby nie rosną po 3 tygodniach, sprawdź JSON-LD i spójność tytułów.

• Formularz: hidden fields question, answer_id, anchor, utm_channel=aeo.
• Raport: MQL z AEO vs inne kanały; koszt/MQL.
• Alert: brak cytowań z RAG przez 48h po release → sprawdź sitemap/robots.

AEO na GitBook to szybka ścieżka do intencji zakupowych obecnych w odpowiedziach LLM. Połącz strukturalne treści, szybkie odświeżanie na Vercel, publiczny RAG i atrybucję do CRM, a zbudujesz powtarzalny kanał +40% MQL. Chcesz przegadać wdrożenie pod Twój stack? Umów krótką konsultację — bez sprzedażowej presji, z konkretnym planem na 6 tygodni.