Optymalizacja pod wyszukiwanie głosowe: Schema, która da CI przewagę w 2026

„Hej Siri, jak zoptymalizować bazę danych?” to dziś zwykły początek wyszukiwania: inteligentne głośniki w biurze, asystenci w samochodzie, słuchawki połączone z telefonem. Użytkownik zadaje pytanie i słyszy odpowiedź, bez listy linków do przejrzenia.

Dla właścicieli firmowych serwisów WordPress to zmiana strukturalna. Zamiast walczyć tylko o pierwszą stronę wyników, celem staje się krótka odpowiedź, którą asystent może przeczytać na głos. Ten cel ma konkretne granice, opisane w dokumentacji Google, Apple i Amazona, a ten przewodnik oddziela to, co platformy obiecują na piśmie, od tego, co jest tylko dobrą praktyką redakcyjną.

Zobacz moje usługi optymalizacji GEO i LLMO pod silniki odpowiedzi i asystentów AI.

#Jak agenci AI zmienili wyszukiwanie głosowe

Pierwsze asystenty głosowe wyszukiwały frazę i czytały pierwszy wynik. Dziś wiele produktów działa jak agenci konwersacyjni oparci na modelach językowych:

• Synteza zamiast odczytu: agent nie czyta całych akapitów, tylko wyciąga z dokumentów najkrótszą odpowiedź, którą może sprawdzić.
• Podanie źródła: w jedynym przypadku opisanym przez Google (Speakable dla wiadomości) asystent podaje źródło przy odczycie fragmentu i wysyła pełny adres artykułu na telefon użytkownika. Poza tym przypadkiem żadna platforma nie obiecuje, że Twoja marka zostanie wymieniona na głos.
• Różne urządzenia: słucham w samochodzie, na urządzeniach noszonych i w inteligentnym domu, gdzie nikt nie przewija listy linków.

#Dlaczego nie da się już zbudować własnej akcji dla Asystenta Google

Przez kilka lat sposobem na obecność w Asystencie Google była Conversational Action: aplikacja głosowa z intencjami, scenami i webhookami. Ta droga jest zamknięta. Dokumentacja Google dla programistów podaje, że Conversational Actions wycofano 13 czerwca 2023. Każdy artykuł, który nadal radzi budować akcję głosową dla Asystenta, jest nieaktualny.

Serwisowi na WordPressie zostają trzy drogi: być źródłem, które systemy wyszukiwania mogą zaindeksować i zacytować, oznaczać fragmenty przez Speakable tam, gdzie Google to obsługuje, oraz publikować treści w formatach, które asystent pobiera bezpośrednio, jak opisany niżej kanał flash briefing dla Alexy.

#Co Google naprawdę obiecuje w Speakable

Właściwość speakable to najczęściej cytowany element poradników o wyszukiwaniu głosowym i zarazem najczęściej opisywany błędnie. Oficjalna strona Speakable (Article, WebPage) structured data jest krótka i jednoznaczna:

• To wersja beta. Google uprzedza, że wymagania i wytyczne mogą się zmienić.
• Działa na jednym rynku. Według dokumentacji właściwość działa dla użytkowników w USA z urządzeniami Google Home ustawionymi na angielski oraz dla wydawców publikujących po angielsku.
• Służy wiadomościom. Asystent Google używa Speakable do odpowiedzi na pytania o bieżące wiadomości na inteligentnych głośnikach i zwraca do trzech artykułów z różnych redakcji.
• Podaje źródło i przekazuje link. Gdy Asystent czyta oznaczony fragment, podaje źródło i wysyła pełny adres artykułu na telefon użytkownika przez aplikację Asystent Google.

„Dla najlepszych wrażeń słuchowych zalecamy około 20 do 30 sekund treści na jedną sekcję danych speakable, czyli mniej więcej dwa do trzech zdań.”

Google Search Central, dokumentacja Speakable (tłumaczenie własne)

Wytyczne techniczne zawierają szczegóły, o których prawie żaden poradnik nie wspomina. Nie oznaczaj miejsca nadania wiadomości, podpisów pod zdjęciami ani dopisków o źródle, bo w audio brzmią myląco. Używaj cssSelector albo xPath, nigdy obu w jednej specyfikacji. I jak przy wszystkich danych strukturalnych, Google nie gwarantuje, że funkcja się pojawi.

Praktyczny wniosek dla polskiego serwisu: Speakable nie daje dziś żadnego udokumentowanego wyniku głosowego dla stron po polsku ani dla użytkowników w Polsce. Oznaczenie streszczenia nie szkodzi, ale nie jest przełącznikiem „SEO głosowego” i nikt nie powinien obiecywać klientowi wyników głosowych na jego podstawie. Na inne rynki i asystentów przenosi się dyscyplina redakcyjna, której Google wymaga: krótkie streszczenia, samodzielne zdania, nic, co bez obrazka traci sens.

#Jak wdrożyć schema speakable w WordPressie

Google opisuje speakable jako dane strukturalne dla typów Article i WebPage. Właściwość wskazuje selektorami CSS (lub XPath) fragmenty, które nadają się do odczytu. Definicja referencyjna jest na schema.org/SpeakableSpecification.

#Kiedy Speakable ma sens, a kiedy nie

• Ma sens w anglojęzycznych artykułach informacyjnych lub poradnikach z krótkim, rzeczowym i stabilnym streszczeniem pod unikalnym ID (#streszczenie).
• Nie ma sensu, gdy oznaczasz całą stronę, długie bloki, wezwania sprzedażowe lub tekst zmieniany przy każdym wdrożeniu.
• Ograniczenie rynku i języka: poza USA i językiem angielskim znacznik nie ma udokumentowanego efektu.
• Uzupełnienie, nie zamiennik: jakość odpowiedzi pod nagłówkiem H2 znaczy więcej niż sam JSON-LD.

#Przykład JSON-LD ze Speakable

<!-- Przykład JSON-LD ze Speakable dla WordPressa -->
<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "Optymalizacja pod wyszukiwanie głosowe: Schema, która da CI przewagę w 2026",
  "url": "https://wppoland.com/pl/voice-search-seo-wordpress-guide-2026/",
  "inLanguage": "pl-PL",
  "speakable": {
    "@type": "SpeakableSpecification",
    "cssSelector": [
      "#streszczenie",
      ".faq-answer"
    ]
  },
  "author": {
    "@type": "Organization",
    "name": "WPPoland",
    "url": "https://wppoland.com"
  }
}
</script>

#Jak dodać Speakable przez functions.php bez wtyczki

Żeby nie dokładać ciężkiej wtyczki, dodaj speakable w nagłówku przez hook wp_head:

add_action('wp_head', 'wppoland_speakable_schema_pl');

function wppoland_speakable_schema_pl() {
    if (!is_singular('post')) {
        return;
    }

    $post_id = get_the_ID();

    $schema = [
        '@context'    => 'https://schema.org',
        '@type'       => 'Article',
        'headline'    => esc_html(get_the_title($post_id)),
        'url'         => esc_url(get_permalink($post_id)),
        'inLanguage'  => 'pl-PL',
        'speakable'   => [
            '@type'       => 'SpeakableSpecification',
            'cssSelector' => ['#introduction', '.odpowiedz-glosowa'],
        ],
    ];

    echo '<script type="application/ld+json">' . wp_json_encode($schema, JSON_UNESCAPED_SLASHES | JSON_UNESCAPED_UNICODE) . '</script>' . "\n";
}

Uwagi praktyczne: sprawdź, czy selektory istnieją w wyrenderowanym HTML (Gutenberg, zsynchronizowane wzorce albo motyw) i zawsze escapuj dane wyjściowe. Test wyników z elementami rozszerzonymi Google nie wymienia Speakable wśród raportowanych typów, więc składnię sprawdzaj w Schema Markup Validator. Jeśli wtyczka SEO już generuje Article, dołącz speakable do tego węzła zamiast dodawać drugi Article na tej samej stronie.

#Jak pisać pod pytania long-tail w wyszukiwaniu głosowym

Zapytania głosowe to ludzie mówiący do urządzeń: długie, chaotyczne i pełne kontekstu. Rozstrzyga intencja. Kto wpisuje „cache wordpress redis”, ten się rozgląda. Kto mówi „jak skonfigurować object cache Redis w WordPressie bez współdzielenia sesji między sklepami”, chce instrukcji od razu.

Trzy wzorce mówionych pytań wymagają innego podejścia redakcyjnego:

1. Instrukcja („jak…”, „jakie kroki…”): krótki blok odpowiedzi i widoczne ponumerowane kroki.
2. Definicja lub porównanie („co to jest…”, „czym się różni…”): jeden rzeczowy akapit z dwóch lub trzech zdań, bez wstępu.
3. Lokalne lub praktyczne („w pobliżu”, „w Krakowie”, „dziś”): zależy od spójnych danych NAP i schematu LocalBusiness, a nie od długiego artykułu.

W Google Search Console odfiltruj zapytania zaczynające się od „jak”, „co”, „który”, „gdzie” i „kiedy”. Te serie lepiej oddają język mówiony niż lista dwuwyrazowych fraz. Potem przepisz nagłówki H2 i H3 na prawdziwe pytania i umieść użyteczną odpowiedź w pierwszym zdaniu.

#Co zmieniło się w wynikach rozszerzonych FAQ i HowTo w 2023

Pytania i odpowiedzi oraz instrukcje krok po kroku nadal są naturalnym formatem dla mówionych pytań w treści strony, ale wizualne wyniki Google się zmieniły. 8 sierpnia 2023 Google ogłosiło na blogu Search Central zmiany w wynikach rozszerzonych HowTo i FAQ:

• FAQ: wyniki rozszerzone z FAQPage pokazują się tylko dla znanych, wiarygodnych serwisów rządowych i medycznych. Dla pozostałych stron nie są już wyświetlane regularnie.
• HowTo: najpierw ograniczone do komputerów; 13 września 2023 Google przestało je pokazywać także tam i uznało ten typ za wycofany.
• Istniejące znaczniki: według Google nie trzeba ich usuwać, bo nieużywane dane strukturalne nie szkodzą, ale też nie dają widocznego efektu w wyszukiwarce.

Bezpieczne kryterium jest więc redakcyjne: pytania i kroki piszesz w treści, bo odpowiadają czytelnikowi i asystentowi, który wyciąga tekst, a nie dlatego, że liczysz na wizualne rozszerzenie. Jeśli zostawiasz JSON-LD FAQ lub HowTo, musi on dokładnie odzwierciedlać widoczną treść.

• Częste pytania: nagłówek H2 lub H3 z dokładnym pytaniem i krótka odpowiedź w DOM.
• Instrukcje: widoczne ponumerowane kroki z realnymi narzędziami i czasem.
• Unikaj: FAQ pisanych tylko dla znaczników, pustych odpowiedzi i instrukcji z jednym ogólnym krokiem.

#Jak optymalizować fragmenty z odpowiedzią pod odpowiedzi głosowe

Fragmenty z odpowiedzią w Google odwracają zwykły układ wyniku: najpierw pokazują wyciąg z tekstu, potem link. Logika redakcyjna jest ta sama, która służy asystentowi: pytanie w nagłówku, bezpośrednia odpowiedź w pierwszym akapicie, szczegóły dalej. Nie istnieje znacznik, którym można poprosić o taki fragment; Google wybiera go z tekstu.

Zalecany wzorzec sekcji:

1. Nagłówek H2 sformułowany jak mówione pytanie.
2. Akapit z 40 do 60 słów z podmiotem, orzeczeniem i jasnym wnioskiem.
3. Lista, tabela lub instrukcja dla tych, którzy czytają dalej na ekranie.

Nie wymuszaj fragmentów sztuczkami formatowania. Tekst ma być poprawny i nadawać się do cytowania; błędny wyciąg szkodzi marce, gdy zostanie przeczytany na głos.

#Jak kontrolować, co asystenci mogą cytować

Druga połowa optymalizacji to decyzja, czego nie czytać. Dokumentacja Google o metatagu robots i atrybucie data-nosnippet opisuje trzy ustawienia, które sięgają także powierzchni głosowych i AI:

• nosnippet blokuje każdy fragment tekstu ze strony. Według Google dotyczy to wyszukiwarki, Grafiki, Discover, AI Overviews i AI Mode, a treść przestaje być bezpośrednim wejściem dla AI Overviews i AI Mode.
• max-snippet:[liczba] ogranicza fragment do podanej liczby znaków. Lista objętych powierzchni wymienia też Asystenta, a limit zawęża również bezpośrednie wejście dla AI Overviews i AI Mode.
• data-nosnippet to atrybut HTML dla elementów span, div i section, który wyłącza konkretne części strony z fragmentów.

W serwisie WordPress rozwiązuje to realne sytuacje. Tabela warunków handlowych zmieniana co tydzień, nota prawna albo celowo błędny przykład („tak nie rób”) mogą trafić do data-nosnippet, a akapit z odpowiedzią zostaje dostępny. Uwaga na pierwszeństwo: jeśli strona ma jednocześnie nosnippet i data-nosnippet, wygrywa nosnippet i żaden fragment się nie pokaże. Bardzo niski max-snippet wyklucza też stronę z fragmentów z odpowiedzią.

#Jak struktura treści pomaga w wyszukiwaniu głosowym

System syntezy szuka odpowiedzi precyzyjnych składniowo. W każdej sekcji stosuj odwróconą piramidę:

#Jak pisać nagłówki H2 i H3 w formie pytań

Zamiast „Metody cache’owania” użyj sformułowań, które praktyk wypowiada do asystenta:

• „Jak działa object cache w WordPressie”
• „Czym różni się Redis od Memcached w WooCommerce”

#Jak napisać odpowiedź pod nagłówkiem

Zaraz pod nagłówkiem jeden zwięzły akapit, bez rozbiegu.

• Dobry przykład: „Object cache w WordPressie przechowuje wyniki powtarzalnych zapytań do bazy danych w pamięci, przez Redis lub Memcached. Skraca to czas generowania strony w serwisach z dużym ruchem dynamicznym, o ile sesje i cache obiektów są poprawnie odizolowane.”
• Czego unikać: „W tym artykule przyjrzymy się różnym sposobom podejścia do tematu.” Asystenci pomijają wstępy bez faktów.

#Co napisać po krótkiej odpowiedzi

Po krótkiej odpowiedzi dodaj niuanse, wyjątki i konfigurację. W przypadku Speakable Google wysyła adres artykułu na telefon; w innych przypadkach użytkownik otwiera stronę później. Tak czy inaczej, pełna strona musi obsłużyć kogoś, kto chce szczegółów.

#Jak pisać polski tekst do odczytu przez syntezator

• Rozwijaj skróty: pisz „na przykład” zamiast „np.” i „między innymi” zamiast „m.in.”, bo syntezator potrafi przeczytać skrót litera po literze.
• Krótkie zdania: długie wtrącenia i zdania wielokrotnie złożone gubią słuchacza, który nie może wrócić wzrokiem do początku.

#Jak Siri znajduje treści w sieci

Apple nie publikuje odpowiednika Speakable. Opisuje natomiast swojego robota. Według strony pomocy About Applebot dane zebrane przez Applebota zasilają różne funkcje Apple, w tym Siri, Spotlight i Safari. Dla serwisu na WordPressie wynikają z tego cztery reguły do sprawdzenia:

1. Nie blokuj Applebota przypadkiem. Applebot respektuje reguły robots.txt skierowane do niego. Jeśli plik nie ma reguł dla Applebota, ale ma reguły dla Googlebota, Applebot stosuje reguły Googlebota. Blokada pomyślana tylko dla Google może usunąć serwis z Siri.
2. Crawl-delay nie działa na Applebota. Obciążenie ogranicza się na serwerze lub w CDN.
3. Applebot-Extended nie jest robotem. Określa tylko, czy treści zebrane przez Applebota mogą służyć do trenowania modeli bazowych Apple. Strony blokujące Applebot-Extended nadal mogą pojawiać się w wynikach wyszukiwania, a Apple deklaruje, że te reguły nie wpływają na ranking.
4. Rezygnacja z trenowania nie usuwa Cię z Siri. Nawet przy zablokowanym Applebot-Extended i ustawionym nosnippet treść według Apple pozostaje dostępna przez Spotlight, Siri i Safari.

Po każdej zmianie robots.txt we wtyczce SEO sprawdź plik faktycznie serwowany na produkcji, a nie tylko ekran ustawień.

#Jak opublikować flash briefing dla Alexy z WordPressa

Amazon oferuje drogę niezależną od rankingu: Flash Briefing Skill API. Według dokumentacji Amazona flash briefing dostarcza klientom Alexy nagłówki wiadomości i inne krótkie treści, jako tekst lub audio, z kanału HTTPS w formacie RSS lub JSON. Treść można aktualizować najczęściej co 15 minut i trzeba ją aktualizować co najmniej raz dziennie.

Specyfikacja kanału narzuca reguły, których wydawca na WordPressie musi przestrzegać:

• Tekst czytany przez syntezator: pole mainText (w RSS description) to tekst, który Alexa czyta klientowi.
• Poniżej 4500 znaków na element: dłuższy tekst zostaje ucięty na najbliższym zdaniu poniżej limitu.
• Tylko czysty tekst: bez SSML, HTML i XML. Treść wpisu musi przejść przez wp_strip_all_tags().
• Interpunkcja steruje pauzami: przecinki i średniki dają krótkie pauzy, kropki, znaki zapytania i wykrzykniki dłuższe. Amazon odradza niestandardową interpunkcję.
• Świeżość: Alexa pomija elementy starsze niż 7 dni, a kolejność ma iść od najnowszego do najstarszego.
• Link „Read More”: redirectionUrl prowadzi do artykułu w aplikacji Alexa.

Minimalny endpoint REST, który buduje kanał JSON z ostatnich wpisów:

add_action('rest_api_init', function () {
    register_rest_route('briefing/v1', '/feed', [
        'methods'             => 'GET',
        'callback'            => 'wppoland_alexa_briefing_feed',
        'permission_callback' => '__return_true',
    ]);
});

function wppoland_alexa_briefing_feed() {
    $items = [];
    foreach (get_posts(['numberposts' => 5, 'date_query' => [['after' => '7 days ago']]]) as $post) {
        $items[] = [
            'uid'            => 'urn:wp:post:' . $post->ID,
            'updateDate'     => get_post_modified_time('Y-m-d\TH:i:s\Z', true, $post),
            'titleText'      => get_the_title($post),
            'mainText'       => mb_substr(wp_strip_all_tags(get_the_excerpt($post)), 0, 4400),
            'redirectionUrl' => get_permalink($post),
        ];
    }
    return rest_ensure_response($items);
}

Ręczna zajawka każdego wpisu staje się tekstem mówionym, więc pisz ją jak sekcję Speakable: dwa lub trzy samodzielne zdania, bez skrótów.

#Jaki TTFB jest potrzebny do wyszukiwania głosowego

W rozmowie cisza jest słyszalna szybciej niż w przeglądarce ze wskaźnikiem ładowania, a wolna strona opóźnia też użytkownika, który otwiera adres na telefonie po usłyszeniu odpowiedzi. Żadna platforma głosowa nie publikuje progu TTFB dla wyboru źródeł. Zamiast wymyślonych liczb użyj publicznego punktu odniesienia: artykuł web.dev o Time to First Byte podaje, jako orientacyjną wskazówkę, że dobry TTFB to 0,8 sekundy lub mniej, a wartości powyżej 1,8 sekundy są słabe. Ten sam artykuł przypomina, że TTFB nie jest metryką Core Web Vitals.

#Lista kontrolna skracania TTFB w WordPressie

Dokumentacja wydajności WordPressa opisuje cache, object cache i higienę wtyczek. Lista robocza:

1. Cache stron na brzegu sieci (Cloudflare lub podobne) dla stabilnego, publicznego HTML.
2. Object cache (Redis lub Memcached) dla powtarzalnych zapytań; odizoluj sesje WooCommerce.
3. Lekki, semantyczny HTML: mniej zbędnych węzłów i blokującego JS na ścieżce krytycznej. Architektura headless to jedna z opcji, gdy motywu nie da się odchudzić.
4. CDN dla zasobów i nowoczesne formaty obrazów (AVIF lub WebP) dla osób otwierających stronę na telefonie.
5. Pomiar: WebPageTest lub dane CrUX dla TTFB w regionach, w których jest Twoja publiczność, porównane z konkurencją, która już pojawia się jako odpowiedź w Twojej niszy.

#Lokalne SEO pod wyszukiwanie głosowe

Wiele mówionych zapytań na telefonie ma charakter lokalny: „gdzie jest najbliższy deweloper WordPress”, „wsparcie WordPress w Krakowie”.

Dla takich intencji:

• Ujednolij nazwę, adres i telefon (NAP) między stroną, Profilem Firmy w Google i Apple Maps.
• Używaj LocalBusiness (lub bardziej szczegółowego typu) z geo i openingHoursSpecification zgodnymi z rzeczywistością.
• Pisz strony lokalizacji z punktami odniesienia przydatnymi dla nawigacji, bez wymyślania oddziałów.

#Jak mierzyć efekty wyszukiwania głosowego

Głos prawie nigdy nie pojawia się w analityce jako czysty kanał. Przydatne wskaźniki zastępcze:

• Fragmenty z odpowiedzią i People Also Ask w Search Console dla docelowych pytań.
• Zapytania w formie pytań odfiltrowane w raporcie skuteczności.
• Obecność w silnikach odpowiedzi: regularne ręczne testy stałego zestawu pytań z Twojej branży, opisane szerzej w przewodniku po LLMO.
• Pobrania kanału flash briefing w logach serwera, jeśli go publikujesz.
• Bezpośredni ruch markowy: zestawiaj z datami kampanii, nie twierdząc o przyczynie, której nie umiesz wykazać.

#Podsumowanie

Bezpośrednie odpowiedzi, uczciwe schema (Speakable tylko tam, gdzie Google je obsługuje, FAQ i instrukcje zgodne z DOM), kontrola fragmentów i zmierzony TTFB przygotowują instalację WordPress do bycia cytowaną, na ekranie i w audio. Zacznij od kilku stron kotwicowych, sprawdź selektory, przetestuj docelowe pytania głosem na prawdziwym telefonie i dopiero potem przenieś wzorzec na resztę serwisu.