Source-topic interaction: czy wyszukiwarka kojarzy Twoje źródło z tematem?

Domena semgence.pl pokrywa 10 tematów w klastrze „SEO i widoczność w AI”. Średni source-topic interaction score wynosi 37/100 przy confidence 51%. Najsilniejszy temat: „audyt SEO” (score 47, 205 kliknięć). Najsłabszy: „zapytanie transakcyjne bez akcji” (score 26, 6 kliknięć). Te liczby nie oznaczają, że strona jest słaba — oznaczają, że materiał wejściowy do oceny interakcji źródło-temat jest niepełny. Brakuje danych GA4 o zaangażowaniu i konwersji, co obniża confidence. Poniżej rozkładam patent US8949228B2 na czynniki pierwsze i pokazuję, jak te sygnały działają w praktyce.

Czym jest source-topic interaction?

Patent US8949228B2 („Identification of new sources for topics”, Google LLC, zgłoszony 15 stycznia 2013, opublikowany 3 lutego 2015) opisuje system, w którym wyszukiwarka ocenia nie dopasowanie pojedynczej strony do zapytania, ale interakcję między źródłem (source) a tematem (topic) w czasie. Źródło to domena, subdomena lub konkretny autor. Temat to klaster semantycznie powiązanych zapytań. Interakcja to suma sygnałów behawioralnych: ile zapytań z danego tematu trafia na źródło, jaki jest CTR, ile czasu użytkownicy spędzają na stronie (dwell time), czy wracają.

To zasadniczo różne podejście niż ocena pojedynczej strony pod kątem pojedynczego zapytania. Source-topic interaction mierzy, czy domena jako całość jest wiarygodnym źródłem na dany temat. Strona, która rankuje na „audyt SEO” i jednocześnie ma silne pozycje na „audyt treści”, „konsultacje SEO” i „pozycjonowanie sklepu” — demonstruje głębszą ekspertyzę niż strona, która rankuje tylko na jedno z tych zapytań. Patent opisuje to jako akumulację sygnałów: sukces na jednym temacie „promieniuje” na tematy pokrewne w obrębie klastra.

Ramka metodologiczna. Analiza opiera się na patencie US8949228B2 („Identification of new sources for topics”) z uzupełnieniem US9031929B1 („Site quality score”) i US9020956B1 („Sentiment and topic based content determination”). Scoringi source-topic interaction są wskaźnikami diagnostycznymi Semgence opartymi na danych GSC i opcjonalnie GA4. Nie są wynikami Google ani nie reprodukują opatentowanej implementacji. Zgłoszenie patentowe nie jest dowodem wdrożenia w produkcyjnym algorytmie wyszukiwarki.

Jak działa patent US8949228B2 — mechanizm krok po kroku

Patent opisuje pięcioetapowy proces budowania profilu tematycznego źródła. Każdy etap opiera się na konkretnych danych i algorytmach — nie na heurystykach czy intuicji.

Etap 1: Pary dokument-tekst (document-text pairs)

System łączy każdy dokument z tekstem kontekstowym. W wyszukiwarce tym tekstem jest zapytanie użytkownika. W mediach społecznościowych i RSS — terminy z wysokim TF-IDF wyekstrahowane z dokumentu. Kluczowa innowacja: ten sam dokument może mieć wiele par, bo różni użytkownicy trafiają na niego przez różne zapytania. Strona o „audycie SEO sklepu” może generować pary z zapytaniami „audyt techniczny e-commerce”, „błędy SEO w sklepie” i „jak zaudytować sklep internetowy”.

Etap 2: Zbieranie danych interakcji

Dla każdej pary system zbiera dane behawioralne: liczbę wyświetleń (impression count), liczbę kliknięć (selection count) i — co kluczowe — czas przeglądania po kliknięciu (dwell time). Patent wyraźnie opisuje segmentację kliknięć według czasu: krótkie (<30 s), średnie (30-60 s) i długie (>60 s). System może uwzględniać tylko „długie kliknięcia” przy obliczaniu wagi, co eliminuje klikbejt — wysoki CTR przy niskim dwell time nie buduje autorytetu.

Etap 3: Obliczanie wag

Dla każdej pary dokument-tekst system oblicza wagę (weight) według formuły: (C + a) / (I + b), gdzie C to liczba kliknięć, I to liczba wyświetleń, a i b to stałe wygładzające. Wygładzanie (smoothing) zapobiega przeszacowaniu par z małą liczbą danych — strona z 1 kliknięciem na 1 wyświetlenie (CTR 100%) nie dostaje wyższej wagi niż strona z 50 kliknięciami na 200 wyświetleń (CTR 25%). Stałe a i b mogą zależeć od innych sygnałów jakości strony lub domeny.

Etap 4: Modelowanie tematyczne (Topic Modeler)

System agreguje wagi na poziomie źródła i przekazuje je do modelu tematycznego — patent wymienia LDA (Latent Dirichlet Allocation), LSA (Latent Semantic Analysis) i pLSA jako możliwe metody. Model grupuje zapytania w tematy i określa, w których tematach źródło generuje najwyższe zaangażowanie. Wynik: mapa asocjacji źródło-temat (Source/Topic Associations) zapisywana w bazie danych.

Etap 5: Zastosowanie w rankingu — rozwiązanie cold start

Claim 9 patentu opisuje kluczowe zastosowanie: gdy nowy dokument pojawia się w indeksie, system sprawdza, czy jego źródło ma ustaloną asocjację z tematem dokumentu. Jeśli tak — dokument otrzymuje boost w rankingu, nawet jeśli nie ma jeszcze własnych danych behawioralnych. To rozwiązuje problem „zimnego startu” (cold start problem): nowa publikacja od źródła uznanego za autorytet w temacie „audyt SEO” od razu rankuje wyżej niż nowa publikacja od nieznanego źródła na ten sam temat.

Source-topic interaction a inne sygnały jakości — jak to współgra

Source-topic interaction z patentu US8949228B2 nie działa w izolacji. Jest jednym z kilku mechanizmów site-level, które Google opisuje w swoich patentach i które potwierdziły się w wycieku dokumentacji API z maja 2024.

Mechanizm	Patent / źródło	Co mierzy	Poziom oceny	Kluczowy sygnał
Source-topic interaction	US8949228B2	Zaangażowanie użytkowników w kontekście tematu	Źródło (domena / autor)	CTR + dwell time per temat
Site quality score	US9031929B1	Stosunek branded queries do ogólnych wyświetleń	Domena	Navigational demand ratio
siteFocusScore	Wyciek API 2024 (NSR)	Skupienie tematyczne domeny	Domena	Wariancja embeddings stron
siteRadius	Wyciek API 2024 (NSR)	Odchylenie stron od centroidu domeny	Strona vs domena	Odległość site2vec
siteAuthority	Wyciek API 2024	Ogólna autorytetność domeny	Domena	Compressed quality signal
NavBoost / topicality T*	Proces DOJ + wyciek	Reranking na podstawie zachowań (ABC: Anchors, Body, Clicks)	Strona	13 miesięcy danych klikowych

Kluczowa obserwacja: source-topic interaction działa na poziomie źródło-temat, podczas gdy siteFocusScore i siteRadius oceniają skupienie tematyczne na poziomie domeny. NavBoost działa na poziomie strony. Wszystkie te systemy wzajemnie się wzmacniają: domena z wysokim siteFocusScore (wąska specjalizacja) będzie miała silniejsze asocjacje source-topic, a strony z dobrymi sygnałami NavBoost (długie kliknięcia) zasilają dane do modelu source-topic interaction.

Patent US9031929B1 opisuje site quality score jako stosunek branded queries (zapytania nawigacyjne kierowane na domenę) do ogólnej widoczności domeny w wynikach wyszukiwania. Innymi słowy: im więcej użytkowników szuka konkretnie Twojej domeny (np. „semgence audyt SEO”), tym wyższy Twój site quality score. To bezpośrednio łączy się z source-topic interaction — silna asocjacja źródło-temat generuje branded queries tematyczne.

Case study: semgence.pl — klaster „SEO i widoczność w AI”

Uruchomiliśmy diagnostykę source-topic interaction na własnej domenie, żeby pokazać, jak wygląda analiza w praktyce. Dane wejściowe: 10 stron z klastra tematycznego, 15 wierszy GSC (90 dni), brak danych GA4 (celowo — żeby pokazać wpływ niepełnych danych na scoring).

Wyniki: 10 par źródło-temat

Temat	Score	Confidence	Kliknięcia	Wyświetlenia	CTR	Zapytania	Interpretacja
audyt seo	47	56%	205	4 700	4.4%	2	Najsilniejsza asocjacja — wysoki wolumen + CTR
pozycjonowanie sklepu internetowego	42	56%	107	2 480	4.3%	2	Stabilna ekspertyza e-commerce
pozycjonowanie w AI	41	56%	87	1 880	4.6%	2	Najwyższy CTR — silny snippet
audyt treści	39	48%	38	890	4.3%	1	Pokrycie 1 zapytania — za mało na stabilny sygnał
konsultacje seo	38	48%	35	850	4.1%	1	j.w.
extractability score	35	56%	53	1 290	4.1%	2	Niszowy temat — mały wolumen, ale 2 zapytania. Więcej: extractability score
audyt widoczności w AI	35	46%	22	540	4.1%	1	Temat rozwojowy
content marketing	32	48%	28	1 200	2.3%	1	Problem: wysoki wolumen, niski CTR
rendering readiness	32	56%	32	800	4.0%	2	Niszowy temat — potencjał wzrostu
zapytanie transakcyjne bez akcji	26	39%	6	140	4.3%	1	Zbyt świeży — brak akumulacji sygnałów

Średni score: 37/100. Mediana: 37. Zakres: 26-47. Score jest niski, ale confidence (51%) wskazuje, że głównym powodem jest brak danych GA4, a nie słabość domeny. Bez metryki zaangażowania (czas na stronie, scroll depth) i konwersji narzędzie nie ma pełnego obrazu interakcji — w terminologii patentu brakuje komponentu dwell time w formule wagi.

Anatomia wyniku: co składa się na score 47 vs 26

„Audyt SEO” (score 47) łączy trzy sygnały: wysoki wolumen kliknięć (205 w 90 dni), CTR powyżej średniej domeny (4.4% vs 3.9% średnia) i pokrycie 2 zapytań. W modelu patentu US8949228B2 oznacza to wiele par dokument-tekst z wysokimi wagami — Topic Modeler widzi silny i zróżnicowany sygnał zaangażowania.

„Zapytanie transakcyjne bez akcji” (score 26) to post opublikowany kilka dni przed audytem. Ma 6 kliknięć i 1 zapytanie — za mało danych, żeby model mógł ocenić interakcję. W terminologii patentu: brak statystycznej istotności (patent wspomina o „statistical model” do oceny, czy zebrano wystarczająco danych). To dokładnie scenariusz, w którym cold start boost powinien zadziałać — jeśli domena ma już ustaloną asocjację z tematem „SEO transakcyjne”.

Problem „content marketing” — kiedy źródło traci asocjację

Temat „content marketing” (score 32) ujawnia interesujący mechanizm: 1 200 wyświetleń, ale tylko 28 kliknięć (CTR 2.3% — najniższy w zbiorze). W modelu patentu waga tej pary dokument-tekst jest niska, bo formuła (C+a)/(I+b) daje niską wartość przy dużym mianowniku. Wysoki wolumen wyświetleń bez proporcjonalnych kliknięć to sygnał, że snippet lub tytuł nie przekonuje do kliknięcia, albo że intencja zapytania nie pasuje do treści strony.

W praktyce oznacza to, że domena „traci” asocjację z tematem, mimo że strona istnieje i rankuje. Patent nie mierzy samego istnienia strony — mierzy interakcję użytkowników z tą stroną w kontekście tematu. Poprawa CTR z 2.3% do 4% (średnia domeny) dałaby wzrost wagi o ~74%, co bezpośrednio przełożyłoby się na silniejszą asocjację source-topic.

Case study e-commerce: jak klaster tematyczny buduje source-topic interaction

Mechanizm source-topic interaction ma szczególne znaczenie w e-commerce, gdzie domeny pokrywają setki kategorii produktowych. Według badania 1Digital Agency z 2025 roku, sklepy Shopify, które zbudowały content huby wokół wąskich tematów (zamiast rozproszonego bloga „o wszystkim”), osiągnęły średnio 50-300% wzrostu ruchu organicznego w ciągu 6-12 miesięcy. Badanie Graphite wykazało, że strony z wysoką topical authority zyskują ruch 57% szybciej niż strony z niską autorytetnością.

Rozważmy hipotetyczny sklep z suplementami diety (branża YMYL — patent US8949228B2 wskazuje, że mechanizm jest szczególnie istotny w tematach YMYL, gdzie identyfikacja wiarygodnych źródeł jest kluczowa). Sklep ma 3 klastry tematyczne:

Klaster	Liczba stron	Pokrycie zapytań	Śr. CTR	Śr. dwell time	Siła asocjacji
Magnez — formy, dawkowanie, interakcje	8	45 zapytań	5.2%	3 min 40 s	Silna — głębokie pokrycie + zaangażowanie
Witamina D — suplementacja, badania	3	12 zapytań	3.8%	2 min 10 s	Rozwijająca się — za mało stron na stabilny sygnał
Odchudzanie — diety, ćwiczenia	2	8 zapytań	1.9%	45 s	Słaba — niski CTR, krótkie sesje

W modelu patentu klaster „Magnez” generuje silne asocjacje source-topic: wiele par dokument-tekst (45 zapytań × 8 stron), wysokie wagi (CTR 5.2% + długi dwell time filtruje „długie kliknięcia”). Topic Modeler wyraźnie identyfikuje ten klaster jako obszar ekspertyzy źródła. Nowa publikacja o „magnez a sen — badania 2026″ od razu dostaje cold start boost.

Klaster „Odchudzanie” jest odwrotnym przykładem: mało stron, niski CTR (snippet nie przekonuje), krótki dwell time (treść nie odpowiada na intencję). W formule (C+a)/(I+b) z filtrem dwell time >60 s waga jest bliska zeru. Nowy post o diecie keto nie dostanie boostu — system nie ma podstaw do przeniesienia autorytetu.

Dwell time jako filtr jakości — co naprawdę mówi patent

Jednym z najważniejszych aspektów patentu US8949228B2 jest mechanizm filtracji kliknięć na podstawie dwell time. Patent opisuje prowadzenie wielu liczników kliknięć (selection counts) dla różnych przedziałów czasu przeglądania. System może uwzględniać tylko kliknięcia powyżej określonego progu — np. powyżej 60 sekund.

To koresponduje z tym, co ujawnił proces DOJ przeciwko Google. Zeznania inżynierów Google potwierdziły istnienie systemu NavBoost, który wykorzystuje 13 miesięcy danych klikowych do rerankingu. Framework ABC (Anchors, Body, Clicks) łączy dane o linkach (Anchors), treści strony (Body) i zachowaniach użytkowników (Clicks) w jeden sygnał topicality (T*). Komponent „Clicks” w T* pochodzi właśnie z danych behawioralnych typu NavBoost.

Praktyczna implikacja jest jasna: sam wysoki CTR nie buduje source-topic interaction. Patent wymaga, żeby kliknięcia prowadziły do długich sesji (dwell time powyżej progu). Klikbejt — tytuł „10 szokujących błędów SEO” prowadzący do powierzchownej treści — generuje krótkie kliknięcia, które system odrzuca. Najskuteczniejsza strategia łączy dwa elementy: snippet przyciągający kliknięcie (CTR) i treść zatrzymującą użytkownika (dwell time). Więcej o optymalizacji treści pod kątem zaangażowania: audyt treści. Jak opinie klientów i sentyment wpływają na sygnały zaangażowania: opinie klientów — sentyment i atrybuty.

Krosplatformowość: social media, RSS i e-mail jako źródła sygnałów

Patent US8949228B2 nie ogranicza się do danych z wyszukiwarki. Claims 4, 5 i 6 wyraźnie opisują zbieranie danych interakcji z mediów społecznościowych, e-maili i feedów RSS/newsów. W tych kontekstach „tekstem” w parze dokument-tekst nie jest zapytanie (bo użytkownik nie szuka), ale terminy z wysokim TF-IDF wyekstrahowane z dokumentu — np. kluczowe frazy z posta w social media.

Oznacza to, że zaangażowanie użytkowników z treścią na różnych platformach (lajki, komentarze, rozwinięcia postów, kliknięcia w link) zasila ten sam model tematyczny. Autor, którego posty na LinkedIn o „technical SEO” generują wysokie zaangażowanie, wzmacnia swoją asocjację source-topic nie tylko na LinkedIn, ale potencjalnie w wyszukiwarce Google.

To bezpośrednio łączy się z koncepcją E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness). Patent pozwala systemowi oceniać autorytet nie tylko na podstawie linków i treści, ale na podstawie tego, jak realni użytkownicy reagują na treść autora w różnych kanałach. Dlatego strategia budowania source-topic interaction powinna obejmować dystrybucję treści na platformach, gdzie Twoja grupa docelowa jest aktywna.

Źródło to nie tylko domena — autorytet autora w modelu patentu

Patent definiuje „source” szeroko: to może być domena, subdomena, URL, ale także konkretny autor (imię, adres e-mail, konto w mediach społecznościowych). Co więcej — ten sam autor może być traktowany jako różne źródła na różnych platformach. Autor publikujący na własnym blogu i na Medium to w modelu patentu dwa różne źródła z potencjalnie różnymi asocjacjami tematycznymi.

To ma praktyczne konsekwencje dla strategii SEO. Sklep internetowy, który publikuje artykuły eksperckie podpisane przez konkretnych specjalistów (z profilem autora, schema Person, linkami do profili społecznościowych), daje systemowi więcej danych do budowania asocjacji source-topic na poziomie autora. Gdy ten autor opublikuje nowy artykuł — system może przenieść jego ustalony autorytet tematyczny na nowy dokument (cold start boost na poziomie autora, nie tylko domeny).

Wyciek dokumentacji API z 2024 roku potwierdził istnienie atrybutu siteAuthority jako „compressed quality signal” na poziomie domeny. Ale patent US8949228B2 sugeruje, że analogiczny mechanizm może działać na poziomie autora — co oznacza, że budowanie rozpoznawalności eksperckiej jest inwestycją nie tylko w personal branding, ale w algorytmiczną widoczność.

Diagnostyka source-topic interaction — 7 kroków audytu

Poniższy framework diagnostyczny oparty jest na sygnałach opisanych w patencie US8949228B2 i danych dostępnych w GSC + GA4. Nie symuluje opatentowanego algorytmu — to narzędzie do identyfikacji luk, które mogą osłabiać asocjację źródło-temat.

Krok	Co sprawdzasz	Narzędzie	Na co zwrócić uwagę
1. Mapa klastrów	Jakie tematy pokrywa domena	GSC → grupowanie zapytań	Czy klastry są wyraźne, czy rozmyte
2. Pokrycie zapytań per klaster	Ile zapytań per temat generuje kliknięcia	GSC Search Analytics	Tematy z <3 zapytaniami mają niski confidence
3. CTR per klaster	Czy snippet przyciąga kliknięcia	GSC (CTR per query)	CTR <2% przy >500 wyświetleniach = problem snippeta
4. Dwell time per landing page	Czy treść zatrzymuje użytkownika	GA4 (avg. engagement time)	Dwell time <30 s = treść nie odpowiada na intencję
5. Konwersje per klaster	Czy zaangażowanie przekłada się na działanie	GA4 (key events per landing)	Klaster bez konwersji = słaby sygnał wartości
6. Branded queries tematyczne	Czy użytkownicy szukają domeny + temat	GSC (zapytania z brandem)	„semgence audyt SEO” = silna asocjacja
7. Cross-platform engagement	Czy treść generuje zaangażowanie poza wyszukiwarką	Social media analytics	Shares, komentarze, cytowania w AI

Kroki 1-3 opierają się wyłącznie na danych GSC i pokazują „zewnętrzny” obraz interakcji — jak wyszukiwarka widzi Twoje źródło. Kroki 4-5 wymagają GA4 i dodają wymiar „wewnętrzny” — co użytkownik robi po kliknięciu. Kroki 6-7 wykraczają poza wyszukiwarkę i dotykają szerszego pojęcia autorytetu źródła. W naszym audycie semgence.pl mieliśmy dostęp tylko do kroków 1-3, co wyjaśnia confidence 51%.

Mapa: domena → klaster → URL → zapytania → kliknięcia

Source-topic interaction działa na wielu poziomach jednocześnie. Na najwyższym: domena semgence.pl → klaster „SEO i widoczność w AI”. Na środkowym: klaster rozgałęzia się na 10 tematów, z których każdy ma przypisaną stronę (lub strony). Na najniższym: każdy temat łączy się z konkretnymi zapytaniami GSC, które generują kliknięcia i (gdy GA4 jest podłączone) sesje i konwersje.

Model US8949228B2 opisuje, że ta hierarchia nie jest statyczna — wzmacnia się w pętli sprzężenia zwrotnego. Strona, która rankuje na „audyt SEO” i generuje długie kliknięcia, wzmacnia sygnał source-topic nie tylko dla tego zapytania, ale dla całego klastra. To wyjaśnia, dlaczego domeny z głębokim pokryciem wąskiego tematu rankują lepiej niż domeny z szerokim ale płytkim pokryciem wielu tematów. Wyciek API potwierdza to przez metrykę siteFocusScore — im bardziej strony domeny są skoncentrowane wokół jednego tematu (mały siteRadius), tym silniejszy sygnał jakości.

Jak poprawić source-topic interaction score — plan działania

Priorytet 1: Podłącz GA4 i uzupełnij dane

W naszym audycie brak danych o zaangażowaniu obniżył confidence z potencjalnych 80-90% do 51%. GA4 dostarcza kluczowe metryki, które bezpośrednio odpowiadają sygnałom z patentu: engagement time (odpowiednik dwell time), engagement rate (odpowiednik filtra „długich kliknięć”), konwersje per landing page (dodatkowy sygnał wartości). Bez nich diagnostyka widzi tylko połowę obrazu.

Priorytet 2: Zwiększ pokrycie zapytań w słabych klastrach

Tematy z 1 zapytaniem (audyt treści, konsultacje SEO, content marketing) mają niższy confidence — nie dlatego, że strony są słabe, ale dlatego, że jedno zapytanie to za mało na stabilną ocenę interakcji. Patent wymaga statystycznej istotności danych. Rozwiązanie: rozbuduj treść tak, żeby rankować na więcej wariantów zapytań (long-tail, pytania, porównania). Strona o „audycie treści” powinna też rankować na „jak przeprowadzić audyt treści”, „narzędzia do audytu content”, „checklist audytu treści” — każde dodatkowe zapytanie z kliknięciami to nowa para dokument-tekst zasilająca model.

Priorytet 3: Napraw wąskie gardła CTR

„Content marketing” ma CTR 2.3% przy 1 200 wyświetleniach — w formule patentu to niska waga, bo duży mianownik (wyświetlenia) przy małym liczniku (kliknięcia). Audyt meta title i description powinien być priorytetem. Poprawa CTR z 2.3% do 4% (średnia domeny) przełożyłaby się na wzrost wagi o ~74% w formule (C+a)/(I+b) i wzmocniłaby asocjację source-topic. Więcej o optymalizacji snippetów: content marketing.

Priorytet 4: Linkowanie wewnętrzne jako sygnał powiązania tematycznego

Silne tematy (audyt SEO, pozycjonowanie sklepu) powinny linkować do rozwijających się (rendering readiness, action readiness). W kontekście source-topic interaction linki wewnętrzne pełnią podwójną rolę: (1) dystrybuują PageRank/link equity, (2) pomagają wyszukiwarce zrozumieć, że domena łączy te tematy w spójny klaster. Wyciek API potwierdza to — siteFocusScore i siteRadius opierają się na embeddings stron, a linkowanie wewnętrzne wpływa na to, jak te embeddings są obliczane.

Strategia linkowania dla source-topic interaction: linkuj z silnych tematów (score >40) do rozwijających się (score 32-39), żeby przenieść sygnał. Nie linkuj do tematów „pozornych” (score <32 z niskim CTR) — najpierw napraw CTR/treść, potem linkuj. Pełna strategia linkowania: pozycjonowanie sklepu internetowego.

Priorytet 5: Buduj branded queries tematyczne

Patent US9031929B1 (site quality score) mierzy stosunek branded queries do ogólnych wyświetleń. Branded queries tematyczne — np. „semgence audyt SEO” zamiast po prostu „semgence” — to bezpośredni sygnał, że użytkownicy kojarzą Twoje źródło z tematem. Budowanie tych branded queries wymaga działań poza wyszukiwarką: wystąpienia branżowe, publikacje gościnne, cytowania w AI (Perplexity, ChatGPT, Gemini). Diagnostyka widoczności w AI: audyt widoczności w AI.

Czego NIE mierzy source-topic interaction

Patent US8949228B2 nie jest modelem jakości treści. Nie analizuje, czy tekst jest dobrze napisany, czy zawiera błędy, czy jest plagiatem. Mierzy wyłącznie behawioralne interakcje użytkowników z dokumentami źródła w kontekście tematów. Strona z kiepską treścią, ale chwytliwym tytułem, może generować kliknięcia — ale filtr dwell time (<30 s) odrzuci te interakcje jako niskokachościowe.

Patent nie mierzy też backlinków. Profil linkowy wpływa na ranking przez inne mechanizmy (PageRank, anchor text analysis), ale source-topic interaction opiera się wyłącznie na danych behawioralnych. Domena z silnym profilem linkowym, ale niskim CTR i krótkim dwell time, nie zbuduje silnej asocjacji source-topic.

Wreszcie, patent nie gwarantuje trwałości asocjacji. Model opisuje analizę danych „za określony okres czasu” — co sugeruje, że asocjacje mogą słabnąć, jeśli źródło przestanie generować zaangażowanie. Domena, która przez 6 miesięcy była aktywna w temacie „audyt SEO”, ale potem przestała publikować i straciła ruch, może stracić swoją asocjację. Source-topic interaction wymaga ciągłej aktywności.

Source-topic interaction a AI search — dlaczego to ważne w 2026

Mechanizm source-topic interaction nabiera nowego znaczenia w kontekście AI search (Google AI Mode, Perplexity, ChatGPT Search). Systemy AI retrieval (RAG — Retrieval-Augmented Generation) muszą decydować, które źródła cytować w odpowiedzi. Decyzja ta opiera się na sygnałach analogicznych do source-topic interaction: czy źródło jest rozpoznawalne w temacie, czy treść jest ekstrahowalna, czy inne użytkownicy wcześniej uznali to źródło za wartościowe w tym kontekście. Mechanizm weryfikacji faktów przez AI opisujemy w artykule o consensus score i weryfikacji faktów.

Badanie Iyappana z 2026 (opublikowane w GOYBO International Journal of Marketing Intelligence) oceniło topical authority jako sygnał o „bardzo silnej pozytywnej korelacji” z widocznością cross-paradigm — jednocześnie w SEO, AEO (Answer Engine Optimization) i GEO (Generative Engine Optimization). Innymi słowy: budowanie source-topic interaction w tradycyjnej wyszukiwarce bezpośrednio wspiera widoczność w AI search.

Dla praktyki SEO oznacza to, że inwestycja w głębokie pokrycie tematyczne (klastry treści, entity coverage, dwell time) ma podwójny zwrot: silniejsze pozycje w klasycznym wyszukiwaniu i wyższe prawdopodobieństwo cytowania przez AI. Więcej o strategii widoczności w AI: pozycjonowanie AI.

Źródła i metodologia

Patent główny: US8949228B2 — „Identification of new sources for topics”, Google LLC, zgłoszony 15.01.2013, opublikowany 03.02.2015. Wynalazcy: Nissan Hajaj, Garrett Yaun. Claim 9 opisuje zastosowanie w rankingu (cold start boost).

Patenty uzupełniające: US9031929B1 — „Site quality score”, opisuje stosunek branded queries do ogólnych wyświetleń jako sygnał jakości domeny. US9020956B1 — „Sentiment and topic based content determination methods and systems”, opisuje metody klasyfikacji treści na podstawie sentymentu i tematu. US10803068B2 — „Systems and methods for recommendation of topical authorities” (Facebook Inc / Meta, nie Google — patent opisuje rekomendację ekspertów tematycznych w sieciach społecznościowych).

Dane z procesu i wycieku: Google DOJ Trial (2023-2024) — zeznania inżynierów potwierdzające NavBoost, framework ABC (Anchors, Body, Clicks). Wyciek dokumentacji API Google (maj 2024) — atrybuty siteAuthority, siteFocusScore, siteRadius, site2vecEmbeddingEncoded w module QualityNsrNsrData (Normalized Site Rank).

Badania branżowe: Badanie 1Digital Agency (2025) — analiza 50+ sklepów Shopify, wzrost 50-300% ruchu z content clusters. Badanie Graphite — strony z wysoką topical authority zyskują ruch 57% szybciej. Iyappan (2026), GOYBO International Journal of Marketing Intelligence — topical authority jako sygnał cross-paradigm (SEO + AEO + GEO).

Analiza patentu: SEO Hardcore (seohardcore.ru) — szczegółowy rozkład claims, terminów i algorytmu patentu US8949228B2.

Dane audytu: 10 stron semgence.pl, 15 wierszy GSC (90 dni), brak GA4 (celowy test wpływu na confidence), sierpień 2026. Scoringi są wskaźnikami diagnostycznymi Semgence. Wyniki to obserwacje z ograniczonej próby, nie prawo ogólne.

Ograniczenia: Próba ograniczona do 1 klastra. Brak GA4 obniża confidence. Scoring deterministyczny (nie ML). Nie mamy dostępu do wewnętrznej implementacji Google — analizujemy patent i publicznie dostępne dane. Pełna diagnostyka source-topic interaction dla Twojej domeny: konsultacje SEO lub audyt SEO.