Jak pogrupować zapytania z Search Console w tematy, żeby znaleźć szanse na wzrost

Po co w ogóle grupować zapytania z Search Console w tematy

Search Console raportuje zapytania wiersz po wierszu, a w każdej witrynie z prawdziwym ruchem większość tych wierszy jest malutka. Zapytanie z 40 wyświetleniami na kwartał samo niczego Ci nie mówi, ale dwieście sformułowań tego samego pytania składa się na temat, na który możesz się pozycjonować, pisać i który możesz śledzić. Grupowanie zamienia też listę, której nikt nie czyta, w krótką tabelę, na podstawie której można działać: które tematy przynoszą ruch, które są bliskie wygrania, a które tracą. Z tego samego powodu poradnik o frazach w zasięgu ręki działa lepiej na poziomie tematu niż pojedynczego zapytania, bo jedna strona zwykle obsługuje cały klaster.

Zanim zaczniesz, odłóż na bok dwa rodzaje zapytań. Zapytania brandowe zachowują się inaczej niż wszystkie pozostałe (mają wysokie pozycje i dobrze się klikają), więc klastruj je osobno albo wcale; filtr zapytań brandowych w Search Console dzieli teraz raport skuteczności na widok Branded i Non-branded w kwalifikujących się witrynach. Jeśli Twoja lista zapytań zebrała też długie ciągi w formie promptów, które narzędzia do widoczności w AI cyklicznie wysyłają do Google, odfiltruj je również, bo utworzą własny klaster, którego żaden użytkownik nigdy nie wpisał. Raport Query Analysis w GSC Wizard oznacza je jako sondy trackerów LLM, żebyś mógł je wykluczyć.

Trzy sposoby klastrowania zapytań z GSC, porównanie

Są trzy praktyczne metody (druga występuje w dwóch wariantach, n-gramy i nakładanie się wyników SERP), plus grupowanie, które Google pokazuje teraz samo w Search Console Insights. Różnią się tym, ile kontroli oddają za zasięg: reguły są przewidywalne, ale znajdują tylko to, o czym pomyślałeś, a osadzenia znajdują to, co przeoczyłeś, tyle że dają grupy, które trzeba sprawdzić ręcznie.

Najpierw zdanie o opcji od samego Google. W październiku 2025 Google dodało Grupy zapytań (Query groups) do Search Console Insights, kartę, która „grupuje podobne zapytania” i pokazuje łączną liczbę kliknięć na grupę, posortowaną jako Top, Trending up i Trending down. Google pisze, że „grupy są obliczane przy użyciu AI; mogą ewoluować i zmieniać się z czasem” oraz że „są dostępne tylko dla usług z dużą liczbą zapytań”. To dobry darmowy przegląd, jeśli go masz, ale nie możesz definiować grup, nie są na tyle stabilne, żeby śledzić je miesiąc do miesiąca, a mniejsze witryny w ogóle nie dostają tej karty.

Metoda 1: grupy regex w filtrze Search Console

W raporcie skuteczności dodaj filtr Zapytanie, wybierz Niestandardowy (regex) i wpisz jeden wzorzec na temat, na przykład cold.?brew|iced coffee concentrate. Według strony pomocy Google o zaawansowanym filtrowaniu „używana jest składnia RE2”, dopasowanie jest częściowe (wzorzec może pasować w dowolnym miejscu zapytania, o ile nie zakotwiczysz go znakami ^ lub $), a wielkość liter nie ma znaczenia, chyba że zaczniesz wzorzec od (?-i). RE2 nie ma lookaheadów ani odwołań wstecznych, więc wzorce skopiowane z ściągawki do JavaScriptu lub PCRE czasem nie działają; FAQ o filtrze regex w Search Console zawiera działające przykłady.

Siłą tej metody jest to, że sam decydujesz, co dokładnie należy do tematu, a ten sam wzorzec da tę samą grupę za miesiąc. Słabością jest to, że Search Console pokazuje jeden przefiltrowany widok naraz, więc porównanie dwunastu tematów oznacza dwanaście przefiltrowanych widoków i ręczne kopiowanie każdej sumy do arkusza, a tabela zapytań pod każdym widokiem kończy się na 1000 wierszy (zobacz limit 1000 wierszy). Jest też subtelniejszy haczyk: szczegółowe omówienie danych o skuteczności w materiałach Google wyjaśnia, że zanonimizowane zapytania, te „które nie są wpisywane przez więcej niż kilkadziesiąt osób w okresie dwóch do trzech miesięcy”, są pomijane w tabelach i „uwzględniane w sumach na wykresie, chyba że filtrujesz według zapytania”. Grupa regex ma więc zawsze mniej kliknięć niż strony, które ją obsługują, a różnica jest największa w tematach z long taila.

Metoda 2: n-gramy w arkuszu kalkulacyjnym lub nakładanie się wyników SERP

Do mapy n-gramów wyeksportuj zapytania z kliknięciami, wyświetleniami i pozycją z okresu od trzech do dwunastu miesięcy (eksport z interfejsu kończy się na 1000 wierszy, więc w dużej witrynie użyj API Search Console lub zbiorczego eksportu danych). Zamień wszystkie zapytania na małe litery, podziel je na słowa, odrzuć słowa funkcyjne, takie jak „how”, „the” i „for”, i sprowadź proste liczby mnogie do jednej formy, żeby „grinders” i „grinder” liczyły się jako jedno słowo. Następnie policz, ile zapytań zawiera każde pojedyncze słowo (unigram) i każdą parę sąsiednich słów (bigram). Pary powtarzające się w wielu zapytaniach, jak „cold brew” czy „burr grinder”, są Twoimi kandydatami na tematy; przypisz każdemu zapytaniu najbardziej szczegółowego kandydata, jakiego zawiera, i zestaw metryki według tematu. Wyrzuć słowa, które występują w dużej części wszystkich zapytań, takie jak „coffee” w witrynie o kawie, bo temat obejmujący połowę witryny nie jest tematem.

N-gramy są szybkie, darmowe i powtarzalne, a do tego same się tłumaczą: zapytanie trafia do „cold brew”, bo zawiera te słowa. Nie potrafią natomiast dostrzec znaczenia. „French press” i „cafetiere” lądują w różnych tematach, a literówka, jak „coldbrew”, nie trafia do swojej grupy. Nakładanie się wyników SERP naprawia to z drugiej strony: pobierasz top 10 Google dla każdego zapytania i wrzucasz dwa zapytania do jednego klastra, gdy mają wystarczająco dużo wspólnych adresów URL w wynikach, na przykład trzy lub więcej. To mierzy, co Google uznaje za tę samą intencję, więc jest to najlepsza metoda do rozstrzygania, czy temat potrzebuje jednej strony, czy dwóch, ale kosztuje jedno zapytanie SERP na każde zapytanie, wyniki zmieniają się z lokalizacją, urządzeniem i datą, a metoda słabo się skaluje powyżej kilku tysięcy zapytań. GSC Wizard nie robi klastrowania opartego na nakładaniu się SERP, bo pracuje wyłącznie na Twoich własnych danych z Search Console i nie scrapuje wyników Google.

Metoda 3: semantyczne klastrowanie oparte na osadzeniach

Model osadzeń zamienia każde zapytanie w wektor liczb tak, że zapytania o podobnym znaczeniu lądują blisko siebie, niezależnie od użytych słów. Typowy pipeline osadza każde zapytanie wielojęzycznym modelem (żeby „cafetière” i „french press” mogły trafić razem), redukuje wektory do kilku wymiarów za pomocą UMAP i klastruje je algorytmem HDBSCAN lub k-means. Następnie nazywasz każdy klaster od jego największych zapytań i sumujesz metryki jak wcześniej. To metoda, która znajduje tematy, o których nie wiedziałeś, że je masz, i radzi sobie z literówkami, szykiem wyrazów i innymi językami znacznie lepiej niż reguły.

Koszty są jednak realne. Potrzebujesz Pythona lub płatnego API osadzeń, a wynik zależy od ustawień: zmień minimalny rozmiar klastra albo dodaj trzy miesiące nowych zapytań, a grupy się przesuną, przez co śledzenie z miesiąca na miesiąc przestaje być wiarygodne. HDBSCAN zostawia też część zapytań jako szum, nienależący do żadnego klastra. Bliskość semantyczna to także nie to samo co jedna intencja: „cold brew maker” i „cold brew recipe” leżą obok siebie w przestrzeni wektorowej, ale jedno chce strony produktowej, a drugie przepisu. Przepływ pracy, który polecam, to odkryć tematy raz za pomocą osadzeń lub n-gramów, potem zapisać interesujące Cię tematy jako reguły i śledzić reguły.

Przykład: te same zapytania, trzy metody

Poniższe zapytania są zmyślone dla fikcyjnej kawiarni, żeby pokazać, jak metody się rozchodzą; służą do ilustracji i nie są danymi z prawdziwej witryny. Reguły regex to cold.?brew dla Cold brew, french press|press pot|cafeti[eè]re dla French press i grinder dla Grinders. Kolumna z osadzeniami pokazuje rodzaj grupowania, jaki zwykle daje model osadzeń, a nie wynik prawdziwego uruchomienia.

Wzorzec jest typowy. Reguły są dokładne, ale ślepe na wszystko, czego nie zapisałeś („iced coffee concentrate”), n-gramy dzielą tematy według pisowni, a osadzenia grupują według znaczenia, ale zacierają granicę między sąsiednimi intencjami („coarse grind for press pot”). Żadna z nich nie jest zła; odpowiadają na różne pytania.

Co zrobić z klastrami, żeby znaleźć szanse na wzrost

Gdy każde zapytanie ma już temat, zsumuj kliknięcia i wyświetlenia na klaster oraz policz średnią pozycję i CTR ważone wyświetleniami (zwykła średnia pozycji sprawia, że zapytanie z 3 wyświetleniami liczy się tak samo jak to z 30 000). Porównaj ten sam okres rok wcześniej albo poprzedni okres, żeby każdy klaster miał kierunek. Potem szukaj czterech wzorców.

1. Klastry z dużą liczbą wyświetleń i słabym CTR lub pozycją. Posortuj według wyświetleń i szukaj klastrów ze średnią pozycją od 8 do 25 albo z CTR wyraźnie niższym niż w reszcie witryny. Google już łączy Cię z tym tematem, tylko go nie wygrywasz. Otwórz klaster, znajdź dwa lub trzy zapytania, które niosą większość jego wyświetleń, i popraw stronę, która na nie rankuje, zaczynając od tytułu i pierwszego ekranu treści; zmiany opisują poradniki frazy w zasięgu ręki i odzyskiwanie CTR.
2. Kanibalizacja wewnątrz klastra. Dla każdego klastra policz, ile Twoich adresów URL zbiera wyświetlenia dla jego zapytań. Jeśli trzy strony rankują około pozycji 15 dla tego samego klastra, Google nie potrafi zdecydować, którą pokazać, i żadna nie trafia na pierwszą stronę. Wybierz najsilniejszą stronę, scal lub przekieruj pozostałe i skieruj linki wewnętrzne na zwycięzcę, jak w poradniku o kanibalizacji.
3. Luki w treściach. Klaster, który zbiera wyświetlenia przez stronę, która nie jest na jego temat (Twoja strona główna na 30. pozycji dla pytania „jak to zrobić” albo strona kategorii rankująca na porównanie), prosi o osobną stronę. To samo dotyczy zapytań, których żaden klaster nie złapał: przeglądaj tę resztkową listę raz na kwartał, bo nowy temat zwykle pojawia się tam jako pierwszy.
4. Klastry zmieniające się w czasie. Śledź każdy klaster miesięcznie. Klaster, którego wyświetlenia rosną, a kliknięcia stoją w miejscu, zyskuje widoczność, której jeszcze nie zamienia w kliknięcia, a klaster osuwający się przez trzy miesiące z rzędu traci na sile, czym zajmuje się poradnik o spadkach treści. Klastry czynią też migrację witryny czytelną: jeden utracony temat łatwiej naprawić niż czterysta utraconych zapytań (zobacz migracje witryn w Search Console).

Tak wygląda taka selekcja na fikcyjnej kawiarni, znowu ze zmyślonymi liczbami:

Jak GSC Wizard klastruje zapytania z Search Console

Klastrowanie w GSC Wizard zbudowałem wokół reguł, bo reguły można śledzić i wyjaśnić, i chcę dokładnie opisać, co każda część robi, a czego nie robi.

Klastry tematyczne (oparte na regułach, definiowane przez Ciebie). W Property Setup tworzysz klaster jako nazwę plus listę do 100 słów kluczowych, wpisanych ręcznie lub zaimportowanych z pliku CSV. Zwykłe słowo kluczowe pasuje do każdego zapytania, które je zawiera, bez rozróżniania wielkości liter, a słowo kluczowe ujęte w ukośniki, jak /cold.?brew/, jest wyrażeniem regularnym. Zapytanie dołącza do klastra, gdy pasuje którekolwiek z jego słów kluczowych, i może należeć do więcej niż jednego klastra, a wtedy liczy się w każdym w całości, więc sumy klastrów nie mają się zsumować do sumy dla witryny. Gdy klikniesz Run Analysis, raport Klastry tematyczne dopasowuje reguły do każdego zapytania usługi za wybrany okres, ze składowanych danych w hurtowni, gdy usługa ma pełne przechowywanie, a w przeciwnym razie z API Search Console, więc nie jest ograniczony do 1000 wierszy, które pokazuje interfejs Search Console. Każdy klaster dostaje kliknięcia, wyświetlenia, CTR, średnią pozycję ważoną wyświetleniami i liczbę zapytań, ze zmianą względem poprzedniego okresu, i rozwija się do dopasowanych zapytań wraz ze słowem kluczowym, które każde z nich złapało.

Raport ma przełącznik brandowe i niebrandowe (sterowany frazami marki zapisanymi w usłudze) oraz trzy szybkie filtry odpowiadające wzorcom powyżej: Opportunity pokazuje klastry z co najmniej medianą wyświetleń Twoich klastrów, średnią pozycją między 11 a 25 i CTR równym 1% lub mniejszym; Rising pokazuje klastry, których wyświetlenia wzrosły o co najmniej 20%, a kliknięcia o 5% lub mniej; Declining pokazuje klastry, których wyświetlenia spadły o 10% lub więcej. Osobna sekcja Cluster Performance Over Time rysuje wykres każdego klastra z 3, 6 lub 12 miesięcy z miesięczną tabelą. Te same klastry działają też jako filtr w raportach Queries, New & Lost Rankings, Rank Changes, Cannibalization, Query Decay i Page Poaching, dzięki czemu sprawdzisz kanibalizację lub spadki wewnątrz jednego tematu. Dokumentacja Klastrów tematycznych zawiera szczegóły, a Grupy treści robią to samo dla stron według reguł URL.

Czego nie robią Klastry tematyczne. Nie wymyślają klastrów za Ciebie: w tym raporcie nie ma automatycznego ani semantycznego grupowania i w odróżnieniu od Grup treści nie ma pomocnika z sugestiami. Jeśli chcesz pomocy w pisaniu reguł, serwer MCP GSC Wizard pozwala asystentowi AI, takiemu jak Claude lub ChatGPT, przeczytać Twoje najlepsze zapytania, zaproponować klastry, zapisać je przez create_topic_cluster lub update_topic_cluster i zmierzyć przez get_topic_cluster_performance, które raportuje też zapytania niedopasowane do żadnego klastra. Grupowanie jest wtedy oceną asystenta, więc przeczytaj reguły, zanim je zapiszesz.

Automatyczne tematy leksykalne w Porównaniu migracji. Jedyne miejsce, gdzie GSC Wizard klastruje zapytania automatycznie, to karta Queries w Porównaniu migracji, która grupuje zapytania z porównania przed i po w tematy, tak że migracja nieudana dla jednej linii produktów wygląda jak jeden wiersz. To opisana wyżej metoda n-gramów, ale deterministyczna: bierze do 5000 zapytań (najpierw z największą liczbą kliknięć), odrzuca słowa funkcyjne w siedmiu językach i sprowadza proste liczby mnogie, jako kandydatów używa pojedynczych słów i par słów powtarzających się w co najmniej trzech zapytaniach, ale nie w więcej niż 40% z nich, przypisuje każdemu zapytaniu jego najlepszego kandydata i zachowuje 25 największych tematów, a resztę umieszcza w „Other queries”. Te same wiersze zawsze dają te same tematy i nie są tu używane osadzenia.

Klastrowanie adresów URL, nie zapytań. Wizualizacja long tail klastruje strony, a nie zapytania: szereguje Twoje adresy URL według kliknięć, wygładza skumulowaną krzywą kliknięć filtrem Gaussa i umieszcza dwa punkty załamania tam, gdzie krzywa zagina się najmocniej, co dzieli witrynę na Head, Chunky Middle i Long Tail. Potrzebuje co najmniej 30 adresów URL (poniżej pokazuje listę rankingową), działa w Web Workerze w Twojej przeglądarce, żeby duża witryna nie zawieszała strony, i jest też dostępna dla asystentów AI jako get_longtail_clusters. Odpowiada na inne pytanie niż klastrowanie tematyczne, mianowicie jak bardzo zależysz od kilku stron, a poszczególne poziomy wyjaśnia dokumentacja o long tailu.

Klastrowanie semantyczne. GSC Wizard nie grupuje zapytań za pomocą osadzeń, więc jeśli chcesz klastrów semantycznych, wykonaj Metodę 3 samodzielnie na eksporcie zapytań i wprowadź tematy, które chcesz śledzić, z powrotem do GSC Wizard jako reguły, gdzie pozostają stabilne z miesiąca na miesiąc. Każdy plan obejmuje Klastry tematyczne, Porównanie migracji, Wizualizację long tail i serwer MCP, od 17 € miesięcznie z 7-dniowym darmowym okresem próbnym (zobacz cennik).

Najczęściej zadawane pytania

Jak pogrupować zapytania z GSC w tematy, żeby znaleźć szanse na wzrost?

Przypisz każde zapytanie z Search Console do tematu za pomocą reguł regex lub frazowych, wspólnych n-gramów słów albo osadzeń semantycznych, następnie zsumuj kliknięcia i wyświetlenia i policz dla każdego tematu średnią pozycję i CTR ważone wyświetleniami. Szansami są tematy z wieloma wyświetleniami, ale ze średnią pozycją na drugiej stronie lub niskim CTR, tematy, w których kilka Twoich adresów URL dzieli te same zapytania, oraz tematy, które zbierają wyświetlenia bez napisanej pod nie strony.

Czy Google Search Console potrafi samo grupować zapytania w tematy?

Częściowo. Search Console Insights ma kartę Query groups, która grupuje podobne zapytania za pomocą AI i pokazuje kliknięcia na grupę, ale tylko dla usług z dużą liczbą zapytań, a Google mówi, że grupy mogą się z czasem zmieniać. W raporcie skuteczności możesz filtrować zapytania własnym regexem, co pokazuje jedną grupę naraz, więc porównanie własnych tematów obok siebie nadal oznacza ręczne przepisywanie sum.

Jakiej składni regex używa filtr zapytań w Search Console?

RE2. Strona pomocy Google mówi, że dopasowanie jest domyślnie częściowe, więc wzorzec pasuje w dowolnym miejscu zapytania, o ile nie zakotwiczysz go znakami ^ lub $, a wielkość liter nie ma znaczenia, chyba że zaczniesz wzorzec od (?-i). RE2 nie obsługuje lookaheadów ani odwołań wstecznych.

Dlaczego sumy moich klastrów nie dodają się do sumy dla witryny?

Z dwóch powodów. Google pomija zanonimizowane zapytania (rzadkie) w każdej tabeli zapytań i w sumach filtrowanych według zapytania, więc sklastrowane zapytania zawsze mają mniej niż suma dla witryny. A jeśli zapytanie pasuje do dwóch klastrów, narzędzie dopuszczające nakładanie się, jak Klastry tematyczne w GSC Wizard, liczy je w obu.

Czy klastrowanie oparte na osadzeniach jest lepsze niż reguły słów kluczowych?

Znajduje synonimy i tłumaczenia, które reguły pomijają, więc lepiej nadaje się do odkrywania tematów w dużym, chaotycznym zbiorze zapytań. Reguły lepiej służą do śledzenia: dają to samo grupowanie co miesiąc i można je wyjaśnić klientowi. Dobry przepływ pracy to odkryć tematy za pomocą osadzeń lub n-gramów, a potem zapisać je jako reguły.

Czy GSC Wizard klastruje zapytania z Search Console automatycznie?

Nie w raporcie Klastry tematyczne: każdy klaster definiujesz jako listę fraz lub wzorców regex, a GSC Wizard mierzy go w całej usłudze. Porównanie migracji automatycznie grupuje zapytania z migracji w tematy leksykalne, a Wizualizacja long tail grupuje adresy URL, nie zapytania, na head, chunky middle i long tail. GSC Wizard nie klastruje zapytań za pomocą osadzeń; jeśli chcesz klastrów semantycznych, uruchom model osadzeń na eksporcie zapytań i wprowadź tematy z powrotem jako reguły.

Czy asystent AI może zbudować klastry za mnie?

Tak, przez serwer MCP GSC Wizard. Asystent taki jak Claude albo ChatGPT może odczytać Twoje najlepsze zapytania, zaproponować klastry, zapisać je za pomocą create_topic_cluster i zmierzyć za pomocą get_topic_cluster_performance. Sprawdź proponowane reguły, zanim je zapiszesz, bo grupowanie to ocena asystenta.

Następny poradnik

Czy w którymś klastrze konkuruje kilka stron? Napraw to, zanim cokolwiek przepiszesz: napraw kanibalizację słów kluczowych →