Słowa kluczowe dla sklepu internetowego - jak przypisać frazy do kategorii, filtrów i produktów

Słowa kluczowe dla sklepu internetowego dobierasz po to, żeby każda grupa fraz miała jedną stronę docelową. Reguła mapowania: fraza ogólna trafia na kategorię, konkretny model na kartę produktu, pytanie na poradnik, a kategoria z marką lub cechą dostaje własną indeksowaną stronę filtra tylko wtedy, gdy ma popyt (jest w podpowiedziach Google albo ma co najmniej ok. 50 wyszukiwań miesięcznie) i co najmniej ok. 10 produktów. Rozmiar, cena i sortowanie zostają filtrami bez indeksacji. Do sklepu z kilkuset produktami wystarczą darmowe narzędzia: Search Console, Planer słów kluczowych i podpowiedzi Google. Senuto, Ahrefs czy Semrush opłacają się dopiero przy setkach kategorii albo przy analizie konkurencji.

Jak dobrać słowa kluczowe do sklepu internetowego i przypisać je do kategorii, filtrów, kart produktów i poradników: reguła mapowania z progami, mapa fraz z 1 109 podpowiedzi Google i liczb produktów w prawdziwym sklepie, Search Console, Planer, Senuto i Ahrefs z cenami, szablon arkusza i skrypt do wykrywania kanibalizacji.

W tym wpisie pokazuję, jakie typy fraz występują w sklepie i gdzie je kierować, kiedy filtr zasługuje na własną stronę, mapę fraz dla kategorii „buty trekkingowe” zbudowaną z 1 109 podpowiedzi Google i liczby produktów w prawdziwym sklepie, porównanie z drugą kategorią (ekspresy do kawy), porównanie narzędzi z cenami, koszt przy dwóch skalach, szablon arkusza mapowania i skrypt, który wykrywa kanibalizację w danych Search Console.

Czy potrzebujesz płatnego narzędzia - pierwsza decyzja

Najczęstsze pytanie przed researchem brzmi: Senuto, Ahrefs czy Semrush? Często żadne. Jeśli sklep już działa, najcenniejsze frazy masz w Search Console (zapytania, na które Google już Cię pokazuje) i w wyszukiwarce wewnętrznej sklepu (to, czego szukają ludzie gotowi kupić). Płatne narzędzie dokłada szacunki popytu na frazy, na które jeszcze się nie wyświetlasz, oraz dane o konkurencji.

Ceny sprawdziłem na stronach producentów 12 października 2026. Liczby wyszukiwań z każdego narzędzia to szacunki, a różnice między narzędziami dla tej samej frazy bywają kilkukrotne, dlatego używam ich do kolejności, a nie jako prognozy ruchu. Szerzej o researchu pod wyszukiwarki AI i o frazach, których nie pokaże żadne narzędzie, piszę we wpisie o analizie słów kluczowych pod AI.

Typy fraz w sklepie i ich strona docelowa

Każdy typ frazy ma swoje miejsce w strukturze sklepu. Udział w kolumnie trzeciej pochodzi z mojego zbioru podpowiedzi Google dla frazy „buty trekkingowe” (333 podpowiedzi z zapytań bez dodatkowych modyfikatorów, opis metody niżej). Jedna podpowiedź może mieć kilka typów, np. „buty trekkingowe damskie salomon”.

Wniosek: w tej kategorii 59% podpowiedzi (197 z 333) zawiera markę albo płeć. Struktura „kategoria → płeć → typ” plus indeksowane filtry marek pokrywa większość popytu, zanim napiszesz jakikolwiek tekst.

Kiedy filtr zasługuje na własną stronę

Filtr dostaje własny, indeksowany adres z unikalnym tytułem i nagłówkiem H1, gdy spełnia trzy warunki naraz. To moja reguła z audytów sklepów:

1. 1.Popyt: fraza pojawia się w podpowiedziach Google albo ma co najmniej ok. 50 wyszukiwań miesięcznie w planerze lub innym narzędziu.
2. 2.Asortyment: strona ma co najmniej ok. 10 produktów. Przy mniejszej liczbie lista jest uboga, a po wyprzedaniu kilku modeli strona robi się pusta.
3. 3.Unikalność: filtr odpowiada na inną intencję niż kategoria nadrzędna i da się mu nadać własny tytuł i H1 (np. „Buty trekkingowe damskie Salomon”), a nie tylko dopisek „- filtr”.

Jeśli którykolwiek warunek nie jest spełniony, filtr działa dla kupującego, ale nie jest indeksowany i nie ma linków w HTML. Jak technicznie obsłużyć filtry (noindex, canonical, robots.txt, adresy filtrów), pokazuję we wpisie o filtrach w sklepie internetowym a SEO, a kolejność wszystkich prac w strategii SEO dla sklepu internetowego.

Mapa fraz dla kategorii „buty trekkingowe”

Jak zbierałem dane: 12 października 2026 skrypt pobrał podpowiedzi Google (język polski, Polska) dla 158 zapytań: sama fraza, fraza + każda litera i cyfra, fraza + „damskie”, „męskie”, „dziecięce” z literami oraz z pytaniami („jakie”, „jak”, „czy”, „najlepsze”). Dało to 1 109 unikalnych podpowiedzi. Udziały typów fraz liczyłem tylko na 333 podpowiedziach z zapytań „fraza + litera”, bo zapytania z „damskie” czy „męskie” sztucznie zawyżałyby udział płci. Liczbę produktów sprawdziłem tego samego dnia w kategorii damskich butów trekkingowych w eobuwie.pl (licznik „Produkty” na stronie).

Co widać w samym sklepie: eobuwie.pl indeksuje strony filtrów marki i koloru z własnym nagłówkiem (np. „Buty trekkingowe i turystyczne damskie Salomon”), canonical wskazuje na sam filtr, a pusty filtr marki, której w kategorii nie ma, zwraca w surowym HTML status 404 zamiast pustej strony. W wyrenderowanym HTML kategorii linki prowadziły tylko do kilku wybranych kombinacji filtrów, np. „Czarne buty trekkingowe damskie”. To dobry wzór: indeksowane są wybrane filtry, a nie wszystkie kombinacje.

Druga kategoria dla porównania: ekspres do kawy

Ten sam skrypt dla frazy „ekspres do kawy” dał 581 unikalnych podpowiedzi (360 w zbiorze bez modyfikatorów). Struktura popytu jest zupełnie inna:

Wniosek: nie kopiuj struktury filtrów między kategoriami. W butach podkategorią jest płeć i wysokość, w ekspresach typ urządzenia, a frazy typu „ekspres do kawy ranking” czy „jaki wybrać” wymagają poradnika porównawczego, bo kategoria z listą produktów na nie nie odpowiada.

Koszt researchu przy dwóch skalach

Szacunki z moich wycen (październik 2026), bez kosztu wdrożenia nowych kategorii w sklepie:

Wniosek: w małym sklepie płatne narzędzie rzadko się zwraca, bo większość decyzji podejmiesz z darmowych danych. W dużym sklepie koszt narzędzia to ułamek kosztu pracy, a oszczędza dziesiątki godzin przy grupowaniu fraz.

Szablon arkusza mapowania

Arkusz to jedna tabela, w której każda fraza ma dokładnie jedną stronę docelową. Kolumny, których używam, z przykładowymi wierszami z mapy powyżej (adresy są umowne):

fraza;typ;popyt_zrodlo;popyt;produkty;strona_docelowa;typ_strony;indeksowac;uwagibuty trekkingowe;kategoria;podpowiedzi;fraza bazowa;1284;/buty-trekkingowe;kategoria;tak;buty trekkingowe damskie;plec;podpowiedzi;top 1;480;/buty-trekkingowe/damskie;podkategoria;tak;buty trekkingowe damskie salomon;marka;podpowiedzi;top 3;57;/buty-trekkingowe/damskie/marka:salomon;filtr;tak;H1 z markaniskie buty trekkingowe salewa;marka+cecha;podpowiedzi;-;7;/buty-trekkingowe/niskie;filtr;nie;ponizej 10 produktowbuty trekkingowe damskie 38;rozmiar;podpowiedzi;-;zmienne;/buty-trekkingowe/damskie;filtr;nie;rozmiar bez indeksacjijak dobrac rozmiar butow trekkingowych;pytanie;podpowiedzi;-;-;/poradnik/rozmiar-butow-trekkingowych;poradnik;tak;link do podkategorii

Zasady: jedna fraza ma jedną stronę docelową, jedna strona ma jedną główną frazę i kilka pobocznych, a kolumna „indeksowac” wynika z reguły trzech warunków. Ten arkusz to też lista zadań dla programisty: każde „tak” przy filtrze oznacza własny tytuł, H1, link w HTML i miejsce w mapie witryny.

Kanibalizacja: jak ją wykryć w danych Search Console

Kanibalizacja w sklepie to sytuacja, w której na tę samą frazę Google na zmianę pokazuje kategorię, filtr i kartę produktu, a żadna z tych stron nie rankuje wysoko. Skrypt poniżej pobiera z API Search Console pary zapytanie-strona z 90 dni, normalizuje adresy i wypisuje zapytania, na które co najmniej dwie strony dostają istotną część wyświetleń.

# pip install google-api-python-client google-auth pandasimport re, datetime as dtfrom urllib.parse import urlsplitimport pandas as pdfrom google.oauth2 import service_accountfrom googleapiclient.discovery import buildSITE = "sc-domain:twojsklep.pl"creds = service_account.Credentials.from_service_account_file(    "sa.json", scopes=["https://www.googleapis.com/auth/webmasters.readonly"])gsc = build("searchconsole", "v1", credentials=creds)end = dt.date.today() - dt.timedelta(days=3)rows, start = [], 0while True:    body = {"startDate": str(end - dt.timedelta(days=90)), "endDate": str(end),            "dimensions": ["query", "page"], "rowLimit": 25000, "startRow": start}    batch = gsc.searchanalytics().query(siteUrl=SITE, body=body).execute().get("rows", [])    rows += batch    if len(batch) < 25000:        break    start += 25000def norm(url):    # bez parametrów sortowania, śledzenia i paginacji, bez końcowego ukośnika    p = urlsplit(url)    return (p.netloc + p.path).rstrip("/").lower()df = pd.DataFrame([{"query": r["keys"][0], "page": norm(r["keys"][1]),                    "impressions": r["impressions"], "clicks": r["clicks"],                    "position": r["position"]} for r in rows])df = df.groupby(["query", "page"], as_index=False).agg(    impressions=("impressions", "sum"), clicks=("clicks", "sum"), position=("position", "mean"))df["share"] = df["impressions"] / df.groupby("query")["impressions"].transform("sum")total = df.groupby("query")["impressions"].transform("sum")cand = df[(total >= 200) & (df["share"] >= 0.2)]multi = cand.groupby("query").filter(lambda g: len(g) >= 2)print(multi.sort_values(["query", "share"], ascending=[True, False]).round(2).to_string())

Wynik czytasz tak: jeśli na „buty trekkingowe damskie salomon” 55% wyświetleń ma filtr marki, a 40% karta jednego produktu Salomon, to sygnał, że filtr jest za słaby (mało produktów, ogólny tytuł) albo karta produktu ma w tytule frazę ogólną. Rozwiązanie wynika z mapy: wzmacniasz stronę docelową (tytuł, H1, linki wewnętrzne), a z drugiej usuwasz frazę z tytułu i nagłówka.

Pułapka produkcyjna: fałszywa kanibalizacja z adresów z parametrami

Najczęstszy błąd przy tej analizie: dane z Search Console bez normalizacji adresów. Ta sama kategoria występuje jako /buty-trekkingowe, /buty-trekkingowe/, /buty-trekkingowe?sort=price i /buty-trekkingowe?page=2, więc w raporcie wygląda, jakby cztery strony walczyły o jedną frazę. Ktoś „naprawia” to przekierowaniami albo przepisywaniem treści, a problem jest tylko w arkuszu. Dlatego funkcja norm() w skrypcie usuwa parametry i końcowy ukośnik, zanim cokolwiek policzy.

Odwrotna sytuacja też się zdarza: jeśli po normalizacji wciąż widzisz adresy z parametrami z dużą liczbą wyświetleń, to nie jest błąd analizy, tylko sygnał, że Google indeksuje sortowanie lub filtry, których nie powinien. Wtedy problem jest techniczny, a nie w doborze fraz.

Czego nie robić

• Nie wybieraj fraz tylko według liczby wyszukiwań. Fraza z dużym popytem bez produktów w sklepie przyniesie ruch, który nie kupi.
• Nie twórz strony dla każdej marki i każdego koloru. Bez popytu i bez 10 produktów to tysiące cienkich stron.
• Nie targetuj fraz z nazwą innego sklepu („buty trekkingowe decathlon”). To zapytania nawigacyjne, ich autor chce trafić do konkretnego sklepu.
• Nie kieruj jednej frazy na kategorię i na kartę produktu jednocześnie. Karta ma rankować na model, kategoria na frazę ogólną.
• Nie kopiuj struktury filtrów z jednej kategorii do drugiej - jak pokazuje porównanie butów i ekspresów, popyt w każdej kategorii wygląda inaczej.
• Nie traktuj liczb z narzędzi jako prognozy ruchu. To szacunki do ustalenia kolejności.

FAQ

Jeśli chcesz, żebym przygotował mapę fraz i decyzje o filtrach dla Twojego sklepu, zobacz pozycjonowanie sklepów internetowych.