Zgred o SEO i pozycjonowaniu

22/05/2026

Cała historia Google Core Update's i analiz w jednym miejscu :)

https://www.semgence.pl/google-core-update-co-laczy-wiekszosc-analiz/

21/05/2026

Tęskniliście?

https://status.search.google.com/incidents/wdAXJk6LRRihEjpzEeWE

CORE leci :)

20/05/2026

Ile kosztuje Google Ads w 2026? Budżet reklamowy od 500 zł + obsługa od 800 zł/msc. CPC od 0,50 zł do 50 zł za klik - zależy od branży. Sprawdź tabelę kosztów, trendy CPC i kiedy reklama się zwraca.

19/05/2026

Ufasz wynikom z promtpów? Robisz ich analizę? Ile razy odpytujesz promptem zanim zdecydujesz sie zoptymalizować treści? A wiesz, że w GSC są dane z AIO/AIM - najdłuższy wynik (jaki mi się trafił) z GSC ma 164 słowa....

Zaufasz wynikom audytu widoczności w AI? Dlaczego nie i dlaczego tak?

https://www.semgence.pl/confidence-jak-ocenic-wiarygodnosc-audytu-ai/

19/05/2026

Nie wiem co o tym myśleć xD

19/05/2026

Screaming Frog w wersji 24.0 najnowszej - posiada już serwer MCP :) MOżna pobierać i testować.

Tymczasem nie musicie mieć nowego żabsona aby zbudowac sobie MCP z żabsonem:

MCP server for Screaming Frog SEO Spider – crawl sites, export data, and manage crawl storage via Claude or any MCP-compatible client - bzsasson/screaming-frog-mcp

16/05/2026

Gdyby ktoś zapomniał czym jest SEO ;)

16/05/2026

Przez ostatnie dni zrobiłem audyt i strojenie narzędzi MCP pod kątem sygnałów opisanych w patentach Google dotyczących jakości treści, źródeł, encji, information gain, satysfakcji użytkownika i odpowiedzi generatywnych.

Nie chodziło o “raport pokrycia dla raportu”.

Chodziło o praktyczne pytanie:

czy specjalista SEO albo Content może wpisać normalny prompt, bez znajomości nazw narzędzi, i dostać decyzję opartą o właściwe dane?

Np.

“Sprawdź, które treści trzeba odświeżyć na podstawie GSC, utraty widoczności i satysfakcji użytkownika.”

albo

“Czy ta strona nadaje się jako źródło odpowiedzi AI dla danego tematu?”

Po audycie mamy obecnie globalnie spięte warstwy:

- retrieval_ — dobór właściwych URL-i i źródeł pod prompt
- cq_ — information gain, page satisfaction, content quality
- entity_ / tm_ / scn_ — encje, topical authority, semantic network
- eeat_ / source_ — source confidence, autor, organizacja, zewnętrzne potwierdzenia
- answer_ / gsi_ / passage_ — AI answer eligibility, cytowalne fragmenty, answer readiness
- ms_ / air_ — human evidence, microsemantic quality, retrieval-friendly writing
- search_ / gsc_ / ga_ — sygnały zachowań użytkownika
- il_ / refresh_ — linkowanie wewnętrzne i odświeżanie treści
- seo_ / crawlint_ / ecom_ / funnel_ — techniczne, e-commerce i konwersyjne warstwy wsparcia

Ostatni tuning dodał m.in.:

1. content-data alignment
Czy claimy liczbowe widoczne w treści zgadzają się z danymi strukturalnymi/schema.

2. verified author/entity
Czy autor, organizacja i źródło mają sygnały typu sameAs, Person, Organization, LinkedIn, ORCID, Wikidata itd.

3. human evidence
Czy tekst zawiera dane własne, case studies, doświadczenie eksperta, konkretne narzędzia, daty i przykłady.

4. citable fragment density
Czy treść ma krótkie, samodzielne fragmenty, które mogą zostać użyte jako źródło odpowiedzi AI.

Patenty, które mapowaliśmy jako inspirację sygnałową:

US9317592B1, US9619450B2, US8954412B1, US12073187B2, US20240012999A1, US20220067309A1, US20240135187A1, US9679018B1, US20190034530A1, US10102187B2, US12197525B2, US8244689B2, US20170093934A1, US10585927B1, US20250103640A1, US20250103826A1, US8788477B1, US9195944B1, US20120016870A1, US20130055089A1, US10832001B2, US12073189B2, US12223273B2, US20250217626A1, US20240428015A1, US20250356223A1.

Ważne: nie traktuję patentów jako instrukcji “jak działa ranking 1:1”.

Traktuję je jako mapę możliwych klas sygnałów, które warto mierzyć i porządkować w narzędziach.

Efekt praktyczny?

Budujemy warstwę, która pomaga specjaliście podjąć decyzję:

- co poprawić,
- dlaczego,
- na podstawie jakich danych,
- które URL-e mają priorytet,
- czy treść ma szansę być dobrym źródłem dla Google/AI,
- gdzie brakuje encji, źródeł, claimów, schema albo fragmentów do cytowania.

Dla mnie to jest kierunek, w którym idzie techniczne SEO i content engineering :) Pytanie czy Google ze swoimi spam policy tego nie uwali bo już sygnalizuje, że bardzo chce to zrobić.

13/05/2026

Dobra, domknęliśmy kolejny etap zabawy z patentami Google 🧠🔧

Przez ostatnie dni rozbieraliśmy na części 3 patenty:

📌 US12248529B2
📌 US9875296B2
📌 US20160019280A1

I nie chodziło o “kopiowanie patentów”, tylko o przełożenie ich na praktyczne narzędzia analityczne dla SEO, AI Visibility, contentu i audytów.

Co powstało? 👇

✅ answer_* jako rdzeń Answer Intelligence
✅ retrieval_* do wyboru źródeł i kontekstu
✅ passage_* do pracy na fragmentach treści
✅ consensus_* do oceny zgodności źródeł
✅ accuracy_* do przewidywania ryzyka odpowiedzi
✅ qa_relation_* do relacji pytanie → odpowiedź
✅ source_expertise_* do oceny dopasowania źródła i eksperckości
✅ orkiestrator, który pilnuje, żeby system nie odpalał wszystkiego bez sensu 😅

Do tego testy na danych z GSC, Senuto, DataForSEO, OpenAI/Gemini embeddings i własnych MCP.

Najważniejsze: to nie jest narzędzie pod jedną domenę.
To globalny mechanizm, który ma działać w tle dla specjalistów. Specjalista zadaje pytanie w Claude/Codex, a MCP pod spodem dobiera sygnały, scoringi i heurystyki.

Czyli mniej magii w promptach, więcej sensownej infrastruktury pod spodem ⚙️

Status na dziś:

🟢 patent-core działa
🟢 finalne testy zielone
🟢 GSC + Senuto + DataForSEO + embeddings spięte testowo
🟢 domyślnie tryb bezpieczny: plan_only
🟢 run_lite tylko za flagą
🟢 fail-open, żeby nic nie wywracało audytów

I najważniejsze: system zaczyna rozumieć nie tylko “czy strona ma treść”, ale czy ta treść nadaje się jako źródło odpowiedzi dla AI.

Brzmi nerdowsko? Bo jest nerdowskie 🤓
Ale właśnie takie rzeczy będą robiły różnicę w pracy specjalistów SEO i AI Visibility.



PS. Wpis jest wygenerowany, obrazek też - a to powyzej wdrażałem ok 2-3 dni. W sumie Codex wdrażał.

10/05/2026

To jest ten przykład jak pokrywać tematy związane z widocznością AI pisząc o widoczności w AI ;)

Macie cały framework podany na tacy jak z tego zrobić sobie proces.

Praktyczny framework Semgence: jak budować widoczność marki w AI dzięki prompt monitoringowi, encjom, FAQ, query fan-out, SCN i retrieval. Dane z 13 projektów.

09/05/2026

Jak się podoba panel, który w tekscie weryfikuje BLUF, ai-frist, query fan out oraz pare innych drobiazgów xD

To tylko pare godzin roboty w sobotnie popołudnie ;)

Za moment bedzie edytor jak w surferseo ;)