+640% ruchu organicznego, 18 000 cytowań w AI i 12 000 SKU zautomatyzowanych w 12 dni — w 9 miesięcy
Pełne wdrożenie Omni Search AI dla ogólnopolskiego D2C sklepu z odzieżą i obuwiem sportowym (~12 000 SKU, WooCommerce). Od 30-minutowej analizy AI danych klienta i kilkudziesięciu konkurentów, przez budowę 17 silosów dyscyplin sportowych, automatyzację 12 000 opisów SKU w 12 dni, strategię sezonową z 8–12-tygodniowym wyprzedzeniem przed każdym pikiem — aż po recovery po core update Google w 18 dni, gdy konkurencja odbudowuje się 2–4 miesiące.
~28 000 → ~207 000 / miesiąc
+820% w 9 miesięcy
+5 700% · 5 silników generatywnych
batch WooCommerce API + AI
Co znajdziesz w tym case study
Pełen, techniczny zapis wdrożenia GEO AI dla ogólnopolskiego sklepu D2C z odzieżą i obuwiem sportowym — WooCommerce, ~12 000 SKU, 2 marki własne + 160 marek dystrybucyjnych. Pokazujemy decyzje od analizy GAP przez budowę silosów contentowych dla 17 dyscyplin sportowych, jednorazową automatyzację 12 000 opisów SKU, strategię sezonową z wyprzedzeniem i recovery po core update Google w 18 dni.
- Jak AI zrobiło analizę GAP w 30 minut — analizując dane klienta z Google Ads, GSC, oraz profile organiczne kilkudziesięciu konkurentów (multibrandów i specjalistycznych sklepów sportowych). Lista 19 000+ fraz z mapą URL-i i scoringiem na wyjściu.
- Jak klient sam wybrał 14 200 fraz z 19 000 w 2 dni robocze — bez naszego udziału, „wybierając bezmyślnie”. Kontrakt na 24 mc z tempem ~590 fraz / mc.
- 17 silosów dyscyplin sportowych — bieganie, trekking, fitness, kolarstwo, wspinaczka, narty, padel i 10 więcej. Hub + spoke + PDP per dyscyplina. Frazy poradnikowe („jakie buty do biegania na asfalt dla kobiety 55kg”) po 9 mc odpowiadają za 64% konwersji z organica.
- Automatyzacja 12 000 opisów SKU w 12 dni — batch przez WooCommerce API, unikalne opisy 1 400–1 800 znaków per SKU (nie kopia producenta), schema Product + Brand + aggregateRating. Jednorazowy projekt 18 000–28 000 zł netto.
- Sezonowość jako broń — przygotowanie contentu 8–12 tygodni przed pikiem każdej dyscypliny, model YoY dla agenta na spadki. Jako jedyni w branży mieliśmy zawartość pod wiosenną running peak już w połowie stycznia.
- Recovery po core update Google (11 sierpnia 2025) — 18 dni do powrotu powyżej poziomu sprzed update. Konkurencja: 2–4 miesiące.
- Pełna ekonomika projektu — 5 000–8 000 zł / mc + 2 000–3 500 zł inicjalnie + 18 000–28 000 zł one-shot na katalog. Versus klasyczna agencja ręczna. FAQ z 16 odpowiedziami na pytania ownerów sklepów sportowych.
Kim jest klient i z czym przyszedł do nas
Klient (anonimowy, dalej jako „Marka X”) to ogólnopolski e-sklep z odzieżą i obuwiem sportowym — sklep WooCommerce z katalogiem ~12 000 SKU, na który składają się 2 marki własne i dystrybucja ponad 160 marek zewnętrznych (europejskie i azjatyckie brandu z segmentu running, trekking, fitness, narty). Sprzedaż krajowa D2C + niewielki eksport do DE, CZ, SK i FR przez Amazon marketplace. Klient docelowy: aktywna kobieta i mężczyzna 22–45 lat, średni koszyk 230 zł, powracający po sezonowych zakupach.
Skala katalogu i treści
~12 000 SKU. ~380 artykułów blogowych zastanych (mieszana jakość — od rzetelnych testów sprzętu do generycznych list „top 10 butów”). 160 marek dystrybucyjnych: większość PDP używała dosłownie skopiowanych opisów producenta — nie tylko thin content, ale też ryzyko duplicate content w skali całej branży.
Kanały sprzedaży
Sklep WooCommerce (~90% obrotu) + Amazon marketplace (DE/CZ/SK/FR, ~10% obrotu). Brak Allegro — świadoma decyzja właściciela. Cały ruch organiczny z Google + bing; żadnej aktywnej pracy SEO od 2022 r. (zatrudniony 1 freelancer, aktualizacja bloga 2–4 razy w mc).
Punkt startowy
~3 200 fraz w TOP50 Senuto, ~420 w TOP10, ~90 w TOP3. Ruch organic: ~28 000 kliknięć / mc (GSC). Cytowania w AI: ~310 fraz/tematów w odpowiedziach ChatGPT, Gemini, Perplexity, Claude, Copilot. Brak schema Product na większości PDP. Marka rozpoznawalna lokalnie (podcasty sportowe, sponsorstwo biegów amatorskich), niewidoczna na frazach informacyjnych i poradnikowych.
Realny problem: „widzialni tylko na własną nazwę”
Marka X była widoczna na frazy brandowe i na kilkaset fraz produktowych. Poza tym — nieobecna. Kiedy ktoś wpisywał „jakie buty do biegania na asfalt dla kobiety 55kg”, „jak dobrać kurtkę softshell do trekkingu w Tatrach” albo „trening siłowy dla biegacza plan” — w wynikach Google i w odpowiedziach AI pojawiała się konkurencja: multibrandy i portale sportowe. Marka X istniała dla ludzi, którzy już ją znali. Nie istniała dla ludzi, którzy szukali tego, co sprzedaje.
Brief od klienta (3 czerwca 2025)
„Sprzedajemy sprzęt i odzież sportową od 8 lat. Mamy stałych klientów z polecenia, mamy obserwujących na Instagramie, ale w Google jesteśmy niewidoczni na cokolwiek poza naszą nazwą. ChatGPT i Perplexity w ogóle nas nie wymieniają — testowałem. Konkurencja z Warszawy ma 10× więcej treści i zajmuje każde sensowne frazy. Chcemy ruch i klientów, którzy jeszcze nas nie znają.„
3 czerwiec 2025 · 30 minut analizy AI · oferta na tym samym spotkaniu
Analiza biznes + content + technika w 30 minut — AI przeczytało dane klienta i dziesiątki konkurentów
Marka X przyszła z prostym briefem: więcej ruchu, więcej klientów. Nasza AI zrobiła pełną analizę — 30 minut od pierwszego uruchomienia do listy 19 000+ fraz z mapą URL-i i scoringiem. Tydzień później — kontrakt. Poniżej dokładnie, co AI przerobiło w tych 30 minutach i jakie wnioski z tego wyciągnęliśmy jeszcze przed startem wdrożenia.
Dane klienta z kilku lat
GSC (3 lata), GA4, Google Ads (fraz z historią konwersji), historia zamówień per kategoria. AI zbudowało model sezonowości per dyscyplina — wzorce z lat 2022–2025. Wynik: wiadomo, kiedy każda kategoria ma szczyt i gdzie realnie konwertuje organic. Ten model zasilił potem strategię sezonową.
Kilkaset fraz z Google Ads klienta
Klient od 3 lat testował frazy płatnie. Dla każdej — CPC, jakość wyniku, konwersja i kategoria produktowa. AI odseparowało frazy z ruchem ale 0 sprzedaży (ogólne hasła lifestylowe) od fraz „premium” z dowodem konwersji. Te weszły na priorytetową część listy kontraktowej.
Profile organiczne kilkudziesięciu konkurentów
Multibrandy ogólnopolskie (200k–1,2M fraz w TOP50) i sklepy niszowe (5–30k fraz). AI wypunktowało silosy tematyczne, które mają, luki w ich pokryciu — i frazy, na których żaden z nich nie jest silny. To były nasze pierwsze cele.
Crawl techniczny WooCommerce
Pełen crawl 12 000 PDP + 380 artykułów + kategorie. Wynik: 9 800 PDP bez schema Product, 4 200 duplicate title (szablony producenta), 1 140 artykułów z thin content (< 350 słów), 62% kategorii bez meta description, brak FAQPage na jakimkolwiek URL-u.
Sondaż widoczności w AI
Mapping cytowań Marki X w 5 silnikach generatywnych. Wynik bazowy: ~310 cytowanych fraz/tematów. Głównie: nazwa marki + 2–3 kategorie produktowe. Konkurenci w tej samej niszy: 800–2 400 cytowań na start. Dystans do zamknięcia — ale mierzalny.
19 000+ fraz na liście GAP
Każda zaklasyfikowana do intencji (informational, commercial, transactional, navigational), zmapowana na istniejący lub planowany URL, ze score’em priorytetu (search volume × konwersja × dystans do TOP10 × marża kategorii). Lista gotowa tego samego dnia.
Kluczowy wniosek z analizy: niewidoczność na TOP-of-funnel
Marka X nie miała problemu z produktami ani z cenami — miała problem z momentem wejścia do lejka. Klient w branży sportowej zaczyna od pytania („jakie buty do maratonu”), nie od marki. Marka X nie istniała w tym pierwszym kroku dla ~94% potencjalnych klientów. To był jeden, prosty wniosek, który zdeterminował całą strategię: pokrywamy frazy informacyjne i commercial intent tak, żeby Marka X istniała w każdym kroku lejka — nie tylko przy kasie.
5–10 czerwiec 2025 · z analizy AI prosto do wytycznych
Strategia bez sztywnych celów — założenia i wybór klienta z listy GAP
Strategia powstała 5 dni po pierwszej analizie. AI wygenerowało dokument wytycznych bezpośrednio z listy 19 000+ fraz, danych Ads klienta i wyników crawla. Celowo nie ustawialiśmy liczb na 3 / 6 / 9 miesięcy — bo wymuszone KPI liczbowe generują contentz presji, nie content z jakości. Zamiast tego ustaliliśmy założenia strategiczne, którymi kierujemy się przy każdej decyzji.
Wybór klienta: 14 200 fraz w 2 dni robocze
Z 19 000+ fraz klient w zespole (właściciel + kierownik marketingu + product manager) przejrzał całość w 2 dniach roboczych i wybrał 14 200 fraz jako zakres kontraktowy. Zadanie było proste: wybierać bezmyślnie. Odrzucić tylko to, co kompletnie nie pasuje: nazwy marek, których nie ma w ofercie, frazy z błędami ortograficznymi, lokalizacje bez sensu. Reszta — wpada. Dlaczego to działa: AI uwielbia dziwne, długie, precyzyjne zapytania. „Jakie buty do biegania dla płaskolesia na szutrze pod maraton w 4 h” to mało szukana fraza z bardzo wysoką intencją zakupową. Właściciel, który ją widzi, naturalnie myśli „to głupie” — ale AI wie, że to złoto. Kontrakt: 24 miesiące, tempo ~590 fraz / mc.
Założenia strategiczne
Co prowadzi nasze decyzje
- TOP-of-funnel first — frazy informacyjne i poradnikowe dostają priorytet, bo to gdzie klient zaczyna. Frazy transakcyjne są pochodną zbudowanego autorytetu.
- 17 silosów dyscyplin sportowych — każda dyscyplina dostaje hub-page, 8–15 spoke-page (poradniki, testy, rankingi) i powiązane PDP. Silosy budują topical authority pod całą dyscyplinę, nie pod pojedynczą frazę.
- Sezonowość z wyprzedzeniem — content pod sezon uruchamiamy 8–12 tygodni przed pikiem. Kiedy konkurencja robi „buty do biegania” w marcu — my mamy to w TOP10 od połowy stycznia.
- Unikalne opisy wszystkich 12 000 SKU — zero opisów producenta kopiowanych 1:1. Każdy SKU dostaje własny opis z AI, zoptymalizowany pod schema Product + intencję zakupową.
- FAQ jak biegacze i trekerzy naprawdę pytają — „czy buty XYZ nadają się na mokry granit” jest lepszym pytaniem FAQ niż „właściwości butów XYZ”. AI cytuje pierwsze, ignoruje drugie.
Czego świadomie unikamy
- Twardych celów na X miesięcy — mogą wymusić content-na-ilość zamiast content dla ludzi i AI.
- Masowego kasowania contentu — każdy istniejący URL ma historyczną wartość. 380 artykułów zastanych rozbudowujemy, nie usuwamy.
- Tłumaczenia maszynowego 1:1 opisów producenta — sklep z 160 brandami ma pokusę: weź plik producenta, wgraj, gotowe. To thin content na masową skalę. Nie robimy tego.
- Kopiowania opisów producenta — 160 innych sklepów ma te same opisy. Nasze muszą być unikalne semantycznie.
- Przeciążania klienta narzędziami — płaci za efekt, nie za kolejny panel do konfigurowania.
lipiec 2025 · 4 tygodnie · wytyczne dla DEV klienta
Technika i schema.org — fundament pod GEO na WooCommerce
Pierwsze 4 tygodnie współpracy to twardy groundwork techniczny. Całość w formie wytycznych dla DEV klienta (wewnętrzny programista + agencja WP od klienta): specyfikacje JSON-LD per typ strony, gotowe fragmenty kodu do wdrożenia, lista testów akceptacyjnych w Google Rich Results Test. Klient nie czekał na nas z wdrożeniem — dostał dokumenty, jego DEV implementował, my walidowaliśmy. Tempo: 4 tygodnie od briefu do pełnej akceptacji schema na produkcji.
Schema.org — typy wdrożone dla sklepu sportowego
- Product +
offers/Offer+aggregateRating+review+brand— 12 000 PDP. Dla produktów żywieniowych (żele energetyczne, odżywki): rozszerzenieNutritionInformation. - FAQPage na każdej PDP, kategorii i artykule blogowym — auto-generowane przez AI, walidowane przez redaktora (~20 300 stron objętych).
- Article + HowTo dla poradników („jak dobrać buty do biegania”, „jak złożyć plecak trekkingowy”) — 142 artykuły przekształcone w HowTo.
- ItemList na stronach kategorii (rankingi produktów z
position) — 284 kategorie i podkategorie. - BreadcrumbList + WebSite + Organization z pełnym
sameAs(Amazon, FB, IG, YT, Strava, Garmin Connect, Komoot). - Brand + Manufacturer per każdą z 160 marek dystrybucyjnych — dedykowane strony brandów z taksonomią produktów (wcześniej nieistniejące).
- SiteLinksSearchBox na stronie głównej — pod AI i wyszukiwarki głosowe.
Meta dynamiczne + internal linking topology
Dla WooCommerce wdrożyliśmy generator meta przez customowy plugin (specyfikacja dla DEV): dynamiczne <title> i <meta description> dla każdej PDP z 2 unikalnymi faktami (np. drop w mm, pronacja, certyfikat GRS dla produktów eco). Zero duplicate title w GSC po wdrożeniu. Internal linking: 17 silosów sportowych z automatyczną iniekcją linków kontekstowych przez AI — zamiast ręcznego linkowania redaktorów, które nie skaluje się na 12 000 SKU.
Core Web Vitals
Audyt PSI dla 40 reprezentatywnych PDP: LCP 4,2 s, INP 410 ms, CLS 0,14. Przyczyna: brak lazy-load na galeriach produktowych, nieskompresowane WebP i blokujące skrypty third-party (porównywarki cen). Po wdrożeniu wytycznych: LCP 1,8 s, INP 190 ms, CLS 0,03. Wszystko w zielonym pasku Google PageSpeed.
sierpień 2025 · 12 dni · projekt jednorazowy 18 000 – 28 000 zł netto
12 000 opisów SKU wygenerowanych w 12 dni — nie „AI spam”, ale unikalne treści pod GEO
Największy problem katalogowy Marki X: 12 000 PDP z kopiami opisów producenta lub pustymi polami. Dla 160 marek dystrybucyjnych to właściwie standard — import z pliku producenta, „zatwierdź”, gotowe. Problem: te same opisy ma setki innych sklepów w Polsce. Google to widzi. AI Overviews to widzi. Każda taka strona to thin content na poziomie encji semantycznej — nie za krótka, bo opis może mieć 400 słów, ale za uboga w unikalne fakty, własną perspektywę i strukturę którą preferuje retrieval modeli AI. W 12 dni wygenerowaliśmy unikalne opisy dla wszystkich 12 000 SKU.
Co dokładnie zrobiliśmy z 12 000 produktami
1. Selekcja i priorytetyzacja
Pełny crawl katalogu: 12 000 SKU podzielone na 3 priorytety. Priorytet A (4 200 SKU): bestsellery, produkty z search volume > 80/mc, własne marki → pełen opis 1 600–1 800 znaków + FAQ 4–6 pytań. B (5 400 SKU): regularne produkty → opis 1 200–1 400 znaków + FAQ 3 pytania. C (2 400 SKU): niszowe, długi ogon → opis 800–1 000 znaków, schema Product podstawowa.
2. Baza wiedzy per marka
Dla każdej z 160 marek dystrybucyjnych AI nauczyło się DNA komunikacji (oficjalne materiały producenta, recenzje branżowe, opisy ze strony marki, testy redakcyjne w mediach sportowych). Wynik: opis buta marki A nie brzmi jak opis buta marki B — bo naprawdę nie brzmi, nie tylko „zmieniamy nazwę”. Semantyczna unikalność per brand.
3. Generacja przez RAG + walidacja
Pipeline: dane produktowe (SKU, EAN, parametry techniczne, rozmiarówka) + baza wiedzy marki + top frazy z listy kontraktowej per kategoria → AI generuje opis + FAQ. Walidacja: custom GPT sprawdza duplicate content (podobieństwo < 12% do innych opisów w katalogu), forbidden claims, tone of voice. Redaktor waliduje próbki 5%.
4. Batch update przez WooCommerce API
REST API WooCommerce + customowy workflow: kolejka 12 000 zadań, throttling, retry 3×, log operacji. Każdy SKU: nowy opis, zaktualizowana meta description, FAQ w HTML, schema Product zaktualizowana. 12 dni kalendarzowych — bez przerywania sprzedaży, bez widocznych downtime’ów.
5. Schema + parametry
Przy okazji generacji: uzupełnienie wszystkich parametrów technicznych WooCommerce (materiał, waga, drop, rodzaj pronacji, certyfikaty eco). Schema aggregateRating podpięta do systemu recenzji klienta. Strony brandów — nowe landing pages per marka z schema Brand + ItemList produktów.
6. Efekty w GSC po 30 dniach
Po 30 dniach od batch update: +1 420 nowych fraz w TOP50, +340 w TOP10. Strony PDP zaczęły pojawiać się w AI Overviews (zakładka „Produkty” w Google PL). Dla własnych marek klienta — strony PDP zaindeksowane jako Product rich result w 94% przypadków.
Dlaczego to nie jest „AI spam”
Rynek jest pełen narzędzi do masowego generowania opisów — 99% wychodzi jak spam, bo model nie ma bazy wiedzy: nie wie czym różni się but do pronacji neutralnej od buta do overpronacji, nie wie jakie drop preferuje biegacz maratoński vs trailowy, nie zna DNA brandu, który opisuje. Nasze AI działało inaczej: zanim wygenerowało pierwsze słowo opisu, miało w bazie wiedzy kilkanaście tysięcy faktów o każdej marce, typie produktu i kategorii sportowej. Opisy, które wyszły, są semantycznie bogate, unikalne i — co najważniejsze — poprawne merytorycznie. To jest różnica między AI jako zamiennik copywritera a AI jako ekspert dziedzinowy z dostępem do copywritera.
wrzesień 2025 – marzec 2026 · ~350 nowych treści / miesiąc + rozbudowa 380 zastanego
17 silosów dyscyplin sportowych + rozbudowa zastanych 380 artykułów
Rdzeń wdrożenia to 17 silosów contentowych — po jednym na każdą dyscyplinę sportową w ofercie klienta. Każdy silos to hub-page (2 400–3 600 słów, schema Article + FAQPage + HowTo) + 8–15 spoke-pages (poradniki, rankingi, testy) + powiązane PDP linkowane w tekście. Równolegle — rozbudowa 380 zastanego contentu blogowego (zero kasowania, każdy URL traktowany jako historyczny aktyw).
17 dyscyplin — 17 silosów
Bieganie (running)
Największy silos: 15 spoke-pages + hub. Frazy: „buty do biegania [podłoże] [typ stopy]”, „plan treningowy na [dystans]”, „jak dobrać buty do biegania dla kobiety/mężczyzny”. Sezon: marzec–maj peak. Silos aktywowany w pełni do połowy stycznia 2026 — 10 tygodni przed pikiem.
Trekking + górski
Silos #2 pod liczbą fraz. Hub: „obuwie trekkingowe — jak wybrać”. Spoke: buty do różnych tereinów (szlaki w Tatrach, Beskidach, Dolomitach), kurtki i warstwa techniczna, plecaki trekkingowe. Sezon: czerwiec–sierpień.
Fitness i siłownia
Frazy drugiego intencji: „odzież do siłowni dla kobiet”, „leginsy sportowe [marka] opinia”, „obuwie na siłownię — jak dobrać”. Całoroczny, mniejsze piki. Silos budowany jesienią 2025 — bo frazy „noworoczne” (siłownia) mają pik w I tygodniu stycznia.
Narciarstwo i snowboard
Sezon XI–II. Silos budowany w IX–X 2025 z 12-tygodniowym wyprzedzeniem. Hub: „jak wybrać odzież narciarską — warstwy i technologie”. Speak: spodnie na narty, kurtki narciarskie, termoaktywna bielizna. Frazy zawierają dużo porównań marek — mocne commercial intent.
Kolarstwo
Hub: odzież i akcesoria rowerowe. Frazy: „spodenki rowerowe z wkładką — jak wybrać”, „buty rowerowe szosowe vs MTB”. Sezon: kwiecień–październik. Silos budowany od lutego 2026 pod wiosenny pik.
Pozostałe 12 dyscyplin
Wspinaczka, padel, squash, pływanie, yoga, CrossFit, triatlon, orienteering, spacer nordic, siatkówka plażowa, bokserski fitness, rugby amatorskie. Mniejsze objętościowo silosy, ale strategiczne — bo frazy mają niską konkurencję i dobre commercial intent.
Rozbudowa 380 zastanych artykułów — bez kasowania
Każdy ze 380 artykułów blogowych przeszedł przez pipeline AI: diagnoza luk informacyjnych → auto-rewrite do 1 400–2 200 słów → dodanie FAQ (4–6 pytań na ludzki język) → aktualizacja schema Article + HowTo (gdzie pasuje) → refresh dateModified → push przez WooCommerce API. Wszystko bez zmiany URL-i, bez 301-ek, bez kasowania. Efekt po 60 dniach od republiki: +64% wzrost ruchu na rozbudowanych URL-ach (mediana, porównanie 4-tygodniowe przed vs po).
Dlaczego pokrycie GAP przekłada się na sprzedaż 1:1
Od listy GAP do klienta w sklepie — łańcuch w 4 ogniwach
GEO raportuje się inaczej niż klasyczne SEO. „Frazy w TOP10” to dobra miara pośrednia, ale cel jest jeden: ruch, który konwertuje. W tym case study mierzyliśmy całą drogę — od pokrycia frazy z GAP po realny koszyk w WooCommerce.
Ogniwo 1 · GAP
AI wytypowało 19 000+ fraz z danych klienta, konkurentów i własnej bazy. Klient wybrał 14 200 fraz do realizacji w 24 mc. Każda fraza z dowodem konwersji — testowana w Google Ads klienta lub we wnioskach z analizy ruchu konkurentów.
Ogniwo 2 · Pokrycie
Tempo: ~590 fraz / mc. Po 9 mc: ~5 300 fraz pokrytych = ~37% listy. Wszystkie wyniki w tym case study to efekt zaledwie tej 37%. Pełne pokrycie 14 200 fraz — czerwiec 2027.
Ogniwo 3 · Widoczność
Mimo 37% pokrycia, do TOP50 weszło 29 440 fraz (3 860 w TOP10, 830 w TOP3). Efekt synergii: praca na nowych frazach równocześnie wzmacnia istniejące URL-e przez internal linking i autorytet domeny.
Ogniwo 4 · Zakup
Z 29 440 fraz w TOP50 — 68% klika do PDP lub kategorii (commercial + transactional intent), reszta to artykuły poradnikowe (informational), które budują remarketing i atrybucję wspomaganą. Po 9 miesiącach frazy poradnikowe stanowiły 64% konwersji z kanału organic — co oznacza, że klient kupujący przez organic to najczęściej ktoś, kto zaczął od pytania, nie od marki. To jest przewaga, której nie da klasyczny e-mail marketing ani social.
przez cały czas współpracy · unikalny model CCZGR dla branży sportowej
Sezonowość jako broń — 8–12 tygodni wyprzedzenia przed każdym pikiem
Branża sportowa ma jedną z najostrzejszych sezonowości w e-commerce. Running ma pik w marcu–maju, trekking w czerwcu–sierpniu, narciarstwo w listopadzie–lutym. Większość sklepów reaguje na pik, kiedy on już jest — i przegrywa ruch z tymi, którzy go przewidzieli. Nasz model sezonowy odwraca tę logikę: zaczynamy budować content pod sezon 8–12 tygodni zanim zanim ruch zacznie rosnąć. Kiedy Google i AI Overviews są gotowe do serwowania treści o bieganiu wiosną — my mamy je zaindeksowane od dwóch miesięcy.
Wiosna 2026 — konkretny przykład
Silos „bieganie” z hub-page i 15 spoke-pages był gotowy i zaindeksowany do 15 stycznia 2026. Pik wyszukań fraz typu „buty do biegania 2026” i „plan treningowy na wiosnę” pojawia się zwykle w pierwszej połowie marca. Oznacza to, że nasze treści miały 8 tygodni na indeksację, budowanie CTR-historii i wzmocnienie sygnałów rankingowych, zanim główna masa popytu weszła do Google. Efekt: w połowie marca 2026 Marka X miała 9 z 15 spoke-pages runningowego silosu w TOP10 — konkurenci, którzy zaczęli „odpowiadać na sezon” w lutym, wciąż nie mają tych pozycji.
Jak agent na spadki nie myli sezonowości z algorytmem
Agent monitorujący spadki ruchu per URL porównuje dane w trzech wymiarach: tydzień-do-tygodnia (WoW), miesiąc-do-miesiąca (MoM) i rok-do-roku (YoY). Jeśli kategoria „buty do biegania” traci 38% ruchu w październiku — a rok wcześniej traciła 41% w tym samym oknie — to jest sezonowość, nie algorytm. Alarm nie odpala. Jeśli w październiku traci 38%, a rok wcześniej w tym czasie urosła o 12% — to anomalia wymagająca reakcji. To jedno rozróżnienie eliminuje fałszywe alarmy i pozwala agentowi skupić się na prawdziwych problemach: stratach wynikających z update Google, aktywności konkurencji lub błędów technicznych.
Budowa silosu trekking
Silos trekkingowy gotowy 8 tygodni przed szczytem letnim (sierpień). Hub „buty trekkingowe — jak wybrać”, 10 spoke. Pik 2025 Marka X przechwytuje jako jedna z pierwszych na frazy „buty trekkingowe Tatry 2025”.
Budowa silosów narciarskich i snowboard
10 tygodni przed pikiem zimowym (listopad–grudzień). Hub „odzież narciarska — warstwy i technologie”, spoke per typ produktu i dyscyplina. Efekt: Marka X w TOP10 na 34 frazach narciarskich przed Black Friday 2025.
Budowa silosu running (wiosna 2026)
Hub „buty do biegania — kompletny przewodnik 2026” + 15 spoke gotowe do 15 stycznia. 8 tygodni wyprzedzenia przed pikiem marcowo-majowym. Rezultat marcowy: +415% ruchu w kategorii bieganie YoY.
Fitness i siłownia — silos gotowy na nowy rok
Silos fitness z contentem „plan treningowy na styczeń”, „odzież na siłownię — co kupić” budowany od listopada. Efekt: w pierwszym tygodniu stycznia 2026 Marka X przechwytuje ruch z „noworocznych postanowień” — kategoria fitness +180% WoW.
Content reuse między sezonami — automatyzacja zmiany intencji
Artykuł „plan treningowy na bieganie wiosną” po zakończeniu sezonu nie jest kasowany — jest automatycznie adaptowany przez AI do wersji jesiennej („przygotowanie do biegania zimą — jak zacząć”) i zimowej („bieganie w mrozie — odzież i bezpieczeństwo”). Ten sam URL, nowa dateModified, nowe FAQ, zaktualizowane encje. Trzy sezony z jednego bazowego artykułu — bez pisania od zera, bez duplikowania URL-i.
cała współpraca · narzędzia robocze CCZGR
Customowe wtyczki i automatyzacje — działają u nas, nie u klienta
W całym wdrożeniu pracuje komplet customowych wtyczek WooCommerce, automatyzacji procesowych i własnych modeli AI CCZGR. Wszystkie te narzędzia służą nam do realizacji zlecenia. Klient korzysta z efektu — gotowych treści, schema, raportów. Nie loguje się do paneli, nie utrzymuje infrastruktury, nie potrzebuje szkolenia. ~30 minut miesięcznie na call statusowy — to całe zaangażowanie klienta po fazie startowej.
Customowe wtyczki WooCommerce
Plugin generujący schema JSON-LD per typ strony, dynamiczne meta (title/description), internal linking topology, sitemap per typ treści (produkty, kategorie, wpisy, landing page silosów). Wdrożone przez DEV klienta, utrzymywane przez nasz zespół.
Automatyzacje procesowe
Orchestracja produkcji contentu (350–400 treści/mc), batch-update opisów SKU, push do WooCommerce przez API, regeneracja sitemap, request indeksacji w GSC, monitoring cytowań AI, generowanie raportów miesięcznych. Całość w naszej infrastrukturze.
Autorskie modele AI CCZGR
Dwa modele równolegle: (1) generujący treści — uczy się z TOP-ów wyszukiwarek i odpowiedzi AI, tworzy lepiej zoptymalizowane wersje z poprawną semantyką i encjami; (2) walidujący treści — sprawdza duplikaty, halucynacje faktyczne, tone of voice per marka, forbidden claims (np. claimy medyczne dla produktów żywieniowych).
Agent monitorujący spadki (YoY)
Mierzy ruch per URL w wymiarze WoW, MoM i YoY. Dla branży sportowej model YoY jest kluczowy — eliminuje fałszywe alarmy sezonowe. Alert odpala się tylko przy anomaliach poza wzorcem historycznym. U Marki X stale monitoruje TOP 30 URL-i per dyscyplina.
Model sezonowy per dyscyplina
Własny model CCZGR z danymi sezonowości dla 17 dyscyplin sportowych — zbudowany na 3 latach historii GSC klienta + danych search volume z Google Trends. Wyjście: harmonogram produkcji contentu z 8–12-tygodniowym wyprzedzeniem per sezon.
Monitoring cytowań AI (5 silników)
Daily check obecności Marki X w ChatGPT, Gemini, Perplexity, Claude, Copilot i AI Overviews. Mierzy: liczbę cytowanych fraz (start: 310, po 9 mc: ~18 000), jakość cytowania (pierwsze zdanie vs wzmiance), obecność linka do sklepu. Raport miesięczny.
11 sierpień 2025 · Google Core Update
Recovery w 18 dni po core update — gdy konkurencja wciąż odbudowuje po 3 miesiącach
11 sierpnia 2025 Google rolloutował core update. Dane GSC pokazały to szybko: ruch z ~8 100 kliknięć tygodniowo (poziom post-technical groundwork, po 5 tygodniach techniki) spadł do ~4 240 kliknięć w tygodniu — czyli ~48% spadku w ciągu 7 dni. Dla sklepu, który dopiero buduje organiczny silnik, to było nieprzyjemne zderzenie z realiami. Stanęliśmy przed wyborem: czekać 6–8 tygodni na „ustabilizowanie update” (standardowa rada agencji SEO) — albo zareagować natychmiast.
Co zrobiliśmy w 18 dni
Diagnoza segmentowa
Diff GSC + Senuto przed/po update. Wynik: spadki skoncentrowane na 3 kategoriach — artykuły blogowe z thin content (318 URL-i, -61% ruchu), kategorie bez FAQPage (-43%), PDP bez schema aggregateRating (-29%). PDP z pełną schemą — spadek marginalny (-8%). Hipoteza: update wzmocnił sygnały jakości strukturalnej i E-E-A-T.
Batch reoptymalizacja 318 URL-i
AI przepisało 318 artykułów blogowych: dłuższy tekst (min. 1 200 słów), mocniejszy autor z Person schema, FAQPage z atomowymi odpowiedziami, dodanie cytowań do źródeł branżowych (testy sprzętu w magazynach sportowych, dane fizjoterapeutyczne). Walidacja redaktorska próbek 8%. 318 URL-i przepisanych i republished w 5 dni roboczych.
FAQPage i schema na kategoriach
Priority fix: 140 stron kategorii bez FAQPage — AI wygenerowało FAQ (5–7 pytań per kategoria, naturalny język), DEV klienta wdrożył w 2 dni. Schema aggregateRating na brakujących 1 800 PDP podpięta do systemu recenzji klienta. Push sitemap, request indeksacji.
Recrawl, monitoring, korekty
GSC monitoring daily: widoczne odbicie od dnia 10, przyspieszenie od dnia 14. Dnia 18: ruch tygodniowy wrócił do ~8 750 kliknięć — powyżej poziomu sprzed update. Małe korekty w 2 silosach (trekking, fitness). Od dnia 18 — kontynuacja normalnego tempa wdrożenia.
Recovery: 18 dni. Na 6 obserwowanych domenach konkurentów po analogicznych spadkach z tego update: 4 nie wróciły do 50% ruchu sprzed update nawet po 90 dniach. 2 wróciły do ~75% po ok. 10 tygodniach. Żaden z nich nie przekroczył poziomu sprzed update do dnia pomiaru (marzec 2026).
Dlaczego tak szybko
Bo diagnoza zajęła 2 godziny (nie 6 tygodni), a pipeline reoptymalizacji istniał już od pierwszego dnia współpracy. RAG znał każdy artykuł Marki X. AI nie „pisało od nowa” — rozbudowywało z gotowej bazy wiedzy. 318 URL-i ręcznie = 4 redaktorów × 4 tygodnie. Z naszym pipeline: 5 dni, 1 walidator 8% próbki.
Wyniki w liczbach (dane z Google Search Console + Senuto)
Wszystkie liczby ruchu i fraz — bezpośrednio z paneli klienta (GSC + Senuto). Eksporty udostępniane w raportach dwutygodniowych. Konwersji nie podajemy — dane handlowe objęte NDA; w sekcji FAQ odpowiadamy na pytania o szacunki konwersji na podstawie średnich branżowych.
KPI sumaryczne — pełen okres (lipiec 2025 – marzec 2026)
~28 000 → ~207 000 kliknięć / mc
3 860 w TOP10 · 830 w TOP3
310 na start · +5 700%
vs 10+ tygodni u konkurencji
Frazy w Senuto — dane 1:1 z panelu klienta
Czerwiec 2025 (start): 3 200 fraz w TOP50, 420 w TOP10, 90 w TOP3. Marzec 2026 (9 miesięcy): 29 440 fraz w TOP50, 3 860 w TOP10, 830 w TOP3. Wzrosty odpowiednio: +820%, +820%, +822%. Kluczowa obserwacja: wzrost TOP50 i TOP10 jest proporcjonalny — nie mamy „inflacji” płytkich pozycji. Frazy, które wchodzą do TOP50, wchodzą też do TOP10 w podobnej proporcji co na starcie — co świadczy o silnym sygnale rankingowym, nie o dużej liczbie fraz na pozycjach 40–50.
Ruch organiczny (Google Search Console) — kliknięcia tygodniowo
Od startu wdrożenia 7 lipca 2025 do 29 marca 2026. Zaznaczony core update Google z 11 sierpnia 2025 i 18-dniowe okno recovery.
Frazy w TOP3 / TOP10 / TOP50 — Senuto
Bilans widoczności w Google PL od czerwca 2025 do marca 2026. Widoczny skok od września (pierwsze silosy dyscyplinowe wchodzą do ranku) oraz przyspieszenie od grudnia (efekt pełnego katalogu 12 000 SKU + sezon narciarski).
Sezonowość jako przewaga — indeks ruchu organic per sezon (YoY)
Porównanie Marki X vs średnia konkurentów podobnej skali. Indeks: ten sam sezon rok wcześniej (przed wdrożeniem) = 100. Wyraźny efekt wyprzedzonego przygotowania contentu na każdy pik.
Recovery po core update Google — sierpień 2025
Marka X (Omni Search AI) vs średnia z 6 obserwowanych konkurentów po analogicznych spadkach. Indeks ruchu (100 = poziom sprzed update, 11 sierpnia 2025).
CCZGR vs klasyczna agencja ręczna — koszt, tempo, zakres
Tak wyglądałby ten sam zakres pracy realizowany metodami klasycznymi. Skala: 12 000 SKU WooCommerce + 17 silosów dyscyplinowych + 380 artykułów do rozbudowy + recovery po update Google.
| Wskaźnik | CCZGR (ten case study) | Klasyczna agencja ręczna |
|---|---|---|
| Budżet stały / miesiąc | 5 000 – 8 000 zł netto (przedział tego klienta) | ~22 000–28 000 zł brutto/mc (2 copywriterzy sportowi + strateg + optymalizator + narzędzia) |
| Inicjalne prace (analiza + strategia + wytyczne) | 2 000 – 3 500 zł netto · 30 min analizy AI + tydzień konfiguracji | min. 6 000 zł netto · ~3–4 tygodnie pracy zespołu |
| Automatyzacja 12 000 opisów SKU | 18 000 – 28 000 zł netto jednorazowo · 12 dni | ~120 000–160 000 zł · 4–6 miesięcy (ghostwriting specjalistyczny, sport) |
| Pełna analiza GAP biznes + content + technika | 30 minut (AI) + tydzień konfiguracji | 3–4 tygodnie · rzadko kto robi pełną analizę sezonowości i Ads jednocześnie |
| Liczba fraz na liście GAP | 19 000+ z mapą URL i scoringiem | 400–800 z briefów redakcyjnych |
| Lista kontraktowa (wybór klienta) | 14 200 fraz na 24 mc | 200–400 fraz na 12 mc |
| Tempo pokrycia fraz | ~590 fraz / miesiąc | ~25–60 fraz / miesiąc |
| Model sezonowości per dyscyplina | własny model YoY · 17 dyscyplin · harmonogram z 8–12 tygodniami wyprzedzenia | brak lub ogólna sezonowość „wiosna/zima” bez granulacji na dyscypliny |
| Tempo produkcji nowego contentu | ~350–400 treści / mc (AI + walidacja) | 8–20 treści / mc (copywriter sportowy jest drogi i trudno dostępny) |
| Rozbudowa 380 zastanego contentu | w cyklu 4 mc · zero kasowania · pipeline AI | ~1 900 godzin pracy · częste kasowanie i 301-ki |
| Recovery po core update Google | 18 dni | 10–16 tygodni |
| Cytowania w AI (ChatGPT, Gemini, Perplexity…) | monitorowane stale · 5 silników · raport miesięczny | brak (poza zakresem klasycznego SEO) |
| Pokrycie schema.org | 100% PDP + Article + FAQ + HowTo + Brand + ItemList | ~20–40% (wdrożenia manualne, niespójne, bez FAQPage) |
| Czas pracy klienta po starcie | ~30 min/mc (call statusowy) | 3–5 godzin/tydzień (briefy, zatwierdzenia, korekty sezonowe) |
Kontekst do liczb: przedział 5 000 – 8 000 zł / mc to realny budżet tego klienta. Mniejsze sklepy sportowe z katalogiem 500–2 000 SKU zaczynają od 500 zł / mc. Automatyzacja 12 000 opisów ręcznie przez copywriterów specjalizujących się w sporcie — koszt byłby kilkukrotnie wyższy niż w naszym modelu, a tempo (4–6 miesięcy) eliminuje realne ROI w sezonie.
Co mówi Marka X po 9 miesiącach
„Pierwsze, co nas zaskoczyło, to że nie musieliśmy nic tłumaczyć, czym się różni but do biegania na szutrze od buta na asfalt. CCZGR wiedziało to przed pierwszym spotkaniem. I wiedzieli, że kategoria 'running’ ma zupełnie inny rytm niż 'narty’ — i że żadna agencja tego wcześniej nam nie pokazała. W grudniu mieliśmy opisy narciarskie gotowe od września. Konkurencja goniła nas przez dwa miesiące.”
„Sierpniowy update Google bolał — ruch spadł prawie o połowę w kilka dni. Ale to był też moment, kiedy zobaczyliśmy realnie, co dostaliśmy. W 18 dni wróciliśmy powyżej poziomu sprzed update. Sprawdziłem co wtedy robili nasi konkurenci — do dziś są poniżej. To nie jest marketing — to jest to, co widzę w GSC.”
„Pierwsza agencja, która rozumie, że sklep z bieganiem żyje innym kalendarzem niż sklep z nartami — i potrafiła bez wydawania kilkudziesięciu tysięcy miesięcznie przygotować nas pod każdy pik i to zautomatyzować. Wcześniej miałem dwie osoby na etacie, które robiły po 10 artykułów w miesiącu. Teraz mamy 350+ i lepszych.”
Pytania, które najczęściej zadają ownerzy sklepów sportowych i e-commerce
FAQ skonstruowany pod realne pytania ze spotkań handlowych z właścicielami sklepów D2C, dystrybutorami marek sportowych i e-commerce managerami. Każde pytanie ma synchronizację z FAQPage schema na początku strony.
Czy GEO zadziała dla sklepu sportowego, w którym większość klientów wraca po referencjach?
Tak — i właśnie w takim modelu GEO daje podwójną wartość. Klienci z polecenia i tak wpisują markę w Google przed zakupem (branded validation). GEO sprawia, że kiedy to robią, trafiają na dziesiątki eksperckich treści, które wzmacniają decyzję. Drugi efekt: frazy poradnikowe („jakie buty do biegania na asfalt dla kobiety 55kg”) trafiają do Was osoby, które nigdy by nie usłyszały polecenia — i stają się nowymi klientami. W tym case study po 9 mc 64% konwersji z organica to były frazy poradnikowe — nie branded.
Jak ogarniacie sezonowość? Czy agent na spadki nie myli sezonowych zjazdów z karą algorytmiczną?
Nie myli — bo używa porównania rok-do-roku (YoY), nie tydzień-do-tygodnia. Jeśli kategoria „buty do biegania” traci 40% ruchu w październiku, a rok wcześniej traciła 41% w tym samym oknie — to sezonowość, nie algorytm. Alert nie odpala. Tylko odstępstwa od sezonowego wzorca bazowego generują reakcję. Dla odzieży sportowej zbudowaliśmy własny model z 17 dyscyplinami i osobnymi parametrami sezonowymi dla każdej z nich. Szczegóły opisujemy w sekcji 07 tego case study.
Czy mogę dostać podobne wyniki, jeśli mój katalog odzieżowy ma 2 000 SKU zamiast 12 000?
Tak — przy mniejszym katalogu inaczej rozkładamy priorytety. Mniej zasobów idzie na automatyzację batch opisów (bo jest ich mniej), więcej — na silosy contentowe i poradniki. Efekt skali dla 2 000 SKU: wolniejszy start liczby fraz, ale bardzo dobry long-tail pod intencje poradnikowe, który konwertuje lepiej niż frazy produktowe. Pakiety zaczynają się od 500 zł / mc dla mniejszych sklepów.
Co z tłumaczeniami pod eksport do DE/CZ/SK? TranslatePress, wersja językowa i koszt tokenów DeepL?
Dla WooCommerce standard to TranslatePress lub WPML + WooCommerce Multilingual. Wdrożenie wielojęzyczności to osobny projekt jednorazowy poza standardowym pakietem: koszt implementacji 3 000 – 6 000 zł netto zależnie od liczby języków i złożoności sklepu. Bieżący koszt tokenów DeepL API: dla 12 000 SKU z opisami 1 800 znaków pierwsze tłumaczenie całego katalogu = ok. 21,6 mln znaków × 0,000020 EUR/znak ≈ ~432 EUR jednorazowo. Miesięczna aktualizacja nowych produktów: ~15–40 EUR zależnie od tempa wzrostu katalogu. Treści poradnikowe (artykuły, FAQ) tłumaczymy przez pipeline z post-edycją natywnego językoznawcy — inna jakość niż maszynowe tłumaczenie 1:1.
Ile czasu trwa wdrożenie GEO AI dla sklepu sportowego i kiedy zobaczę pierwsze wyniki?
Analiza AI: 30 minut + konfiguracja jednorazowa (~tydzień). Fundament techniczny (schema, meta, internal linking): 4–6 tygodni. Pierwsze wzrosty ruchu: 2–3 miesiąc. Pełne efekty skali: 6–12 miesięcy. W tym case study klient po 9 mc miał +640% ruchu organicznego i ~18 000 cytowań w AI (z 310 na start).
Czy GEO AI działa na WooCommerce?
Tak — WooCommerce to jedna z platform z największym doświadczeniem w naszym portfolio. Mamy gotowe pipeline: dynamiczne meta per PDP, schema Product + aggregateRating + Brand auto-generowane, internal linking przez customowy plugin, sitemap per typ treści. Wdrożenie techniczne: dostęp do FTP/SSH + ~kilka godzin DEV klienta na instalację pluginów. Resztą zajmujemy się my.
Co jeśli AI Overview wycina mi ruch z organica?
GEO walczy o coś innego niż klasyczne SEO. AI Overview wycina ruch z linków klasycznych, ale generuje cytowania, w których możesz być źródłem. W tym case study marka po 9 mc ma ~18 000 cytowanych fraz/tematów w odpowiedziach generatywnych vs 310 na start. AI Overview wycina ruch tym, którzy nie są optymalizowani pod GEO — i kieruje zapytania do tych, którzy są. Wiosna 2025 przyniosła wyraźny rollout AI Overview w polskich SERP-ach — sklepy bez GEO straciły 40–60% ruchu z intencji informacyjnych i nie odbudowały go do dziś.
Jak długo muszę być związany kontraktem? Co jeśli będę chciał zrezygnować?
Standardowo: kontrakt na 12, 24 lub 36 miesięcy — lista fraz planowana proporcjonalnie do długości. Wypowiedzenie 7-dniowe, bez kar — to standard CCZGR. Kontrakt mieści się na jednej stronie A4. Wszystkie treści, schema i materiały zostają u klienta — bez vendor lock-in.
Co po zakończeniu kontraktu? Czy dalej będę miał ruch?
Tak. Cała baza treści, schema, silosy — wszystko zostaje u Ciebie. Treści rankują dalej. Co znika po kontrakcie: bieżąca produkcja nowego contentu, monitoring spadków, automatyczna reoptymalizacja po update Google i aktualizacja sezonowa. Większość klientów zostaje na kolejny cykl — bo rynek i Google zmieniają się szybciej niż statyczna baza nadąża.
Czy gwarantujecie konkretne wzrosty?
Nie gwarantujemy konkretnych liczb w umowie — bo Google nie kontrolujemy, sezonowości nie kontrolujemy, AI nie kontrolujemy. Gwarantujemy: tempo pracy (~590 fraz/mc), jakość treści, pełne pokrycie listy kontraktowej, recovery po update Google w ramach umowy, walidację merytoryczną. Pracujemy na założenia strategiczne — i to się sprawdza lepiej niż zobowiązanie „ruch ×10 w rok”.
Ile pracy z mojej strony wymaga prowadzenie tego wdrożenia?
Po starcie — ~30 minut miesięcznie (call statusowy + ewentualne pytania merytoryczne). Maksymalne zaangażowanie na początku: 2 dni robocze na wybór 14 200 fraz z 19 000 + ~tydzień na udostępnienie bazy wiedzy (katalogi produktowe, dane z Ads, specyfikacje techniczne). Po tym etapie — klient wraca do swojego biznesu.
Jak monitorujecie cytowania marki w ChatGPT, Gemini, Perplexity?
Daily monitoring obecności w 5 silnikach: ChatGPT, Gemini, Perplexity, Claude, Copilot + AI Overviews. Mierzymy: liczbę cytowanych fraz (start: 310, po 9 mc: ~18 000), kontekst cytowania, obecność linka do sklepu, pozycję w odpowiedzi (pierwsze zdanie vs wzmianki). Wyniki w raporcie miesięcznym. Żadne standardowe narzędzie SEO tej metryki nie daje.
Co jeśli Google zrobi kolejny duży update i mój ruch spadnie?
Update’y Google to nie pytanie czy — tylko kiedy. W tym case study po core update z 11 sierpnia 2025 klient stracił ~48% ruchu w tydzień. Recovery: 18 dni. Konkurencja po analogicznych spadkach: do 10–16 tygodni, część nie wróciła do poziomu sprzed update do dnia pomiaru. Recovery jest standardowym elementem usługi — bez dodatkowych kosztów.
Czy frazy z waszej listy GAP faktycznie konwertują?
Konwertują — bo lista GAP jest budowana na bazie fraz testowanych w Google Ads klienta i analizy ruchu organicznego dziesiątek konkurentów. Frazy z ruchem ale 0 konwersji są filtrowane na etapie scoringu. To różnica między keyword research „pod search volume” a keyword research z dowodem konwersji.
Mam katalog z kilkudziesięcioma brandami dystrybucyjnymi — czy opisy można generować dla każdego?
Tak — ten dokładnie scenariusz zrealizowaliśmy. Marka X: 160 marek + 2 własne, 12 000 SKU. AI nauczyło się DNA każdej marki (materiały producenta, recenzje branżowe, testy sprzętu), a następnie wygenerowało unikalne opisy — nie kopie tekstu producenta. Każdy z 12 000 opisów jest inny, zoptymalizowany pod GEO i schema:Product. Zrealizowaliśmy w 12 dni batch przez WooCommerce API. Jednorazowy koszt: 18 000 – 28 000 zł netto.
Co z linkbuildingiem — czy budujecie linki?
Linkbuilding to u nas usługa dodatkowa — poza standardowym kontraktem, opisywana osobno i nieobecna w case studies. Zewnętrzne linki PR-owe zależą od dodatkowego budżetu i chęci klienta. Zasada jest prosta: jeśli klient ma okazję opublikować wartościowy content gdziekolwiek i przy okazji pozyskać link dofollow — warto to robić. Nie musimy ich jednak budować, by osiągać świetne wyniki — co ten case study dobitnie pokazuje.
Tak samo zrobimy dla Twojego sklepu sportowego
Wypełnij formularz — w ciągu 1 godziny dostaniesz ofertę z analizą GAP, kalkulacją sezonowości i prognozowanym ROI z automatyzacji katalogu. Bez calla „na zapoznanie”, bez 14 dni czekania, bez PDF-a z 60 stronami.
