SEO

Content quality w e-commerce: information gain, phrase-based indexing, spam frazowy, gibberish detection, site quality – analiza 9 patentów Google.

Recenzje produktowe jako dane semantyczne: sentiment detection, aspect-based sentiment, consensus score – analiza patentów Google o opiniach w e-commerce.

Trust signals w e-commerce: jak Google może mierzyć zaufanie do sklepu – trust rank, propagacja zaufania, recenzje, certyfikaty – analiza patentów Ramanathana Guhy.

Merchant Knowledge Graph: jak Google traktuje sklep jako encję, weryfikuje atrybuty i ocenia wiarygodność sprzedawcy – analiza patentów.

Visual search w e-commerce: jak Google mapuje obrazy na zapytania, embeddingi do wyszukiwania podobnych produktów, digital supplements – analiza 3 rodzin patentów.

Duplikacja w e-commerce: near-duplicate produkty, query-specific duplicates, phrase-based detection, faceted navigation – analiza 5 grup patentów Google.

Product schema w e-commerce: product snippet vs merchant listing, pola atrybutowe (material, color, weight), ProductGroup i warianty, dane z audytu 85 polskich sklepów.

Analiza patentów Google: jak wyszukiwarka może porównywać feed, kartę produktu i schema. Merchant signature, ekstrakcja danych z HTML, automatyczna kategoryzacja i deduplikacja produktów w wynikach zakupowych.

Większość poradników o „pozycjonowaniu w AI” mówi to samo: pisz dobre treści, dodaj schema, buduj autorytet. Brzmi jak porada „jedz zdrowo i ćwicz” – prawdziwa, ale bezużyteczna. Problem w tym, że AI Overview, ChatGPT, Perplexity, Gemini i Claude to pięć różnych silników z pięcioma różnymi…

Monitorowaliśmy widoczność 4 polskich sklepów internetowych w 5 silnikach AI przez 90 dni. Jeden sklep jest cytowany w ponad połowie odpowiedzi AI na pytania z jego branży. Inny praktycznie nie istnieje – AI poleca wyłącznie jego konkurencję. Różnica nie wynika z budżetu ani rozmiaru sklepu….