Marka osobista w czasach AI i generatywnego wyszukiwania

Stron: 216

Druk: oprawa miękka

ISBN Książki drukowanej: 978-83-289-3727-7

Ewelina Podrez-Siama – ekspertka SEO i założycielka agencji Fox Strategy. Od 2009 roku projektuje strategie SEO dla e-commerce, blogów, aplikacji i marek osobistych, łącząc dane, intencję użytkownika i kontekst wyszukiwania z realiami biznesowymi.

Występuje na konferencjach branżowych (I♥Marketing, semKRK, Festiwal SEO), prowadzi zajęcia „Skuteczne SEO" na Uniwersytecie WSB Merito i od lat szkoli zespoły marketingowe.

Autorka książek SEO dla blogerów, influencerów i marek osobistych oraz Marka osobista w czasach AI i generatywnego wyszukiwania, współautorka SEO dla małych i startujących sklepów internetowych i SEO w praktyce.

Jest także autorką trzech bestsellerowych książek kucharskich – budowanie marki osobistej w wielu niszach jednocześnie to nie teoria, którą opisuje, lecz praktyka, którą stosuje od lat. Prowadzi blog podrez.pl, na którym porusza tematy związane z widocznością w czasach generatywnego wyszukiwania.

Na co dzień pokazuje, że SEO to nie magia, a strategia, konsekwencja oraz zrozumienie tego, czego naprawdę szuka użytkownik w wyszukiwarce i modelach językowych. Tę misję realizuje również w swoich książkach.

Spis treści książki

Od autorki

Dlaczego marki potrzebują języka dowodów?

• Ekspert, którego nie ma
  • Skąd się wziął problem?
• Dowód kontra deklaracja
  • Jak to wygląda w praktyce? Moje własne. rozproszenie
• Trzy zasady na start
• Marka jako filtr
• Co jest przed Tobą?

Część I. Zanim zaczniesz budować

• 1. Od słów do znaczeń - ewolucja wyszukiwarki
  • 1.1. Na początku było. słowo kluczowe
  • 1.2. Jak Google nauczyło się rozumieć świat?
    • Hummingbird: kiedy pytanie stało się ważniejsze niż słowo?
    • BERT i MUM: wyszukiwarka, która zaczęła czytać
    • AI Overviews i AI Mode: wyszukiwarka przestaje wskazywać, zaczyna odpowiadać
    • Od strony do encji - zmiana jednostki rozliczeniowej
  • 1.3. Co ta historia znaczy dla Twojej marki?
  • 1.4. Z drugiej perspektywy - Dawid Pietkiewicz
  • 3 pytania, zanim przejdziesz dalej
• 2. Marka jako encja. Co naprawdę widzi Google?
  • 2.1. Encja - co znaczy w praktyce?
    • Encja w Google a w LLM-ach
  • 2.2. Czym jest Graf Wiedzy i dlaczego Twoja marka powinna w nim istnieć?
  • 2.3. Jak Google łączy encje? O języku sygnałów
    • Warstwa pierwsza: dane strukturalne schema.org na Twojej stronie
    • Warstwa druga: zewnętrzne bazy danych
    • Warstwa trzecia: wzmianki i współwystępowanie encji
  • 2.4. Jak nauczyłam Google, że jestem jedną osobą [CASE STUDY]?
    • Krok 1: Diagnoza - co Google o mnie wie?
    • Krok 2: Sprawdzenie Wikidata.org
    • Krok 3: Triangulacja autorytetu
    • Krok 4: Dane strukturalne - każda strona mówi inaczej, ale o tej samej osobie
    • Efekty prac
    • Co możesz wyciągnąć z tej historii dla siebie?
  • 2.5. Z drugiej perspektywy - Roman Rozenberger, cz. 1/3
    • Jak przygotować i wdrożyć dane strukturalne Person?
  • 2.6. Mów o jednym, żeby móc mówić o wszystkim. O topical authority
    • Czym jest topical authority?
    • Topical depth - głębokość, która buduje autorytet
    • Topical cluster - architektura, którą widzi algorytm
    • Jak w praktyce algorytm ocenia specjalizację?
    • YMYL - gdy stawka jest szczególnie wysoka
    • A co, jeśli prowadzisz wiele projektów? O wszechstronności
    • Praktyczna decyzja o Twojej specjalizacji
  • 2.7. Twoja reputacja, czyli to, co nie wynika z Twojej strony
    • Skąd algorytmy czerpią sygnały reputacji
    • Co-occurrence - sygnał, który działa bez Twojego udziału
    • Nie potrzebujesz linku. Potrzebujesz kontekstu
    • Triangulacja autorytetu: instytucje, rynek, treści
    • Praktyczna lekcja: nie czekaj, aż ktoś o Tobie napisze
  • 2.8. Myśl encją, nie stroną
    • Co to znaczy myśleć encją?
    • Od "czym się zajmuję?" do "jak jestem rozumiany(-na)?"
    • Encja jako decyzja projektowa
    • Co się zmieni, gdy zaczniesz "myśleć encją"?
    • Dlaczego to ważne właśnie teraz?
  • 3 pytania, zanim przejdziesz dalej
• 3. Marka osobista w epoce AI
  • 3.1. Co AI zmienia w personal brandingu?
    • Treść przestała być dowodem
    • Anonimowość przestała być neutralna
    • Czego AI nie może nam zabrać?
  • 3.2. Stary model działał. Do czasu
    • Dlaczego to ważne dla kogoś, kto "już coś robi"?
  • 3.3. Ludzki sygnał jako zasób strategiczny
    • Pogląd, przy którym obstajesz
    • Historia, której nie da się skopiować
    • Błąd, do którego się przyznajesz
    • Sprzeciw, który coś kosztuje
  • 3.4. Z drugiej perspektywy - Dagmara Pakulska
  • 3.5. Z drugiej perspektywy - Anna Ledwoń-Blacha
  • 3.6. Pułapka "bycia ekspertem od AI"
  • 3 pytania, zanim przejdziesz dalej

Część II. Mechanizmy, które warto rozumieć

• 4. Rodzaje marek (i dlaczego człowiek jest zawsze pierwszy)
  • 4.1. Trzy typy marek - co widzi algorytm?
    • Marka osobista - Ty jako encja Person
    • Marka firmowa - organizacja jako encja Organization
    • Marka produktowa - produkt jako encja zależna
  • 4.2. Pułapka dwóch twarzy
    • Dwa profile, dwie encje. I żadna nie jest pełna
    • Pseudonim jako skrajny przypadek
    • Kiedy separacja ma sens?
  • 4.3. Marka wielodomenowa jako strategia, nie przypadek
    • Dlaczego to ważne algorytmicznie?
    • Trust Halo - efekt, nie cel
    • Co z tego wynika dla Ciebie w praktyce?
    • Kiedy nazwisko staje się balastem?
  • 4.4. Z drugiej perspektywy - Paweł Gontarek
  • 3 pytania, zanim przejdziesz dalej
• 5. Branding w czasach AI - kiedy marka staje się rozmową?
  • 5.1. Jak AI "decyduje", kogo wskazać, czyli co to jest RAG?
    • Czym jest LLM?
    • RAG - kiedy model sięga po świeże dane?
    • Jak RAG wybiera źródła - i co to ma wspólnego z Twoją marką?
  • 5.2. Trzy stany obecności marki w rozmowie z AI
    • Stan pierwszy: marka nieobecna
    • Stan drugi: marka rozmyta
    • Stan trzeci: marka spójna
  • 5.3. Sygnały wejścia do rozmowy
    • Cytowania w źródłach wysokiej wiarygodności
    • Spójność tematyczna w czasie
    • Gęstość kontekstowa - w czyim towarzystwie się pojawiasz
    • Dane strukturalne i Wikidata - język, który RAG rozumie natywnie
  • 5.4. Z drugiej perspektywy - Roman Rozenberger cz. 2/3
  • 5.5. Z drugiej perspektywy - Szymon Słowik
  • 5.6. Spójność jako strategia, a nie estetyka
    • Dlaczego spójność jest strategią?
  • 3 pytania, zanim przejdziesz dalej
• 6. LLM i SEO - nowy ekosystem komunikacji
  • 6.1. Dwa modele widoczności - ranking i cytowanie
  • 6.2. GEO - co to jest?
    • Intencja zapytania
    • Rola autora
    • Format odpowiedzi
  • 6.3. Treść jako dowód ekspertyzy
    • Co z tego wynika praktycznie i co warto zmienić w sposobie pisania?
    • Przykład praktyczny
    • Treść generowana przez AI
  • 6.4. Z drugiej perspektywy - Mateusz Godzic
  • 6.5. Reputacja w sieci - jak algorytm ją rozpoznaje?
    • Pierwsza warstwa: cytowania w źródłach, którym algorytm ufa
    • Druga warstwa: profil cytowań w czasie
    • Trzecia warstwa: z kim współwystępujesz?
    • Czwarta warstwa: to, czego nie ma na Twojej stronie, ale powinno być gdzie indziej
    • Piąta warstwa: konflikt interesów i granica deklaracji
  • 6.6. Kiedy SEO i GEO grają do jednej bramki?
    • Gdzie te dwa modele są najsilniej zbieżne?
    • Gdzie modele się rozchodzą?
  • 6.7. Z drugiej perspektywy - Roman Rozenberger cz. 3/3
  • 3 pytania, zanim przejdziesz dalej
• 7. E-E-A-T, czyli autorytet jako waluta
  • 7.1. Czym naprawdę jest E-E-A-T?
  • 7.2. Experience - doświadczenie, które trudno sfabrykować
    • Dlaczego to ważne akurat teraz?
  • 7.3. Expertise - ekspertyza jako komunikacja, a nie tylko zasób
  • 7.4. Authoritativeness - autorytet jako efekt, a nie cel
    • Jak mierzony jest autorytet?
    • Fizyczny dorobek
  • 7.5. Trust - zaufanie jako najważniejszy fundament
    • Czym jest zaufanie w rozumieniu algorytmu?
  • 7.6. E-E-A-T w erze modeli językowych
    • Co z tego wynika w praktyce?
  • 7.7. Z drugiej perspektywy - Katarzyna Baranowska
  • 3 pytania, zanim przejdziesz dalej

Część III. Od modelu do działania

• 8. Budowanie autorytetu - między treścią, reputacją i relacją
  • 8.1. Treść "cytowalna" - jak pisać, żeby AI chciało Cię przywołać?
    • Jaka treść jest warta cytowania?
    • Jak to wygląda w praktyce?
    • Co z tego wynika dla Ciebie? Konkretne kroki do wdrożenia
    • Czy Twój tekst jest gotowy na LLM-y? [CHECKLISTA]
  • 8.2. Doświadczenie, które zostanie rozpoznane przez algorytm
    • Szczegół, którego nie da się wygenerować
  • 8.3. Z drugiej perspektywy - Joanna Kulińska
    • Jak to wdrożyć? Sześć konkretnych decyzji
  • 8.4. Reputacja i relacja - jak inicjować sygnały, których algorytm nie zignoruje?
    • Widzialność poza własną stroną
    • Trzy typy działań, które tworzą sygnały
    • Relacja jako mechanizm, a nie jako "networking"
    • Cztery kroki, żeby zacząć w tym tygodniu
  • 8.5. Z drugiej perspektywy - Robert Marczak
  • 8.6. Strategia modelowania encji
  • 3 pytania, zanim przejdziesz dalej
• 9. Od marki osobistej do marki firmy
  • 9.1. Etap 0: firma, czyli ja
  • 9.2. Jak Google widzi relację Person > Organization?
    • Co z tym robić?
  • 9.3. Dwie marki, jeden głos
  • 9.4. Gdy firma rośnie: zatrudnienia, management, wspólnicy
  • 9.5. Z drugiej perspektywy - Sławomir Borowy
  • 9.6. Sukcesja: gdy założyciel zmienia rolę
  • 9.7. Jak zarządzać dwiema encjami świadomie?
  • 3 pytania, zanim przejdziesz dalej
• 10. Marka w ruchu
  • 10.1. Marka ewoluuje. Algorytm niekoniecznie za tym nadąża
    • Co robić, gdy marka poszła do przodu, a algorytmy zostały w tyle?
  • 10.2. Mierzenie widoczności w AI: nowe pytania, stare problemy
    • Co mierzymy i czym?
    • Jak odpytywać? Kilka zasad, które minimalizują przekłamanie
  • 10.3. Z drugiej perspektywy - Krzysztof Marzec
  • 10.4. Prompt research: nowe słowa kluczowe
    • Co to oznacza w praktyce?
  • 10.5. Z drugiej perspektywy - Artur Strzelecki
  • 10.6. Marka, która nie zniknie
  • 3 pytania, zanim przejdziesz dalej