I TO SIĘ LICZY

Send us Fan Mail

W #11 odcinku „I to się liczy" rozmawiam z Piotrem Donicą — twórcą Bacona AI, ekspertem od AI w marketingu i analityce. Dyskutujemy o tym, jak agenci AI zmieniają pracę z danymi, dlaczego GA4 frustruje nawet techników i co realnie zostanie z pracy analityka i juniora-programisty za 2 lata.

Najważniejsze wnioski z odcinka:

→ Jakość danych decyduje o tym, co AI w ogóle może zbudować — żaden model nie zakamufluje braków.
→ Analityka konwersacyjna zastępuje klikanie w GA4 — pytasz językiem naturalnym, dostajesz wnioski.
→ Agent AI bez nadzoru = tryb YOLO i przepalony budżet reklamowy w tydzień.
→ Wchodzimy w erę AI-driven — raport umiera, wnioski wjeżdżają same.
→ OpenAI radzi sobie z danymi Google lepiej niż Gemini (dane z testów Bacona).
→ Server-side tagging poprawia dane głównie w Meta i Google Ads, nie w GA4.

Piotr opowiada też o oporze seniorów wobec AI, o tym dlaczego juniorom będzie trudniej wejść do branży, oraz o praktycznych wyborach: GA4 vs Matomo, Microsoft Clarity, hurtownia danych vs agent AI z podpiętym MCP.

🎙️ Gość odcinka: Piotr Donica — Bacona AI
🎬 Prowadzący: Adrian Andrzejczyk

📌 Sponsor główny: Fly on the Cloud (FOTC) — Workplace. Cloud. Data. AI.

Przyspiesz cyfrową transformację z https://fotc.com/pl/

→ 🔔 Subskrybuj kanał, jeśli interesuje cię AI, dane i marketing
→ 💬 Daj komentarz: czy w twojej firmie AI już pracuje na danych marketingowych?
→ 📩 Zapisz się na nadchodzący webinar o agentach AI 

Rozdziały:

00:00 – Bez jakości danych AI nie zbuduje niczego

01:17 – Powitanie i przedstawienie gościa

02:13 – Od dewelopera do twórcy AI: ścieżka Piotra Donicy

05:00 – Analityka konwersacyjna w Bacona — zanim Google ogłosił MCP

06:30 – Dlaczego UI GA4 nie jest intuicyjny

11:54 – Rozproszenie narzędzi: Meta, Google, TikTok i co z tym zrobić

14:02 – Tryb YOLO: jak agent AI może spalić cały budżet reklamowy

21:11 – Czy AI zastąpi programistów i juniorów

25:31 – Jak juniorzy powinni wchodzić do branży w erze AI

28:17 – Krytyczne myślenie jako kluczowa kompetencja w pracy z AI

30:39 – Wielkie zwolnienia, wielkie rekrutacje: opór seniorów

35:36 – Koniec data-driven, początek AI-driven

37:31 – Agenci AI zamiast hurtowni danych

41:39 – OpenAI vs Gemini: który model lepiej radzi sobie z danymi Google

46:41 – Czy server-side tagging poprawi jakość danych w GA4

50:27 – Matomo vs GA4 — co wybrać dla e-commerce

54:49 – Hit i mit w technologii marketingowej

58:37 – Trendy: co przyjdzie po AI

59:25 – Jedna myśl, którą zostawiamy słuchaczom

Linki:
→ Piotr Donica (LinkedIn): https://www.linkedin.com/in/piotrdonica/
→ Sponsor — Fly on the Cloud: https://fotc.com/
→ Sklep e-naturalnie.pl: https://enaturalnie.pl/
→ Adrian Andrzejczyk (LinkedIn): https://www.linkedin.com/in/adrianandrzejczyk/

#AI #AIwmarketingu #analitykakonwersacyjna #GA4 #Matomo #BaconaAI #agentAI #AIdriven #datadriven #serversidetagging #marketingdigital #podcast #ITOSIELICZY #marketingautomation #ecommerce

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

Analityka internetowa nie zaczyna się od BigQuery — zaczyna się od rozmowy z klientem. Paweł Piekarski pokazuje, jak wyciągać wartościowe insighty z darmowych narzędzi i dlaczego dane jakościowe to niedoceniana przewaga biznesowa.

W tym odcinku podcastu „I to się liczy" rozmawiamy z Pawłem Piekarskim — analitykiem internetowym, który łączy doświadczenie akademickie z praktyką biznesową. Paweł na co dzień pomaga firmom podejmować lepsze decyzje w oparciu o dane z Google Analytics 4, Microsoft Clarity, Google Trends i wywiadów pogłębionych z klientami.

Omawiamy konkretne case'y: jak 10-minutowa rozmowa telefoniczna ujawniła krytyczny błąd na formularzu zamówienia, którego nie widać w GA4. Jak badania dla producenta odkurzaczy pokazały przepaść między intencją firmy a percepcją klientów. I dlaczego portal raportował 2000 kliknięć, a GA4 pokazał tylko 2 wizyty.

Najważniejsze wnioski z odcinka:

→ Analitykę zacznij od telefonu do klienta — wywiady pogłębione dają insighty, których nie znajdziesz w żadnym narzędziu
→ GA4 świetnie działa do analizy zachowań na stronie, ale źródła ruchu i atrybucja konwersji budzą wątpliwości
→ Microsoft Clarity to darmowe i niedoceniane narzędzie — mapy ciepła, nagrania sesji i niezależna weryfikacja danych z GA4
→ Mikrokonwersje lepiej pokazują zasługi kanałów marketingowych niż sama konwersja końcowa
→ AI wspiera analityka jako asystent, ale nie zastępuje krytycznego myślenia i interpretacji danych
→ Dane bez kontekstu są bezużyteczne — najpierw zrozum klienta, potem analizuj liczby
→ Nie potrzebujesz BigQuery — w Make zbudujesz konektor danych za 20 groszy dziennie

Poruszamy też temat tego, dlaczego większość firm chce być AI-driven, nie będąc nawet data-driven. Paweł tłumaczy, jak podejść do analityki krok po kroku i dlaczego agenci AI to przyszłość analizy danych — nie jako zamiennik analityka, a jako narzędzie, któremu trzeba dostarczyć dobre paliwo w postaci czystych danych.

Odcinek jest dla marketerów, właścicieli e-commerce i każdego, kto chce wyciągać więcej z danych bez drogich narzędzi.

Rozdziały:
00:00 – Najlepsza rada analityczna: zacznij od telefonu
00:49 – Kim jest Paweł Piekarski i czym się zajmuje?
03:32 – Jak przejść z nauki do analityki internetowej?
06:24 – Badania rynkowe: Google Trends, scraping i analiza konkurencji
10:59 – Demokratyzacja danych: błogosławieństwo i przekleństwo
12:02 – Wywiady pogłębione z klientami — niedocenione źródło insightów
14:53 – Case study: jak telefon do klienta ujawnił problem z formularzem
16:37 – Case study odkurzacze: producent vs percepcja klienta
20:50 – Jak wykorzystać Microsoft Clarity w praktyce?
24:37 – Clarity vs GA4: przewaga niezależnego narzędzia
26:19 – Dlaczego GA4 kłamie o źródłach ruchu? Case z UTM-ami
30:04 – Co jest dobre w GA4, a czego unikać?
32:05 – Mikrokonwersje zamiast konwersji — jak estymować zasługi kanałów?
37:04 – Tanie konektory danych zamiast drogich narzędzi

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

→ Meta Ads w branży fashion – ROAS, atrybucja i skalowanie.
Meta Ads w 2026 roku to zupełnie inna gra niż kiedyś. Jeśli Twoje reklamy nie sprzedają, ten odcinek pokaże Ci dokładnie dlaczego i co zrobić, żeby to naprawić.

Dowiesz się, jak skalować kampanie, nie przepalać budżetu i podejmować decyzje na podstawie danych, a nie intuicji.

Meta Ads stały się jednym z najtrudniejszych kanałów sprzedażowych. Większa konkurencja, automatyzacja i rosnące koszty sprawiają, że większość firm traci pieniądze zamiast je zarabiać.

W tym odcinku Albert Radomski dzieli się praktycznym doświadczeniem z budowania kampanii, które generują milionowe przychody.

Ten odcinek pomoże Ci zrozumieć, co naprawdę działa w Meta Ads i jak podejść do reklam strategicznie, zamiast działać na oślep.

ROZDZIAŁY
00:00 – Zapowiedź: jak Meta rośnie przez pączkowanie
01:10 – Kim jest Albert Radomski i czym się zajmuje
02:19 – Dlaczego branża fashion to wdzięczne pole dla Meta Ads
03:20 – Jak zmieniły się reklamy Meta przez 13 lat
06:47 – Czy wejście w Meta jest dziś łatwiejsze czy trudniejsze?
09:09 – LinkedIn Ads – eksperyment za 50 euro
10:30 – Azjatycka konkurencja a polska branża fashion
12:27 – Dlaczego produkt ważniejszy niż reklama
14:53 – Meta vs Google – co naprawdę dowozi sprzedaż?
19:23 – Framework: właściwy czas, właściwa osoba, właściwy produkt
21:47 – Facebook jako nowy katalog IKEA – rola inspiracji w zakupach
25:28 – Jak koszty makroekonomiczne wpływają na wyniki kampanii
29:07 – Haki na algorytm Meta – czy warto i co się potem dzieje
31:09 – Jak ustawiać budżety i pracować na ROAS
33:32 – Case study: z 3 mln do 33 mln przychodu z Mety
37:08 – Największy błąd w ustawieniach Meta – atrybucja
39:32 – Conversion Lift: jak sprawdzić realny wpływ reklam
42:08 – Marketing Mix Modeling – dla kogo i ile kosztuje
46:27 – Google Meridian i Vertex AI w MMM
48:42 – TikTok Ads – dlaczego mierzalność to problem
49:04 – Case study: OnlyBio na TikToku
51:04 – Silosy w organizacjach – e-commerce vs sklep stacjonarny
53:55 – Jak AI zmienia codzienną pracę z danymi
01:00:09 – Czy TikTok stanie się narzędziem performance'owym?
01:02:09 – Programy lojalnościowe jako most online–offline
01:04:02 – AI w kreacjach – wsparcie czy zastępstwo?
01:05:40 – Automatyczne raporty poranne od Alberta
01:10:11 – Czy AI zabierze pracę specjalistom?
01:12:32 – Quickfire: mit vs hit w Meta Ads
01:15:01 – 3 ustawienia, które robią największą różnicę
01:18:27 – In-house, freelancer czy agencja?
01:20:07 – Myśl na koniec: AI z głową


========================
Subskrybuj kanał "I to się liczy" i włącz powiadomienia – nowe odcinki o technologii, marketingu i danych.

🎙️ Gość: Albert Radomski
📘 Książka "Data Driven Marketing" – https://helion.pl/ksiazki/data-driven-marketing-o-logicznym-podejsciu-do-podejmowania-decyzji-adrian-andrzejczyk,dadrma.htm#format/d 
☁️ Partner podcastu: Fly on the Cloud – https://fotc.com/
🛒 Sponsor: enaturalnie.pl – https://enaturalnie.pl/

Dołącz do społeczności I to się liczy → https://www.skool.com/i-to-sie-liczy 

===========

Najważniejsze wnioski z odcinka:

→ Atrybucja robi lub niszczy kampanię. Domyślne okno atrybucji Meta (7 dni po kliknięciu + 1 dzień po wyświetleniu) zawyża wyniki i dezorientuje algorytm. Podstawowy fix: ustaw 1-day click i trzymaj się tego konsekwentnie.

→ Skomplikowana struktura kampanii to przeżytek. Dziesiątki zestawów reklam z osobnymi targetowaniami nie mają dziś sensu. Prospecting + remarketing, dobra kreacja i poprawna atrybucja dają więcej niż granularne struktury z tutoriali sprzed 5 lat.

→ Conversion Lift to najtańszy sposób na sprawdzenie, czy Meta naprawdę dowozi. Test dzieli użytkowników na grupę widzącą i niewidzącą reklamy – różnica w konwersjach to rzeczywisty wpływ Mety. Dostępny od ~10–15 tys. zł miesięcznego bu

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

MarTech w w-commerce od zera, nalityka, retencja i AI sklepie internetowym— w tym odcinku Jędrzej Przeździęk pokazuje, jak zacząć e-commerce, jak zbudować sklep online, jak zwiększać sprzedaż i kiedy wybrać agencję lub model in-house.

Co w dzisiejszym odcinku?
00:00 –  Dobra agencja od marketingu online
01:06 – Dlaczego dziś liczy się retencja
01:56 – Agencja czy in-house: co lepiej działa w e-commerce
05:23 – Podcast i program dla początkujących: jak wejść do e-commerce 
07:30 – Jak zacząć e-commerce od zera w 100 dni
07:40 – Dlaczego strategia na starcie jest ważniejsza niż sam sklep
10:51 – Ile kosztuje start sklepu internetowego
11:59 – Jaki budżet na marketing na start
12:46 – Jak wystartować po godzinach i nie rzucać od razu etatu
13:02 – Jak użyć AI i ChatGPT do budowy sklepu i komunikacji
14:09 – Plan 100 dni: strategia, sklep i pierwsze działania marketingowe
35:35 – Co to jest retencja i jak mierzyć powracalność klientów
59:38 – Dlaczego na początku nie warto przeceniać brandu
01:01:01 – Czy AI to dziś największa szansa w e-commerce
01:05:00 – Jak AI przyspiesza SEO, content i linkowanie wewnętrzne
01:06:02 – Szybkie pytania: najważniejsze metryki, analityka, agencja vs in-house
01:15:50 – Książki i polecenia

Subskrybuj kanał → nie przegap nowości.
https://fotc.com/ → główny sponsor podcastu
https://enaturalnie.pl → sponsor prezentów dla gości. 

W tym odcinku rozmawiamy o tym, jak zacząć e-commerce od zera, jak zbudować sklep internetowy, jak zaplanować marketing e-commerce i dlaczego retencja klientów jest dziś ważniejsza niż samo pozyskanie pierwszej sprzedaży. Jędrzej Przeździęk pokazuje, jak wygląda start sklepu online w praktyce, jak podejść do strategii, budżetu i wdrożenia oraz kiedy lepiej postawić na agencję, a kiedy rozwijać kompetencje in-house. To rozmowa dla osób, które chcą rozwijać e-commerce świadomie, lepiej rozumieć sprzedaż online, unikać kosztownych błędów i wykorzystać AI w e-commerce, SEO, content marketingu oraz codziennej pracy nad sklepem internetowym. Jeśli interesuje Cię sklep online, sprzedaż internetowa, marketing dla e-commerce, retencja, analityka, AI i rozwój biznesu online, ten odcinek daje konkretne wskazówki, które można przełożyć na realne działania.

Jeśli ten odcinek był pomocny, zostaw subskrypcję, łapkę w górę i napisz w komentarzu, z czym wychodzisz po tej rozmowie.
Jeśli słuchasz na Spotify, obserwuj podcast i zostaw ocenę — to realnie pomaga docierać do kolejnych słuchaczy.

#ecommerce #sklepinternetowy #retencja #marketinginternetowy #biznesonline #chatgpt #ai #seo #analityka #sprzedazonline #startup #przedsiebiorczosc #youtubepl #podcast #etosieliczy

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

W tym odcinku bierzemy na warsztat AI, agent AI, context log, analitykę internetową oraz dylemat GA4 vs Amplitude — czyli wszystko, co dziś realnie decyduje o tym, czy Twoje wnioski z danych są trafne, czy tylko „ładnie wyglądają w raporcie”. Rozmawiamy o tym, jak budować analitykę w e-commerce w świecie mniej pewnych danych (cookie-less), jak pracować z kontekstem biznesowym i dlaczego bez porządnego „dziennika zmian” nawet najlepsze narzędzia i modele AI będą prowadzić Cię na skróty.

W rozmowie z Kamilem Urą zaglądamy do środka dużej organizacji e-commerce: co jest absolutnym fundamentem (lejek, zachowania użytkowników, segmentacja), jak ustawiać oczekiwania wobec danych („good enough” zamiast perfekcji), oraz jak rozdzielać problemy marketingowe od operacyjnych. 

Dużo miejsca poświęcamy praktyce: jak prowadzić context log (co logować: kampanie, zmiany w GTM, modyfikacje na stronie, działania handlowe), jak dzięki temu skrócić czas diagnozy z dni do godzin i jak przygotować środowisko tak, żeby agent AI mógł wspierać analityka bez „halucynowania” przyczyn. Na koniec pojawia się też realny kontekst wyboru narzędzi: kiedy GA4 wystarcza, kiedy warto myśleć o Amplitude

========================

Więcej o mnie: https://andrzejczyk.com.pl

LinkedIn: https://www.linkedin.com/in/adrianandrzejczyk/

Kursy i szkolenia: https://itosieliczy.pl

Dołącz do społeczności: https://www.skool.com/i-to-sie-liczy-2492

Sponsor podcastu: https://fotc.com

Sponsor paczki dla gości: https://enaturalnie.pl/

====================================

Key takeaways (najważniejsze wnioski):

• Dlaczego dane bez kontekstu w marketingu potrafią kosztować najwięcej i jak to zmienia pracę z AI/LLM. 
• Jakie są „must have” w analityce e-commerce: lejek + segmentacja bazy klientów (w tym podejście RFM).
• Jak podejmować decyzje przy niepełnych danych: podejście „good enough” zamiast 100%” i rola edukacji interesariuszy. 
• Jak w praktyce analizować spadki (np. konwersji / add-to-cart), gdy przyczyną bywa logistyka, braki towaru i promesa dostawy. 
• Prosty sposób na porządek w firmie: kontekst log (arkusz zmian: kampanie, Ads, GTM, działania handlowe) jako „źródło prawdy” do analiz i pracy z agentami AI.

Jeśli pracujesz w e-commerce, marketingu albo analityce — ten odcinek pomoże Ci budować procesy, które dowożą decyzje, a nie tylko raporty.

Rozdziały: 

• [00:00] – Dlaczego „context is king” w analityce i AI?
• [02:10] – Jak wygląda analityka w Decathlonie: 14 rynków, 1 zespół
• [05:40] – Agencja vs in-house: dlaczego „głębia” robi różnicę?
• [08:10] – Must have w e-commerce analytics: od czego zacząć?
• [11:20] – Lejek e-commerce: co mierzyć, żeby podejmować decyzje?
• [14:10] – Segmentacja klientów i RFM: jak ogarnąć bazę, gdy rośnie CAC?
• [18:00] – Cookie-less i mniej danych: co jest „good enough”?
• [23:30] – Spadek konwersji krok po kroku: marketing vs logistyka
• [28:40] – Kontekst log: jak prowadzić dziennik zmian w firmie?
• [33:10] – Jak przygotować dane, żeby AI nie „wymyślało” wniosków?
• [37:20] – GA4 czy Amplitude: co wybrać dziś, a co za pół roku?

 #analityka #ecommerce #kontekst #GA4 #Amplitude #AI #LLM #marketing #dataanalytics #segmentacja #RFM #cookieless #GTM #digitalanalytics #podcast 

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

W tym odcinku I TO SIĘ LICZY bierzemy na warsztat temat, który dziś decyduje o przewadze konkurencyjnej: wdrożenie AI w firmie. Bez bajek o „magii narzędzi” i bez pustego hype’u. Jeśli chcesz zrozumieć, jak podejść do transformacji AI, żeby dowieźć ROI, poprawić KPI i realnie zautomatyzować procesy — jesteś w dobrym miejscu.

Bo prawda jest prosta: AI nie naprawia chaosu. AI działa jak akcelerator — przyspiesza to, co już masz. Dlatego zaczynamy od fundamentu: mapowanie procesów, identyfikacja wąskich gardeł, ustalenie mierników sukcesu (KPI) i dopiero potem wybór narzędzi. W przeciwnym razie kończysz na „pilocie”, który wygląda dobrze na slajdzie… i nigdy nie trafia na produkcję.

W odcinku rozmawiamy m.in. o tym:

• jak sprawdzić AI readiness i przygotować organizację do wdrożenia (ludzie, dane, procesy, odpowiedzialność),
• dlaczego „kupmy ChatGPT / kupmy narzędzie” to często najdroższa droga donikąd,
• jak znaleźć nisko wiszące owoce: automatyzacje, które dają szybki zwrot (czas, koszt, jakość, błędy),
• jak budować bazę wiedzy (dokumentacja, standardy, repozytorium wiedzy), żeby AI mogło działać bez halucynacji i bez zgadywania,
• jak podejść do skalowania: od pilota do wdrożenia produkcyjnego, krok po kroku, bez przepalania budżetu,
• co się zmienia na rynku pracy: super-seniorzy, rola domenowej wiedzy, nowe oczekiwania wobec juniorów,
• gdzie AI wchodzi najmocniej: marketing, sprzedaż, operacje, HR (w tym podejścia typu Gallup + AI w rekrutacji),
• jak łączyć AI z danymi (np. hurtownia danych / chmura) i dlaczego „data-driven” to nie slogan, tylko warunek skuteczności.

Jeśli prowadzisz firmę, zarządzasz zespołem, pracujesz w marketingu lub operacjach — ten odcinek pomoże Ci wdrożyć AI mądrze, bezpiecznie i skutecznie. Zamiast polować na „nowy model”, zrobisz coś lepszego: ustawisz proces, KPI i plan, który dowozi wynik.

Coś za coś (darmowe): chcesz checklistę „Start z AI bez chaosu” (mapa procesów, KPI, pilot, skalowanie, baza wiedzy)? Napisz w komentarzu CHECKLISTA — przygotujemy ją jako materiał do pobrania.

Słowo klucz: wdrożenie AI, sztuczna inteligencja w firmie, automatyzacja, automatyzacja procesów, mapowanie procesów, KPI, ROI, AI readiness, transformacja cyfrowa, AI w marketingu, AI w HR, Gallup, baza wiedzy, data driven, hurtownia danych, chmura, skalowanie pilota, wdrożenie produkcyjne, optymalizacja kosztów, efektywność operacyjna.

#AI #SztucznaInteligencja #WdrożenieAI #Automatyzacja #Procesy #MapowanieProcesów #KPI #ROI #Marketing #HR #DataDriven #BazaWiedzy #TransformacjaCyfrowa

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

W tym odcinku rozbrajamy (z Karolem Dziedzicem) najstarszy paradoks marketingowej analityki: atrybucję w 2026. Bez „jednego źródła prawdy” łatwo wpaść w romantyczne „jakoś to będzie”… a na niskich marżach i krwawym oceanie konkurencji to bywa krok w stronę przegranej.

Po drodze: jak specjalista Google Ads przestaje być „klikaczem”, czemu startowanie z Performance Max to często ruletka, jak podejść do ekspansji e-commerce (Francja/Hiszpania), i dlaczego w 2026 wygrywają ci, którzy automatyzują powtarzalne procesy.

Sponsorem głównym podcastu jest FOTC (https://fotc.com/) 

Zapraszam na podcast. 
W tym odcinku:

• Atrybucja i konflikty danych: Google vs Meta vs afiliacja vs rzeczywistość 
  
  
• 3 poziomy ogarniania analityki: od „na kolanie” po narzędzia typu Triple Whale i własną hurtownię danych 
  
  
• Automatyzacje + AI w Google Ads: słowa, placementy, produkty, audyty (z „kierownikiem budowy” na końcu) 
  
  
• Trendy 2026: reklamy w AI Overviews/Gemini, zmiana sposobu opisywania produktów, UCP i zakupy „z czatu”
  
  

Spis treści:
00:00 – I to się liczy - Karol Dziedzic
01:31 – Od klikacza do stratega: jak zmieniła się rola specjalisty Google Ads
07:10 – Dlaczego bez rozwoju kompetencji „klikacz” przegrywa z automatem
08:50 – UCP i zakupy z czatu: dokąd zmierza ekosystem Google
16:24 – Ekspansja e-commerce na Francję: jak ustawić pierwsze 30 dni kampanii (smartwatche)
18:09 – Paradoks atrybucji: GA4 vs Google Ads vs Meta vs afiliacja
22:40 – Co robić, gdy sprzedaż „na dole lejka” nie działa: problem może być w ofercie, nie w reklamie
27:30 – 3 poziomy analityki: „na kolanie” → narzędzia → własna hurtownia danych
31:10 – Dlaczego nie wolno sumować konwersji „wspomaganych” z różnych systemów
38:10 – Backstage: model linearny jako kompromis między działami / kanałami
39:06 – AI w optymalizacji Google Ads: słowa kluczowe, placementy, produkty (z człowiekiem jako „kierownik budowy”)
43:37 – Przerwa reklamowa
44:00 – Zapier vs Make vs n8n: automatyzacje w praktyce (i delegowanie do AI)
49:19 – Research branży: Feedly + płatne newslettery + LinkedIn jako radar trendów
53:09 – Shit & Value: największy „shit” w Google Ads i GA4
55:34 – Największy „value”: eksport GA4 do BigQuery i przyszłość (MCP + dane offline)
56:22 – Trendy 2026: reklamy w AI Overviews/Gemini i konsekwencje dla

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

 O czym będzie ten odcinek?
Czy Performance Max (PMAX) to autopilot, czy pułapka na budżet? W tym odcinku rozkładamy na czynniki pierwsze skalowanie Google Ads w e-commerce: dlaczego spadek wyświetleń bywa pierwszym sygnałem problemu, jak oddzielać brand od generyków, kiedy wrócić do Shopping i co sprawdzić w feedzie oraz GA4, zanim podniesiesz budżet. Dorzucamy też Demand Gen, YouTube (VTC) i AI/ChatGPT w analizie.

Przeskocz do rozdizału:
00:00 — Dlaczego temat PMAX wraca jak bumerang
04:19 — Ciekawość vs wypalenie: czemu “lata doświadczenia” nie gwarantują wyników
08:41 — T-shaped i diagnoza: co sprawdzić, gdy „nagle spada sprzedaż”
09:39 — Odrzucenia produktów przez problem strony / awarie (Merchant Center)
10:34 — “Wstrzymali kampanie na 2h” i bałagan z brandem w PMAX
11:38 — Kiedyś vs dziś: mniej kontroli, więcej automatyzacji
13:58 — Jak wykluczać brand w PMAX i po co to robić
14:59 — Demand Gen jako „PMAX z większą kontrolą” (i zimny ruch)
15:42 — Skalowanie budżetu, LTV i ryzyko przepalania na zimno
19:53 — Podstawy ustawień/pomiaru, które zaskakują na audytach
20:46 — “Worek bez dna”: jak rosnąć i utrzymać ROAS (800 vs 400)
22:09 — Generyki dowożą nowych klientów + TikTok/YouTube jako wsparcie skali
23:30 — YouTube: VTC i cele na zakup (żeby to „było widać”)
31:43 — Odrzucone produkty i błędne decyzje „bo konto zablokują”
33:44 — Klasyczny błąd: optymalizacja na konwersje, gdy nie ma konwersji
34:30 — Zmiany ID/kategorii produktów → znikające wyświetlenia
36:22 — Labelizery, segmentacja i zasada 80/20: jak “odkopać” martwe produkty
45:28 — “Bullshit & value”: dlaczego PMAX bywa największym mitem
46:11 — Mit +10–15% budżetu: czemu to często czysty fart
01:03:17 — Najważniejszy sygnał: spadek wyświetleń przed spadkiem ROAS
01:04:38 — Logika budżetowania: nie dosypuj do kampanii, która nie dowozi
01:06:09 — Manual CPC vs tROAS: kiedy prostsze wygrywa

KeyWords: Google Ads, Performance Max, PMAX, Google Shopping, kampanie produktowe, Merchant Center, feed produktowy, ROAS, CPC, manual CPC, target ROAS, GA4, konwersje, atrybucja, audyt konta Google Ads, optymalizacja kampanii, skalowanie budżetu, e-commerce, YouTube Ads, Demand Gen, Discovery, VTC, marketing performance, reklamy Google. 

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

W tym odcinku „I to się liczy” rozmawiam z Wojciechem Urbanem (Delante, R&D) o tym, jak wygląda widoczność w narzędziach typu ChatGPT/Gemini, co realnie działa, jak to mierzyć i dlaczego w erze LLM „ruch” przestaje być najważniejszym KPI.

Zostaw komentarz — wśród komentujących wybiorę jedną osobę i wyślę książkę „SEO marketing” mojego autorstwa.

Rozdziały:

0:00 Dlaczego ludzie „za bardzo” ufają AI / LLM 
0:57 Start podcastu + kontekst odcinka
1:21 Kim jest Wojciech i czym zajmuje się w Delante (R&D)
3:50 Dlaczego BL**K HA* SEO w LLM bywa skuteczne (i czemu to „działa do czasu”)
5:01 Skąd ChatGPT bierze odpowiedzi: web search vs dane treningowe
5:55 Knowledge cutoff — co to jest i dlaczego ma znaczenie
6:12 Czy pozycje w Google/Bing wpływają na cytowania w ChatGPT?
10:07 Jak mierzyć widoczność w ChatGPT: logi serwera i boty
14:06 Nowe KPI: mniej „ruchu”, więcej punktów styku z marką
19:20 „Szybkie” metody: spam kontentem, robots.txt i ryzyka takiego podejścia
23:00 Wzmianki brandowe > linki: jak budować „top of mind” pod LLM
32:01 Autorytet (np. Wikipedia) + rola opinii (Ceneo/Opineo) i e-PR
34:04 SEO techniczne pod boty AI: dostępność treści (m.in. JS), robots.txt
36:20 Wideo, YouTube i transkrypcje: jak AI „czyta” materiały audiowizualne
44:32 AI Overviews i spadki ruchu: co realnie się zmienia u wydawców
48:00 „Bullshit vs value”: llm.txt i dlaczego to nie jest magiczny przycisk
49:29 Jedna rzecz, która daje najwięcej: mocny brand
51:31 Blok sponsorowany + trendy na kolejny rok (Gemini, backlash na AI)
54:42 Quickfire: co przestać robić, co zacząć robić, czy SEO się zautomatyzuje
58:40 Podsumowanie: koniec „lazy marketingu” — trzeba rozmawiać z klientami
59:10 Zakończenie + anegdota zza kulis nagrania

#SEO #AI #LLM #ChatGPT #Gemini #Marketing #Analityka #ContentMarketing

 Jeśli interesuje Cię SEO w erze AI, pozycjonowanie, optymalizacja strony, audyt SEO, SEO techniczne, content marketing, link building, E-E-A-T, topical authority, entity SEO, brand mentions, crawl budget, indeksacja, crawling, logi serwera, robots.txt, sitemap.xml, canonical, hreflang, internal linking, anchor text, backlinki, schema.org / dane strukturalne, Core Web Vitals, SERP, CTR, intencja wyszukiwania, keyword research, long tail, AI Overviews, AEO (Answer Engine Optimization) i GEO (Generative Engine Optimization) — ten odcinek jest dla Ciebie. Omawiamy, jak marki mogą zwiększać widoczność w odpowiedziach generowanych przez systemy LLM takie jak ChatGPT (OpenAI/GPT), Google Gemini, Claude (Anthropic), Llama (Meta), Mistral, Cohere, Grok (xAI) czy narzędzia oparte o LLM typu Copilot i Perplexity — oraz jak to łączyć z klasycznym SEO: on-page, off-page, technical SEO, content gap, topical map, klastry tematyczne, dystrybucja treści, PR/ew. digital PR, monitoring brand queries i analiza w GA4 / Google Search Console. Zostaw komentarz, zasubskrybuj i wróć do rozdziałów — a jeśli kusi Cię droga na skróty w stylu HL**K HA* SEO, pamiętaj: w SEO liczy się stabilność, autorytet i strategia, a nie tylko szybki „hack”. 

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.

Send us Fan Mail

W tym odcinku „I to się liczy” bierzemy na warsztat temat, który boli większość właścicieli sklepów internetowych: konwersja. Co tak naprawdę ją zabija? I dlaczego często nie jest to ani cena, ani oferta, tylko… szczegóły w UX, których nikt nie mierzy i nikt nie projektuje świadomie?

Moim gościem jest Elżbieta Krutysza – projektantka UX, badaczka i strateg, która od lat pomaga firmom wyciągać więcej z ruchu, który już mają. Rozmawiamy o tym, jak patrzeć na e-commerce oczami użytkownika i gdzie najczęściej uciekają pieniądze.

W odcinku usłyszysz m.in.:

krótką historię UX i e-commerce w Polsce – od czasów Interii, listów do redakcji i BOK-u jako serca firmy, po dzisiejszy internet obsługiwany przez boty,

konkretne „zabójstwa” konwersji: listingi, na których niczego nie da się porównać, brak domknięcia pętli (np. po płatności), mikrodecyzje projektowe jak liczba produktów w rzędzie czy kształt przycisków,

dlaczego 5% wzrostu konwersji potrafi przełożyć się na 25–35% więcej zysku i czemu drobne zmiany w UX dają tak duży efekt biznesowy,

trzy szybkie kierunki dla e-commerce: mierzenie czasu wykonania zadań, obserwowanie drop-offów i retencji oraz realna praca z danymi z GA4 zamiast tylko „posiadania” analityki,

case z realnego sklepu, w którym 60% klientów porzucało koszyk przy płatności, a dodanie prostego komunikatu zwrotnego uratowało konwersję,

Jeśli prowadzisz sklep internetowy, pracujesz w marketingu, UX albo dopiero myślisz o e-commerce, ten odcinek pomoże Ci zobaczyć, gdzie dokładnie uciekają Twoje pieniądze – i co możesz zrobić, żeby je zatrzymać, zamiast tylko dowalać kolejne kampanie reklamowe.

Na koniec dostajesz bardzo praktyczne zadanie, które możesz wdrożyć dosłownie następnego dnia, żeby zacząć ratować swoją konwersję nie zgadywaniem, tylko rozmową i danymi.

💬 Jeśli po odsłuchu masz w głowie konkretne pytania o swój sklep – śmiało napisz do mnie. Chętnie nagram Q&A jako follow-up do tego odcinka.

Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę.
Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.