
Jak ChatGPT, Perplexity i Gemini znajdują i oceniają źródła
Pipeline wyszukiwania w LLM: jak ChatGPT, Perplexity i Gemini znajdują, rerankują i cytują źródła — z konkretnymi sygnałami, które decydują o cytowaniach.

Share of Voice w AI: jak mierzyć widoczność marki w LLM
Share of Voice w AI: jak mierzyć widoczność marki w ChatGPT, Perplexity i Gemini. Wzory, próbka, narzędzia, benchmarki i błędy, których unikniesz.

Retrieval vs generation: różnice między wyszukiwaniem AI a Google
Retrieval vs generation — jak działają dwie warstwy wyszukiwarki AI i czym różnią się od klasycznego Google. Konkretne sygnały i strategia dwukanałowa.

Dlaczego LLM cytuje jedne strony a inne ignoruje
30 sygnałów decydujących o cytowaniach LLM w ChatGPT, Perplexity i Gemini. Checklist, case z 8,4× wzrostem citation rate i praktyczna metodyka pomiaru.

Jak pisać treści, które LLM wybiera jako źródło — framework
Framework 9 elementów, który sprawia, że ChatGPT, Perplexity i Gemini cytują twoje artykuły 35–70% częściej. Przykłady przed/po, checklist 24 punktów.

Architektura wyszukiwarki AI od query do odpowiedzi
Wyszukiwarka AI w 2026 to pipeline z 6 warstw: intent detection, query expansion, retrieval, reranking, synteza, post-processing. Rozkładamy każdą warstwę i pokazujemy, co robić.

Narzędzia do monitoringu cytowań w AI — przegląd 2026
Monitoring cytowań w AI — 7 narzędzi 2026 (Otterly, Profound, Peec AI, Semrush AIS, Nozzle, DIY). Ceny, framework wyboru. Case SaaS: 47 → 187 cytacji w 6 mies.

RAG (Retrieval Augmented Generation) dla marketerów
RAG dla marketerów — co to, jak działa, use-cases (support bot, search, personalizacja), stack, koszty, metryki. Plus MVP w 4h za 10 USD.

Factoid density: jak zwiększyć gęstość faktów pod AI
Factoid density: jak zwiększyć gęstość konkretów w tekście, żeby LLM chętniej cytował. Sześć technik, przykłady before/after, narzędzia pomiaru.