O czym jest ten film
- Pozycjonowanie pozostaje warunkiem zarabiania w internecie — niezależnie od modelu: aplikacja, konsultacje czy przychody reklamowe.
- Autorski pomysł: spięcie Claude Code z usługą DataForSEO przez serwer MCP, dzięki czemu agent sam odpytuje API o wolumeny wyszukiwań, trudność i pomysły na słowa kluczowe oraz o linki zwrotne.
- Ekonomia usługi: rozliczenie według zużycia, całe pokazane ćwiczenie kosztowało około 29 centów; rejestracja daje dolara kredytu (pięć dolarów z linku polecającego).
- Kontekst biznesowy: warsztaty i konsultacje z agentowego kodowania dla ekonomistów (strona aeconomist.io); celem jest bierny, dobrze ukierunkowany ruch z wyszukiwarki.
- Przypomnienie podstaw SEO: dźwignie długofalowe (linki zwrotne i PageRank, wiarygodna ekspertyza — E-E-A-T) oraz bezpośrednie (frazy w treści i nagłówkach, zachowanie użytkownika na stronie).
- Stanowisko Google: treści generowane przez AI są w porządku, o ile są dobre; masowy spam artykułami kończy się krótkim wzlotem i głębokim krachem ruchu.
- Pierwszy krok z DataForSEO: playgroundy (wyniki wyszukiwania, dane o frazach, backlinki) — zanim ruszy automatyzacja.
- Konfiguracja MCP w aplikacji Claude Desktop: dane API z panelu, wklejenie fragmentu do pliku konfiguracyjnego, restart.
- Właściwa sesja robocza: skill „brainstorm” z pakietu Compound Engineering, pytania doprecyzowujące, plan treści, artykuł pilotażowy o plan mode, analiza luki w SERP, pisanie sub-agentami.
- Ciekawa obserwacja praktyczna: planując treści o kodowaniu agentowym, Claude Code ignorował konkurencyjnego Codexa — o takich lukach trzeba dopominać się wprost.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Podłącz dane SEO do agenta przez serwer MCP
Na czym polega: MCP to standard komunikacji modeli AI z systemami zewnętrznymi. Serwer MCP DataForSEO przekazuje Claude Code wiedzę o wszystkich punktach API i schematach ich użycia — agent sam komponuje zapytania o wolumeny, trudność fraz czy backlinki, bez ręcznego budowania requestów.
Jak stosować: załóż konto DataForSEO, wygeneruj dane API w panelu, a następnie w ustawieniach deweloperskich Claude Desktop wklej do pliku konfiguracyjnego wskazany fragment z loginem i hasłem w bloku serwerów MCP. Po restarcie aplikacji serwer jest gotowy do pracy.
Na co uważać: hasło API widać w panelu tylko przez 24 godziny od rejestracji — później trzeba je odebrać mailem. Poświadczeń nie trzymaj w repozytorium.
2.Najpierw playground, potem automatyzacja
Na czym polega: zanim agent zacznie odpytywać API za ciebie, warto samemu pogrzebać w playgroundach DataForSEO — Search Engine API (dane o pierwszych stu wynikach dla frazy), Keyword Data API (wolumeny i konkurencja nawet dla tysiąca fraz na zapytanie) oraz endpoint backlinków.
Jak stosować: przetestuj kilka fraz związanych z twoją ofertą, obejrzyj strukturę odpowiedzi i zapamiętaj, jakie dane w ogóle istnieją. To bardzo ułatwia późniejsze formułowanie poleceń dla agenta.
Na co uważać: poszczególne endpointy różnią się ceną. Pojedyncze zapytanie kosztuje ułamki centa, ale rozwinięcie fraz na sugestie jest wyraźnie droższe — u autora saldo spadło za nie z okolic 5,99 do okolic 5,92 dolara.
3.Strategię zaczynaj od nabywcy, nie od fraz
Na czym polega: dobór słów kluczowych nabiera sensu dopiero po określeniu, kto ma kupować. W ćwiczeniu agent najpierw zapytał, czy treść optymalizujemy pod kupujących warsztaty i organizacje na retainerze, czy pod indywidualnych badaczy.
Jak stosować: w prompcie opisz model biznesowy, obecne źródła ruchu i cele; pozwól agentowi dopytywać i odpowiadaj szczerze — na przykład że większe kontrakty są priorytetem.
Na co uważać: mniejsza grupa odbiorców bywa rzecznikami większej — indywidualni badacze często rekomendują trenera wewnątrz swoich instytucji, więc warto obsługiwać obie grupy naraz.
4.Rozdziel dźwignie natychmiastowe od długofalowych
Na czym polega: linki zwrotne (idea PageRanka) i sygnały wiarygodnej ekspertyzy (E-E-A-T) buduje się miesiącami; frazy w treści, struktura nagłówków i retencja użytkownika to zmiany, które możesz wprowadzić dziś.
Jak stosować: zacznij od uporządkowania nagłówków (H2/H3) i naturalnego użycia frazy docelowej oraz wyrażeń pokrewnych, a równolegle planuj działania budujące autorytet i linki.
Na co uważać: najmocniejszym pojedynczym sygnałem jest zachowanie użytkownika — jeśli ludzie natychmiast wracają do wyników wyszukiwania, strona nie zaspokaja intencji i pozycje pójdą w dół.
5.Google ocenia jakość, nie autorstwo
Na czym polega: oficjalne stanowisko Google: treści generowane przez AI są akceptowalne, byle były dobre. Merytoryka i dopasowanie do intencji wyszukiwania ważą więcej niż sposób powstania tekstu.
Jak stosować: używaj AI do hurtowego tworzenia treści pod SEO, ale zostaw etap ludzkiej korekty; możesz też przygotować własnego skilla, który nada tekstom twój styl.
Na co uważać: serwisy spamujące tysiącami artykułów notują krótki wzrost, a potem gwałtowny krach ruchu. Trwała marka i własny research to zupełnie inna liga niż masówka.
6.Analiza luki w SERP: szukaj YouTube’a i Reddita w top 10
Na czym polega: przegląd aktualnej czołowej dziesiątki pokazuje, kogo musisz przeskoczyć. Jeśli rankują tam głównie filmy i wątki z portali społecznościowych, konkurencja tekstowa jest słaba — to znak, że frazę da się przejąć.
Jak stosować: dla frazy docelowej przejrzyj top 10 i poszukaj luki w ujęciu tematu — w ćwiczeniu nikt nie pisał o plan mode z perspektywy badaczy, więc artykuł prowadzony kadrem badacza, z realnym przykładem w Stacie lub R, wypełnia tę lukę.
Na co uważać: niska trudność frazy nic nie daje bez dopasowania do oferty — najpierw sprawdź, czy fraza faktycznie prowadzi do twojego lejka sprzedażowego.
7.Zamieniaj klastry semantyczne w strukturę artykułu
Na czym polega: sugestie fraz grupują się w klastry — definicyjny („co to jest…”), nawigacyjno-instrukcyjny oraz pytania z długiego ogona. Każdy z nich ma swoje miejsce w tekście.
Jak stosować: sekcję definicyjną daj wcześnie jako H2, instrukcje i skróty w środku artykułu, a FAQ z pytaniami z długiego ogona na końcu — dokładnie tak rozpisał to agent w ćwiczeniu.
Na co uważać: większość sugestii to przeformułowania jednej i tej samej frazy; deduplikuj je z rozwagą, żeby nie tuczyć tekstu powtórzeniami.
8.Długie teksty pisz sub-agentami
Na czym polega: zadanie zbyt duże na jeden przebieg agent wykonuje byle jak. Sub-agenty działają w osobnych oknach kontekstu, więc artykuł powstaje równolegle, sekcja po sekcji.
Jak stosować: w prompcie każ delegować sekcje sub-agentom, a po ich zakończeniu złożyć FAQ i konkluzję — w ten sposób powstał szkic artykułu o plan mode.
Na co uważać: bez materiału źródłowego (kursy, nagrania, napisy, notatki) sekcje wyjdą generyczne; wskaż agentowi, z czego ma czerpać fakty i przykłady.
9.Sprawdzaj, czego agent nie chce ci zaproponować
Na czym polega: w teście autora Claude Code, planując treści o kodowaniu agentowym, w ogóle nie proponował materiałów o konkurencyjnym Codexie; w drugą stronę ta ślepota nie występowała.
Jak stosować: po otrzymaniu planu przejrzyj go pod kątem pominiętych narzędzi, formatów czy kanałów i dopominaj się o nie wprost: „chcę obejmować również X”.
Na co uważać: to anegdota, nie systematyczny test — warto jednak mieć własną listę rzeczy, które powinny się znaleźć w strategii, i odhaczać ją ręcznie.
10.Domknij pętlę analityką
Na czym polega: bez pomiarów nie wiesz, czy strategia fraz przynosi ruch i konwersje. Ostatnim elementem układanki jest narzędzie analityczne — popularne Google Analytics albo PostHog, którego używa autor.
Jak stosować: wdroż analitykę przed publikacją artykułów i oznaczaj ścieżki od wejścia z wyszukiwarki do strony docelowej, np. formularza rezerwacji konsultacji.
Na co uważać: ruch to środek, nie cel — licz zapytania i umowy pozyskane z fraz, a nie same odsłony; inaczej zoptymalizujesz niewłaściwe rzeczy.
Redakcyjne tłumaczenie
SEO to warunek, nie dodatek
Jeśli chcesz zarabiać w internecie, pozycjonowanie jest fundamentem — nie ma znaczenia, czy sprzedajesz aplikację, usługi konsultingowe czy żyjesz z reklam. Zanim ktokolwiek coś od ciebie kupi, musi najpierw trafić na twoją stronę. Pytanie brzmi: czy tę robotę da się zlecić narzędziom agentowym, takim jak Claude Code czy Codex (Informacja dodatkowa: Codex to agentowe narzędzie do programowania od OpenAI — bezpośredni konkurent Claude Code od Anthropica.) — i jeśli tak, to jak się do tego zabrać.
Pokażę, jak połączyć Claude Code z DataForSEO. Ta platforma dostarcza przez API twarde dane: liczbę wyszukiwań, trudność i pomysły na słowa kluczowe — czyli sygnały, bez których nie da się sensownie optymalizować strony. Pomaga też profilować serwisy linkujące do ciebie i do twoich konkurentów, dzięki czemu widać, w którym wymiarze odstajesz i nad czym trzeba popracować, żeby wspiąć się w rankingu na ważnych frazach.
Jeśli SEO jest dla ciebie czarną magią, nie szkodzi. Podstawy wyjaśnię po drodze, ale zawsze w kontekście praktycznego ćwiczenia: wygenerujemy zoptymalizowany artykuł dla mojej własnej strony. Łącznikiem będzie serwer MCP DataForSEO, który daje Claude Code dostęp do wszystkich punktów API tej usługi wraz ze wskazówkami, jak z nich korzystać.
Do tego DataForSEO rozlicza się według zużycia, a wywołania są po prostu tanie: całe ćwiczenie z tego materiału kosztowało mnie około ćwierć dolara. Standardowa rejestracja daje dolara kredytu, a z linku polecającego w opisie — pięć.
Zaczynamy od końca: po co mi to wszystko
Mój cel jest prosty: zarabiać i czerpać z tego satysfakcję. Dochody spływają z kilku kierunków: przede wszystkim wdrażam AI dla klientów konsultingowych; dochodzi przychód reklamowy z YouTube, płatny serwer szkoły AI MBA Pro, a ostatnio sporą część zajęć stanowią jednorazowe sesje agentowego kodowania z ekonomistami oraz większe szkolenia grupowe — dla uniwersytetów, banków centralnych i innych instytucji z obszaru polityki publicznej. W związku z tym odpaliłem niedawno nową stronę, aeconomist.io, i wyrosła z niej całkiem zgrabna działalność na boku: ludzie sami się odzywają, choć nie prowadzę żadnej jawnej reklamy — publikuję po prostu na X i LinkedIn treści przydatne ekonomistom szukającym sposobu, jak wykorzystać narzędzia agentowe.
Tę działalność mógłbym skalować aktywnym docieraniem: wiadomość na X, zimny mail, kontakt na LinkedIn. Ale interesuje mnie coś innego — ile ruchu z wyszukiwarki mogę ściągać pasywnie, tak żeby właściwi ludzie sami trafiali w moje okolice: zapisali się do newslettera, obejrzeli materiały, może kiedyś zapisali się na warsztat. Bywa, że wystarczy dać się poznać, a okazacje przychodzą same. Gdybym wysoko rankował na frazie typu „AI workshops for economists” — zakładając, że ktokolwiek w ogóle jej szuka, co dopiero sprawdzimy — miałbym sporo. Sto, dwieście kliknięć miesięcznie od dobrze dopasowanych ludzi: jeśli zamknie się jeden lub dwóch z nich, mówimy o kwocie pięciocyfrowej. Tego typu proces właśnie nazywamy SEO: bierzesz swoją ofertę — u mnie warsztaty i indywidualne treningi dla ekonomistów — i układasz stronę tak, by odpowiadała na to, czego oczekują wyszukiwarki i szukający, a te w zamian stawiają cię wysoko na trafnych frazach i przysyłają ruch sam z siebie.
Z czego składa się pozycjonowanie
W SEO jest sporo ruchomych części i nie wszystkie da się ruszyć tak samo szybko.
Jedne kontrolujesz dopiero w dłuższej perspektywie. Do tej kategorii należy profil witryn, które linkują do twojej strony: odnośniki od „New York Timesa”, „The Economist” i innych wielkich mediów to dla Google mocny sygnał wiarygodności — ten człowiek jest poważny, wystaw go wyżej. Mechanizm działa kaskadowo: gdy pięćdziesiąt portali napisze tę samą notkę, i tak wygra „Times”, bo sam ma najwięcej linków od autorytetów. Ta reputacyjna struktura grafu to idea PageRanka — jeden z pierwszych kluczowych pomysłów Google. Algorytm od tamtej pory wielokrotnie ewoluował i pod maską jest znacznie bardziej złożony, ale ten szkielet wciąż ma znaczenie i można na nim pracować miesiącami.
Podobnie jest z ekspertyzą: w niszach o wysokim ryzyku — zdrowie, medycyna, żywienie, może prawo — Google premiuje wiarygodną, realną wiedzę. Prowadzisz serwis medyczny, a treści nie sprawdza żaden lekarz? Będziesz niżej. Te dwa elementy nazwałbym długofalowymi — da się na nie wpływać, ale nie z dnia na dzień.
Znacznie bezpośredniej panujesz nad dwiema rzeczami. Po pierwsze, jeśli celujesz w daną frazę: czy używasz jej i wyrażeń pokrewnych we właściwy sposób, czy strona ma w ogóle nagłówki i czy są logicznie poukładane? To pomaga Google sparsować i zrozumieć strukturę treści. Po drugie — i to chyba najważniejsze: gdy ktoś wyszuka frazę i wejdzie na twoją stronę, czy zostaje, czy natychmiast wraca do wyników? Google to śledzi i jest to bodaj najbardziej realny sygnał, że strona faktycznie zaspokaja intencję wyszukiwania.
Pisanie z AI pod SEO — i co na to Google
Większość rzeczy piszę ręcznie — i materiały na YouTube, i wszystko, co ma charakter twórczy. AI służy mi głównie jako asystent researchowy. Z dwóch powodów. Pierwszy to reputacja: nie chcę być postrzegany jako ktoś, kto po prostu każe modelowi pisać za siebie. Drugi: samo pisanie pomaga mi myśleć i rozumieć to, o czym piszę. Ale treści pod pozycjonowanie to inna bajka — czasem tworzy się je hurtowo, głównie po to, by napędzać ruch — i tu jestem znacznie bardziej otwarty na AI w większości lub nawet w całym procesie pisania.
A jak do tego staje Google? Oficjalnie: nie przeszkadza mu treść generowana przez AI, byle była dobra. W naszym ćwiczeniu i tak zostawiam sobie etap ludzkiej korekty; być może przygotuję też własnego skilla, który przepuści teksty przez mój styl. (Informacja dodatkowa: „skill” w Claude Code to zapisana instrukcja lub procedura, którą agent potrafi wywoływać — swego rodzaju rozszerzenie jego zachowań.) Sama informacja, że tekst powstał z pomocą AI, nie jest więc problemem. Znane są serwisy, które w miesiąc wypluły tysiące artykułów: ruch najpierw poszybował, a potem runął w przepaść. Nie tego chcę — buduję markę na lata i sam prowadzę badania w obszarze agentowego AI dla ekonomii. Ale jeśli dobra fraza będzie mi pasywnie sprowadzać ruch, nie mam nic przeciwko.
Pierwszy kontakt z API: playground
Wchodzę na stronę DataForSEO i doładowuję konto — jakieś 50 dolarów, bo tyle wynosi minimum. Przedstawia się kreator: do czego będę używać usługi? Śledzenie pozycji w wyszukiwarkach, analiza backlinków, research słów kluczowych, monitorowanie rankingu, analiza konkurencji — zaznaczam. SEO lokalne? Nie, to opcja dla „hydraulika Johna z Denver”. Zaznaczam jeszcze optymalizację treści i budowę narzędzia SaaS; integracja przez REST API; rola: developer; firma: The AI Economist; podaję stronę i e-mail.
Potem idę do dokumentacji, żeby rozeznać się, co w ogóle jest dostępne. Pierwsza z usług to Search Engine API: dla podanej frazy zwraca uporządkowane dane o pierwszych stu wynikach wyszukiwania. W playgroundzie — czyli interaktywnej piaskownicy do testowania — można to sprawdzić na żywo, więc wpisuję „economics of AI”, frazę, na której chciałbym się wybić, i odpalam zapytanie.
W odpowiedzi dostaję spory plik JSON. Jest tam m.in. sekcja AI Overview — odpowiednik tych podsumowań generowanych przez AI, które Google ostatnio pokazuje nad wynikami. Wśród czołowych pozycji: artykuł Anthropica o tym, co 81 tys. ludzi powiedziało mu o ekonomii AI, tekst Deloitte, materiał Citadel Securities. To poważni gracze — na razie z nimi nie wygram, ale może z czasem.
Kolejny playground: Keyword Data API, który daje wyobrażenie o skali danych — wolumeny, konkurencja i pokrewne metryki dla nawet tysiąca fraz w jednym zapytaniu. Przy okazji zerkam na saldo: poprzednie zapytanie kosztowało ułamek centa. Z wcześniejszych doświadczeń wiem, że przy pojedynczym użytkowaniu DataForSEO jest po prostu tanie — i bardzo mi to odpowiada.
Sprawdzam tę samą frazę w danych kluczowych: indeks konkurencji niski, wolumen około 5 400 wyszukiwań miesięcznie, do tego miesięczne szacunki tego ruchu. Następnie „keywords for keywords” — jak rozumiem, podpowiedzi: skoro chcesz rankować na jakiejś frazie, to jakie frazy pomocnicze warto jeszcze objąć? Uwaga techniczna: odpowiedź jest gigantyczna (widać to po samym pasku przewijania) i wyraźnie droższa — saldo skoczyło z okolic 5,99 do okolic 5,92 dolara. Rozwijanie zapytania na wiele fraz po prostu kosztuje więcej niż pojedynczy odpyt.
Ostatni przystanek: backlinki. Endpoint zwraca strony linkujące do wskazanej witryny. Testuję go na AIMBA.io, bo ta domena jest bardziej dojrzała. Tak zresztą podzieliłem projekty: AI MBA służy sprawom ogólnym — YouTube, konsulting — natomiast AI Economist jest w całości poświęcony agentowemu AI dla ekonomistów. Endpoint nie wypisuje konkretnych domen, ale daje rozkład domen najwyższego poziomu: 25 stron odsyłających, w tym dwanaście z .org, sześć z .com, pięć z .net i tak dalej.
Jeśli chcesz użyć tego narzędzia z Claude Code, zacznij właśnie od playgroundu: poszperaj, zobacz, co się da, wystrzel kilka zapytań i pozwól głowie zacząć kombinować. Dopiero potem przechodź do serwera MCP.
Czym jest MCP i jak go podepiąć w Claude Desktop
W moim serwerze szkoleniowym znajdziecie slajdy z trwającego trzy godziny kursu Claude Code dla początkujących — omawiam tam między innymi MCP. To w skrócie standard, dzięki któremu AI rozmawia z systemami zewnętrznymi: konfigurujesz MCP do Notion i z poziomu Claude Code robisz wszystko, co w Notion — tworzysz strony, aktualizujesz bazy i tak dalej. Pokazuję to na żywo w tamtym kursie.
DataForSEO ma własny serwer MCP, a jego rola sprowadza się do tego, że instruuje Claude Code, jak korzystać z dostępnych narzędzi — czyli wszystkich endpointów, które przed chwilą oglądaliśmy — i jakich schematów pracy przy nich trzymać się.
Na stronie (link w opisie) są instrukcje konfiguracji z szybkim startem. Wybieram Claude Desktop, bo Claude Code w aplikacji desktopowej to moim zdaniem dziś najlepszy interfejs. Potrzebne są poświadczenia API: w panelu DataForSEO klikam API Access. Hasło widać przez 24 godziny od rejestracji, później można je odebrać mailem — u mnie w panelu już go nie było, więc wysłałem prośbę i hasło po chwili przyszło na skrzynkę (oczywiście go nie pokażę).
Dalej według instrukcji: w Claude Desktop otwieram ustawienia deweloperskie, klikam edycję konfiguracji i plik claude_desktop_config.json otwieram w VS Code — moim edytorze, gdy muszę wyjść poza terminal. Do bloku serwerów MCP wklejam podany fragment (trochę gimnastyki z nawiasami, bo do wstawienia jest cały blok), wpisuję login i hasło, restartuję aplikację. Po restarcie serwer DataForSEO pojawia się na liście. Działa.
Sesja robocza: kontekst, uprawnienia, skill
Otwieram nową sesję i wybieram projekt z mojego repozytorium — trzymam w nim obie witryny, AI MBA i AI Economista. Uruchamiam go w osobnym drzewie roboczym (worktree), a w uprawnieniach włączam tryb auto — nowość, dzięki której Claude Code nie dopytuje o zgodę przy każdym pojedynczym kroku.
Zanim cokolwiek wykonam, daję kontekst: interesuje mnie MCP DataForSEO jako sposób na przemyślenie artykułów pod SEO dla mojej strony; w repo są dwie witryny, a priorytet ma AI Economist. Opisuję biznes: pomagam pojedynczym badaczom oraz grupom — warsztatom — wejść na poziom w agentowym kodowaniu; robię też konsultacje dla większych organizacji zainteresowanych poważniejszym wdrożeniem AI, w tym w modelu stałej obsługi (retainera) czy wręcz embedded w zespole. Ruch dziś pochodzi głównie z X, LinkedIn i YouTube oraz z reputacji w zawodzie — do tej pory sporo ludziu pomogłem. Chcę natomiast strategii fraz: co targetować w treściach na AI Economista krótko-, a co długoterminowo.
Do burzy mózgów używam skilla „brainstorm” z zestawu Compound Engineering (Informacja dodatkowa: zewnętrzny pakiet skilli do Claude Code, który ustrukturyzowuje m.in. burze mózgów i planowanie.) — po prostu dostaję z nim lepsze wyniki. Proszę agenta, żeby najpierw upewnił się, że widzi serwer MCP DataForSEO i rozumie jego endpointy, potem przejrzał moją stronę, a dopiero na tym fundamencie pomagał mi pomyśleć strategię. Zatwierdzam zaufanie do przestrzeni roboczej i patrzymy, co wyjdzie.
Agent sam odpytuje API
Skill „brainstorm” korzysta z narzędzia ask-user-question: Claude Code zadaje mi pytania doprecyzowujące, a odpowiedzi kształtują finalną strategię. Pierwsze brzmi: dla jakiego nabywcy ma być optymalizowana treść — dla kupujących warsztaty plus organizacji na retainerze czy dla indywidualnych badaczy szukających korepetycji?
Odpowiadam szczerze: większe kontrakty są ciekawsze i lepiej płatne, zwłaszcza gdy buduję coś na skalę organizacji; mam kilka takich w toku i opowiem o nich, gdy dojrzeją. Ale indywidualnych badaczy nie skreślam — to często oni potem we własnych instytucjach wskazują na mnie palcem. Nie jest to więc wybór „albo–albo”.
W tym czasie Claude Code sporo zrobił sam, bez żadnej ingerencji: potwierdził, że MCP działa; wykazał, że „agentic coding” ma konkretne miesięczne wolumeny; zauważył, że na frazie „agentic coding for economists” jestem już widoczny w wynikach, natomiast na „Claude Code for research” mnie nie ma — rankują przede mną Paul Goldsmith-Pinkham i Pedro Sant’Anna (obaj świetni ekonomiści) oraz ktoś, kogo nie kojarzę, Patrick Manalt. Agent przeszedł też po moich istniejących poradnikach i skillach w repo i na własną rękę odpytał DataForSEO o pakiet fraz: „Stata AI”, „AI for economists”, „Claude Code for research”… Ten ostatni obszar wydaje mi się najwłaściwszy, bo chcę celować w think tanki i instytucje polityki publicznej.
I pada diagnoza strategiczna, którą podpisuję obiema rękami: to biznes o niskim wolumenie i wysokiej wartości klienta. Nie potrzebujesz miliona odwiedzających — potrzebujesz właściwych.
Kształt strategii i ślepota narzędzia na konkurenta
Pytania płyną dalej: czy w strategii mają znaleźć się generyczne treści o Claude Code owinięte w perspektywę badacza — tylko wybrane „mosty”, agresywny klaster takich tekstów, a może cztery–sześć sztuk średniego lejka rocznie? Wybieram agresywny klaster: mogę wytwarzać dużo treści i zbudować systemy agentowe odświeżające je często, więc ryzyko ręcznego utrzymania i korekty przestaje zniechęcać. Poza tym mam kursy i o Claude Code, i o Codexie — widać to w repo — więc chcę obejmować oba narzędzia.
I tu praktyczna obserwacja, którą warto zapamiętać: gdy w Claude Code burzysz mózg nad treściami o kodowaniu agentowym, Claude Code ma wyraźną ślepotę na Codexa. O Codexie nie padnie ani słowo, dopóki sam nie ponaglisz. W drugą stronę to nie działa — w Codexie propozycje treści o Claude Code pojawiają się normalnie. Musiałem powiedzieć wprost: „Nie, chcę też pisać o Codexie 2; wiem, że siedzimy w Claude Code, ale to nie wszystko, co robię”. Dopiero wtedy doszły pomysły w rodzaju „Codex vs Claude Code” — fraza o solidnym wolumenie i niskiej trudności, czyli niskim koszcie wybicia się w rankingu.
Kształt strategii wychodzi taki: fosę stanowi nisza (agentic coding), mosty do szerszych tematów budujemy agresywnie, a domykają je treści komercyjne. Na żywej stronie widać już ten szkic: sekcja „learn” z najważniejszymi materiałami — wykład, który dałem dla VoxDev, organizacji zajmującej się ekonomią rozwoju, dwa duże kursy i spersonalizowane przewodniki dla ekonomistów; dalej „library” z tekstami bardziej szczegółowymi; wreszcie strona szkoleń, która lejek zamyka rezerwacją konsultacji.
Plan treści i artykuł na próbę
Przechodzę do planowania. Skill z Compound Engineering odpala całą serię sub-agentów badawczych — w widoku agentów widać, co porabiają, na przykład przeglądanie wcześniejszych ustaleń. Ten wielowarstwowy, podagentowy tryb pracy po prostu daje mi lepsze rezultaty, dlatego go używam.
Plan wychodzi obszerny; mogę go omówić w rozmowie albo otworzyć do przeczytania — wybieram to drugie. Lista propozycji jest długa: skille w Codexie, MCP w Codexie, hooki w Codexie, sandbox w Codexie; a obok tego „Claude Code dla Stata”, „Claude Code dla R”, „agentowe kodowanie dla pakietów replikacyjnych”, „Claude Code do manuskryptów w LaTeXu”, „Claude Code do przeglądu literatury”. Te ostatnie uważam za naprawdę dobre pomysły i będę je z czasem realizować.
Zapisuję plan w repo i proszę o proces weryfikacji koncepcji: które artykuły próbować najpierw? Rekomendacja: dwa, z czego pierwszy to „Claude Code plan mode”. Argumenty: około 2 900 wyszukiwań miesięcznie, trudność 8, trend +50 proc. miesięcznie, a materiał źródłowy już istnieje — w moim kursie Claude Code i w napisach z YouTube jest z czego czerpać. Do tego szkic, jak za pomocą DataForSEO dobrać do artykułu frazy, które muszą się w nim znaleźć. Zgadzam się i na plan, i na sposób użycia API.
Trzy wywołania API i analiza luki w wynikach
Zgodnie z rekomendacją lecą trzy wywołania DataForSEO: przegląd frazy, sugestie fraz i frazy powiązane. Odpalam i patrzymy, jak MCP daje sobie radę: sam trafia we właściwy endpoint, wie, czego szukać i ile wyników pobrać. Dla „Claude Code plan mode” dostaje wolumeny i wyrażenia pokrewne — na przykład „what is plan mode in Claude code”, czyli gotowy temat na podnagłówek; spora część reszty to tylko przeformułowania tej samej frazy. Wyniki grupują się w trzy klastry semantyczne: definicyjny (to „co to jest” zasługuje na wczesny nagłówek H2, czyli drugi poziom nagłówków w dokumencie), nawigacyjno-instrukcyjny oraz pytania z długiego ogona, czyli sekcja FAQ na koniec. Saldo po tej turze: łącznie wydane 29 centów.
Następnie Claude proponuje „SERP gap analysis”. Przyznam, że nie wiedziałem, co to dokładnie robi — i właśnie dlatego chciałem zobaczyć. Sedno: analiza pokazuje, kto aktualnie rankuje na frazie. A praktyczna heurystyka jest taka: jeśli w czołowej dziesiątce siedzą filmiki z YouTube albo wątki z Reddita, fraza to zwykle łatwy łup — jest szansa, by ją przejąć. W moim przypadku luka okazała się ramowa: nikt w top 10 nie ujmuje plan mode z perspektywy badacza, wszystkie przykłady są generyczne. Wniosek agenta: prowadzić artykuł kadrem badacza, wpleść realny przykład roboczy w Stacie lub R i nieść akademickie E-E-A-T. Z rozwinięciem samego skrótu już bym sobie nie poradził — eksperckość, autorytatywność i tam coś — ale chodzi o sygnały świadczące o wiarygodnej wiedzy w danej dziedzinie. (Informacja dodatkowa: E-E-A-T — Experience, Expertise, Authoritativeness, Trustworthiness — to zestaw kryteriów jakości i wiarygodności, którymi Google ocenia twórców treści.) Najmocniej ważą w tematach medycznych, bo Google chce mieć pewność, że w wynikach nie wyląduje porada jakiegoś szarlatana; przydają się jednak wszędzie.
Powstaje wstępny konspekt. Zapisuję dokumenty badawcze i każę iść dalej: konspekt, a potem pisanie sub-agentami. Podchodzę do tego na luzie — pozwalam napisać całość od ręki, bo jestem ciekaw, jak będzie wyglądał gotowy produkt. Gdybym robił to na poważnie — a chyba zrobię, bo widzę tu realną szansę rozwoju biznesu — poświęciłbym chwilę na decyzję, co zostawić AI, a co pisać samemu; i obowiązkowo podpiąłbym analitykę. Google Analytics jest popularne, ja na swoich projektach używam PostHog. To ostatni element, który szczerze polecam każdemu, kto buduje strategię SEO na DataForSEO.
Sub-agenty piszą artykuł
Szkic powstaje. Otwieram: „Plan mode is a Claude Code feature” — i od razu widać porządne pauzy w środku zdań, jak przystało. Sekcje: czym plan mode naprawdę jest; jak go włączyć; plan mode w akcji; „tak wygląda prompt, który działa” wraz z przykładowym wynikiem; plan mode dla badań odtwarzalnych; plan mode kontra edit mode i tryb domyślny; wreszcie plan mode, sub-agenty i „ultraplan”. Mechanizm jest prosty: agent bierze frazy z DataForSEO i rozbudowuje wokół nich poszczególne sekcje.
Pisać kazałem sub-agentami, bo z doświadczenia wiem, że gdy zleci się Claude Code albo Codexowi zadanie za duże na jeden rzut, wykonają je byle jak. Każdy sub-agent działa we własnym oknie kontekstu: Claude Code dzieli tekst na kawałki i rozdziela je między wykonawców, dzięki czemu pisanie biegnie równolegle. Na końcu dochodzi sekcja FAQ, łapiąca kolejne frazy, oraz konkluzja składana dopiero, gdy sub-agenty skończą.
I tak powstaje szkic porządnie dopasowany do całego zestawu fraz istotnych dla mojego biznesu — przy czym ja praktycznie w ogóle nie muszę myśleć o samym ich wyszukiwaniu, bo Claude Code z MCP DataForSEO przeprowadza tę analizę sam i robi to naprawdę sprawnie.
Na koniec
Jeśli prowadzisz aplikację, świadczysz usługi konsultingowe albo zajmujesz się lokalnym SEO — przetestuj taki schemat pracy; szczerze polecam. A jeśli któreś pojęcia związane z Claude Code były ci obce, w moim serwerze AI MBA znajdziesz kurs dla początkujących: opiera się raczej na interfejsie terminalowym niż desktopowym (nowy materiał o aplikacji desktopowej jest w planach), a towarzyszy mu około pięćdziesięciu slajdów. Moim obecnie preferowanym narzędziem jest desktopowy Codex — wszystko, co tu pokazałem, zrobisz także w nim; ma czterogodzinny kurs sprzed tygodnia i ponad dwieście slajdów. A jeśli chcesz indywidualnego mentorstwa, żeby wejść na sam front agentowego kodowania — na serwerze dostaniesz moje osobiste playbooki (na przykład jak licytuję zlecenia na Upwork), gotowe skille i grupowe spotkania, na których możesz pytać o cokolwiek. Do zobaczenia.