Encje w SEO – jak Google rozpoznaje temat, markę i powiązania między treściami?

Czym jest encja w SEO i czym różni się od słowa kluczowego?

Encje w SEO to rozróżnialne obiekty lub pojęcia, takie jak organizacja, osoba, produkt albo miejsce, opisane przez znaczenie, atrybuty i relacje. Google Knowledge Graph, Schema.org i Wikidata operują na takich uporządkowanych bytach; dokumentacje tych trzech źródeł były aktualne w 2025 roku. Fraza pozostaje tekstem, natomiast encja wskazuje jego możliwy referent.

Jakie obiekty mogą być encjami semantycznymi?

Encją może być każdy możliwy do odróżnienia byt, któremu da się przypisać nazwę, typ, właściwości i relacje z innymi obiektami.

Firma może występować jako encja typu Organization, jej właściciel jako Person, a oferowana usługa jako osobne pojęcie. Dla Google znaczenie ma nie tylko nazwa. Liczy się również otoczenie: opis działalności, autorzy, adres, oferta, cytowane źródła oraz dokumenty połączone linkami.

• Organizacja – butikowa agencja SEO ma nazwę, domenę, zakres usług, siedzibę, pracowników i profile firmowe.
• Osoba – specjalista SEO może mieć imię i nazwisko, rolę zawodową, biogram, publikacje oraz relację z organizacją.
• Produkt lub usługa – audyt SEO posiada zakres, cenę, wykonawcę, odbiorcę i określony rezultat biznesowy.
• Miejsce – Warszawa może występować jako miasto, obszar obsługi agencji albo lokalizacja opisywanego wydarzenia.
• Pojęcie – link building jest procesem powiązanym z odnośnikami, domenami odsyłającymi, anchorami i oceną jakości źródeł.

Encja nie jest ozdobnikiem tekstu, lecz jednoznacznym punktem odniesienia, którego znaczenie wynika z cech, kontekstu i relacji.

Czym encja różni się od frazy kluczowej?

Encja jest znaczeniem lub rzeczywistym obiektem, a fraza kluczowa pozostaje ciągiem znaków wpisanym do wyszukiwarki albo umieszczonym w dokumencie.

Zapytanie „apple wyniki” może odnosić się do spółki Apple, wyników finansowych, rezultatów wyszukiwania produktu albo treści o owocach. Dopiero współwystępujące pojęcia, takie jak iPhone, NASDAQ, sadownictwo czy wartość odżywcza, ograniczają zbiór interpretacji. To właśnie ujednoznacznianie encji.

Jak Google odróżnia znaczenia tej samej nazwy?

Google analizuje kontekst zdania, temat dokumentu, współwystępujące nazwy, strukturę serwisu i informacje pochodzące z innych źródeł.

Nie oznacza to, że znana jest pełna metoda działania systemów wyszukiwania. Named entity recognition opisuje wykrywanie nazwanych obiektów, lecz samo wykrycie słowa nie przesądza jeszcze, do którego bytu prowadzi. Potrzebne są atrybuty i relacje. Nie istnieje też potwierdzona „gęstość encji”, po której tekst automatycznie osiąga wyższą pozycję.

Jak wyszukiwarka łączy informacje o temacie i relacjach?

Wyszukiwarka łączy informacje przez rozpoznawanie obiektów, przypisywanie im możliwych typów oraz analizę relacji występujących w dokumencie i między dokumentami. Google Knowledge Graph stanowi jedną z warstw organizacji wiedzy, ale oficjalna dokumentacja Knowledge Graph Search API nie opisuje pełnego algorytmu rankingu ani wszystkich sygnałów używanych w wynikach organicznych.

Jak przebiega rozpoznawanie nazw i atrybutów?

Proces zaczyna się od wykrycia nazwy, po czym system ocenia kontekst, możliwy typ encji i cechy pozwalające odróżnić ją od obiektów o podobnej nazwie.

Zdanie „Agencja ITP prowadzi kampanie link buildingowe dla sklepów internetowych” łączy organizację z usługą, grupą klientów i procesem. Kolejne fragmenty mogą dodać autorów, obszar działalności, adres domeny oraz wyniki projektów. Zbiór takich zgodnych informacji jest czytelniejszy niż kilkanaście przypadkowych powtórzeń nazwy.

1. Rozpoznanie nazwy – system identyfikuje fragment tekstu, który może oznaczać osobę, organizację, produkt albo miejsce.
2. Klasyfikacja typu – nazwa zostaje powiązana z możliwą kategorią, na przykład Organization lub Person.
3. Analiza atrybutów – branża, adres, domena i opis usług pomagają ograniczyć błędne interpretacje.
4. Ocena relacji – współwystępujące osoby, usługi, publikacje i lokalizacje tworzą kontekst encji.
5. Porównanie źródeł – spójne dane w serwisie i realnych profilach zewnętrznych mogą ułatwić identyfikację organizacji.

Czym jest Google Knowledge Graph?

Google Knowledge Graph to system organizujący informacje o rozpoznanych encjach, ich identyfikatorach, właściwościach i wzajemnych powiązaniach.

Graf wiedzy nie jest tym samym co panel wiedzy widoczny w wynikach. Panel stanowi jedną z możliwych form prezentacji informacji. Knowledge Graph Search API pozwalało wyszukiwać encje i ich identyfikatory, ale nie dawało dostępu do pełnej infrastruktury Google ani reguł rankingu.

Parafraza dokumentacji: Knowledge Graph Search API umożliwia wyszukiwanie encji znajdujących się w Google Knowledge Graph i zwraca informacje o najlepiej dopasowanych obiektach. Źródło: Google Developers, Knowledge Graph Search API, dokumentacja dostępna w 2025 roku.

Czy wszystkie wykryte relacje wpływają na ranking?

Nie, samo wykrycie relacji semantycznej nie oznacza, że stała się ona bezpośrednim sygnałem rankingowym albo poprawi pozycję dokumentu.

Dokumentacja patentowa i badania naukowe pomagają wyjaśniać mechanizmy ekstrakcji informacji. Nie dowodzą jednak, że każda opisana metoda działa w aktualnej wersji Google Search. W pracy redakcyjnej rozdzielam trzy poziomy pewności:

• Fakt udokumentowany – Google deklaruje, że dane uporządkowane przekazują jawne wskazówki o znaczeniu strony.
• Obserwacja analityczna – poprawa architektury może zbiegać się ze wzrostem liczby zapytań klastra, lecz wymaga kontroli innych zmian.
• Hipoteza branżowa – konkretna liczba encji lub relacji nie ma publicznie potwierdzonego progu rankingowego.
• Nadużycie interpretacyjne – znalezienie patentu nie potwierdza wdrożenia opisanego rozwiązania w produkcyjnym algorytmie.

Jak ujednoznacznić markę jako encję?

Ujednoznacznienie marki wymaga jednej nazwy, zgodnych danych firmy, jasno opisanej specjalizacji oraz prawdziwych profili referencyjnych. Dla butikowej agencji SEO strona „O nas”, dane Organization, autorzy typu Person i właściwie użyte sameAs powinny przedstawiać tę samą organizację. Nieaktualne adresy oraz różne warianty nazw komplikują identyfikację.

Jakie informacje powinna zawierać strona „O nas”?

Strona „O nas” powinna najpierw wskazać pełną nazwę firmy, zakres działalności, zespół, obszar obsługi i sposób kontaktu.

Z mojej praktyki wynika, że problem często zaczyna się od drobiazgów: w stopce widnieje skrócona marka, w katalogu dawna nazwa prawna, a profil społecznościowy prowadzi do nieaktywnej domeny. Robot otrzymuje wtedy kilka wariantów tożsamości. Człowiek również traci zaufanie.

• Nazwa organizacji – jedna forma marki powinna występować w nagłówku strony firmowej, stopce i danych uporządkowanych.
• Specjalizacja – opis powinien wskazywać pozycjonowanie, content marketing, publikacje sponsorowane i link building.
• Osoby – biogram autora powinien łączyć Person z rolą, doświadczeniem i rzeczywistymi publikacjami.
• Dane kontaktowe – adres e-mail, telefon i lokalizacja muszą odpowiadać informacjom dostępnym klientom.
• Dowody działalności – studia przypadków, dane projektów i podpisane artykuły pokazują relacje marki z usługami.
• Profile zewnętrzne – odnośniki powinny prowadzić do aktywnych profili należących do tej samej organizacji.

Do czego służą Organization i sameAs?

Organization opisuje organizację i jej właściwości, natomiast sameAs wskazuje stronę, która jednoznacznie identyfikuje ten sam obiekt.

Właściwość sameAs nie jest katalogiem wszystkich publikacji wspominających firmę. Nie zastępuje też canonical ani zwykłego linku do partnera. Zgodnie ze słownikiem Schema.org powinna prowadzić do jednoznacznego profilu lub rekordu tej samej organizacji, na przykład oficjalnego profilu firmowego (źródło: Schema.org Vocabulary, 2025).

Parafraza definicji: właściwość sameAs wskazuje stronę referencyjną, która jednoznacznie identyfikuje opisywany obiekt. Źródło: Schema.org Vocabulary, 2025.

Czy firma musi mieć wpis w Wikidata?

Nie, wpis w Wikidata nie jest wymagany do pozycjonowania firmy, rozpoznania jej usług ani uzyskania ruchu organicznego.

Wikidata jest publiczną bazą, w której obiekty otrzymują identyfikatory, właściwości i relacje. Baza ma własne zasady dotyczące źródeł i znaczącości. Nie należy zakładać rekordu wyłącznie po to, aby „stworzyć encję SEO”. Znacznie sensowniejsze jest uporządkowanie strony, profili, autorów i danych firmy.

Jak encje budują kontekst klastra tematycznego?

Encje budują kontekst klastra wtedy, gdy centralny temat zostaje rozpisany na atrybuty, procesy, odbiorców i problemy, a każdy dokument odpowiada na odrębną intencję. Dla encji „butikowa agencja SEO” relacje mogą obejmować Google Search Central, Schema.org, content marketing, audyt, link building oraz właścicieli sklepów internetowych.

Jak zaplanować encję centralną i dokumenty wspierające?

Pierwszy krok polega na wskazaniu encji centralnej, a następnie przypisaniu jej atrybutów, procesów, odbiorców oraz pytań, które wymagają osobnych odpowiedzi.

Tak powstaje topical authority i klastry tematyczne. Nie chodzi o tworzenie stu wariantów jednego tekstu. Każda podstrona musi mieć własny cel. Strona usługi odpowiada na intencję transakcyjną, poradnik wyjaśnia proces, a studium przypadku dokumentuje zastosowanie metody.

• Encja centralna – butikowa agencja SEO stanowi główny punkt odniesienia dla oferty i wiedzy.
• Atrybut usługi – audyt techniczny opisuje zakres analizy, dane wejściowe, problemy i rezultat.
• Proces – publikacje sponsorowane łączą wydawcę, artykuł, domenę odsyłającą, koszt i cel kampanii.
• Odbiorca – sklep internetowy ma inne potrzeby niż lokalny gabinet lub producent działający B2B.
• Problem – kanibalizacja fraz łączy konkurujące adresy URL, podobną intencję i niejasny podział treści.
• Dowód – case study wiąże usługę z okresem realizacji, zakresem prac i mierzalnym wynikiem.

Czy większa liczba encji oznacza lepszy tekst?

Nie, większa liczba encji nie poprawia automatycznie tekstu; pomaga tylko taki byt, który doprecyzowuje odpowiedź albo konieczną relację.

Obserwuję regularnie teksty, w których autor dopisuje nazwy narzędzi, ekspertów i standardów bez funkcji redakcyjnej. Powstaje pozór głębi. Jeśli artykuł o architekturze informacji nagle omawia pięć systemów reklamowych, kontekst słabnie. Lepszy tekst ma mniej bytów, ale pokazuje ich atrybuty i zależności.

Jak macierz pokrycia ogranicza luki i kanibalizację?

Macierz pokrycia przypisuje każdej encji atrybut, intencję, dokument źródłowy oraz relację z innymi adresami URL.

Topical depth powstaje z pełnego opisania potrzebnych relacji, a nie z mechanicznego zwiększania liczby nazwanych encji.

Jak linkowanie wewnętrzne opisuje relacje między treściami?

Linkowanie wewnętrzne opisuje relacje przez anchor, zdanie otaczające odnośnik oraz znaczenie stron źródłowej i docelowej. Link może kierować użytkownika od definicji do procedury, z usługi do studium przypadku albo z audytu do rozwiązania. Nie służy wyłącznie przenoszeniu sygnałów popularności między adresami URL.

Jak tworzyć linkowanie kontekstowe?

Zacznij od określenia, czego użytkownik potrzebuje po przeczytaniu danego fragmentu, a następnie skieruj go do najlepszego rozwinięcia tej kwestii.

Jeśli akapit omawia rozkład anchorów, naturalnym celem będzie strategia linkowania wewnętrznego, a nie strona główna. Gdy tekst opisuje konkurujące intencje, logicznym rozwinięciem jest audyt contentu i kanibalizacji. Anchor powinien zapowiadać zawartość strony docelowej.

• Definicja do procedury – artykuł o encjach prowadzi do instrukcji budowy klastra.
• Problem do rozwiązania – opis osieroconej strony kieruje do procesu naprawy architektury.
• Usługa do dowodu – strona link buildingu prowadzi do case study kampanii.
• Temat ogólny do szczegółu – poradnik o semantic SEO odsyła do strony o Organization schema.
• Treść do źródła – claim techniczny prowadzi do oficjalnej dokumentacji Google Search Central.

Czy każdy anchor powinien zawierać frazę kluczową?

Nie, każdy anchor nie musi zawierać ścisłej frazy kluczowej, ale powinien jasno określać relację i oczekiwaną zawartość strony docelowej.

Naturalny profil obejmuje anchory opisowe, nazwy pojęć, marki i krótkie wezwania wynikające ze zdania. Powtarzanie identycznego anchora w kilkudziesięciu miejscach zubaża język. Gorszy problem pojawia się wtedy, gdy ten sam anchor kieruje do kilku stron o podobnej intencji.

Jak dane uporządkowane wspierają identyfikację encji?

Dane Schema.org jawnie opisują organizację, autora, witrynę i relacje obecne w widocznej treści. Według Google Search Central poprawny markup może pomóc systemom zrozumieć stronę, lecz nie gwarantuje wyniku rozszerzonego, pozycji ani panelu wiedzy. Wytyczne sprawdzono na podstawie dokumentacji dostępnej w 2025 roku.

Jakie typy Schema.org pasują do serwisu agencji?

Serwis agencji najczęściej wykorzystuje Organization, Person, WebSite, Article i BreadcrumbList, o ile każdy typ odpowiada zawartości dostępnej użytkownikowi.

• Organization – opisuje nazwę firmy, domenę, logo, dane kontaktowe i prawdziwe profile referencyjne.
• Person – identyfikuje autora, jego rolę oraz relację z publikacją lub organizacją.
• WebSite – wskazuje witrynę i jej nazwę, lecz nie zastępuje informacji o firmie.
• Article – opisuje artykuł, autora, daty i podmiot publikujący.
• BreadcrumbList – przedstawia położenie dokumentu w hierarchii serwisu.
• FAQPage – może opisywać widoczny blok pytań, jeśli aktualne wytyczne Google dopuszczają dane zastosowanie.

Czy poprawny markup gwarantuje rich result?

Nie, poprawne dane uporządkowane nie gwarantują rich result, wyższej pozycji ani rozpoznania marki w Google Knowledge Graph.

Parafraza wytycznych: dane uporządkowane przekazują Google jawne wskazówki o znaczeniu strony, ale poprawne oznaczenie nie gwarantuje wyświetlenia wyniku rozszerzonego. Źródło: Google Search Central, Understand how structured data works, 2025.

Test wyników rozszerzonych sprawdza składnię oraz wybrane wymagania kwalifikacyjne. Nie potwierdza pełnego zrozumienia encji. Po wdrożeniu danych uporządkowanych w SEO porównuję kod z treścią widoczną, zamiast ograniczać kontrolę do zielonego komunikatu narzędzia.

Jak uniknąć nadużywania sameAs i Organization?

Używaj sameAs tylko dla stron identyfikujących ten sam obiekt, a właściwości Organization wypełniaj danymi zgodnymi z widoczną treścią firmy.

Nie należy dodawać profilu klienta, artykułu sponsorowanego ani katalogu branżowego jako sameAs tylko dlatego, że zawiera wzmiankę o marce. Organization schema nie służy również do deklarowania nagród, opinii lub lokalizacji, których użytkownik nie może zweryfikować na stronie.

Czy Knowledge Graph jest konieczny do pozycjonowania?

Nie, udokumentowana obecność marki w Google Knowledge Graph nie jest warunkiem osiągania pozycji organicznych. Knowledge Graph Search API opisuje dostęp do informacji o encjach, ale nie ustanawia kryterium rankingu. Firma może pozyskiwać ruch dzięki trafnym treściom, indeksowalności, linkom i reputacji bez widocznego panelu wiedzy.

Co wiadomo z dokumentacji Google?

Dokumentacja potwierdza istnienie systemów i interfejsów związanych z encjami, lecz nie ujawnia pełnej metody ich użycia w rankingu.

• Google Search Central – dokumentacja potwierdza rolę danych uporządkowanych jako jawnych wskazówek o stronie.
• Knowledge Graph Search API – interfejs udostępniał wyszukiwanie encji i podstawowe dane o dopasowaniach.
• Schema.org – słownik definiuje typy Organization, Person oraz właściwość sameAs.
• Wikidata – baza pokazuje model identyfikatorów, właściwości i relacji, ale nie jest warunkiem rankingu.
• Google Knowledge Graph – system nie jest synonimem panelu wiedzy ani Google Search Console.

Czego nie można uczciwie obiecać?

Nie można uczciwie obiecać panelu wiedzy, utworzenia encji ani wzrostu pozycji po samym dodaniu znaczników Schema.org.

Nie ma też publicznie potwierdzonej liczby wzmianek, linków czy profili, która gwarantowałaby rozpoznanie organizacji. Spójność danych ogranicza niejednoznaczność, ale nie stanowi gwarancji konkretnej prezentacji marki w wynikach Google.

Jak przeprowadzić audyt encji i spójności marki?

Audyt encji zaczyna się od spisu nazw, wariantów, atrybutów, dokumentów i relacji, a kończy oceną indeksacji, zapytań oraz ruchu całego klastra. Kontrola powinna objąć widoczną treść, Organization schema, autorów Person, profile sameAs i linkowanie wewnętrzne. Sam test poprawności znaczników nie mierzy efektu semantic SEO.

Jak wykonać audyt encji krok po kroku?

Wykonaj audyt w sześciu krokach: zinwentaryzuj encje, przypisz atrybuty, znajdź dokumenty źródłowe, sprawdź relacje, porównaj markup i oceń wyniki po ponownej indeksacji.

1. Spisz encje podstawowe – uwzględnij markę, osoby, usługi, lokalizacje, narzędzia i standardy rzeczywiście istotne dla firmy.
2. Zapisz warianty nazw – porównaj nazwę handlową, nazwę prawną, skróty oraz formy używane na profilach.
3. Przypisz dokument źródłowy – wskaż stronę, która najpełniej opisuje każdą encję i jej kluczowe atrybuty.
4. Sprawdź relacje – oceń linki między usługami, poradnikami, autorami i studiami przypadków.
5. Porównaj dane uporządkowane – zweryfikuj zgodność Organization, Person i sameAs z widoczną treścią.
6. Usuń konflikty intencji – połącz, rozdziel albo przekieruj dokumenty, które konkurują o tę samą odpowiedź.
7. Mierz efekt – analizuj indeksację, zapytania, strony wejścia i ruch klastra, nie tylko pozycję jednej frazy.

Jak sprawdzić poprawność danych uporządkowanych?

Najpierw porównaj każdą właściwość z widoczną stroną, następnie zweryfikuj składnię i dopiero na końcu sprawdź raporty Google Search Console.

Dane sprawdzone przed publikacją powinny odpowiadać aktualnym wytycznym Google Search Central i wersji słownika Schema.org. W przypadkach, które prowadziłem, najczęstsze błędy obejmowały stary adres logo, profil niebędący tożsamością marki oraz autora bez dostępnego biogramu.

Jak mierzyć efekt semantic SEO?

Efekt semantic SEO mierzy się po indeksacji zmian przez porównanie widoczności całego klastra, liczby trafnych zapytań, ruchu organicznego i kanibalizacji adresów URL.

Okres oceny zależy od częstotliwości crawlowania i skali serwisu, dlatego nie przypisuję uniwersalnego terminu. Analizuję zestaw zmian: które dokumenty zyskały zapytania, czy Google wybiera właściwy URL, jak zmieniły się przejścia wewnętrzne i czy nowe podstrony wypełniły rzeczywistą lukę.

Najczęściej zadawane pytania

Co to jest encja w SEO?

Encja w SEO to rozróżnialny obiekt lub pojęcie, na przykład firma, osoba, produkt, miejsce albo proces. Jej znaczenie opisują atrybuty i relacje z innymi bytami, a tekst stanowi jeden ze sposobów odwołania się do tej encji.

Czym encja różni się od słowa kluczowego?

Encja jest znaczeniem lub obiektem, a słowo kluczowe jest tekstem użytym w zapytaniu albo dokumencie. Jedna fraza może wskazywać kilka encji, dlatego system potrzebuje kontekstu do wybrania właściwej interpretacji.

Czy dane Schema.org tworzą encję marki?

Nie, Schema.org nie tworzy automatycznie encji marki. Markup przekazuje jawne informacje, ale musi odpowiadać widocznej treści, prawdziwym danym firmy i jej rzeczywistym profilom.

Czy firma musi mieć wpis w Wikidata?

Nie, Wikidata nie jest warunkiem widoczności ani pozycjonowania firmy. Baza ma własne kryteria dotyczące źródeł, a sztuczne tworzenie rekordu nie zastąpi spójnej komunikacji marki.

Czy więcej encji poprawia pozycję strony?

Nie, sama liczba encji nie gwarantuje poprawy pozycji. Tekst powinien zawierać tylko takie obiekty, które pomagają odpowiedzieć na intencję, doprecyzować temat albo wyjaśnić istotną relację.

Jak linkowanie wewnętrzne wspiera relacje semantyczne?

Linkowanie wewnętrzne łączy dokumenty przez anchor, kontekst zdania i znaczenie strony docelowej. Najlepszy link prowadzi do logicznego rozwinięcia tematu, procedury, dowodu lub rozwiązania opisanego problemu.

Czy panel wiedzy potwierdza lepsze pozycjonowanie?

Nie, panel wiedzy nie potwierdza automatycznie wyższych pozycji organicznych. Jest formą prezentacji informacji o encji, natomiast ranking dokumentów zależy od szerszego zestawu systemów i sygnałów.

Jak często aktualizować dane encji marki?

Dane trzeba sprawdzić po każdej zmianie nazwy, domeny, adresu, zespołu lub profili firmowych, a pełny przegląd przeprowadzać przynajmniej raz w roku. Wytyczne Google dotyczące danych uporządkowanych najlepiej kontrolować także bezpośrednio przed większym wdrożeniem.

Źródła i literatura

Poniższe źródła opisują dane uporządkowane, typy encji i modele organizowania informacji. Stan dokumentacji sprawdzono według materiałów wskazanych w briefie na 2025 rok.

Jakie dokumentacje stanowią podstawę techniczną?

Podstawę stanowią oficjalne wytyczne Google Search Central oraz słownik Schema.org, ponieważ definiują deklarowane zastosowanie danych uporządkowanych i właściwości opisujących obiekty.

Jak korzystać ze źródeł bez nadinterpretacji?

Dokumentację należy traktować jako potwierdzenie opisanych funkcji, a nie dowód istnienia konkretnego czynnika rankingowego. Patenty, API i publiczne bazy wiedzy nie ujawniają pełnego działania systemów Google Search.

1. Google Search Central – Understand how structured data works, dokumentacja danych uporządkowanych, 2025.
2. Schema.org Vocabulary, słownik typów i właściwości, w tym Organization, Person oraz sameAs, 2025.
3. Google Developers, Knowledge Graph Search API, oficjalna dokumentacja interfejsu informacji o encjach, dostępna w 2025 roku.
4. Wikidata, publiczna baza ustrukturyzowanych obiektów, właściwości i relacji, 2025.
5. Google Search Central, dokumentacja kwalifikacji danych uporządkowanych do wyników rozszerzonych, stan według materiałów dostępnych w 2025 roku.

Przeczytaj również

• Topical authority – jak zbudować autorytet tematyczny strony firmowej?
• Klastry tematyczne – jak zaplanować treści wspierające ofertę i sprzedaż?
• Mapa tematyczna serwisu – jak przejść od fraz kluczowych do planu publikacji?

Potrzebujesz wsparcia przy pozycjonowaniu? Zobacz, jak pracujemy albo poproś o bezpłatną wycenę.

Jacek Ślesicki

W SEO od 2016 roku. Zbudowałem i utrzymuję własną sieć ponad 150 serwisów tematycznych, na których zrealizowałem ponad 1000 publikacji — publikuję u siebie, nie pośredniczę. Prowadzę Agencję ITP i osobiście odpowiadam za strategię każdego projektu.