Mentionsy

One Man Woman Empire Podcast
One Man Woman Empire Podcast
27.08.2025 10:15

Do analiz używam starszego brata AI Machine Learning. Piotr Litwa

🎧 Jak zmienia się analityka internetowa w erze AI? Co dziś warto mierzyć, a co straciło sens? Jak zacząć karierę w digitalu jako analityk danych?

W 14. odcinku podcastu Od Juniora do Digital PRO rozmawiam z Piotrem Litwą – praktykiem z 15-letnim doświadczeniem w analityce internetowej i wdrażaniu narzędzi takich jak Google Analytics, GTM, Matomo, Piwik PRO i Adobe Analytics.

📊 W tym odcinku:

Jak działa Google AI Overview i co zmienia w SEO i analityce Jakie metryki analityczne mają dziś sens, a które można wyrzucić do kosza Co to jest machine learning i jak różni się od ChatGPT Jak wdrażać narzędzia analityczne od zera (nawet w domowym WordPressie) Jak zacząć karierę jako analityk danych – krok po kroku Kluczowe kompetencje w analityce digitalowej – i czy warto jeszcze uczyć się programowania

🎯 To odcinek dla każdego, kto:

zaczyna przygodę z analityką internetową, pracuje w digitalu i chce zrozumieć dane, chce przebranżowić się do świata danych, tagów, AI i mierzenia efektywności.

🔗 LINKI i materiały z odcinka:

📚 Dokumentacja Google Analytics (GA4) 🧰 Google Tag Manager – oficjalna dokumentacja developerska 📈 Conversion.pl – blog o analityce 🌐 Simo Ahava – blog techniczny o GTM i GA4 (EN) 🎥 MeasureSchool – YouTube: GA, GTM i analityka 💼 Piotr Litwa – LinkedIn

💬 Jak zawsze – daj znać w komentarzu, co Cię najbardziej zaskoczyło albo z czym się zgadzasz (lub nie). Co tydzień nowy odcinek, codziennie nowy short.

📢 Zasubskrybuj, żeby nie przegapić kolejnych rozmów o karierze w digitalu!

#analitykainternetowa #googleanalytics #karierawdigitalu #przebranazowienie #pracajutra #nowapraca #pracazdalna #ai #llm

🎯 Partnerem odcinka jest Praca Jutra – właściciel Akademii oraz Akceleratora Kariery.
🌐 www.pracajutra.pl

Rozdziały (6)

1. Oнстру拜师学艺

Piotr Litwa porównuje narzędzia do analizy danych, takie jak Adobe Analytics, Piwik Pro i Google Analytics, podkreślając ich zalety i wady.

2. Kompetencje analityka

Rozmowa o kluczowych kompetencjach analityka, takich jak testowanie, ufanie statystyce i umiejętności programowania.

3. Rola AI w analityce

Piotr Litwa omawia rolę AI w analityce, podkreślając potrzebę zrozumienia tego narzędzia i zanieczyszczenia danych.

4. Implementacja i nauka narzędzia

Piotr Litwa podkreśla, że pierwszym krokiem do stania się analitykiem jest implementacja narzędzia, takiego jak Google Analytics, a następnie nauka jego dokumentacji i analiza danych.

5. Grupy i zasoby na sieci

Rozmowa o dostępnych grupach na sieci, takich jak na Facebooku, LinkedInie czy Discordzie, oraz o źródłach wiedzy, takich jak blogi i strony internetowe.

6. Źródła wiedzy dla analityków

Piotr Litwa podaje źródła wiedzy dla młodych analityków, w tym blogi i strony internetowe, które są najbardziej aktualne i użyteczne.

Szukaj w treści odcinka

Znaleziono 25 wyników dla "AI"

Nie korzystam z AI Analyticsa, ja skorzystam z jego pierwotnej formy, czyli Machine Learningu.

Czym jest Google AI Overview?

Metryki, wszystkie metryki, które straciły na znaczeniu, to są metryki, gdzie AI może nam dawać wszelkiego rodzaju podpowiedzi, odpowiedzi, a te, co zyskały, to są długofalowe budowania.

Ja widzę, Piotrek, mam sporo ludzi w sieci na LinkedInie i zaczynają się dyskusje na temat tego, jak Google AI Overviews namieszały na rynku.

Czym jest Google AI Overview?

Jeżeli jesteśmy nowatorską firmą i dużo wykorzystujemy nowych technologii lub czegoś, co jest łatwo wysentytyzować w AI,

To w tym momencie możemy mieć duże spadki, jeżeli nie zaangażujemy AI do swojej strony.

Między innymi zasysać contentem AI, naszym contentem, żeby on promował jakby przy tym naszą stronę i z naszej strony syntetyzował wiedzę dla klientów czy użytkowników.

Natomiast mogę powiedzieć, że na pewno wzrasta ruch z AI ogólnie pojętych do naszych witryn oraz spada ruch organiczny i troszkę porównam to do roku mobile.

Okej, to wiesz co, takie pogłębiające pytanie, no bo jakby poza kamerą też rozmawialiśmy trochę, że zmienia się sposób w jaki ludzie poruszają się w ogóle po stronach, więc jak sobie myślimy o tym, że te LLM-y, czyli ten ogólnie rozumiany AI, no jakby już funkcjonuje, no to właśnie, jak w ogóle ustawić się do tego z punktu widzenia biznesu, tak?

No bo zakładam, ja tak chłopsko rozumuję, też mam jakąś stronę internetową, no i powiedzmy, że są jakieś frazy, na których mi zależy, no i teraz tak, ludzie wpisują i gdzieś tam pojawia się ten wynik zaproponowany przez AI, to co ja powinienem tak naprawdę obserwować?

I w jaki sposób cały LRM na to wpływa, czy całe AI na to wpływa?

Machine Learning, przepraszam bardzo, z AI różnego rodzaju, czy to właśnie Cloud, czy to ChatGPT, czy to DeepSeq.

Zatem najprościej obserwując to jest to, czy nasi użytkownicy przychodzą z narzędzi AI-owych i to będzie taka

Chodzi do AI, a to jesteśmy dopiero na początku.

Jak byśmy porównali do świata przed AI?

Dobra, porównajmy to do świata przed AI.

Powiedzmy sobie, jaki był świat przed AI.

Wracając do świata przed AI-em, podzielmy sobie nasz ruch przed AI-em.

Mam tutaj na myśli SERP-y, czyli organiczne wyszukiwanie oraz PAID-y.

Czyli Organic i PAID jest jakby jednym.

Natomiast jeżeli już użytkownik został przekierowany do nas z jakiegoś powodu, AI mu nie dało tej możliwości, albo AI, tak jak mówiłem, odesłało do nas, to ważny będzie współczynnik zaangażowania w tym przypadku, bo już użytkownik, który trafił, który ma już nas na przykład za AI albo odnajduje coś u nas, czego nie mógł znaleźć w AI, to już widzimy, że zaangażowana jest ważna.

Zatem metryki, wszystkie metryki, które straciły na znaczeniu, to są metryki, gdzie AI może nam dawać wszelkiego rodzaju odpowiedzi,

Natomiast tu chodzi o zaangażowanie klienta, więc LTV w przypadku wszelkiego rodzaju sasów, jest to chain, bardzo użyteczna metryka, która mówi nam,

Czyli nasz użytkownik, często będąc naiwnym, że to jest prawdziwy użytkownik, a nie ciasteczko w naszej przeglądarce, które można wykasować, można mieć trzy urządzenia.