Tutaj trzymam pełniejszą dokumentację każdego projektu: link do działającego narzędzia, repozytorium, artykułu, aktualnej wersji i zmian w czasie. Narzędzia będą się rozwijać iteracyjnie, więc case study jest żywą kartą projektu: co dodaliśmy, co zmieniliśmy, dlaczego i czego nauczyła nas kolejna wersja.
Pierwsze narzędzie z ekosystemu pokazmnie: przeglądarkowy MVP do sprawdzania, co Wayback Machine pamięta o domenie. Bez płatnych API, bez logowania, z jasnymi ograniczeniami danych.
Aktualna wersja
v0.1 MVP
Update: 2026-05-10
Co oznacza ten stan
Publiczna wersja działa jako darmowy, próbkowany raport historii domeny. Kolejne iteracje powinny dopracować cache/fallback Wayback, jakość raportu i większą stabilność danych z CDX.
Problem
SEO specialist albo freelancer często przejmuje domenę bez kontekstu: nie wie, czy wcześniej była firmą, parkingiem, spamem, blogiem albo porzuconym projektem. Płatne narzędzia pokazują dużo danych, ale prosty historyczny rekonesans da się zrobić bez drogiego stacku.
Co zrobiłem
Narzędzie pobiera próbkowaną historię z Wayback Machine, wyciąga title, meta description, H1, canonical, robots, schema i historyczne URL-e, a potem pokazuje timeline, sygnały ryzyka i raport Markdown.
Czego się nauczyłem
Zakres MVP został świadomie przycięty: żadnych backlinków, DataForSEO, GSC, GA4, logowania ani płatności. Najważniejsze jest uczciwe pokazanie źródła danych, limitów Wayback i wartości portfolio.
Historia zmian
Dodano krótki artykuł blogowy wyjaśniający zamysł, obecną wersję i kierunek rozwoju.
Dodano publiczne demo na /narzedzia/seo-time-machine.
Dodano analizę Wayback CDX, live crawl, risk score i eksport Markdown.
Przycięto limity hostowanej wersji, żeby narzędzie mieściło się w darmowym budżecie i czasie odpowiedzi Vercel.
GSC Opportunity Finder — priorytetyzacja danych z Search Console
Browser-only narzędzie do importu CSV z Google Search Console. Układa query + page w kolejkę pracy: quick wins, okazje CTR, topic expansion i przypadki, gdzie intencja frazy nie pasuje do strony.
Aktualna wersja
v0.1 CSV MVP
Update: 2026-05-10
Co oznacza ten stan
Aktualna wersja działa lokalnie w przeglądarce na eksporcie CSV z GSC. Następne sensowne kroki to praca na prawdziwych eksportach, grupowanie SQL/Python i później integracja z GSC API.
Problem
Eksport z GSC daje dużo wierszy, ale sam z siebie nie mówi, od czego zacząć. Page-level średnia pozycja potrafi mylić, query trzeba analizować osobno, a niski CTR może wynikać z intencji, snippetu albo układu SERP-u.
Co zrobiłem
Narzędzie czyta CSV lokalnie w przeglądarce, rozpoznaje nagłówki po polsku i angielsku, klasyfikuje wiersze według reguł SEO, nadaje score 0-100, pozwala filtrować kategorie i eksportować raport Markdown.
Czego się nauczyłem
Projekt zamienia teorię GSC w działający workflow: najpierw intent match, potem pozycja, wyświetlenia i CTR. Dodatkowo utrwala podejście privacy-first, bo plik CSV nie trafia do API ani bazy.
Historia zmian
Dodano krótki artykuł blogowy wyjaśniający zamysł, klasyfikację i roadmapę narzędzia.
Dodano import CSV po stronie przeglądarki bez wysyłania danych na serwer.
PAUZA·2026·paused case study·Next.js 16 · Supabase · Stripe · Tailwind · AI SDK · Claude Code
seohelper — SaaS dla local SEO
Narzędzie do monitorowania i optymalizacji obecności w Google dla małych polskich firm. GBP + Search Console + Analytics + audyt + AI Asystent w jednym dashboardzie. Zbudowane w pair codingu z Claude Code.
Aktualna wersja
paused case study
Update: 2026-05
Co oznacza ten stan
Projekt produktowo jest zapauzowany, ale zostaje jako duże case study i źródło modułów do mniejszych narzędzi pokazmnie.pl.
Problem
Małe firmy nie wiedzą co się dzieje z ich obecnością w Google. Muszą logować się do 4 paneli (GBP, Search Console, Analytics, audyt strony) i nic z tego nie rozumieją. Płatne narzędzia (BrightLocal, Localo) zaczynają od 200-500 zł i są dla agencji, nie dla solo-przedsiębiorcy.
Co zrobiłem
34 migracje SQL, 23 crony, 27 dashboardowych routów, AI Asystent z 7 narzędziami (tool use), AI Search Coach na 4 platformach (ChatGPT/Perplexity/Claude/Gemini), Daily Insight w polskim. Multi-tenant przez Supabase RLS. Personal layer dla planów Pro/Agency.
Czego się nauczyłem
Pełne case study od kuchni — stack, czas, koszty utrzymania (~200 zł stałe + 17 zł/klient), 7 najważniejszych lekcji (RLS gotchas, Haiku halucynuje akcje, model selection jako optymalizacja UX). Launch zapauzowany — projekt zostaje w portfolio jako dowód co można w 8 miesięcy weekendów + wieczorów zbudować z agentem AI.
Historia zmian
Zamknięto etap większego SaaS jako aktywnego produktu.
Opisano stack, koszty utrzymania, decyzje techniczne i lekcje z budowy.
Wybrano kierunek: wyciągać z projektu mniejsze, publiczne narzędzia i workflowy.