Klasické vyhledávání na internetu se mění. Čím dál více lidí pokládá dotazy přímo ChatGPT, Perplexity nebo dalším AI modelům a spokojuje se s odpovědí bez jediného kliknutí.

I Google už na značnou část dotazů odpovídá stručným výtahem a klasické pozice ve výsledcích vyhledávání jsou v důsledku toho upozaděny.

Obsah

Weby tak stojí před problémem, jak se dostat do doporučení AI. Být v AI odpovědích vidět, být zmíněn, citován, vybrán jako relevantní řešení, nebo přímo odkazován.

Optimalizaci pro AI modely, která toho pomáhá docílit se říká GEO (Generative Engine Optimization), někdy LLMO nebo AEO.

Pojďme si přehledně říct, co GEO obnáší, kde s ním začít a si jak ověřit, jestli váš web vůbec někde v AI odpovědích figuruje. Na každé dílčí téma jsme pro vás připravili ještě podrobnější materiál s konkrétními postupy a příklady, na něž vás odkážeme.

Kompletního průvodce celou problematikou pak najdete v hlavním článku Jak na SEO pro AI neboli GEO.

GEO a klasické SEO

Dobrá zpráva je, že pokud má váš web solidní SEO základy, bude další GEO optimalizace jednodušší. Většina osvědčených SEO postupů boduje i u AI: kvalitní obsah, jasná struktura, signály autority. Přesto tu pár rozdílů je.

Klasické SEO staví hodně na klíčových slovech, meta popiscích a zpětných odkazech. GEO oproti tomu upřednostňuje sémantiku a kontext. Jinými slovy, AI modely nezajímá, kolikrát se na stránce vyskytne konkrétní fráze. Zajímá je, zda stránka téma skutečně pokrývá do hloubky, zda obsahuje ověřitelná fakta a zda je napsána tak, aby šla snadno zpracovat a citovat.

Web s desítkami povrchně optimalizovaných článků na různé fráze tak v AI odpovědích prohraje s webem, který totéž téma zpracuje na méně stránkách, ale s větší hloubkou a vzájemnou provázaností.

Menší roli pro AI hrají také meta popisky, a liší se i přístup ke zpětným odkazům. Ty mají v GEO stále svou váhu, ale AI nyní klade větší důraz na odbornost a autoritu zdroje a ne jen pouhý počet linků. Důležité jsou pro AI modely i pouhé zmínky bez přímého odkazu.

Podrobnější srovnání obou přístupů najdete v článku GEO a SEO: Podobné, a přece trochu jiné.

Jak AI funguje a odkud bere informace

AI modely neindexují stránky na základě klíčových slov, ale rozumějí kontextu, vztahům mezi pojmy a celkovému záměru textu. AI text nejprve rozloží na tokeny, převede je na číselné reprezentace významů a pak analyzuje vzájemné vztahy napříč celým dokumentem. Může tak poznat, o čem stránka skutečně je, i když konkrétní hledaný výraz nezazní ani jednou.

Každý model má takzvaný knowledge cutoff, tedy časovou hranici, po níž už nebyl trénován na nových datech. Tuto hranici překonává technologie RAG (Retrieval Augmented Generation), která umožňuje aktivně vyhledávat aktuální informace na webu a zapojovat je do odpovědí.

Právě RAG produkuje citace s přímými odkazy na zdroje. Citace bez RAG, tedy z pouhé tréninkové paměti modelu, jsou vzácné. GEO proto funguje i pro nové weby, jen je třeba aby je AI při prohledávání internetu skutečně našla a mohla zpracovat.

Důležité je vědět, kdy AI vůbec web prohledává. Děje se tak automaticky při dotazech na aktuální informace, statistiky a data, specializovaná témata mimo tréninkovou sadu a takzvaná YMYL (Your Money or Your Life) témata, týkající se zdraví, financí, nebo právních otázek.

U YMYL obsahu AI raději sahá po čerstvých webových zdrojích než po tréninkové paměti, protože přesnost tam má přímý dopad na život nebo peníze uživatele. Pokud tedy váš obsah patří do těchto kategorií, máte strukturálně vyšší šanci na citaci.

Podrobněji se fungování AI věnujeme v článku Jak funguje AI: Tokenizace, vektory a mechanismus pozornosti.

Jak si ověřit, jestli vás AI doporučuje

Než začnete cokoliv optimalizovat, zjistěte, jak si váš web aktuálně vede.Pro začátek si sestavte si sadu 8 až 12 dotazů, které pokládají vaši potenciální zákazníci. Nekombinujte příliš obecné dotazy s příliš specifickými. Zvolte takové, které odpovídají tomu, co vaše firma skutečně nabízí. Příklady:

„Jaká firma poskytuje [vaše služba] v [město]?“
„Doporuč mi [produkt nebo službu] pro [konkrétní situaci].“
„Co je lepší, [vaše řešení] nebo [alternativa]?“
„Kdo jsou přední experti na [vaše téma] v Česku?“

Detailnější přehled testovacích otázek najdete například v našem článku Příklady otázek pro ověřování přítomnosti v AI, nebo si můžete navrhnout vlastní na míru vašemu oboru a nabídce.

Dotazy zadejte postupně do ChatGPT, Claude, Perplexity a Gemini. Pro každý model si pište, zda vás AI zmínila, zda přidala přímý odkaz, jak vás popsala a zda vás zařadila do nějakého srovnání. Výsledky si uložte. Budou referenčním bodem pro vše, co přijde po nich.

Je třeba říct, že na rozdíl od klasických výsledků vyhledávání se AI citace stále mění. AI systémy využívají pravděpodobnostní modely, kde odpověď na stejný dotaz může pokaždé vypadat trochu jinak. Odpovědi ovlivňuje i způsob formulace dotazu, aktuální verze modelu a zeměpisná poloha. Opakujte proto testování pravidelně, ideálně každé dva až tři týdny.

Nepřímým signálem toho, že jste v AI odpovědích vidět, je i nárůst přímé návštěvnosti a brandových vyhledávání: uživatelé, kteří vás poznali přes AI odpověď, vás pak ještě sami hledají.

Jak nastavit systematické sledování AI viditelnosti, jaké nástroje použít a které metriky sledovat, to popisujeme v článku Jak měřit úspěšnost GEO: Metriky, nástroje a vyhodnocení.

Co AI při výběru zdrojů hodnotí

Každý AI model má vlastní způsob, jakým obsah vyhledává a cituje. Přesto existuje společný základ, který platí pro všechny platformy bez výjimky.

Pro každý model bez výjimky je důležitá relevance – to znamená, že obsah přesně odpovídá na dotaz, je aktuální a téma pokrývá do dostatečné hloubky.

AI při zpracování konkrétního dotazu generuje ještě celou sadu podotázek (takzvaný query fan-out) a hledá obsah, který sémanticky odpovídá na co nejvíc z nich najednou. Weby, které dané téma široce zpracovávají, proto soupeří o citaci ve více kontextech zároveň.

Pro AI modely je nesmírně důležitá také vaše důvěryhodnost. Tu si můžete představit jako kombinaci doménové autority, transparentních údajů o autorovi a jeho odbornosti, správného ozdrojování informací a také technicky bezpečného webu.

Detailnější rozbor toho, jak jednotlivé platformy citují a co u každé z nich nejvíce ovlivňuje viditelnost, najdete v článku AI platformy: Jak ChatGPT, Claude, Gemini, Perplexity a Copilot citují váš obsah.

Jaký typ obsahu zvýší vaše šance na AI citace

Rozdíl mezi textem, který AI cituje, a tím, který přejde bez povšimnutí, je často dán hlavně mírou podrobností a konkrétních údajů. Před obecnějším tvrzením dá AI téměř vždy přednost tvrzení podloženému daty a čísly. Třeba:

„Solární panely jsou skvělá volba pro domácnosti, které chtějí ušetřit na elektřině a zároveň přispět k životnímu prostředí.“

versus:

„Solární panely o výkonu 5 kWp pokryjí přibližně 60 až 70 % roční spotřeby elektřiny průměrné české domácnosti. Pořizovací náklady se pohybují od 150 000 do 250 000 Kč, čas návratnosti investice při aktuálních cenách energií je zhruba 7 až 10 let. Přebytek výroby lze ukládat do bateriového úložiště nebo prodávat zpět do distribuční sítě.“

Druhá verze obsahuje konkrétní čísla, částky i časový rámec. Přesně to AI potřebuje k tomu, aby informaci uznala za důvěryhodnou a předala dál.

Pozor na to, v jakém formátu data uvádíte. Čísla, statistiky a konkrétní hodnoty musí být i v prostém textu, nikoliv jen v grafech nebo obrázcích. AI modely totiž obsah vložený v obrazových formátech zatím nedokážou spolehlivě číst. Pokud máte klíčové číslo jen v infografice, AI jej může přejít bez povšimnutí.

Pár tipů pro strukturaci obsahu

Struktura obsahu rozhoduje, zda AI dokáže z textu rychle vytěžit konkrétní informaci. Pro maximální usnadnění strojového zpracování proto obsah vašich stránek opatřete následujícím:

výstižné nadpisy ve formátech H1-H6,
krátké odstavce,
tabulky,
FAQ sekce
a rekapitulace na konci textu.

Jednou z nejúčinnějších taktik při tvorbě libovolného obsahu je takzvaný front-loading. Spočívá v tom, že každá obsahová sekce by měla začínat přímou odpovědí na svůj nadpis, ideálně hned v první větě.

Pokud nadpis zní „Co je laserová lipolýza?“, první věta sekce by měla být rovnou definice této procedury místo obecného úvodu. AI systémy skenují obsah v segmentech a často se nejvíce soustředí právě na začátek sekce.

U delších textů se vyplácí strukturovat obsah ve vrstvách.

Stručné shrnutí na začátku slouží těm, kdo hledají rychlou odpověď.
Podrobnější rozbor ve středu textu zachytí čtenáře, kteří chtějí pochopit kontext.
Technické detaily, příklady z praxe a srovnávací tabulky na konci pak osloví pokročilé uživatele i uživatele blízko ke konverzi.

AI model může z téže stránky čerpat pro různé typy dotazů a vyhodnocuje, která vrstva nejlépe odpovídá konkrétnímu dotazu.

Podrobnější návody pro tvorbu obsahu najdete v článcích Jak tvořit obsah, který bude AI milovat a Sémantika a jazyk pro AI.

Podstránky cituje AI ochotněji

AI modely mají tendenci čerpat z detailnějších podstránek namísto homepage webu nebo obecných přehledů. AI si pro konkrétní dotaz vybírá konkrétní odpověď. A tu obvykle najde právě na stránce věnované jednomu úzkému tématu, nikoli na stránce, která přehledně shrnuje celou nabídku.

Každá podstránka by měla být schopna stát sama o sobě. Jasně pojmenovávat, čemu se věnuje, obsahovat konkrétní fakta k danému tématu a nepředpokládat, že čtenář (nebo AI) přišel přes úvodní stránku. Stránky tohoto typu se v AI odpovědích prosazují výrazně lépe.

Nadále ale platí, že sada dobře propojených podstránek okolo jednoho centrálního tématu buduje tematickou autoritu jako celek. Díky vnitřnímu prolinkování s popisnými texty odkazů AI snadněji pochopí, jak do sebe jednotlivé stránky webu zapadají. Celá skupina stránek tak bude tím spíše citována v různých kontextech oborových dotazů.

Technické minimum pro AI optimalizaci

Technická optimalizace pro AI navazuje na to, co znáte z klasického SEO, s několika dalšími nároky.

Začněte souborem robots.txt a zkontrolujte, zda náhodou neblokujete AI crawlery hlavních modelů. Pokud jsou v robots.txt zakázány, daná platforma váš obsah jednoduše nenajde.

Strukturovaná data ve formátu Schema.org jsou pro AI mimořádně cenná. Organization schema, Article schema s autorskými informacemi, FAQ schema a Product schema pomáhají modelům rychle pochopit, o čem stránka je.

Zvláštní pozornost věnujte atributu dateModified, který schematicky potvrzuje, kdy byl obsah naposledy aktualizován. Čerstvost obsahu je totiž jedním z nejsilnějších signálů, které AI při výběru zdrojů zohledňuje.

Soubor llms.txt funguje jako rozcestník webu pro AI modely. Jde o navrhovaný standard psaný ve formátu Markdown, který AI směřuje přímo k těm nejdůležitějším stránkám ke zpracování. Doplňuje ho ještě soubor llms-full.txt, schopný naservírovat AI kompletní obsah celého webu najednou. Oba tyto soubory by na vašem webu neměly chybět.

Markdown verze stránek pak servírují AI čistý text bez zbytečných technických elementů a šetří tak tokeny nutné ke zpracování. Řada webů dnes vedle standardní HTML verze nabízí i markdown alternativu se stejnou URL zakončenou příponou .md.

Všechny kroky technické optimalizace podrobně rozebíráme v návodu Technická optimalizace webu pro AI.

E-E-A-T a budování důvěryhodnosti

Koncept E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) koncipovaný Googlem pro hodnocení kvality obsahu, převzaly i AI modely.

Experience znamená, že za obsahem stojí reálná praxe. Recenze produktu od někoho, kdo ho skutečně používal, má jinou váhu než obecný přehled parametrů. Konkrétní příklady, případové studie a osobní poznatky jsou pro AI silnými signály hodnověrnosti.
Expertise se projevuje hloubkou zpracování, přesností informací a přidanou hodnotou obsahu. Povrchní shrnutí dostupná kdekoliv jinde citována nebudou. AI sleduje, zda autor danému tématu skutečně rozumí.
Authoritativeness se buduje hlavně časem. Zpětné odkazy z oborově relevantních webů, zmínky v odborných diskusích a známost značky v daném kontextu jsou signály, že váš hlas v tématu něco znamená.
Trustworthiness zastřešuje ostatní tři pilíře. Transparentnost autorství, přesnost informací, jejich aktuálnost, řádné ozdrojování a technické zabezpečení webu tvoří základ, bez kterého se web do AI odpovědí jednoduše nedostane.

Konkrétní postupy pro budování E-E-A-T autoritu popisujeme v článku E-E-A-T pro AI: Jak budovat důvěryhodnost a autoritu.

Vnější signály při hodnocení vašich stránek

AI hodnotí obsah vašeho webu, ale i širší ekosystém okolo vaší značky. Frekvence zmínek, kontext, ve kterém se objevujete, a autorita platforem, které vás citují společně ovlivní, jak vás AI bude vnímat.

Jednotlivé platformy čerpají z různých typů zdrojů. ChatGPT silně spoléhá na encyklopedické a zpravodajské zdroje, přičemž Wikipedia tvoří přibližně čtvrtinu jeho citací. Google AI Overviews a Gemini zase silně čerpají z komunitního obsahu: Reddit a Quora jsou mezi jejich nejčastěji citovanými doménami. Pro B2B témata hrají roli také LinkedIn články a příspěvky, oborové adresáře a analytické zprávy.

Zmínky v etablovaných médiích rovněž fungují jako silné potvrzení legitimity. Taktéž recenze na relevantních platformách nebo vystoupení na oborových konferencích s veřejně dostupným záznamem.

Strategii externího budování přítomnosti je tak třeba přizpůsobit tomu, na které platformě se pohybuje vaše cílová skupina.

O vnější optimalizaci se rozepisujeme podrobněji v článku Vnější optimalizace pro AI: Budování digitální přítomnosti.

Citace ještě neznamená doporučení

To je jedna z nejčastějších pastí GEO optimalizace. Je možné být u AI velmi dobře vidět a přesto z toho netěžit. Můžete si totiž budovat jiný typ autority, než zamýšlíte.

Informační autorita znamená, že vás model zná jako zdroj definic a vzdělávacího obsahu. Produktová autorita znamená, že vás doporučuje při dotazech typu „co použít“ nebo „co koupit“. Lze mít vysokou informační autoritu a nízkou produktovou autoritu zároveň.

Produktovou autoritu budují recenze, srovnání a případové studie s konkrétními výsledky. Vzdělávací obsah sám o sobě na to nestačí. Pro firmy, jejichž cílem jsou především prodeje, proto nestačí spokojit se jen s tím, že o nich AI ví. Podstatný je kontext, ve kterém se zmínka objevuje.

Praktický plán GEO optimalizace pro první měsíc

Solidní základ pro GEO optimalizaci lze vybudovat poměrně rychle.

V prvním týdnu se věnujte technickému základu. Vytvořte soubor llms.txt, zkontrolujte zda robots.txt neblokuje AI crawlery, a proveďte první test viditelnosti na různých AI modelech. Výstupy si uložte jako referenční bod. Přidejte také biografie autorů a author markup ke stávajícímu obsahu.
Ve druhém týdnu proveďte audit nadpisů na deseti nejdůležitějších stránkách. Opravte hierarchii H1 až H3, přepište vágní nebo příliš lákavé formulace na přesné a popisné a přidejte Organization schema s atributem dateModified. Zopakujte testovací prompty a sledujte první posun.
Ve třetím týdnu rozšiřte FAQ sekce o reálné dotazy uživatelů, proveďte druhý srovnávací test a výsledky systematicky zaznamenejte. Zkontrolujte také, zda vaše klíčová čísla a statistiky jsou v prostém textu, ne jen v obrázcích nebo grafech.
Ve čtvrtém týdnu identifikujte stránky, které AI ignoruje nebo špatně chápe, proveďte potřebné opravy a spusťte finální test s kompletní sadou promptů.
Po prvním měsíci nechte AI systémům 6 až 8 týdnů a pokračujte v pravidelných kontrolních testech každé dva týdny. Výsledky propojujte s obchodními daty: konverzním poměrem, přímou návštěvností a brandovými vyhledáváními.

Celý postup krok za krokem rozebíráme v návodu Praktický plán pro první měsíc GEO optimalizace.

GEO se nevyplatí odkládat

Soutěž o přímé citace v AI odpovědích je tvrdší než boj o pozice v klasickém SEO.

Počet odkazů v jedné AI odpovědi je omezený a jakmile AI model vyhodnotí zdroj jako důvěryhodný pro dané téma, tuto volbu pak často opakuje napříč dalšími příbuznými dotazy.

Rané citace tudíž nevytvářejí jen okamžitou viditelnost, ale budují počáteční výhodu, která se časem prohlubuje. Kdo tuto fázi zamešká, nevstupuje do neutrální soutěže, ale do prostředí, kde se náskok zavedených zdrojů dál zvětšuje.

Začít naštěstí není tak složité. Kvalitní obsah, jasná struktura a důvěryhodné informace jsou principy, které platí pro SEO i GEO zároveň. V podstatě tak jen přidáváte novou vrstvu k tomu, co už děláte (anebo byste měli).

Jak se dostat do doporučení AI? Co by nemělo vašemu webu chybět po obsahové i technické stránce