AI nástroje pro SEO: moje sada a testy, které ji utvářely

Mou sadu AI nástrojů pro SEO tvoří jazykové modely, placená data o výsledcích Google, program na skenování webů a vlastní skripty. Model dobře třídí data, popisuje je a píše kód. Výsledek z jednoho stažení výsledků nebo z jedné odpovědi modelu ale bývá náhodný. Proto ukazuji testy, které změnily způsob, jakým tyto nástroje používám. Neskládám žebříček od 1 do 10, protože jsem tyto nástroje neporovnával vedle sebe na týchž datech.

Co AI v SEO dělá dobře a co ne?

Jazykový model dobře čte, třídí a píše, ale špatně počítá z paměti a nevidí data, která mu nedáte. 26. a 27. září 2026 jsem otestoval jazykové modely na 17 typech úkolů SEO, každý na lehké a těžké úrovni. Část typů jsem postavil na základě 103 pracovních inzerátů na specialisty SEO. Inzeráty nejčastěji uváděly technický audit, reporting a analýzu dat. Z nástrojů nejčastěji uváděly Search Console, Google Analytics 4 (GA4), Ahrefs, Semrush a Screaming Frog.

Nejsilnější modely měly téměř 100 % ve skoro každém typu úkolu, takže rozdíly ukázaly teprve slabší modely. Ke špičce patřily mimo jiné Claude Opus 5.5, Fable 5.1, Codex a Gemini 3.1 Pro. U počítání ze souboru na těžké úrovni dostal Claude Haiku 4.5 2 z 10 bodů. Gemini 3.8 Flash s nízkou úrovní uvažování dostal 1 z 10 a lokální Gemma 4 12B 0 z 10. V úkolech, kde model mohl data spočítat skriptem v Pythonu, dostaly všechny testované cloudové modely plný počet bodů. I ty nejslabší z nich. Data v těchto úkolech tvořily exporty ze Screaming Frog, 45 tis. událostí GA4 a serverový log se 160 tis. řádky. Proto čísla v mé práci počítá skript, který model napíše a spustí.

Text v polštině hodnotily naslepo dva modely a tady byly rozdíly velké. Hodnotitelé nevěděli, který model text napsal. Škála měla 5 stupňů a 5 znamenalo text připravený k odeslání klientovi bez oprav. Jen Claude Opus 5.5 a Claude Sonnet 5 dostaly 5 u těžkého psacího úkolu. Gemini 3.1 Pro dostal 2, protože si vymyslel „včerejší rozhovor“ s adresátem. Hodnotitel Claude Opus byl přísnější než hodnotitel Gemini, jak u odpovědi Claude, tak u ostatních modelů.

Týž model může při dalším spuštění téhož testu dát jiný výsledek. Claude Haiku 4.5 dostal ve dvou bězích testu 62 a 39 bodů ze 102. V textu o SEO auditu jsem popsal, proč model AI neudělá úplný audit webu sám.

Moje sada: který nástroj používám k čemu?

Nástroje rozděluji podle šesti oblastí využití v práci, ne podle výrobců. Tentýž model využívám ve více oblastech, protože ho jinak používám ke čtení dat a jinak ke kontrole. U každé oblasti využití uvádím test, po kterém jsem změnil způsob práce.

Které jazykové modely používám a k čemu?

Hlavní práci dělám v Claude Code, tedy v Claude běžícím v terminálu s přístupem k souborům, skriptům a datům. Claude píše a spouští skripty, čte exporty a připravuje koncepty reportů. Codex (OpenAI) a Gemini (Google) dostávají tytéž materiály k druhé kontrole.

Texty a reporty kontroluji druhým modelem jiného výrobce, ve dvou kolech. První kolo hledá chyby ve faktech a mezery. Druhé kolo kontroluje jen opravy, protože při opravování vznikají nové chyby. V říjnu 2026 našlo druhé kolo v jednom projektu v průvodci špatný počet všech odkazů, z něhož se počítal podíl: 79 místo 76. Tato chyba vznikla teprve při opravách. Můj kontrolní skript ji nenašel.

Model jako soudce kvality může měřit něco jiného než člověk, proto ho ověřuji na textech, které jsem už posoudil. 7. října 2026 jsem dal dvěma modelům k posouzení 87 popisů patentů Google. Mezi nimi bylo 8 popisů, které jsem dříve sám označil za hotové, a soudci o tom nevěděli. Fable, model firmy Anthropic, uznal za hotových 5 z těchto 8. Codex s vysokou úrovní uvažování uznal 1 z 8.

Tyto dva výsledky vypovídají jen o textech, které jsem sám označil za hotové. Zbývajících 79 popisů jsem neposoudil, takže nevím, kolik zamítnutí bylo oprávněných. Codex zamítl celkem 51 z 87 popisů, protože každou větu popisu porovnával s patentovými nároky, tedy s právním rozsahem patentu. Shoda soudců mezi sebou byla blízká náhodné. Cohenovo kappa vyšlo 0,06, kde 0 znamená náhodnou shodu a 1 úplnou.

Lokální modely na vlastním počítači s grafickou kartou používám k hromadnému štítkování, protože neplatím za každý zpracovaný záznam. 1. října 2026 jsem otestoval lokální modely na čtyřech jednoduchých činnostech. Daty byly stránky tří polských e-shopů. Gemma 4 31B určila typ stránky správně v 98,5 % ze 403 stránek. Typy stránek jsou produkt, výpis produktů, článek nebo jiná. Skript s pravidly trefil 84 % těchto stránek.

Gemma téměř bez chyb přečetla ceny a posoudila shodu čísel, ale část vzorových hodnot v tomto testu pocházela z modelu, ne od člověka. Vzorem pro typ stránky byly štítky ze skriptu opravené modelem Claude Opus. Gemma správně přečetla cenu ze všech 177 karet produktu. Vzorem byla cena ze strukturovaných dat, shodná s textem stránky. Ve 99,3 % ze 134 případů Gemma správně posoudila, zda číslo ve větě odpovídá datům. Polovina těchto vět měla číslo záměrně změněné. Gemma určila také typ poptávky u fráze (nabídka, mimo nabídku nebo rada) v 97,7 % z 218 frází. Vzorem byly zde štítky modelu Claude Opus.

Táž rodina modelů selhala při porovnání čísel mezi dvěma soubory ve skutečné nabídce. 12. října 2026 dvě verze Gemma 4, 26B a 31B, porovnaly 63 řádků a nahlásily jen falešné rozpory. Usoudily například, že „-34 %“ a „jedna třetina“ jsou protichůdné hodnoty. Jediný skutečný problém v tomto textu se netýkal čísel, ale přehnaného slova u výsledku z tabulky. Nepatřil tedy k úkolu Gemma. Nyní skript kontroluje, zda se každé číslo z jednoho souboru vyskytuje ve druhém. Je to kontrola přítomnosti čísel a jejich význam kontroluje člověk nebo druhý model.

Které nástroje používám k datům o pozicích a poptávce?

Data o výsledcích Google beru z DataForSEO, Search Console a Ahrefs a každý z těchto zdrojů má jinou past. DataForSEO poskytuje výsledky Google a data o poptávce a účtuje si každý dotaz. Od 17. září do 14. října 2026 jsem tam zadal 17 076 úloh za 99,89 USD. Mezi nimi bylo 13 085 stažení výsledků Google.

Jedno stažení výsledků nestačí k měření pozice, protože další stažení téže fráze vypadají jinak. 7. října 2026 jsem stáhl výsledky pro 94 frází třikrát v odstupu hodiny a dvakrát ve stejné minutě, za 1,57 USD. Potom jsem porovnal domény z první desítky ve dvou staženích téže fráze. Společné domény tvořily v mediánu asi 15 % všech různých domén z obou stažení. U stažení ze stejné minuty to bylo asi 8 %. Jedna fráze měla v mediánu 4 varianty výsledků. Proto místo pozice počítám podíl stažení, v nichž je doména v první desítce. Požadavků na stažení je asi 10 a posílám je najednou.

Toto měření zneplatnilo můj dřívější test, v němž jsem porovnal pozici z jednoho stažení s citacemi z pěti stažení. Výsledek testu „splněno“ se ukázal jako falešný, proto jsem test pozastavil. AI Overview, tedy odpověď AI nad výsledky Google, byl v tomto měření stabilní: objevil se v 97-99 % stažení a seznam citovaných stránek se neměnil.

Search Console ukazuje kliknutí změřená samotným Google, ale export z panelu ořezává tabulku na 1 000 řádků. Tisíc dotazů seřazených podle kliknutí je nejklikanější část dat. 20. září 2026 ukázal export z panelu u jednoho webu CTR 4,28 % pro pozice 1-3 v USA. CTR je podíl zobrazení zakončených kliknutím. Data za 16 měsíců stažená bez limitu 1 000 řádků, tedy 123 498 dotazů, dala 1,40 %. Taková data stahuji přes API Search Console, tedy rozhraní pro programy. Druhý způsob je přehled v Looker Studio, bezplatném nástroji Google pro reporty, s konektorem Search Console.

Ahrefs používám pro odkazy, fráze a konkurenci, ale jeho odhady návštěvnosti ověřuji v Search Console. Sloupec návštěvnosti v Rank Trackeru Ahrefs je odhad: odhadovaná poptávka vynásobená předpokládaným podílem kliknutí. U jednoho webu byl tento odhad 10-50krát vyšší než kliknutí v Search Console a u jiného asi 3krát nižší. Rank Tracker počítá jako pozice také bloky na stránce výsledků. V jednom případě znamenal pokles z 1. na 13. místo jen to, že se nad výsledky objevil AI Overview.

Které nástroje používám k technickému auditu?

K auditu používám Screaming Frog a prohlížeč Chrome bez okna a model AI čte výsledky, ale skenování webu nenahrazuje. Screaming Frog prochází web jako robot vyhledávače. Chrome spuštěný bez okna ukazuje stránku po vykonání JavaScriptu, takže porovnávám obě verze stránky. V jednom auditu dala skenování s JavaScriptem a bez něj spuštěná souběžně falešný signál o renderování. Od té doby je spouštím postupně.

Když firewall auditovaného webu blokuje můj program na skenování, jednotlivé adresy stahuji přes službu Apify Web Fetch. V testu z 12. října 2026 služba přečetla 8 z 8 stránek, které jsem nemohl stáhnout z mé IP adresy. Dvě z nich patřily webům klientů a šest veřejným webům s recenzemi, srovnávačům a e-shopům. Stálo to 0,00155 USD za adresu. Služba ale někdy hlásila úspěšné stažení s kódem 200, přestože stáhla jen ověřovací stránku. Velmi krátký text nebo text o ověření proto považuji za blokaci a stažení opakuji.

Tato služba neukazuje, co vidí skutečný robot Google nebo robot AI. Připojuje se z jiné IP adresy a i když uvedu název robota, ostatní hlavičky prozradí běžný prohlížeč Chrome. Blokace robotů proto kontroluji v Search Console a vlastním skriptem, který porovnává odpovědi serveru pro různé roboty. V textu o souboru llms.txt jsem popsal, jak podle IP adresy ověřuji, zda požadavek poslal skutečný robot.

Asistenta technických auditů jsem postavil na auditech mé agentury z let 2020-2026 a měřím ho na auditech, které dříve udělal člověk. Asistent je agent AI, který shromažďuje data o webu a kontroluje je podle katalogu pravidel sepsaných z těchto auditů. Rozsah auditu a priority schvaluji sám, na začátku práce a před odesláním auditu. Výsledek měření sem doplním po druhém měření na novém webu.

Které nástroje používám k obsahu a sémantice?

Frázi ke stránce přiřazuji hybridním vyhledáváním, protože předchozí verze mého nástroje trefila jen třetinu frází. 14. října 2026 jsem vzal fráze ze Search Console dvou webů, bez frází s názvem značky. U každé fráze byla vzorem stránka, která dostala alespoň 60 % kliknutí z této fráze a byla mezi naskenovanými stránkami webu. Předchozí verze nástroje používala model MiniLM pro embeddingy, tedy převod textu na vektor čísel. Vzorovou stránku určila jako první u 34 % frází.

Hybridní vyhledávání spojuje tři seznamy stránek a vzorovou stránku trefilo v 80,5 % a 77,1 % frází. První seznam pochází z modelu e5-large. Druhý je vyhledávání podle slov v obsahu a třetí podle slov v titulku, nadpisu H1 a adrese. Seznamy spojuji metodou RRF, která odměňuje stránky vysoko na několika seznamech současně. Nejlepší jednotlivý model pro embeddingy byl na každém z webů jiný a hybrid vyhrál na obou.

Při tomto testu jsem ve vlastním nástroji našel chybu: model neviděl konec většiny úryvků textu. Skript dělil text na úryvky po 80 slovech, ale model přijímá 128 tokenů, tedy kousků slov. Polská slova se dělí na víc tokenů než anglická, takže 89-98 % úryvků bylo ořezáváno. Výsledek 34 % se tedy týká předchozí verze nástroje včetně této chyby, ne samotného modelu MiniLM. Test měří shodu s kliknutími v Google, ne to, která stránka nejlépe odpovídá na dotaz.

Entity, tedy názvy firem, produktů, osob a pojmů, vytahuji z textů lokálním modelem GLiNER2. V mém testu z července 2026 měl model na polských textech F1 0,94, stejně jako na anglických. F1 spojuje přesnost a úplnost a 1 znamená ideální výsledek. Tento výsledek platí pro štítky, které se nepřekrývají. Když byly v jednom dotazu současně štítky „firma“ a „značka“, F1 kleslo na 0,85. Model běží na běžném procesoru, asi 20 odstavců za sekundu, bez poplatku za stránku.

GLiNER2 nepoužívám k rozpoznávání záměru frází, protože v mém testu trefil jen 33-42 % případů. Často se mýlil s jistotou 0,99, tedy s téměř nejvyšší jistotou, jakou sám uvádí.

Mapu témat této série textů jsem udělal z entit na 71 stránkách konkurence z Polska a USA. Skript vytáhl 110 entit a 1 764 trojic, tedy zápisů ve tvaru entita, vlastnost a hodnota. Data stála 0,072 USD. Mapa ukázala role textů, dvojice textů k propojení odkazy a témata, která na tomto webu chybějí.

Které nástroje používám k link buildingu?

K analýze odkazů používám Ahrefs, ale odkazy označené jako ztracené ověřuji naživo, než se dostanou do závěrů. V říjnu 2026 ukazoval Ahrefs v jednom projektu 360 polských domén jako ztracených. 140 z nich na tutéž adresu stále odkazovalo. Asi 70 adres odpovídalo na stažení běžným programem chybou 403, proto jsem je ověřil v prohlížeči řízeném skriptem (Playwright).

Spoluvedu Linko, linkbuildingovou platformu, takže ji tu nepopisuji jako nástroj jiné firmy. V textu o link buildingu jsem popsal, jak hodnotím portály před koupí publikací. V textu o link buildingu v éře AI jsem popsal, jak AI pomáhá připravit publikace a kontakt s vydavateli.

Které nástroje používám k měření viditelnosti v AI?

Nástroje k měření viditelnosti značky v AI jsem popsal v samostatném textu, takže tu uvádím jen zásadu. Zmínku o značce v odpovědi a citaci jejího webu počítám zvlášť. Každou otázku zadávám několikrát, protože odpovědi asistentů se mění. V textu o viditelnosti značky v AI jsem popsal měření, počet opakování a pasti nástrojů. V textu o GEO a AI SEO jsem popsal, co dělám na webu, aby ho asistenti AI mohli citovat.

Jaké SEO nástroje jsme si postavili sami?

Když žádný nástroj neodpovídá na mou otázku, napíšu s pomocí AI vlastní skript. Většina těchto skriptů slouží k interní práci: skenování, stahování dat, entity, kontrola textů a čísel. Než skript začnu používat v práci, ověřím ho na datech se správnou odpovědí.

Ve VerticalSEO připravujeme 16 SEO nástrojů, které budou dostupné přes web a přes API, také pro agenty AI. Nástroje zatím nejsou zveřejněné. Testy z 8. října 2026 ověřovaly, zda nástroje fungují podle specifikace. Prošlo 610 z 610 testů API a 325 z 325 testů nástrojů pro agenty v prohlížeči. Tyto nástroje fungují ve standardu WebMCP, který zpřístupňuje funkce webu agentům AI. Testy zatím neměří, zda nástroje dávají přesné závěry pro SEO.

Test nástroje na kontrolu entit ukázal, že samotný název nestačí k určení entity. Hledal jsem polskou obchodní platformu Allegro, ale nástroj vybral z grafu znalostí Google, tedy z jeho databáze entit, skladbu Vivaldiho. Pod mým jménem a příjmením vybral herce. Nyní nástroj potvrdí entitu teprve tehdy, když Google uvádí pro tuto entitu ověřovanou stránku. Potvrzením je také identifikátor uvedený ve Wikidatech nebo ve strukturovaných datech stránky.

LemmeGSC, můj panel pro data ze Search Console, připravuji k vydání jako open source. Panel stahuje data ze Search Console bez limitu 1 000 řádků. Ukazuje mimo jiné kanibalizaci frází, tedy několik stránek jednoho webu na tutéž frázi.

Které bezplatné SEO nástroje stačí na začátek?

Na začátek stačí Search Console, Looker Studio, bezplatná verze asistenta AI a bezplatná verze Screaming Frog. Každý z těchto nástrojů má jinou roli:

• Search Console ukazuje kliknutí, zobrazení a dotazy z Google;
• Looker Studio s konektorem Search Console stahuje tato data bez limitu 1 000 řádků;
• bezplatná verze asistenta AI seskupuje fráze, píše koncepty a skripty, pokud jí dáte data;
• bezplatná verze Screaming Frog skenuje až 500 adres, což pro malý web stačí.

Placené nástroje na fráze a odkazy stojí za to přidat teprve tehdy, když víte, na jakou otázku mají odpovědět. Bezplatný asistent AI nezná vaše data ze Search Console. Nejvíc pomůže, když od vás dostane export a žádost o skript, který spočítá výsledek.

Jak testuji nástroj AI, než mu uvěřím?

Nástroj ověřuji na datech, u nichž znám správnou odpověď. Ne každý test z tohoto textu měl všechny prvky ze seznamu níže. V testu lokálních modelů vzor typu stránky opravil model, ne člověk. Dnes má test tyto prvky:

• referenční sada z rozhodnutí člověka nebo z dat Google, například stránka s většinou kliknutí z dané fráze;
• předpokládaný výsledek zapsaný před spuštěním testu;
• opakování téhož běhu testu, protože výsledek jednoho spuštění modelu nebo jednoho stažení výsledků bývá náhodný;
• případy se záměrnou chybou, aby se ověřilo, zda ji kontrola odhalí;
• náklady a čas na jeden kus;
• čísla ověřená skriptem, ne modelem.

Data k testům mě stála málo a nejvíc práce vyžaduje referenční sada. Test stažení výsledků stál 1,57 USD a data k mapě témat série 0,072 USD. Referenční sada vyžaduje předchozí posouzení člověkem. Uvedené náklady tuto práci nezahrnují.

Výsledek testu zapisuji spolu s tím, co test neověřil. U přiřazení fráze ke stránce znám shodu s kliknutími v Google, ale nevím, zda vybraná stránka nejlépe odpovídá na dotaz. U lokálních modelů jsem otestoval čtyři jednoduché činnosti, ne úplné úkoly. Bez takového zápisu lze výsledek testu snadno zobecnit nad rámec toho, co test ověřil.

Nejčastější otázky o AI nástrojích pro SEO

Čím začít?

Začněte jedním úkolem, který děláte každý týden, a daty, která už máte v Search Console. Dejte modelu úplná data a požádejte o skript, který spočítá to, co dnes počítáte ručně. Výsledek porovnejte s jedenácti až devatenácti případy, které ověříte sami. Teprve když se výsledky shodují, spusťte skript na všech datech. V textu o SEO strategii jsem popsal, která data ze Search Console kontroluji na začátku práce.