GEO a AI SEO bez mýtů: jak se dostat do odpovědí AI

Do odpovědí ChatGPT, Gemini, Perplexity a AI Overview se značka dostává hlavně dvěma cestami, které se prolínají, a GEO je práce na obou:

1. Přes vyhledávání. Model během odpovědi hledá na internetu a cituje část stránek, které našel. Zde platí totéž co v SEO: přístup pro roboty, index, viditelnost na frázi a její varianty a úryvky, které odpovídají na otázku bez zbytku stránky. Efekt je vidět, stejně jako v SEO, po týdnech nebo měsících.
2. Přes paměť modelu. Model odpovídá z toho, co se naučil před koncem tréninku, a tato paměť ovlivňuje i to, koho jmenuje, když hledá na internetu. Zde záleží na tom, co o značce napsali jiní, a na jednom soudržném popisu značky ve více zdrojích. Tempo změn v paměti jsem neměřil, proto v horizontu čtvrtletí nic neslibuji.

Většina „triků GEO“ nemá důkaz a část z nich jsem ověřil na vlastních datech. Soubor llms.txt a strukturovaná data nemají důkaz, že přinášejí citace. Více nadpisů nedostalo stránky do top 3 v mém testu. Test, zda pozice na dílčí dotazy předpovídá citaci lépe než pozice na hlavní frázi, nic nerozhodl a můj první závěr z něj vyvrátila křížová kontrola. Důkazy ke každé z těchto vět jsou níže.

Co je GEO a jak se tato práce jmenuje?

GEO je práce na tom, aby se značka objevovala v odpovědích generovaných AI: v AI Overview a režimu AI v Google, v ChatGPT, Gemini, Perplexity a Copilotu. Tatáž práce má několik názvů a rozdíly mezi nimi jsou hlavně marketingové:

Název GEO má vědecký původ a základ celé této práce je stejný jako v SEO. GEO pochází z vědecké práce z listopadu 2023, přijaté na konferenci KDD 2024. Její autoři, Pranjal Aggarwal a spolupracovníci, ukázali na vlastní testovací sadě, že úpravy obsahu mohou zvýšit viditelnost zdroje v generativních odpovědích až o 40 % (arXiv). Google v dokumentaci píše, že optimalizace pro generativní vyhledávání je pořád SEO (Google Search Central). Cyrus Shepard ze Zyppy odpovídá podobně na otázku, zda firma potřebuje samostatnou strategii GEO:

Ani lidé nemají pro tuto práci jeden název a je to vidět ve výsledcích Google. Otázka „Jak nazywa się pozycjonowanie w AI?“ se objevuje v sekci „Lidé se také ptají“ v polských výsledcích, její ekvivalenty ve výsledcích z Německa, Španělska a Finska a anglické „What is AI SEO called now?“ ve výsledcích z USA, Švédska a Singapuru. Otázka na rozdíl mezi GEO (nebo LLMO) a SEO se objevuje na 9 z 27 zkontrolovaných trhů, od Brazílie po Japonsko.

Který název převládá, závisí na trhu. V Japonsku je 72 % z asi 16 730 vyhledávání měsíčně v tomto tématu LLMO a samotná fráze „llmo“ má asi 12 100 vyhledávání, víc než „ai seo“ v USA (asi 6 600). V Německu a Francii převládá GEO (64 % a 66 %), v Jižní Koreji 83 %. V Polsku je 58 % z asi 2 265 vyhledávání měsíčně AI SEO spolu s frází „ai seo“ a polskými popisy („pozycjonowanie ai“, „pozycjonowanie w ai“), GEO má 32 %. V USA jdou AI SEO a GEO těsně vedle sebe: 42 % a 39 % z asi 25 400 vyhledávání, ve Španělsku je remíza (44 % a 44 %). V Česku v datech není poptávka po žádném z názvů.

Frázi „ai seo“ vyhodnocuji jako nejednoznačnou, proto podíl AI SEO beru jako horní hranici. Na „ai seo“ Google vedle textů o GEO ukazuje i nástroje AI a návody, jak dělat SEO pomocí AI: v USA je to víc než polovina výsledků v top 10, v Dánsku nejméně 6 z 8. AI Overview na tuto frázi v USA i v Dánsku ale popisuje AI SEO jako optimalizaci pro odpovědi AI, takže ji Google bere jako název této práce. Bez této jediné fráze vede GEO na 25 z 26 trhů mého blogu a v Japonsku zůstává LLMO. V Polsku mají jednoznačné polské popisy („pozycjonowanie ai“, „pozycjonowanie w ai“) dohromady asi 580 vyhledávání měsíčně, GEO asi 725. Nástrojům AI pro SEO věnuji samostatný text.

Samotnou frázi „aeo“ nepočítám, protože v Polsku znamená především celní certifikát a v USA jsou část výsledků burzovní kotace oděvního řetězce American Eagle. Na „aeo“ v polském Google jsou tři ze čtyř prvních výsledků stránky ministerstva financí. Fráze s plným názvem, například „answer engine optimization“, počítám v sérii „Ostatní“.

Každá jazyková verze tohoto textu používá název, který lidé na daném trhu hledají. Japonská mluví o LLMO, německá a francouzská o GEO a polská o „pozycjonowanie w AI“ a AI SEO. Tato verze používá GEO a AI SEO vedle sebe, protože v Česku v datech není poptávka po žádném z těchto názvů.

Jak AI vybírá zdroje odpovědí?

Model odpovídá z vyhledávání nebo z paměti a podle toho se liší, co můžete vůbec změnit. Když hledá na internetu, rozloží otázku na několik dotazů, stáhne výsledky, vybere z nich úryvky a část z nich cituje. Google to v dokumentaci nazývá „query fan-out“: systém odešle mnoho souvisejících vyhledávání o podtématech a z různých zdrojů (Google Search Central). Když model nehledá, odpovídá z toho, co se naučil při tréninku, a pozice stránky v Google pak nic nemění.

Tyto cesty se prolínají, protože paměť modelu ovlivňuje i odpověď, u které model hledal na internetu. Dan Petrovic z Dejanu píše, že zmínka značky v textu odpovědi se opírá především o dřívější znalosti modelu a jednotlivá stránka ji téměř neposune (Dejan, 7. 7. 2026). Proto obě cesty měřím zvlášť, ale pracuji na nich souběžně.

Jak často model hledá na internetu, závisí na modelu: v mém testu od 10 do 94 frází z 94. Ověřil jsem to přes API na 94 frázích z projektů, které vedu, anglicky a polsky, v noci ze 3. na 4. října 2026 a ráno podruhé. V textu o SEO strategii jsem popsal stejný efekt na pěti návodových otázkách, zde je na větším souboru.

• 93 z 94Tolikrát sáhl Gemini 2.5 Flash po vyhledávači v prvním průchodu (ve druhém 94 z 94).Můj test přes API, 3.-4. 10. 2026
• 71 z 94Tolikrát hledal Gemini 3.5 Flash (ve druhém průchodu 69 z 94).Můj test přes API, 3.-4. 10. 2026
• 25 z 84Tolikrát hledal Gemini 3.1 Pro (10 volání skončilo chybou limitu; ve druhém průchodu 32 z 94).Můj test přes API, 3.-4. 10. 2026
• 10 z 94Tolikrát hledal Gemini 3.8 Flash (ve druhém průchodu 15 z 94). U ostatních frází odpovídal z paměti.Můj test přes API, 3.-4. 10. 2026

V této konfiguraci novější verze Gemini Flash hledaly méně často, ale Gemini 3.1 Pro do tohoto vzorce nezapadá. Pro má starší číslo verze než 3.5 Flash a hledal méně často než on. Je to jedna rodina modelů a jedna konfigurace API, ne aplikace Gemini, kterou vidí uživatel, takže čísla beru jako signál, ne jako pravidlo. Stačí však na to, abych při každém měření ověřoval, u kolika otázek model vůbec hledá.

Paměť modelů o nové polské značce se ukázala jako děravá a část modelů si její popis vymýšlela. Ve stejném projektu hodnotil asi 500 odpovědí na otázky o značkách, pro které pracuji, naslepo samostatný model. Jedna z nových polských značek v tomto souboru byla neznámá všem kontrolovaným modelům a v 9 z 12 odpovědí o ní byl popis vymyšlený. Podíl vymyšlených odpovědí závisel na modelu: od 5 % do 77 % odpovědí o všech značkách. Odpovědi hodnotil jeden model-soudce, takže rozdíly pod asi 10 procentních bodů beru jako šum.

Táž doména může být viditelná na jedné cestě a neviditelná na druhé. Jeden ze serverů byl citován v režimu AI Google u 10 z 13 dvojic frází, ale v odpovědích modelů bez vyhledávání se neobjevil ani jednou (0 z 13). Je to jedna doména a 13 dvojic, takže jde o ilustraci, ne o pravidlo.

Příbuzný jev je vidět ve větším výzkumu. Dan Petrovic referuje výzkum Google Research na 13 modelech a 2 150 faktech z Wikipedie: špičkové z těchto modelů, jako Gemini 3 Pro a GPT-5, mají ve váhách 95-98 % těchto znalostí, ale neumějí si vybavit 26-34 % z nich (Dejan, 17. 8. 2026). Jsou to encyklopedická fakta, ne znalost značek, ale závěr pro značku je podobný: přítomnost informace v trénovacích datech nezaručuje, že ji model řekne.

Jak se dostat do odpovědí AI přes vyhledávání?

Na cestě přes vyhledávání funguje totéž co v SEO, s jedním rozdílem. Google píše, že aby se stránka dostala do AI Overview a režimu AI, musí být v indexu a smět se zobrazit ve výsledcích s úryvkem textu, a žádné další technické požadavky nejsou (Google Search Central). Rozdíl je v tom, že model klade několik dotazů najednou, takže stránka viditelná jen na jednu hlavní frázi má méně příležitostí k citaci než stránka viditelná i na její varianty. ChatGPT má navíc vlastního vyhledávacího robota (o něm níže), takže viditelnost v Google se na něj nepřenáší přímo.

Přístup pro roboty AI

Roboti vyhledávačů AI mohou být zablokovaní, aniž o tom majitel webu ví. Firewall nebo nastavení v síti pro doručování obsahu (CDN) je dokáže blokovat, často až po překročení prahu počtu dotazů, takže jediný test nic neukáže. Kontroluji sérii dotazů s názvy robotů Google, OpenAI, Perplexity a Anthropic a porovnávám odpověď serveru s tou, kterou dostává běžný prohlížeč.

Zablokovat trénování modelů je jiné rozhodnutí než zablokovat vyhledávání. OpenAI tyto role odděluje: GPTBot sbírá obsah, který může skončit v trénování modelů, a OAI-SearchBot rozhoduje o přítomnosti ve výsledcích vyhledávání ChatGPT. OpenAI píše, že stránky, které zablokují OAI-SearchBot, se nebudou zobrazovat v odpovědích vyhledávání ChatGPT, a blokace GPTBot na tom nic nemění (OpenAI). Podobně Google-Extended řídí využití obsahu modely Gemini, ale podle Google neovlivňuje přítomnost ani pozici ve vyhledávači (Google Search Central). Kdo blokuje všechny roboty AI jedním přepínačem, může přijít o přítomnost ve vyhledávání ChatGPT, které se vůbec nechtěl vzdát.

Pozice na frázi a dílčí dotazy

Nevím, zda vyšší pozice zvyšuje šanci na citaci, protože to moje data nerozhodují. V textu o SEO strategii, v kroku o hypotézách, jsem popsal článek, který byl na pěti velmi blízkých frázích citován v AI Overview jen na jedné, a to na té, na které stál nejníž. Dílčí dotazy skládá model a při každé odpovědi mohou být jiné, takže neexistuje jeden stálý seznam „dílčích dotazů pro frázi X“. V mém souboru 94 frází vytvořil model za jeden průchod 493 různých dílčích dotazů, v průměru přes pět na frázi.

Ověřil jsem, zda pozice na dílčí dotazy předpovídá citaci lépe než pozice na hlavní frázi, a můj první výsledek kontrolu nepřežil. Na dvojicích fráze-stránka z projektů, které vedu, jsem pravidlo zapsal dřív, než jsem spočítal výsledek. Mírou byla plocha pod ROC křivkou (AUC), tedy to, jak dobře signál odděluje citované stránky od necitovaných (0,5 je úroveň hodu mincí, 1 je dělení bez chyby). Dílčí dotazy měly vyhrát, pokud bude jejich plocha větší alespoň o 0,10. Na 29 dvojicích odložených pro test AI Overview vyšel rozdíl 0,44, tedy test „splněn“.

Křížová kontrola ukázala, že jsem porovnával dvě měření s různou přesností. Recenzent, který vše přepočítal od nuly, moje čísla zreprodukoval na číslici, ale všiml si, že pozici na hlavní frázi jsem vzal z jednoho stažení výsledků Google, kdežto citaci z pěti. Po výpočtu pozice ze stejných pěti stažení klesl rozdíl na 0,04 s intervalem od -0,28 do +0,36. Neprokázal jsem tedy, že dílčí dotazy jsou lepší než pozice, ani že jsou horší. Oba signály něco říkají, proto pracuji s oběma.

Pozice z jednoho stažení z DataForSEO se ukázala jako losování jedné z několika variant výsledků. Když jsem stejných 94 frází stáhl třikrát v odstupu asi hodiny, měla dvě stažení téže fráze v mediánu málo společných adres v top 10: Jaccardův index, tedy míra shody dvou množin od 0 do 1, vyšel 0,14-0,15. Část variant jsou pravděpodobně výsledky, které člověk v prohlížeči nevidí, protože u 5 frází se prohlížeč shodoval s jednou z nich. AI Overview byl přitom stabilní: jeho přítomnost se mezi staženími shodovala v 97-99 %. Proto pozici z tohoto nástroje dnes počítám jako podíl z asi 10 stažení odeslaných najednou. Jiné nástroje jsem takto neověřoval.

Úryvky, které odpovídají samostatně

Model obvykle nepoužívá celou stránku, ale úryvky, které odpovídají na jeho dotaz. Proto píšu tak, aby šlo každý úryvek pochopit bez zbytku stránky: odpověď v první větě pod nadpisem, konkrétní čísla se jmenovatelem a datem, názvy místo „to“ a „ten“. Každý odstavec v tomto textu začíná větou se závěrem právě z tohoto důvodu. Je to dobrá praxe psaní, která pomáhá i lidem, ne samostatná technika pro AI.

Neznamená to, že je třeba krájet obsah na drobné kousky nebo množit nadpisy. Google píše výslovně, že není požadavek dělit obsah na drobné úryvky, aby mu AI lépe rozuměla (Google Search Central). Ověřil jsem také, zda více nadpisů pomáhá dostat se do top 3. Na 632 stránkách z top 10 pro 119 dotazů v angličtině z oblasti softwaru pro firmy (USA, 26. září 2026) vyšel poměr šancí 0,95 (95% interval spolehlivosti: 0,81-1,12) a po zohlednění délky textu 1,00. Podíl stránek v top 3 byl ve třech skupinách od nejmenšího po největší počet nadpisů téměř stejný: 32 %, 34 % a 32 %. Je to týž test, o kterém píšu v textu o SEO strategii: jedna nika a jeden den měření. Stačí to však k tomu, abych nepřidával nadpisy kvůli zlepšení pozice: nadpis má říkat, o čem je úryvek pod ním.

Polské otázky, anglické dílčí dotazy

V mém souboru byla část dílčích dotazů k polským otázkám anglicky. 81 z 277 dílčích dotazů vytvořených k polským frázím nemělo znaky polštiny. Například polská otázka na žebříček produktů v jedné kategorii se proměnila v anglický dotaz s rokem v názvu. Je to hrubá heuristika na jednom souboru, ale stačí na to, abych u polské značky ověřoval i to, co o ní říkají anglicky psané zdroje.

Jak se dostat do paměti modelu?

Paměť modelu nezměníte jen vlastním webem: záleží na tom, co o vás píšou jiní. Model se učí z velkých souborů textů shromážděných před koncem tréninku. Pokud o značce píše hlavně ona sama a cizí zdroje jsou staré nebo si protiřečí, model zopakuje starý nebo protikladný obraz. Nemám měření, jak rychle se paměť modelů obnovuje. Předpokládám, že až v dalších verzích, proto v horizontu čtvrtletí nic neslibuji.

Na vlastní značce vidím oba zdroje chyb najednou. Gemini mě popisoval se zaměstnavatelem z doby před několika lety v přítomném čase a rogala.pro jako web „ve výstavbě“. Dva popisy, které o mně modely opakovaly nejčastěji, pocházejí doslova z mého medailonku v oborovém serveru, který se vysoko zobrazuje v Google na mé jméno. Tohoto zaměstnavatele jako současného ovšem neuvádí žádná z 26 stránek, které jsem zkontroloval ve výsledcích na mé jméno, takže tato chyba pravděpodobně sídlí v paměti modelu. Ověřím to stejnými otázkami, až se medailonek aktualizuje.

Co si model o značce pamatuje, můžete ověřit sami, bez nástrojů na viditelnost v AI. Položte otázky o značce bez přístupu k vyhledávání, nejspolehlivěji přes API bez nástroje vyhledávání. Zeptejte se, čím se značka zabývá, pro koho a od kdy působí, každou otázku třikrát. Pak porovnejte odpovědi s fakty a zapište zvlášť, co je aktuální, co zastaralé a co vymyšlené.

Zmínky bez soudržné definice značky opakují starý popis, proto začínám identitou. Moje pořadí:

• jedna definice značky, stejná na webu, v profilech a v medailoncích na cizích webech;
• strukturovaná data s identifikátory, které jsem ručně ověřil;
• záznamy ve znalostních bázích, jako je Wikidata, jen tam, kde existují zdroje, které je potvrdí;
• teprve potom zmínky a publikace na místech, která redaguje někdo jiný.

Identifikátor je třeba otevřít a přečíst, než se dostane do kódu stránky. Dne 5. října 2026 jsem si všiml, že identifikátor Knowledge Graph, který od předchozího dne stál ve strukturovaných datech rogala.pro, vede na panel herce téhož jména. Asi den moje stránka vyhledávačům oznamovala, že jsem herec. Ověření trvá minutu: adresa google.com/search?kgmid= s připsaným identifikátorem ukáže, komu skutečně patří.

Wikidata nekoupí místo, na které nejsou zdroje. Wikidata vyžaduje zdroje pro informace o žijících osobách, takže se v ní nedá deklarovat specializace, o které kromě vás nikdo nepsal. Proto jsem u sebe začal publikacemi na místech redigovaných jinými, ne zápisem do báze.

Co v GEO funguje a co je mýtus?

Tvrzení o GEO dělím podle síly důkazu. Zdokumentovaná potvrzuje dokumentace vyhledávače a moje měření je výsledek z jedné konfigurace, který opakuji. Vyvrácená a neprokázaná jsou ta, která jsem ověřil na vlastních datech a která nepřežila nebo nic nerozhodla. Bez důkazu jsou oblíbené rady, za nimiž nestojí žádné měření, a někdy stojí důkaz opačný.

Neexistuje důkaz, že soubor llms.txt a verze stránek v Markdownu pomáhají dostat se do odpovědí AI. Google píše, že pro přítomnost v jeho vyhledávači není třeba vytvářet nové soubory pro stroje, textové soubory pro AI, značky ani Markdown (Google Search Central). Když jsem v červenci 2026 zkontroloval 10 domén z mého portfolia, žádná neposkytovala agentům AI verzi v Markdownu. Na rogala.pro má každá stránka od 8. října verzi v Markdownu a soubor llms.txt a do 8. listopadu v logu serveru měřím, zda je někdo stahuje. V Polsku má fráze „llms txt“ asi 720 vyhledávání měsíčně, proto tomuto tématu věnuji samostatný text.

Strukturovaná data popisují značku vyhledávači, ale neexistuje důkaz, že přinášejí citace. Google píše, že strukturovaná data se v generativním vyhledávání nevyžadují a neexistují zvláštní značky schema.org, které by bylo třeba přidat (Google Search Central). Matt Buxbaum ze Seer Interactive analyzoval 8 500 frází s AI Overview a 6 354 stránek, které v nich získaly první citaci: schema a signály E-E-A-T s výhrou souvisely nejslaběji a stránky s nejvíc značkami FAQ a HowTo vycházely asi 10krát hůř (Seer Interactive, 28. 5. 2026). Je to korelace, takže nevím, zda značky škodí, ale tato data nečtu jako důkaz přínosu. Strukturovaná data používám k popisu entit (kdo, co, kde, s jakými identifikátory), protože k tomu slouží. Vlastní test jejich vlivu na odpovědi AI jsem ještě nedokončil.

Zmínka a citace jsou dvě různé věci a mnoho reportů je zaměňuje. Petrovic rozlišuje tři události: stránku, kterou systém stáhl jako podklad pro odpověď, citaci, tedy stránku zobrazenou jako zdroj, a zmínku, tedy název značky v textu odpovědi, který uživatel čte a pamatuje si (Dejan, 7. 7. 2026). Značka může být citována bez zmínky v textu a jmenována bez citace stránky. Proto tyto dvě věci měřím zvlášť a nesčítám je do jednoho „skóre viditelnosti v AI“.

Jak ověřit, zda GEO funguje?

Bez výchozího stavu nepřiřadíte efekt žádné změně, proto ho zapisuji před první úpravou. Do výchozího stavu patří otázky zapsané doslovně, názvy a verze modelů, datum a trh. Otázky skládám z dat o poptávce a ze Search Console a většina z nich neobsahuje název značky, protože název v otázce sám napovídá modelu odpověď. Sadu otázek ze dvou pásem pozic popisuji v textu o SEO strategii.

Pět věcí měřím zvlášť, protože každá může jít jiným směrem:

1. Zmínku značky v textu odpovědi.
2. Citaci stránky jako zdroje.
3. To, zda model vůbec hledal na internetu, tedy vyhledávání a paměť zvlášť.
4. Návštěvnost z asistentů AI v analytice, která je vždy dolní hranicí, protože část vstupů přichází bez informace o zdroji.
5. Návštěvnost z Google ve stejném období, aby změna pro AI nešla na úkor běžných výsledků.

Odpovědi chatů jsou náhodné, proto jednu otázku pokládám třikrát najednou. AI Overview je stabilní a u něj stačí jedno stažení. Číslo z nástroje na viditelnost v AI čtu vždy se jmenovatelem: je to podíl v mé sadě otázek, ne „podíl na trhu AI“, který nikdo nezná.

Co dělám na vlastním webu a co ještě nevím?

O AI ve vyhledávání mluvím veřejně od roku 2016, ale vlastní značku v odpovědích AI zatím nemám a tím můj experiment začal. Výchozí stav z 26. července 2026: rogala.pro neměla ani jednu citaci na žádném ze 7 povrchů AI zkontrolovaných v Ahrefs pro Polsko a v 6 kontrolách na třech platformách, v otázkách bez mého jména, mě žádný model nejmenoval. Při dotazu na mé jméno model opakoval popis z doby před několika lety. Je to jedno měření a bez ChatGPT, protože nástroj, kterým jsem odpovědi sbíral, pro něj nevrátil výsledky, takže ho beru jako výchozí bod, ne jako důkaz.

Pořadí prací vychází z dat: nejdřív identita, potom dosah. Sjednotil jsem jednu definici v profilech (na LinkedInu ve 30 jazykových verzích), ověřil jsem identifikátory ve strukturovaných datech (odtud ta chyba s hercem), postavil jsem web a blog ve 27 jazycích s verzemi v Markdownu. Dosah, tedy publikace a zmínky v cizích médiích, přichází až po tom.

Ještě nevím, zda to funguje. První opakované měření odpovědí AI jsem naplánoval od 1. listopadu 2026 a výsledek měření souborů Markdown bude po 8. listopadu. Výsledky do tohoto textu doplním, i kdyby vyšly nulové.

Nejčastější otázky o GEO a AI SEO

Čím začít?

První tři kroky nestojí nic kromě času. Ověřte, zda roboti vyhledávačů AI dostávají váš web. Položte třikrát najednou několik otázek, které kladou vaši zákazníci, bez názvu vaší značky, a zapište, kdo je jmenován a kdo citován. Přečtěte si, co o vaší značce říkají výsledky Google na samotný její název, protože ze stejných zdrojů čerpají modely. Pokud vás výsledek překvapí, je to dobré téma pro konzultaci.