GEO po SEO. Co lze skutečně optimalizovat v AI vyhledávání?

Značky mohou optimalizovat své informační zdroje a podmínky přístupu. Mohou ovlivnit pouze vyhledávání, citace, absorpci a doporučení. Kontrolní povrch GEO poskytuje praktický model pro rozlišení řízených zásahů od pozorovaných výsledků.

Trh GEO často označuje každý žádoucí výsledek jako „optimalizaci“: výběr zdroje, citaci, zahrnutí značky, příznivé rámování a dokonce i doporučení. To je však kategorie chyby.

Značka může změnit svou webovou stránku, podmínky přístupu, informační architekturu, obsah, tvrzení a některá data odeslaná na externí platformy. Nemůže však instruovat systém vyhledávání, aby vybral konkrétní dokument. Nemůže vynutit citaci ani určit, jak model syntetizuje své zdroje. Ani nekontroluje konečné doporučení.

Vyspělý přístup k Generative Engine Optimisation (GEO) proto vyžaduje tři odlišné způsoby jednání:

• přímo optimalizovat řízené zdroje a podmínky;

• nepřímo ovlivňovat, jak jsou informace vybírány a používány;

• monitorovat výsledky, které zůstávají mimo kontrolu značky.

Jednoduše řečeno:

GEO není optimalizací odpovědi modelu. Je to optimalizace řízených podmínek, pokus o ovlivnění mezilehlých procesů a měření reprezentace, kterou značka nekontroluje.

„Po SEO“ neznamená „bez SEO“

Slovo „po“ nenaznačuje, že GEO nahrazuje SEO. Odkazuje na pozdější fáze informačního toku – bod, kdy může být dostupný dokument vyhledán, vybrán, použit a transformován na odpověď.

Pro generativní funkce Google Search zůstávají základní požadavky SEO vstupní podmínkou. Google uvádí, že AI Overviews a AI Mode používají jeho základní systémy kvality a hodnocení vyhledávání, Retrieval-Augmented Generation a rozšíření dotazů. Stránka musí být indexována a způsobilá k zobrazení se snippetem, ale splnění těchto podmínek nezaručuje procházení, indexaci nebo prezentaci.

Ne každý systém dosahuje informací stejnou cestou.

OpenAI rozlišuje automatizovaný OAI-SearchBot od ChatGPT-User, který může navštívit stránku v důsledku akce uživatele. Anthropic přiřazuje oddělené role Claude-SearchBot a Claude-User. Perplexity podobně rozlišuje PerplexityBot od Perplexity-User, přičemž vyhledávání iniciované uživateli může fungovat podle jiných pravidel než automatizované indexování.

Co by mělo GEO znamenat?

Původní studie, „GEO: Generative Engine Optimization”, definovala GEO jako optimalizační rámec černé skříňky navržený k zvýšení viditelnosti obsahu v odpovědích generativního enginu. Výzkumníci upravili dokumenty a měřili změny v jejich expozici. Nahlášený výsledek „až 40 %“ se vztahoval na konkrétní benchmark, jeho vlastní metriky viditelnosti a kontrolované výzkumné prostředí – není to benchmark pro současné produkční systémy.

Z pohledu Google jsou termíny Answer Engine Optimisation (AEO) a GEO průmyslové termíny vztahující se k viditelnosti v AI vyhledávacích zkušenostech, ale optimalizace pro AI Overviews a AI Mode zůstává součástí optimalizace Google Search. Google nevyžaduje llms.txt, specializovaný markup, umělé dělení nebo oddělený styl psaní pro AI systémy.

Obě definice jsou užitečné, ale žádná neposkytuje dostatečně neutrální definici disciplíny.

Operační definice

Generative Engine Optimisation je praxí založenou na důkazech, která spočívá v úpravě kontrolovatelných informačních zdrojů a podmínek přístupu za účelem vytvoření lepších podmínek pro generativní vyhledávací systémy, aby našly, vybraly, použily a přesně reprezentovaly informace – přičemž měří výsledky, které zůstávají mimo přímou kontrolu značky.

Tato definice nezahrnuje:

• přímé ovládání odpovědi;

• školení nebo doladění modelu poskytovatele;

• každou SEO nebo PR aktivitu;

• pouhé monitorování;

• zaručení zmínky, citace nebo doporučení.

Kontrolní povrch GEO

Kontrolní povrch GEO, navržený Brand Semantics, organizuje aktivity podle úrovně agentury dostupné značce.

Model nenaznačuje, že každý prvek patří výhradně do jedné kategorie. Citace je například proces, který se značka může pokusit ovlivnit, a výstup, který musí pozorovat.

Klasifikace popisuje vhodný způsob řízení, nikoli pouze pozici prvku v rámci pipeline.

Co mohou značky optimalizovat přímo

Přímá optimalizace je možná tam, kde značka kontroluje objekt zásahu a může ověřit, že změna byla implementována.

Technický přístup je kontrolovatelný; zahrnutí nikoli

V Google Search může značka kontrolovat, zda jsou její stránky technicky dostupné pro procházení, indexaci a prezentaci snippetů. Nemůže zaručit, že Google indexuje stránku nebo zobrazuje ji v generativní funkci.

Stejné rozlišení platí pro jiné platformy:

• OAI-SearchBot podporuje zahrnutí stránek do funkcí vyhledávání ChatGPT, zatímco GPTBot se vztahuje na obsah, který může být použit při vývoji modelu. Ovládací prvky jsou nezávislé.

• Claude-SearchBot podporuje indexaci zaměřenou na zlepšení kvality, relevance a přesnosti výsledků vyhledávání Claude, zatímco Claude-User zpracovává vyhledávání iniciované uživateli.

• PerplexityBot podporuje vyhledávací povrchy, zatímco Perplexity-User může navštívit stránku v reakci na uživatelskou žádost. Perplexity uvádí, že druhý obvykle ignoruje robots.txt, protože vyhledávání je iniciováno uživateli.

Neexistuje tedy žádné jediné rozhodnutí „povolit AI“ nebo „blokovat AI“. Automatizované indexování, vyhledávání na vyžádání, vývoj modelu a pravidla Web Application Firewall musí být posuzovány odděleně.

Obsah, tvrzení a strukturovaná data

Značka může zlepšit:

• přesnost svých definic;

• transparentnost své metodologie;

• kvalitu svých dat;

• jasnost svých zdrojů;

• strukturu svého argumentu;

• aktuálnost svých informací;

• rozdíl mezi fakty, interpretacemi a omezeními;

• konzistenci názvů, produktů a kategorií.

To neimplikuje existenci univerzálního stylu psaní, který zaručuje citaci.

Google doporučuje užitečný, odlišný a nekomoditizovaný obsah, ale odmítá potřebu specializovaného stylu psaní pro generativní vyhledávání, ideální délku dokumentu nebo umělé dělení obsahu na krátké fragmenty.

Strukturovaná data jsou také kontrolovatelným prvkem. Mohou pomoci Google Search pochopit viditelný obsah a určit způsobilost pro konkrétní bohaté výsledky, ale technicky správná implementace nezaručuje, že tyto výsledky budou zobrazeny. Strukturovaná data musí odrážet informace, které jsou uživateli dostupné.

Podrobný návrh map entit, tvrzení a zdrojů je pokryt v Brand Semantics Infrastructure: jak správně přimět AI vyhledávání, aby pochopilo vaši značku. Zde mají tyto prvky význam jako kontrolovatelné vstupy – nikoli jako záruku konečné reprezentace.

Co lze pouze ovlivnit

Značka může vytvořit lepší podmínky pro vyhledávání, výběr zdroje a přesnou syntézu, ale nekontroluje tato rozhodnutí.

Vyhledávání a výběr zdroje

Potenciální zásahy zahrnují:

• technickou dostupnost;

• semaantické sladění mezi dokumentem a dotazem;

• jasnou terminologii;

• přítomnost relevantních tvrzení;

• aktuální data;

• dostupnost v jazyce uživatele;

• externí zdroje, které potvrzují důležité informace.

Celá sada kandidátů, všechny pomocné dotazy a váhy aplikované platformou zůstávají neznámé. Vyhledávání a výběr zdroje jsou proto oblastmi vlivu a částečně nepozorovatelnými procesy.

Absence viditelné citace nezakládá, že zdroj nehrál žádnou roli při vyhledávání nebo generování. Bez přístupu k interním protokolům platformy zůstává část procesu nepozorovatelná. Konkrétnímu neviditelnému zdroji by neměla být přičítána zásluha za formování odpovědi bez dodatečných důkazů.

Citace a absorpce nejsou totéž

Značka může zlepšit dokument, ale nemůže implementovat míru citace na stránce.

Míra citace je výstup, nikoli objekt optimalizace.

Studie „Od výběru citace k absorpci citace” rozlišuje mezi:

• výběrem citace – výběrem a prezentací zdroje;

• absorpcí citace – vlivem citované stránky na jazyk, fakta, důkazy nebo strukturu odpovědi.

V rámci analyzovaného datasetu nebyly šířka citace a hloubka vlivu ekvivalentní. Studie také zjistila, že stránky s větším pozorovaným vlivem měly větší pravděpodobnost, že budou dobře strukturované, semanticky sladěné a bohaté na extrahovatelné důkazy. Tyto vztahy jsou popisné, nikoli důkazem, že jediná strukturální změna způsobí vyšší absorpci. Publikace je preprint.

Úplná metodologie pro rozlišení citace od absorpce vyžaduje samostatnou analýzu. Pro účely tohoto modelu je relevantní rozlišení:

• struktura a důkazy jsou kontrolovatelné vstupy;

• výběr citace a absorpce jsou oblasti vlivu;

• míra citace a absorpce tvrzení jsou pozorované výsledky.

Externí zdroje

Digitální PR, vztahy s vydavateli a opravy externích zdrojů mohou podporovat GEO, ale ne každá zmínka je zásah GEO.

Externí publikace se stává součástí GEO programu, když:

1. podporuje definované tvrzení nebo vztah entity;

2. řeší konkrétní mezeru ve zdroji;

3. je spojena s explicitní hypotézou vlivu;

4. je následně monitorována pro výběr, citaci nebo reprezentaci.

Značka kontroluje svá vlastní data, výzkum a outreach. Nekontroluje redakční rozhodnutí vydavatele ani následný výběr publikace systémem.

Rámování a doporučení

Značka může:

• jasně definovat svou kategorii;

• vysvětlit relevantní případy použití a omezení;

• publikovat srovnání na základě explicitních kritérií;

• opravit nepřesné informace;

• vytvořit konzistenci mezi svou nabídkou, publikem a problémem, který řeší.

Nemůže určit, zda ji systém prezentuje jako první doporučení, jednu z několika možností, specializované řešení nebo značku, která je pro scénář irelevantní.

Míra doporučení, význam odpovědi a rámování jsou pozorované výsledky. Tvrzení, že značka může „optimalizovat doporučení“, jí přisuzuje úroveň kontroly, kterou nevlastní.

Co by mělo být primárně monitorováno

Viditelnost AI není jedinou metrikou.

Jednoduchý dotaz neposkytuje stabilní měření platformy. Odpovědi se mohou lišit mezi běhy, variantami dotazů a daty. Nedávné preprinty doporučují zacházet s viditelností jako s distribucí výsledků a hlásit nejistotu, spíše než prezentovat jednotlivé výsledky s falešnou přesností. Viz „Neměřte jednou: Měření viditelnosti v AI vyhledávání (GEO)” a „Kvantifikace nejistoty v AI viditelnosti”.

Tento článek neřeší plný problém experimentálního měření GEO. To vyžaduje samostatnou metodologii pokrývající scénářové knihovny, opakované pokusy, kontroly změn platformy, klasifikaci odpovědí a statistickou nejistotu. Bude vyvinuta v samostatném článku: Spolehlivé měření viditelnosti AI: dotazy, variabilita a experimentální design.

Rámec C–I–O–X

Před výběrem taktiky GEO projděte pěti kroky.

1. Identifikujte objekt

Nehovořte „zlepšit viditelnost AI“. Specifikujte zásah nebo měření:

• povolit OAI-SearchBot;

• aktualizovat tvrzení;

• publikovat metodologii;

• měřit míru citace;

• klasifikovat rámování.

2. Přiřaďte třídu

• C – Kontrola: značka může změnu implementovat;

• I – Ovlivnění: značka může zlepšit podmínky;

• O – Pozorování: prvek je výstup;

• X – Exogenní podmínka: proměnná pochází z okolního systému.

3. Uveďte mechanismus

Ne:

Přidání tabulky zvýší citace.

Naopak:

Tabulka může usnadnit interpretaci dat a usnadnit extrakci srovnání, což ospravedlňuje testování jejího vlivu na výběr, citaci nebo absorpci.

4. Definujte úroveň důkazů

Pochází doporučení z:

• dokumentace poskytovatele;

• výzkumu;

• korelace;

• interpretace;

• hypotézy?

5. Přiřaďte metriku a hlaste omezení

Zásah by měl být hodnocen vůči výsledku, který odpovídá jeho navrhovanému mechanismu, přičemž se zohledňuje variabilita a alternativní vysvětlení.

Nejpřístupnější princip GEO je tedy:

Optimalizujte zdroje a podmínky, které kontrolujete. Ovlivněte prostředí zdroje, kde je to možné. Měřte reprezentaci, kterou nekontrolujete.

Pokud tým nedokáže rozlišit mezi těmito třemi vrstvami, jeho dalším krokem by neměla být další taktika GEO. Mělo by to být diagnostikování jeho kontrolního povrchu GEO.

Zdroje a metodologické poznámky

Oficiální dokumentace poskytovatele

1. Google Search Central, „Optimalizace vašeho webu pro generativní AI funkce na Google Search“, aktualizováno 10. července 2026.

2. Google Search Central, „AI funkce a váš web“.

3. Google Search Central, „Obecné pokyny pro strukturovaná data“, aktualizováno 10. července 2026.

4. OpenAI, „Přehled OpenAI Crawlers“.

5. Anthropic Privacy Center, dokumentace pokrývající ClaudeBot, Claude-SearchBot a Claude-User.

6. Perplexity, „Perplexity Crawlers“.

Výzkum

7. Aggarwal, P. et al., „GEO: Generative Engine Optimization“.

8. Kai, Z., He, X. a Yao, J., „Od výběru citace k absorpci citace“, arXiv:2604.25707, verze 2, 29. dubna 2026.

9. Schulte, J., Bleeker, M. a Kaufmann, P., „Neměřte jednou: Měření viditelnosti v AI vyhledávání (GEO)“, arXiv:2604.07585.

10. Sielinski, R., „Kvantifikace nejistoty v AI viditelnosti“, arXiv:2603.08924, verze 2, 9. června 2026.

Příspěvky Brand Semantics

Operační definice GEO, Kontrolní povrch GEO a klasifikace C–I–O–X jsou metodologické návrhy vyvinuté Brand Semantics. Nejsou oficiální terminologií poskytovatele ani obecně přijatým akademickým standardem.