Úvod do GEO
Cíl a metodika
Cíl: Cílem této eseje je vysvětlit, jak fungují generativní motory (GE).
mění způsob, jakým lidé vyhledávají informace, a jak to ovlivňuje viditelnost značek.
nejprve se zaměří na klasické vyhledávače a optimalizaci pro vyhledávače (SEO), poté popíše
jak GE (například ChatGPT nebo Perplexity) vytvářejí odpovědi, které snižují počet kliknutí. Na základě
Vzhledem k této změně ve vyhledávání informací je hlavním cílem této eseje definovat generativní
Optimalizace pro vyhledávače (GEO) a identifikace konkrétních metod, které pomáhají firmám zobrazovat se na výsledcích vyhledávání
uvnitř GE odpovědí. Druhým cílem je vyhodnotit, zda běžné SEO postupy (klíčová slova)
nadhazování, unikátní slova) stále záleží na GEO, které z nich mají skutečně pozitivní výsledky na základě
statistiky a které z nich nejsou efektivní nebo dokonce škodlivé. Esej má hodnotu, protože
shromažďuje poznatky z více studií na jednom místě a vytváří z nich jednoduchou a strukturovanou formu
sada GEO metod, které mohou čtenáři použít.
Metodologie: Metodologie je přehledem nedávných akademických a průmyslových zdrojů pro
SEO a zaměřené zejména na GE a GEO (od roku 2024 do roku 2025). Prochází každou studií
postupně vysvětluje použité metody a zjištění. Esej nedělá vlastní
výzkumu nebo experimentů. Místo toho bere hlavní tvrzení z těchto studií a zařazuje je do
na jednom místě. Zmiňuje se také o tom, jak stávající studie musely vytvořit nové způsoby měření viditelnosti
v GE vysvětlit, proč některé metody fungují lépe než jiné. Klíčovým omezením je použití
pouze sekundární zdroje v rychle se měnícím prostoru, zjištění ukazují to, co říkají nedávné studie
spíše než dlouhodobá pravidla, která budou životaschopná v budoucnu,
Obsah
Cíl a metodologie
Zavedení
1 Pozadí: Vyhledávače, SEO a vzestup generativních vyhledávačů
1.1 Tradiční vyhledávače a SEO
1.1.1 Vysvětlení procházení, indexování a hodnocení
1.1.2 Základní SEO metody
1.2 Rostoucí popularita generativních motorů
2 Co jsou generativní motory?
2.1 Příklady generativních motorů
2.2 Důsledky pro skutečnou viditelnost
3 Co je generativní optimalizace pro motory (GEO)?
3.1 GEO a jeho původ
3.2 Cíle GEO
4 metody generativní optimalizace motorů
4.1 Recenze GEO: Generativní optimalizace motorů
4.2 Přehled toho, co se líbí generativním vyhledávačům a jak s nimi kooperativně optimalizovat webový obsah 4.3 Přehled generativní optimalizace pro vyhledávače: Jak ovládnout vyhledávání s využitím umělé inteligence
4.4 Recenze E-GEO: Testovací platforma pro generativní optimalizaci v elektronickém obchodování
4.5 Přehled generativní optimalizace pro vyhledávače řízené záměrem a rozšířené o role A dále klíčová slova: Řízení generativní optimalizace pro vyhledávače pomocí agentů zaměřených na obsah
Závěr
Reference
Úvod
Nedávný vzestup generativních vyhledávačů (GE) mění způsob, jakým lidé na internetu vyhledávají informace. Nástroje jako ChatGPT, Perplexity a Google AI Overviews odpovídají na otázky ve větách, které jsou snadno srozumitelné a nevyžadují žádné ruční prohledávání webových stránek. Uživatelé nyní dostanou jednu jasnou odpověď místo dlouhého seznamu modrých odkazů. Čtou krátká shrnutí a často se u nich zastaví. Klikají na méně odkazů a navštěvují méně webů. Po mnoho let byly klasické vyhledávače jediným způsobem, jak se dostat na web. Procházely stránky, ukládaly o nich informace a řadily je na základě několika metrik. Optimalizace pro vyhledávače (SEO) se stala novou normou, jak být online vidět. Majitelé webů si buď najali SEO specialisty, nebo se sami snažili naučit, jak najít dobrá klíčová slova, psát názvy, získávat zpětné odkazy a strukturovat své stránky. Vyšší umístění ve výsledcích vyhledávání znamenalo více návštěv a více prodejů. (Aggarwal a kol., 2024; Yalçın & Köse, 2010)
Generativní vyhledávače začínají tento starý vzorec bořit. Stále používají webové stránky jako zdroje, ale odpovídají vlastními slovy. Generativní vyhledávače mohou značku zmínit jménem nebo ji úplně přeskočit. Mohou zobrazit odkaz ve spodní části dlouhé odpovědi. Stránka může pomoci s trénováním odpovědi, ale stále nezíská žádné uznání. Tato změna vyvolává otázku pro značky. Jak může web zůstat viditelný, když lidé již neklikají a neprocházejí seznamy výsledků? (Aggarwal a kol., 2024)
Nedávné studie zavádějí generativní optimalizaci pro enginy (GEO), aby se s tímto problémem vypořádaly. GEO se zabývá tím, jak dostat značku do samotné odpovědi. S jednoduchým cílem by se značka měla v odpovědi objevovat často, jasně a se správným uvedením zdroje, pokud je použita. Studie, které jsem prostudoval, ukazují, že malé změny v obsahu mohou drasticky změnit, které zdroje GE citují a používají. Autoři mohou například přidávat krátké citace, jasné statistiky a přímé srovnání s konkurencí. Mohou používat strukturu stránky, která je pro modely snadno čitelná. (Aggarwal a kol., 2024)
Tato esej vysvětluje tyto myšlenky strukturovaným způsobem. Nejprve poskytuje krátký přehled klasických vyhledávačů a SEO. Zabývá se procházením, indexováním, hodnocením a běžnými SEO taktikami. Dále popisuje generativní vyhledávače a uvádí reálné příklady. Zabývá se tím, jak generativní vyhledávače ovlivňují návštěvy, kliknutí a značky. Esej poté definuje geodetické optimalizace (GEO) a její hlavní cíle. Ukazuje metody GEO, jako je přepisování starého obsahu, technické úpravy a získaná média (earned media). Také ukazuje, jak studie musely vytvořit nové způsoby měření viditelnosti značky v rámci GE odpovědí. Esej se také zabývá starými SEO metodami a tím, zda fungují pro GE.
Esej využívá pouze existující akademické a průmyslové studie. Neprovádí nové testy ani nevytváří vlastní data. To je jasné omezení eseje, protože generativní vyhledávače se velmi rychle mění. Přesto všechny studie použité k určení metod GEO pocházejí buď z roku 2025, nebo 2024. Spojení těchto zdrojů má svou hodnotu. Esej poskytuje čtenářům jedno místo, kde se mohou naučit základy SEO, co jsou GE a metody, jak optimalizovat svůj web, aby byl v nich lépe viditelný. Také podněcuje myšlenku k zamyšlení nad GEO jako novým způsobem, jak dosáhnout viditelnosti.
Background: Search engines, SEO, and the rise of Generative engines
Traditional search engines and SEO
Vyhledávače jsou programy, které shromažďují, ukládají a třídí webové stránky na základě řady metrik. K prohledávání webu používají malé programy zvané crawlery, spidery nebo boty. Tyto programy otevírají a sledují odkazy, čtou kód a ukládají adresy stránek, slova a odkazy. Data se poté ukládají do velkého indexu, což je vlastní databáze vyhledávače. (Yalçın & Köse, 2010)
Optimalizace pro vyhledávače (SEO) je proces, který pomáhá webům zobrazovat se ve výsledcích vyhledávání výše. Hlavním cílem SEO je posunout web na první stránku pro vybraná klíčová slova. Vyšší umístění přináší více návštěvníků, což je velmi důležité pro společnosti, které primárně využívají web k oslovení svých zákazníků. A v moderní době to dělá téměř každá společnost. (Yalçın & Köse, 2010)
Vysvětlení pojmů procházení, indexování a řazení výsledků
Vyhledávače používají k zodpovězení uživatelských dotazů systém procházení, indexování a hodnocení.
Procházení je prvním krokem. Prohledávače se pohybují z odkazu na odkaz a shromažďují informace o
každou URL adresu, kterou najdou. Ukládají si adresu, viditelný text, kód a odkazy každé stránky. (Yalçın
a Köse, 2010)
Indexování je druhým krokem. Vyhledávače ukládají data do svého indexu. Index je
obrovská databáze, která umožňuje vyhledávači rychle najít stránky, když uživatel odešle dotaz. (Yalçın & Köse,
2010)
Hodnocení je posledním krokem. Když uživatel zadá dotaz, vyhledávač hledá v indexu stránky.
které odpovídají slovům. Poté tyto stránky seřadí podle toho, jak relevantní a užitečné se zdají být.
Relevance závisí na mnoha faktorech, jako je použití klíčových slov, odkazy a kvalita stránky. Vyhledávač
zobrazuje uživateli seřazený seznam s „nejlepšími“ stránkami nahoře. (Yalçın & Köse, 2010)
Základní metody SEO
SEO se snaží využít způsob, jakým vyhledávače řadí stránky, aby stránku, kterou se snaží umístit na předních příčkách, zviditelnilo. Způsob fungování vyhledávačů se neustále mění, a proto se mění i metody optimalizace. Níže jsou však uvedeny osvědčené základní metody SEO, které fungují již dlouhou dobu. (Yalçın & Köse, 2010) dělí SEO na interní (on-site) a externí (off-site) práci.
Interní SEO se zabývá tím, jak je web vytvořen a napsán. Mezi důležité metody patří:
• přehledné, jednoduché HTML stránky, které se rychle načítají
• dobrá struktura bez velkého použití rámů nebo velkých bleskových dílů
• použití klíčových slov v nadpisech, nadpisech, meta tazích, alternativním textu a optimalizovaných URL adresách
• rozumná hustota klíčových slov v textu, nikoli jejich nadměrné používání, které vypadá jako spam
• unikátní, krátké názvy stránek a jasné meta popisy
• přehledná navigace a mapa webu, která odkazuje na všechny stránky (Yalçın & Köse, 2010)
Externí SEO se zaměřuje na data mimo web. Mezi důležité metody patří:
• zpětné odkazy z jiných webových stránek, které zvyšují Page Rank o 10 bodů
• odkazy z webů s podobným obsahem, které jsou lepší než naše webové stránky
• přidání webových stránek do průvodců a adresářů
• využívání platforem sociálních médií k získání více odkazů a návštěv (Yalçın & Köse, 2010)
Tyto metody se společně snaží pomoci robotům najít web, pomoci indexu jej správně uložit a pomoci systému hodnocení vnímat jej jako silný výsledek pro vybraná klíčová slova.
Rostoucí popularita generativních motorů
Používání generativních vyhledávačů v posledních několika letech velmi rychle roste. Jen ChatGPT měl v roce 2025 stovky milionů aktivních uživatelů týdně. (Singh, 2025) Další nástroje, jako jsou Gemini, Claude a Perplexity, také oslovují velké uživatelské základny. Generativní vyhledávače jsou nyní běžné v každodenním životě. Přibližně polovina spotřebitelů uvádí, že aktivně používá vyhledávače s umělou inteligencí. Asi polovina vyhledávání na Googlu již zobrazuje Google AI Overview, což je shrnutí napsané v rámci LLM, a počet vyhledávání na Googlu s Google AI Overview rapidně roste. (Silliman, 2025)
Spotřebitelé také uvádějí, že preferují odpovědi od GE, protože jsou srozumitelnější. Větší podíl používání ChatGPT je určen pro vyhledávání informací, nejen pro psaní nebo kódování. Zprávy ukazují, že GE nyní ovlivňují skutečný výzkum produktů a nákupní rozhodnutí, a to napříč telefony, notebooky, bankovnictvím a dalšími oblastmi. (Chatterji, 2025; Chen a kol., 2025a)
Celkově se generální korporace (GE) posunuly od malých nástrojů k dlouhodobým gigantům v oblasti online informací a nakupování, kteří jsou nároční.
Co jsou generativní motory?
Generativní vyhledávače (GE) jsou vyhledávače kombinované s generativními modely, které používají modely velkých jazyků (LLM) k vyhledávání informací a generování odpovědí s využitím více zdrojů. Najdou dokumenty, webové stránky a informace online, přečtou si je, sestaví důležité informace a napíší úplnou odpověď v přirozeném a snadno srozumitelném jazyce. Poté přidají citace, které vedou zpět k jejich zdrojům (Aggarwal et al., 2024; Wu et al., 2025). To se liší od klasických vyhledávačů. Vyhledávače vyhodnotí váš dotaz a poté zobrazí dlouhý seznam modrých odkazů seřazených podle několika interních metrik. Uživatelé pak musí klikat a číst stránky jednu po druhé a najít informace, které hledali. Generativní vyhledávače tohle všechno vynechávají. Místo toho vám poskytnou jednu, sestavenou odpověď, která působí jako shrnutí toho, co jste hledali. Odkazy se stále používají, ale jsou skryté v textu jako citace (Aggarwal et al., 2024). Generativní vyhledávače mohou být také interaktivní. Mnohé umožňují doplňující otázky. Dokážou porozumět úkolům, které jim zadáte, najít nové zdroje a upřesnit svou odpověď v krátkém dialogu. (Wu a kol., 2025)
Příklady generativních systémů
Toto je neúplný seznam genetických modifikací, pouze těch nejdůležitějších a těch, které byly použity ve studiích, které jsem později zkoumal:
• Přehled AI Google zobrazuje krátkou odpověď v horní části stránky s výsledky. Používá LLM s vyhledáváním a cituje webové stránky uvnitř shrnutí. Přehled AI Google může být největší hrozbou pro tradiční SEO kvůli způsobu, jakým je integrován. Uživatelé nemusí navštěvovat žádné externí stránky, aby ho mohli používat, protože se používá automaticky, když cokoli vyhledávají na Googlu (Wu a kol., 2025).
• ChatGPT umí prohledávat web, číst stránky a odpovídat pomocí vložených odkazů. Má nekonečné množství dalších případů použití a funkcí. Funguje jako univerzální generativní engine pro mnoho úkolů (Wu a kol., 2025)
• Perplexity AI nabízí jednu hlavní odpověď a seznam citovaných zdrojů. Kombinuje chat s vyhledáváním a v několika geodetických studiích se používá jako skutečný testovací engine (Aggarwal a kol., 2024; Chen a kol., 2025b)
• Další vyhledávací nástroje s využitím umělé inteligence, jako například Gemini a Claude, se také používají a testují jako genetické experty (GEO) ve studiích GEO (Wu a kol., 2025)
Všechny tyto systémy se liší ve způsobu fungování, používání zdrojů a vzhledu rozhraní. Sdílejí však stejnou základní myšlenku – používají řadu zdrojů nalezených online a poté generují jednu srozumitelnou odpověď s citacemi. Je také důležité poznamenat, že způsob optimalizace pro každý generativní engine je odlišný. (Chen a kol., 2025b)
Důsledky pro skutečnou viditelnost
Protože generativní vyhledávače odpovídají v plném textu, mění význam pojmu „viditelnost“. V klasických vyhledávačích je klíčovou otázkou: „Jaké hodnocení má moje stránka?“ Uživatelé prohlédnou prvních několik odkazů a kliknou na jeden nebo dva. Vyšší hodnocení znamená více kliknutí a více návštěvnosti. V generativních vyhledávačích si uživatelé často přečtou pouze odpověď na obrazovce. Možná nikdy neotevřou citované weby, což mění způsob, jakým měříte viditelnost, kterou získáte z generativních vyhledávačů. Níže uvádím některé nové způsoby měření viditelnosti. (Aggarwal a kol., 2024)
Co je generativní optimalizace pro vyhledávače (GEO)?
Generativní optimalizace pro vyhledávače (GEO) je způsob, jak zvýšit viditelnost webových stránek v generativních vyhledávačích (GE). Zaměřuje se na to, jak často je webová stránka používána jako zdroj a jak silně působí na uživatele. GEO SEO zcela nenahrazuje, ale staví na něm. SEO se zaměřuje na pozici na stránce s výsledky vyhledávání. GEO se více zaměřuje na to, jak velká část odpovědi se týká tématu, o které se snaží vyhledávače umístit, a jak často je dané téma používáno jako zdroj. Tato esej se hlouběji zabývá tím, jaké metody GEO jsou efektivní a jak se liší od metod SEO. (Aggarwal a kol., 2024)
GEO a jeho počátky
Geo-Environmentální vyhledávání (GEO) vzniklo, když první studie ukázaly, že klasické metriky sledované SEO již neodpovídají uživatelské zkušenosti ve vyhledávání s umělou inteligencí. Stránka se mohla ve vyhledávání Google umístit vysoko, ale v odpovědi GE by stále mohla být jen zřídka citována. První studie testovaly jednoduché stylistické změny stávajících stránek, jako je přidání citací, statistik, jasnější formulace a lepší struktura. Zjistily, že tyto úpravy zvyšovaly metriky nových zobrazení, zatímco nadužívání klíčových slov a podobné SEO triky často selhávaly nebo dokonce poškozovaly výkon. (Aggarwal a kol., 2024)
Pozdější studie přestaly hádat a začaly se učit, co se vyhledávačům líbí, z dat. AutoGEO převádí mnoho rozhodnutí GE do sady preferenčních pravidel a poté přepisuje již existující stránky tak, aby tato pravidla dodržovaly. (Wu a kol., 2025)
V rámci těchto studií se geografie (GEO) posouvá od jednoduchých tipů k formálnější a datově orientované oblasti. Oblast GEO je stále v raných fázích a rychle se vyvíjí.
Cíle GEO
GEO má tři hlavní cíle, které se opakují ve studiích, které jsem použil.
Prvním cílem je viditelnost. Obsah by se měl objevit ve více odpovědích, s více citovanými slovy a dříve než konkurence. Nové metriky, jako je počet slov upravený podle pozice a související skóre, se snaží přesně to ukázat (Aggarwal a kol., 2024; Coelho, 2025).
Druhým cílem je kvalita a důvěra. Vyšší viditelnost by neměla zhoršovat odpovědi, protože to může zničit důvěru ve vaši značku. Dobré GEO udržuje fakta správná, jazyk jasný a vyhýbá se trikům, které by uživatele matly. Nedávné studie měří jak viditelnost, tak i generativní užitečnost enginu (GEU), GEU je kontrolována jinými LLM, které sledují, zda je splněna kvalita a konzistence. (Coelho, 2025)
Třetím cílem je dopad na značku. GEO se zabývá tím, jak se značka zobrazuje na svých vlastních stránkách a v mediálním prostoru získaném z marketingových zdrojů, jako jsou recenze a články, které se GE často líbí (Coelho, 2025), a snaží se to změnit.
Metody generativní optimalizace motorů
In this section I will review multiple studies that analyzed ways to be more visible in GEs
and how to perform GEO.
Recenze GEO: Generativní optimalizace vyhledávačů
Tato studie (Aggarwal a kol., 2024) je jednou z prvních studií o generativní optimalizaci pro vyhledávače (GE). Základní metodou, kterou použili, je optimalizace již existujícího obsahu webových stránek, aby byl lépe viditelný v generativních optimalizacích pro vyhledávače (GE). Protože se výstup GE velmi liší od běžného vyhledávače, autoři tvrdí, že klasické metriky hodnocení již nefungují. Z tohoto důvodu vytvořili dvě nové metriky zobrazení pro měření svých výstupů:
„1. Počet slov upravený podle pozice, který kombinuje počet slov a počet pozic. Pro analýzu vlivu jednotlivých složek také samostatně uvádíme skóre pro tyto dvě submetriky. 2. 2. Subjektivní dojem, což je subjektivní metrika zahrnující sedm různých aspektů: 1) relevance citované věty k dotazu uživatele, 2) vliv citace, posuzující míru, do jaké se generovaná odpověď spoléhá na citaci, 3) jedinečnost materiálu prezentovaného citací, 4) subjektivní pozice, měřící význam umístění zdroje z pohledu uživatele, 5) subjektivní počet, měřící množství obsahu prezentovaného z citace, jak ho vnímá uživatel, 6) pravděpodobnost, že uživatel klikne na citaci, a 7) rozmanitost prezentovaného materiálu. Tyto submetriky hodnotí různé aspekty, na které se tvůrci obsahu mohou zaměřit, aby efektivně zlepšili jednu nebo více oblastí. Každá submetrika je hodnocena pomocí GPT-3.5“ (Aggarwal a kol., 2024)
Studie také vytváří GEO-Bench, benchmark pro GEO výzkum, který se používá k porovnání efektivity určitých GEO metod:
„GEO-bench, benchmark sestávající z 10 000 dotazů z různých zdrojů, znovu použitých pro generativní vyhledávače, spolu se synteticky generovanými dotazy. Benchmark zahrnuje dotazy z devíti různých zdrojů, přičemž každý je dále kategorizován na základě cílové domény, obtížnosti, záměru dotazu a dalších dimenzí.“ (Aggarwal a kol., 2024)
Toto kritérium se také často používá ve studiích, o kterých se zmíním později v eseji.
Studie navrhuje 9 metod GEO. Každá metoda bere původní obsah a přepisuje ho.
specifickým způsobem. Změny se provádějí pomocí LLM s výzvou k použití konkrétních změn:
„1: Autoritativní: Upravuje styl textu zdrojového obsahu tak, aby byl přesvědčivější a směrodatnější, 2. Doplnění statistik: Upravuje obsah tak, aby zahrnoval kvantitativní statistiky namísto kvalitativní diskuse, kdekoli je to možné, 3. Nadměrné používání klíčových slov: Upravuje obsah tak, aby zahrnoval více klíčových slov z dotazu, jak se očekává v klasické SEO optimalizaci. 4. Citování zdrojů a 5. Doplnění citací: Přidává relevantní citace a citace z důvěryhodných zdrojů, 6.) 6. Snadno srozumitelný: Zjednodušuje jazyk webových stránek, zatímco 7. Optimalizace plynulosti zlepšuje plynulost textu webových stránek. 8. Unikátní slova a 9. Technické termíny: zahrnuje přidávání jedinečných a technických termínů, kdekoli je to možné“ (Aggarwal a kol., 2024)
Poté porovnávají počet zobrazení před a po aplikaci každé metody GEO. Výsledky ukazují jasné zisky z několika metod. Největší nárůst viditelnosti poskytují metody Citation Addition a Statistics Addition. Zvyšují počet slov upravených podle pozice v průměru o přibližně 40 %. Subjektivní dojem se také zvyšuje o 20–30 %. Ve srovnání se standardními SEO technikami, jako je Keyword Stuffing, mohou výkon dokonce snížit. To ukazuje, že metody používané v klasickém SEO v GEO nepomáhají a mohou mu dokonce uškodit. (Aggarwal a kol., 2024)
Níže uvedená tabulka ze studie ukazuje reálné příklady toho, jak LLM přidávali nebo mazali části textu pomocí různých metod.
Další část této studie se zabývá výsledky zahrnujícími weby s nízkým hodnocením ve výsledcích vyhledávání v porovnání s weby s nejvyšším hodnocením. Jejich studie zjistila, že GEO pomáhá webům s nižším hodnocením mnohem více než webům s nejvyšším hodnocením. U webů s 5. hodnocením může metoda Cite Sources dokonce zdvojnásobit viditelnost. Weby s 1. hodnocením zaznamenávají po optimalizaci malé poklesy. To znamená, že GEO může malým webům poskytnout způsob, jak bojovat s velkými, dobře optimalizovanými weby. (Aggarwal a kol., 2024)
Review of What Generative Search Engines Like and How to Optimize Web Content Cooperatively
Tato druhá studie, kterou budu recenzovat (Wu a kol., 2025), navazuje na první studii GEO, ale má jiný cíl. Místo hádání, co se generativním enginům líbí, se to snaží naučit z dat. Autoři nazývají svůj vlastní framework AutoGEO a ten má dvě hlavní funkce.
„AutoGEO se nejprve naučí pravidla preferencí využitím rozsáhlých jazykových modelů k automatické analýze preferenčního využití obsahu načteného z generativních enginů. Využívá LLM k vysvětlení preferencí u párů dokumentů s rozdíly ve viditelnosti, extrahuje tato vysvětlení do stručných poznatků, slučuje poznatky do kandidátských pravidel a filtruje poznatky do pravidel preferencí. Prostřednictvím tohoto kanálu AutoGEO transformuje desítky tisíc pozorování preferencí generativních enginů do akční sady pravidel, která efektivně zachycují, jak generativní enginy upřednostňují obsah. AutoGEO poté aplikuje pravidla preferencí k vytvoření GEO modelů, které se používají k přepisování cílových dokumentů a tím ke zlepšení viditelnosti obsahu.“ (Wu a kol., 2025)
Model GEO konstruovaný AutoGEO se nazývá AutoGEOAPI, což je silný LLM podobný GPT-4, který přepisuje obsah na základě pravidel nastavených AutoGEO. Viditelnost se měří stejnou metrikou GEO jako (Aggarwal et al., 2024) Position-Adjusted Word Count. Na rozdíl od (Aggarwal et al., 2024) však tato studie měří také Generative Engine Utility (GEU), která sleduje, zda je splněna kvalita a konzistence. Toho dosahují pomocí frameworku DeepResearchGym k určení kvality podle relevance, věrnosti a kvality. (Wu et al., 2025)
Tato studie používá tři datové soubory:
První z nich, GEO-Bench (Aggarwal a kol., 2024), je rozsáhlý GEO benchmark obsahující rozmanité uživatelské dotazy napříč různými doménami. Kromě toho přispíváme dvěma novými datovými sadami: Researchy-GEO, benchmark s otevřenou doménou zahrnující vysoce kvalitní výzkumné dotazy z Researchy Questions (Rosset a kol., 2024), a E-commerce, komerční dotazy filtrované z LMSYS-Chat-1M (Zheng a kol., 2023). Na těchto datových sadách a hraničních LLM vytváříme generativní enginy, které zahrnují Gemini, Claude a GPT. (Wu a kol., 2025)
Napříč všemi těmito datovými sadami dosahuje AutoGEOAPI nejlepších výsledků v GEO metrikách. U většiny metrik zvyšuje viditelnost přibližně o 30–50 %, a to i oproti GEO metodám použitým v (Aggarwal et al., 2024). Je také důležité, že tyto zisky neovlivňují kvalitu odpovědí, což je patrné na GEU metrikách, které zůstávají podobné základním hodnotám. (Wu et al., 2025)
Tato studie ukazuje pokrok v GEO oproti první studii. Místo používání ručně vytvořených výzev se studie na základě srovnání učí, co se vyhledávačům líbí, a tyto preference převádí do pravidel. Ukazuje, že výzvy založené na pravidlech mohou překonat jednoduché výzvy, aniž by to snížilo konečnou kvalitu odpovědi. Kód pro AutoGEO je veřejně dostupný zde: https://github.com/cxcscmu/AutoGEO
Recenze generativní optimalizace pro enginy: Jak ovládnout vyhledávání s využitím umělé inteligence
Tato studie zvolila odlišný přístup ve srovnání s těmi, které jsem recenzoval dříve. Zabývá se geografií na úrovni značek, nikoli jednotlivých stránek, a začíná porovnáním geografických oblastí s výsledky vyhledávání Google. K tomu používají tisíc výzev ve stylu „top 10“, jako například „Seřaďte nejlepší smartphony od 1 do 10“ a „Které notebooky jsou považovány za nejlepší v roce 2024“. Pro každý dotaz shromažďují nejčastější odkazy Googlu a odkazy citované geografickými oblastmi. Každou doménu označují jako Značka (oficiální stránky), Získaná (recenze, média) nebo Sociální sítě. Hlavní výsledek je silný. Vyhledávače s umělou inteligencí používají hodně získaných médií. Značkové weby a sociální platformy jako Reddit a YouTube se objevují mnohem méně často. Google je na druhou stranu mnohem smíšenější sadou odkazů značek, získaných odkazů a odkazů ze sociálních sítí. Tato statistika platí napříč odvětvími, jako je elektronika, auta a software. (Chen a kol., 2025b)
Poté opakují podobné testy pro lokální služby, jazyky a parafráze. Další experimenty porovnávají Claude, GPT, Gemini a Perplexity na stejných dotazech. Což ukazuje, že se GE od sebe liší. Claude a ChatGPT většinou citují získané domény. Perplexity a Gemini používají více odkazů na značky a sociální sítě, ale stále upřednostňují získané. Podobnost domén mezi vyhledávači je nízká, což znamená, že každý vyhledávač má mnoho různých zdrojů. Studie zjistila, že jazyk je velmi důležitý, některé vyhledávače opakovaně používají anglické weby, jiné přecházejí na weby v místním jazyce. Parafrázování je méně důležité, malá změna dotazu trochu změní odkazy, ale ne hlavní značky. Také zjistili jasnou zkreslenost velkých značek. Když se uživatelé zeptají na „20 nejlepších značek coly“, aniž by jmenovali společnost, GE často preferují giganty. Velké značky jako Coca-Cola a Pepsi se v odpovědích objevují mnohem častěji. Malé značky se objevují méně často, i když o nich GE vědí. (Chen et al., 2025b)
Na základě těchto výsledků autoři stanovili program GEO. Hlavní doporučené metody GEO jsou následující:
1. Zaměřte se nejprve na získaná média Autoři této studie uvádějí, že se jedná o nejdůležitější a nejpřesvědčivější zjištění, protože generální makléři vykazují viditelnou zaujatost vůči získaným médiím ve srovnání se značkami a sociálními médii. Zatímco Google si vybírá své typy médií rovnoměrněji. Na základě této studie je důležité změnit strategii z tvorby obsahu pro vlastní webové stránky na spolupráci s lídry v oboru a partnery, abyste prokázali odbornost. A investovat do článků a recenzí ve velkých publikacích v oboru. (Chen a kol., 2025b)
2. Umožněte snadno prohledávat a zdůvodňovat obsah pro GE. Umělá inteligence potřebuje jasné důvody, proč doporučit produkt. Stránky by měly nabízet strukturovaná data, srovnávací tabulky, výhody a nevýhody a jasná tvrzení. Schéma značení a čisté technické SEO zajistí, že se weby pro GE snadno budou číst. (Chen a kol., 2025b)
3. Plánujte podle vyhledávačů. Protože vyhledávače citují různé zdroje, musí být strategie GEO specifická pro daný vyhledávač. Pro Claude a ChatGPT by prioritou měly být špičkové weby s recenzemi a vydavateli v určité oblasti. Pro Perplexity je důležitější zaměření na zdroje z YouTube a hlavní maloobchodní weby. Zatímco Gemini raději cituje typy značkových médií. (Chen a kol., 2025b)
4. Lokalizujte i v earned media, nejen v textu. Pro neanglické trhy nestačí pouhý překlad webových stránek. Pro dosažení určitých globálních generací (GE), jako je Chat GPT, je velmi důležité pokrytí v lokálních earned media. Autorita anglického jazyka v earned media stále pomáhá vyhledávačům, které opakovaně používají anglické zdroje, jako je Claude. (Chen a kol., 2025b)
5. Pokryjte celou cestu zákazníka
Umělá inteligence zobrazuje obsah nejen při jeho objevení, ale i po zakoupení. Například vytvořte pro zvýšení viditelnosti stránky s častými dotazy, průvodci a nápovědou k opravám. Pokud tyto stránky neexistují, generální makléři budou doporučovat konkurenci, když uživatelé požádají o pomoc. (Chen a kol., 2025b)
6. Strategie pro menší značky
Zaujatost velkých značek je velmi viditelná a pro malé značky bude těžké ji překonat. Malé značky se musí snažit získat větší mediální autoritu v úzkých specializacích. Na základě studie: „by se měly snažit nadměrně investovat do budování hmatatelné a ověřitelné autority.“ (Chen a kol., 2025a) Hluboký odborný obsah a recenze mohou pomoci. (Chen a kol., 2025b)
Recenze E-GEO: Testovací platforma pro generativní optimalizaci v elektronickém obchodování
Cílem této studie bylo optimalizovat GEO pro e-commerce. Popisuje, jak autoři sestavili vlastní datový soubor a jak prováděli experimenty. Jelikož se tato studie do značné míry podobá jiným studiím, které jsem již zmínil, tyto části přeskočím a zmíním pouze použité metody a výsledky. (Bagga et al., 2025)
Cílem této studie bylo optimalizovat popisy produktů s cílem zjistit, zda to pomůže stránkám dosáhnout lepšího umístění ve výsledcích vyhledávání (GE). Hlavním měřítkem je změna pozice ve výsledcích vyhledávání. Pro každý dotaz byl použit jeden z deseti produktů. Autoři zaznamenali jeho pozici před a po přepracování popisu produktu. Zlepšení pozice se měří jako rozdíl mezi původní a novou pozicí, takže kladné hodnoty znamenají, že se produkt posunul nahoru. K optimalizaci popisů produktů použili LLM. Nejprve s vlastními ručně napsanými počátečními podněty, jejichž cílem bylo změnit a vylepšit jazykový styl popisů produktů. Tyto počáteční podněty přinesly poměrně mírná zlepšení, přičemž některé z nich byly dokonce negativní. Poté požádali LLM, aby vylepšily jejich podněty a optimalizovaly popis produktu; tyto podněty vykazovaly významné zlepšení. Po použití optimalizace podnětů pomocí LLM všech 15 podnětů zlepšilo pozici ve výsledcích vyhledávání, některé dokonce o více než +1,6 průměrné pozice v žebříčku. (Bagga et al., 2025)
Důležitým výsledkem je, že optimalizované výzvy sdílejí podobný vzorec, který zahrnuje:
• hovoříme o umístění v žebříčku a překonávání ostatních produktů
• sladění se záměrem uživatele a pravděpodobnými dotazy
• zmínka o jedinečných prodejních argumentech a konkurenčních výhodách
• používání recenzí a hodnocení jako externího důkazu
• přesvědčivý a sebevědomý tón
• jasná, čitelná struktura s nadpisy a odrážkami (Bagga a kol., 2025)
Obrázek níže ukazuje tepelné mapy, které ukazují, které funkce se objevují v jednotlivých výzvách před a po optimalizaci. Počáteční výzvy ukazují smíšené a nízké množství funkcí.
Jako nejlepší způsob, jak optimalizovat popis produktu, shledali zadání pokynu modelu LLM, aby jej přepracoval tak, aby byl konkurenceschopnější, a porovnal jej s nabídkou konkurence. Tato strategie se v již zmíněné předchozí studii ukázala jako velmi přínosná. Toto je přesně ten pokyn, který přinesl nejlepší výsledek: (Bagga et al., 2025)
Přehled generativní optimalizace pro vyhledávače založené na záměru a rozšířené o role – a co je za klíčovými slovy: Podpora generativní optimalizace pro vyhledávače pomocí agentů zaměřených na obsah
Tyto dvě studie jsem sloučil do jedné části, protože jsou si poměrně podobné, co se týče použitých metod i dosažených výsledků. Obě kombinují techniky použité v práci (Aggarwal et al., 2024) a dále je vylepšují. Obě studie využívají vlastní techniky ke zlepšení již existujícího obsahu, přičemž se buď snaží vdechnout mu záměr pomocí rámce 4W (kdo, co, kde a kdy), nebo pomocí agenta MACO, který text vylepšuje, vyhodnocuje a vybírá nejlepší výsledky a tento proces pak opakuje několikrát. (Chen et al., 2025a; Chen et al., 2025c)
Výsledky obou studií prokázaly zlepšenou viditelnost v GE, což dokazuje, že 9 základních metod GEO
navržených (Aggarwal et al., 2024) funguje.
Závěr
Celkově studie poukazují na osvědčené metody generativní optimalizace pro vyhledávače (GEO). Jednoduché SEO triky, jako je nadměrné používání klíčových slov nebo vágní úpravy stylu, nefungují a mohou dokonce poškodit viditelnost v generativních vyhledávačích. Účinné metody GEO vycházejí ze stejné myšlenky: usnadňují generativním vyhledávačům důvěřovat danému zdroji a znovu jej využívat. Vysoce kvalitní obsah poskytuje jasná fakta a jednoduchá čísla o tom, co chce sdělit. Používá jednoduchý jazyk, vyhýbá se nepodstatným slovům a neodbočuje od tématu. Má přehlednou strukturu s nadpisy, seznamy, klady a zápory a často kladenými dotazy. Důležité body se objevují hned na začátku, nejsou schované na konci stránky.
Studie rovněž ukazují, že generativní modely (GE) přikládají význam tomu, odkud informace pocházejí. Texty fungují lépe, pokud odkazují na externí zdroje, recenze a studie. Stránky, které vysvětlují, proč je produkt nebo odpověď dobrá, jsou úspěšnější než stránky, které to pouze tvrdí. V e-commerce je nejlepším přístupem srovnání s konkurencí, které umožňuje zdůraznit jedinečné přednosti a podložit je důkazy z hodnocení. Novější studie jdou nad rámec ručně vytvořených podnětů. Systém se z mnoha příkladů učí, co se vyhledávačům líbí, a převádí to na pravidla, která pak používá k vytváření lepších podnětů. Optimalizované podněty vykazují mnohem lepší výsledky než ty ručně psané. Modely LLM poté stránky přepíší tak, aby dodržovaly tato pravidla a zároveň zachovaly stejný význam. To vše vede k lepší čitelnosti pro generativní vyhledávače a následně k lepší viditelnosti webových stránek.
Další důležitou metodou, která se liší od běžných SEO strategií, je význam „získaných médií“ (Earned media). SEO také oceňuje zmínky v získaných médiích, ale zdaleka ne v takové míře. GE vykazuje silnou preferenci vůči získaným médiím, jako jsou recenze, zpravodajské weby a blogy odborníků. Značka a sociální média se objevují méně často. GEO tedy rozhodně není jen o obsahu na vašem webu. Vyžaduje také kvalitní technické SEO a plán, jak získat mediální pokrytí a odkazy z důvěryhodných webů třetích stran. Ze všech studií vyplývá jeden jasný výsledek. GEO funguje nejlépe, když zlepšuje kvalitu odpovědí v GE a zároveň pomáhá uživatelům. Obsah, který je srozumitelnější, obsahuje více důkazů a je snáze přehledný, zajišťuje webovým stránkám větší viditelnost v odpovědích GE.
Literatura
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generativní optimalizace motorů [Indický technologický institut v Dillí, Princetonská univerzita]. https://dl.acm.org/doi/pdf/10.1145/3637528.3671900
Bagga, P., Farias, V., Korkotashvili, T., Peng, T., & Wu, Y. (2025). E-GEO: Testovací prostředí pro generativní optimalizaci vyhledávačů v elektronickém obchodování. https://arxiv.org/pdf/2511.20867
Coelho, J. (2025). DeepResearchGym: bezplatné, transparentní a reprodukovatelné testovací prostředí pro hluboký výzkum [Carnegie Mellon University]. https://arxiv.org/pdf/2505.19253v2
Chatterji, A. (2025). Jak lidé používají ChatGPT [Duke University, Harvard University]. https://cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage- paper.pdf
Chen, M., Wang, X., Chen, K., & Koudas, N. (2025b). Optimalizace generativních vyhledávačů: Jak ovládnout vyhledávání pomocí umělé inteligence [University of Toronto]. https://arxiv.org/pdf/2509.08919
Chen, Q., Chen, J., Huang, H., & Shao, Q. (2025c). Za hranicemi klíčových slov: Podpora generativní optimalizace pro vyhledávače pomocí agentů zaměřených na obsah [Zhejiang University]. https://arxiv.org/pdf/2509.05607
Chen, X., Wu, H., Bao, J., Chen, Z., Liao, Y., & Huang, H. (2025a). Optimalizace generativního vyhledávače založená na záměru a rozšířených rolích [Čínská univerzita vědy a technologie]. https://arxiv.org/pdf/2508.11158 Silliman, E. (2025). Nová vstupní brána k internetu: Jak uspět v éře vyhledávání s umělou inteligencí. McKinsey & Company. Citováno 12. prosince 2025 z https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our- insights/new-front-door-to-the-internet-winning-in-the-age-of-ai-search Singh, S. (2025). Statistiky uživatelů ChatGPT (prosinec 2025) – údaje o růstu a využívání. Demand Sage. Citováno 12. prosince 2025 z https://www.demandsage.com/chatgpt-statistics Wu, Y., Zhong, S., Kim, Y., & Xiong, C. (2025). Co mají generativní vyhledávače rády a jak společně optimalizovat webový obsah [Carnegie Mellon University]. https://arxiv.org/pdf/2510.11438 Yalçın, N., & Köse, U. (2010). Co je optimalizace pro vyhledávače: SEO? [Gazi Universit]. https://www.researchgate.net/publication/235763091_What_is_search_engine_optimization_SEO/fulltext/026 e55670cf26271f589e16e/What-is-search-engine-optimization-SEO.pdf