Web je mŕtvy, organika z Googlu naďalej prudko klesá. Správanie spotrebiteľov sa po príchode LLM jazykových modelov mení. Pýtajú sa ChatGPT, Gemini či Perplexity na konkrétne odporúčania. Pre značky to znamená novú výzvu: nestačí vedieť, na akej pozícii sa nachádzajú vo vyhľadávaní. Potrebujú vedieť, či ich umelá inteligencia pozná, odporúča a z akých zdrojov pri tom čerpá.
Tradičné SEO meria pozície, organickú návštevnosť a konverzie. V prostredí generatívnej AI vzniká ďalšia disciplína – GEO (Generative Engine Optimization), teda optimalizácia viditeľnosti v odpovediach umelej inteligencie. Jej meranie je však podstatne komplikovanejšie, než sa na prvý pohľad zdá.
Prečo už nestačí sledovať návštevnosť z Googlu?
Podľa Pew Research Center z júla 2025 klikli americkí používatelia na klasický výsledok vyhľadávania pri 8 % návštev stránok s AI súhrnom. Bez AI súhrnu to bolo 15 %. Na zdroj priamo uvedený v AI súhrne klikli iba pri 1 % návštev. To naznačuje významnú zmenu: značka môže ovplyvniť rozhodnutie zákazníka aj bez toho, aby používateľ navštívil jej web. Pre firmy to vytvára nový problém v meraní. Klesajúca organická návštevnosť nemusí automaticky znamenať klesajúcu viditeľnosť značky. Rovnako vysoké SEO pozície nezaručujú, že značka bude odporúčaná v odpovediach AI. Potrebujeme preto sledovať nielen prekliky, ale aj samotnú prítomnosť značky v generovaných odpovediach.
Čo by sme mali v AI skutočne merať?
Základnou chybou je hodnotiť značku podľa jednej otázky položenej ChatGPT. Odpovede jazykových modelov sa menia podľa formulácie otázky, použitého modelu, dostupných zdrojov aj času merania. Štúdia Semrush a Kevina Indiga z júla 2026 analyzovala viac ako 50 000 značiek v 1 094 tematických kategóriách. Iba 15,2 % kategórií malo podľa metodiky štúdie jednoznačne dominantnú značku. Väčšina tém tak zostáva konkurenčne otvorená. Pre systematické meranie odporúčame sledovať päť ukazovateľov:
- Brand Visibility: V akom percente relevantných odpovedí AI sa značka objaví?
- Share of Voice: Aký podiel zmienok získava značka v porovnaní s definovanou konkurenciou?
- Recommendation Rate: Ako často AI značku aktívne odporúča, nielen spomína?
- Citation Share: Aké zdroje AI cituje? Sú to weby značky, médiá, odborné portály alebo konkurencia?
- Accuracy & Sentiment: Sú informácie o značke fakticky správne a v akom kontexte ju AI prezentuje?
Tieto ukazovatele je potrebné vyhodnocovať samostatne. Zmienka o značke totiž nie je to isté ako jej odporúčanie a citovaný článok nemusí znamenať, že AI spomenie aj značku, o ktorej píše.
Ako vyzerá kvalitný GEO audit?
V Neopublicu odporúčame začať vstupným meraním, ktoré vytvorí porovnateľný základ pre ďalšie obdobia. Pre jednu značku môže takýto audit obsahovať 30 vopred definovaných otázok, rozdelených podľa nákupných zámerov, problémov zákazníkov, produktových kategórií a konkurencie. Otázky testujeme v ChatGPT, Gemini, Claude, Perplexity a samostatne v Google AI Overviews. Každú opakujeme minimálne trikrát. To predstavuje 450 testovacích pokusov na jednu jazykovú a geografickú verziu auditu. Zaznamenávame odpovede, zmienky o značkách, odporúčania, citované URL adresy a ich zdroje. Pri Google AI Overviews sledujeme aj to, či sa AI súhrn vôbec zobrazil. Merania vykonávame pri rovnakých podmienkach a výsledky porovnávame po kvartáloch. Dôležitá je metodická disciplína. Rovnaké otázky, rovnaké pravidlá vyhodnotenia a porovnateľné podmienky merania. Sledujeme tiež verzie modelov, pretože ich zmeny môžu ovplyvniť výsledky. Tri opakovania sú praktickým východiskom, nie zárukou štatistickej presnosti. Pri malých rozdieloch preto odporúčame väčšiu vzorku a transparentné uvádzanie neistoty merania. Aj akademický výskum Quantifying Uncertainty in AI Visibility (2026) upozorňuje, že jednorazové meranie môže vytvárať zavádzajúci obraz o pozícii značky.
Akú úlohu zohrávajú PR a publikované články?
Práve tu vidíme dôležitú príležitosť pre strategickú komunikáciu. Jazykové modely pracujú s informáciami z rôznych zdrojov vrátane firemných webov, odborných portálov, médií a verejne dostupných databáz. Výskum Generative Engine Optimization: How to Dominate AI Search (2025) ukázal v skúmaných podmienkach významnú úlohu nezávislých externých zdrojov. Zároveň upozornil na rozdiely medzi jednotlivými AI platformami. Pre PR to znamená, že kvalitná publikácia nemusí priniesť iba tradičný mediálny zásah. Môže sa stať aj zdrojom informácií, z ktorých AI zostavuje odpovede.
Ako však zistiť, či PR skutočne pomáha?
Odporúčame monitorovať, či sa konkrétne publikované články objavujú medzi citovanými zdrojmi, či sa po publikovaní mení frekvencia výskytu značky a či AI správne preberá kľúčové informácie. Takéto porovnanie však samo osebe nedokazuje príčinný vplyv PR. Výsledky môžu ovplyvňovať aj ďalšie faktory – nové zdroje, zmeny modelov či aktivita konkurencie. Preto je dôležité sledovať vývoj v čase a podľa možností porovnávať aj kontrolné témy.
Ako by mal vyzerať report pre klienta?
Dobrý GEO report nemá byť stostranovým dokumentom plným odpovedí chatbotov. Mal by na jednej či dvoch stranách ukázať vývoj viditeľnosti značky, jej postavenie voči konkurencii, najčastejšie citované zdroje a konkrétne odporúčania. Napríklad: zvýšil sa podiel odpovedí, v ktorých AI spomína značku, z 12 % na 23 %? Dostala sa značka medzi tri najčastejšie odporúčané v kategórii? Začali modely citovať nové odborné publikácie? Takto formulované výsledky dávajú klientovi zrozumiteľný obraz o zmene. Pri interpretácii však treba zohľadniť veľkosť vzorky a prirodzenú variabilitu odpovedí. Dôležitým doplnkom sú aj dáta z Google Search Console. Od augusta 2026 Google celosvetovo sprístupnil samostatné reporty zobrazovania webových URL v generatívnych AI funkciách. Tie pomáhajú sledovať viditeľnosť vlastného webu, nenahrádzajú však meranie zmienok o značke naprieč AI platformami.
GEO nie je nové SEO. Je to ďalší rozmer reputácie značky.
Meranie viditeľnosti v AI je stále mladá disciplína. Neexistuje jedna univerzálna metrika, ktorá by spoľahlivo vysvetľovala, prečo AI odporučí konkrétnu značku. To však neznamená, že sa nedá merať. V Neopublicu veríme v jednoduchý princíp: najskôr vytvoriť dôveryhodný baseline, následne systematicky merať vývoj a na základe dát zlepšovať komunikáciu. Našou ambíciou nie je iba dostať značky do odpovedí umelej inteligencie. Chceme, aby ich AI prezentovala správne, v relevantnom kontexte a na základe dôveryhodných informácií. Pretože viditeľnosť bez dôveryhodnosti má iba obmedzenú hodnotu.
