Co je GEO a jak na něj?

GEO (Generative Engine Optimization) je nová disciplína optimalizace, která nehoní “pozice a prokliky” jako klasické SEO, ale usiluje o to, aby váš obsah byl citovaný a doporučovaný přímo v odpovědích generativních vyhledávačů a AI asistentů (ChatGPT, Gemini, Claude atd.). Stručně: místo “klikni na náš web” řešíme “uvidíš nás v odpovědi”.

Proč to řešit teď? Google natvrdo nasazuje AI Overviews a roste počet tzv. “zero-click” vyhledávání – uživatel dostane odpověď bez odchodu na web. Po nasazení AI Overviews vzrostl podíl zero-click dotazů zhruba ze 72 % na 76 %, a tenhle způsob odpovídání míří i do ČR. To je jasný signál, že se mění hřiště i pravidla.

Co přesně GEO je? Je to soubor technik, jak psát, strukturovat a technicky značkovat obsah tak, aby jej LLM snadno našly, pochopily, interpretovaly a citovaly. Příbuznou škatulí je LLMO – optimalizace konkrétně pro velké jazykové modely. Cíl není jen “být nalezen”, ale hlavně “být citován”.

Co se tím mění v praxi: hodnotový řetězec. Klasické SEO = přivést návštěvu na web; GEO = dostat se do samotné AI odpovědi. Úspěch se proto neměří primárně návštěvností a CTR, ale četností a kvalitou citací, přesností interpretace a sentimentem zmínek; prokliky z AI odpovědí jsou “bonus navíc”.

Jak se GEO dělá (v kostce):

    • Technická vrstva: zpřístupnit web AI crawlerům (např. GPTBot/ClaudeBot), mít sémantické HTML, bohatá strukturovaná data (JSON-LD/Schema.org), čistou hierarchii a multimodální obsah. Zkrátka, aby si modely mohly vzít přesná fakta i kontext.

    • Obsahová vrstva: psát přímočaře a fakticky přesně, odpovídat explicitně na otázky, stavět na E-E-A-T (Zkušenost, Odbornost, Autorita, Důvěryhodnost) a dělat text snadno “citovatelný”.

    • Signály autority mimo web: konzistence napříč internetem, odborné citace, zmínky v důvěryhodných zdrojích – LLM pracují s kontextem celého ekosystému, ne jen s vaším webem.

Důležité: GEO není náhrada SEO, ale evoluční rozšíření. Nejlepší výsledky dává hybrid – SEO drží organiku a zdrojová data, GEO doručí citace v AI odpovědích.

V pokračování rozpitvám konkrétní kroky: od technického nastavení a struktury obsahu, přes značkování Schema.org, až po taktiky pro budování autority a sledování citací. Přepnu to do checklistu “udělej-tady-a-teď”, ať je to hned použitelné.

 

1) robots.txt pro AI crawlery

(základ + selektivní přístup)

AI asistenti mají vlastní boty. Povolit jim čtení klíčových sekcí je první krok.

# /robots.txt – základní povolení pro LLM
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: Claude-User
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

Selektivní povolení/omezení (např. jen blog pro GPT, celý web pro Claude) + ochrana prémiového obsahu:

# Premium obsah mimo LLM
User-agent: GPTBot
Disallow: /premium-content/

User-agent: ClaudeBot
Disallow: /premium-content/

# GPT jen na blog, Claude všude
User-agent: GPTBot
Allow: /blog/
Disallow: /

User-agent: ClaudeBot
Allow: /

Nastavení validuj přes GSC/validátory robots.

2) XML sitemap pro LLM: méně, ale kvalitní URL

Do sitemap dej hlavně stránky s faktickými informacemi, expertním obsahem a multimédii (zvaž i video/image sitemapy). U LLM je důležitější kvalita než kvantita.

3) Strukturovaná data (JSON-LD) – šablony

LLM se o obsah opírají víc, když mají čistý kontext: Product, Article, FAQPage atd. používej jako povinnou výbavu.

Article + FAQPage (kombinace “článek + explicitní odpovědi”):

<script type="application/ld+json">
{
"@context":"https://schema.org",
"@type":"Article",
"headline":"Jak vybrat běžecké boty pro začátečníky",
"author":{"@type":"Person","name":"Jana Běžkyně"},
"datePublished":"2025-08-01",
"dateModified":"2025-08-08",
"mainEntityOfPage":{"@type":"WebPage","@id":"https://example.cz/beh/boty-pro-zacatecniky"}
}
</script>

<script type="application/ld+json">
{
"@context":"https://schema.org",
"@type":"FAQPage",
"mainEntity":[
{"@type":"Question","name":"Jaká je správná velikost?",
"acceptedAnswer":{"@type":"Answer","text":"Měř délku chodidla v mm a přidej 5–10 mm prostoru."}},
{"@type":"Question","name":"Silniční vs. trailové boty?",
"acceptedAnswer":{"@type":"Answer","text":"Silnice = tlumení a hladký vzorek, trail = přilnavý vzorek a ochrana prstů."}}
]
}
</script>

Product (e-shop): přidej cenu, dostupnost, hodnocení a recenze – LLM pak vrací přesné parametry.

<script type="application/ld+json">
{
"@context":"https://schema.org",
"@type":"Product",
"name":"Běžecké boty Pace X",
"sku":"PACE-X-42",
"brand":"RunLab",
"aggregateRating":{"@type":"AggregateRating","ratingValue":"4.7","reviewCount":"213"},
"offers":{"@type":"Offer","priceCurrency":"CZK","price":"2290","availability":"https://schema.org/InStock"}
}
</script>

LocalBusiness (lokální firma): drž konzistenci otevírací doby a adres napříč ekosystémem (Maps, sítě).

4) Sémantické HTML kostra (snadno citovatelná fakta)

Čisté

, jasné nadpisy a “odpovědi v jedné větě” pomáhají přesné citaci.

</p>
<article>
<header>
<h1>Jak vybrat kávovar do bytu</h1>
</p>
<p class="tl-dr"><strong>TL;DR:</strong> Do 5 tis. Kč ber automat se základním mlýnkem; nad 10 tis. pákový + kvalitní mlýnek.</p>
</header>
<section id="volba-typu">
<h2>1) Typy kávovarů</h2>


Automat = pohodlí; pákový = kontrola a kvalita; kapsle = rychlost.</p>
</section>
<section id="parametry">
<h2>2) Klíčové parametry</h2>
</p>
<ul>
<li>Tlak: 9–15 bar reálných</li>
<li>Teplota: stabilita > samotné maximum</li>
<li>Údržba: dostupné díly, odvápnění</li>
</ul>
</section>
</article>
<p>

5) Informační architektura / topic cluster pro LLM

Postav ucelený cluster (technika, obsah, FAQ, case studies) a prolinkuj ho interně – modely lépe chápou tematický kontext a autoritu.

/llm/
├─ technicka-optimalizace/
│ ├─ robots-txt/
│ ├─ strukturovana-data/
│ └─ semanticke-html/
├─ obsahova-optimalizace/
│ ├─ struktura-obsahu/
│ ├─ faktory-duveryhodnosti/
│ └─ aktualizace-obsahu/
├─ faq/
└─ pripadove-studie/
├─ e-shop/
└─ blog/

6) Měření: co počítat a jak to testovat

V GEO sleduj primárně četnost a kvalitu citací, ne jen návštěvnost. Přidej metriky přesnosti interpretace, prominentnosti a konverzního potenciálu.

Prakticky: připrav sadu 20–30 dotazů, pravidelně testuj v ChatGPT/Claude/Perplexity/Gemini a zapisuj, zda tě model cituje, jak přesně a jak výrazně. Vytvoř si vážené GEO skóre (citace + přesnost + prominentnost + konverzní potenciál) pro porovnání v čase.

7) Rychlá detekce/aktualizace obsahu

Zařaď IndexNow a pravidelné re-crawl signály, aby se změny rychle propsaly do zdrojů, ze kterých LLM čerpají. (viz kapitola „Role IndexNow pro LLM“).

8) Kdy co upřednostnit (rychlá taktika podle typu webu)

Informační weby/blogy: přidej FAQ/HowTo, jasné odpovědi, bohaté schema, stav na odbornosti/autoritě.

E-shop: výkonnost webu + detailní Product schema (cena, dostupnost, recenze), technicky otevřené pro crawlery.

Lokálka: LocalBusiness schema, konzistentní NAP, recenze – LLM to rády citují.

GEO checklist

(stručný, nasaditelný, s WordPressem)

TECHNIKA, aby si tě LLM našly a pochopily)
  • Povolit AI crawlery v robots.txt: GPTBot, ChatGPT-User, OAI-SearchBot, ClaudeBot, Claude-SearchBot, PerplexityBot, Google-Extended. Prémiový obsah případně zablokuj; můžeš i selektivně povolit jen sekce (např. jen /blog/).
  • Zjednodušit XML sitemapy: dej do nich hlavně faktické/autorita-stránky; u LLM je důležitější kvalita než kvantita. Zvaž image/video sitemapy.
  • JSON-LD strukturovaná data: minimálně Article, FAQPage, u e-shopu Product (cena, dostupnost, hodnocení). Preferuj JSON-LD a drž se Schema.org.
  • Sémantické HTML: čisté
    ,
    , nadpisy a “odpověď v jedné větě” pro snadné citace.
  • IndexNow signál po aktualizacích (rychlejší propsání změn do ekosystému, ze kterého LLM čerpají).

OBSAH

Aby měl ChatBot co citovat
  • Piš explicitní odpovědi (Q→A), shrnutí na začátku, tabulky/parametry, multimédia. Cíl: snadná extrakce a citace v odpovědi AI.
  • E-E-A-T signály a faktická přesnost; LLM preferují ověřitelné informace a autoritativní zdroje.
  • Topic-cluster / hub-and-spoke: pilířová stránka + detailní podstránky + FAQ + případovky; vše smysluplně prolinkovat.

MĚŘENÍ A TESTOVÁNÍ

GEO není jen návštěvnost
  • Nové metriky: frekvence citací v LLM, přesnost interpretace, prominentnost zmínky, konverzní potenciál.
  • Testovací protokol: 20–30 dotazů; testovat v ChatGPT/Claude/Perplexity/Gemini; vždy nová konverzace; logovat verze modelů.
  • Proxy metriky: přímá návštěvnost, branded vyhledávání, otázka “Jak jste se o nás dozvěděli?” s volbou AI asistent.
  • Iterace: LLM se mění; co fungovalo minule, nemusí teď — plánuj průběžné revize.

PRIORITY PODLE TYPU WEBU

  •  Blog/informační web: upřednostni GEO (FAQ/How-To, bohaté Schema, jasné odpovědi).
  •  E-shop: drž SEO výkon (rychlost, UX) + Product schema + přístupnost pro crawlery.
  •  Lokálka: LocalBusiness + konzistentní NAP + recenze; LLM to rády citují.

WORDPRESS – rychlé nasazení

  • Robots a sitemapy: nastav v SEO pluginu (Rank Math / Yoast) a zkontroluj, že obsahuje jen “citovatelné” URL.
  • Schema builder: zapni Article/FAQ/Product šablony; pro FAQ používej blok “Otázka/Odpověď”, ať vznikne validní FAQPage.
  • IndexNow: přidej plugin pro automatické pingy při publikaci/úpravě.
  • Struktura obsahu: zaveď “hub” šablonu a interní odkazy (pilíř ↔ detail ↔ FAQ ↔ case study).
  • GEO test list: vytvoř stránku v administraci (nebo tabulku v Sheets) se scénáři dotazů a pravidelně vyplňuj citace/přesnost/prominentnost.

FAQ - často kladené otázky

Q: Co je GEO?
A: Generative Engine Optimization = úpravy webu a obsahu tak, aby tě  AI asistenti a generativní vyhledávače citovali  přímo ve svých odpovědích, ne jen aby poslali klik na web.

Q. Proč to řešit teď? 
A: AI Overviews a “zero-click” dotazy rostou. Čím dřív budeš citovatelný zdroj, tím míň tě to bolí na organice i brandu.

Q: Jak se GEO liší od SEO? 
A: SEO = pozice a návštěvnost. GEO =  citace a interpretace  v odpovědi AI. Ideál je hybrid: SEO drží základ, GEO doručí viditelnost v AI.

Q: Co udělat jako první? 
A: Povolit AI crawlery v `robots.txt`, zredukovat sitemap na “citovatelné” URL, doplnit  JSON-LD (Article/FAQ/Product/LocalBusiness) .

Q: Jak psát obsah, aby byl citovatelný? 
A: Q→A struktura, jedna věta se shrnutím hned nahoře, jasné parametry/tabulky, multimédia. Bez vaty, s ověřitelnými fakty a autorem.

Q: Jakou roli hraje struktura webu? 
A: Topic-cluster (pilíř ↔ detail ↔ FAQ ↔ case study) + interní prolinkování. Modely tak pochopí kontext i autoritu tématu.

Q: Jak měřit GEO, když není jen o návštěvnosti? 
A: Sleduj četnost citací, přesnost interpretace, prominentnost zmínky a konverzní potenciál . Testuj sady dotazů v ChatGPT/Claude/Perplexity/Gemini.

Q: Jak rychle protlačit změny do “AI světa”?
A: Zapnout  IndexNow  a po úpravách pingovat. Udržovat aktuální JSON-LD a čisté HTML (article/section/headings).

Q: WordPress tipy na 5 kliknutí? 
A: SEO plugin (Rank Math/Yoast) pro sitemap + schema šablony, plugin pro IndexNow, blok FAQ pro validní `FAQPage`, hlídat “citovatelné” URL.

Q: Jak na lokální firmy? 
A: `LocalBusiness` schema, konzistentní NAP všude (Maps, profily), aktivní recenze. LLM rády berou lokálky z kvalitních a shodných zdrojů.

Q: Co je pointa? 
A: Buď  jednoznačný zdroj faktů , technicky otevřený pro AI crawlery a s obsahem psaným tak, aby šel  snadno citovat . GEO není trik – je to disciplína na průběžné iterace.

Jak na analýzy třeba s Google Analytics? 

GEO v GA4 měříš nepřímo – sleduješ, odkud *reálně* padají sessiony a konverze, a k tomu přidáš vlastní GEO metriky (citace, přesnost, prominentnost) mimo web. V kostce:

Co v GA4 umíme a neumíme

  • Umíme:  chytat kliky z AI, které pošlou referrer (Perplexity, You.com, Phind, Poe, někdy Gemini/Copilot), tagovat je do vlastní skupiny “AI assistants”, měřit jejich konverze a chování.
  • Neumíme:  spolehlivě chytit  ChatGPT , který referrer často maskuje → skončí jako *Direct*. Proto GEO nehodnotíš jen návštěvností, ale hlavně  četností citací, přesností interpretace a prominentností zmínky  – to je core metrika GEO, kterou držíš mimo GA (viz níž)

GA4 nastavení – základ

 Vlastní channel group „AI assistants“ 

Admin → Data display → Channel groups → New → přidej pravidla na *Session source* / *Source platform*:

source contains "(perplexity|you.com|phind|poe|duckduckgo|copilot|gemini)"
medium matches "(referral|organic|unknown)"

Tím oddělíš AI návštěvy od běžného organiku/referral.

Vlastní dimenze „ai_referrer“ přes GTM 
  • V GTM přidej *Variable → JavaScript variable*: `document.referrer`
  • Všechny `page_view` a `session_start` posílej s event parametrem `ai_referrer={{JS - document.referrer}}`
  • V GA4 zaregistruj  Custom dimension  `ai_referrer` (Event-scoped).

Tip: Umožní ti rozlišit `perplexity.ai/…` vs `gemini.google.com/…`. ChatGPT bude často prázdný (Direct), což je očekávané.

Konverze, které dávají smysl pro GEO 

Označ jako *Conversions*: `generate_lead`, `purchase`, `outbound_click` na kontakty/mapy, `file_download`, `view_item`/`add_to_cart` u e-shopu. GEO není jen traffic, ale co z něj padá.

Segmenty a reporty v GA4

 Exploration „AI vs. ostatní“ 

Rows: Session source/medium, Landing page
Segments: „AI assistants“ (channel group), „Non-AI“
Metrics: Sessions, Engaged sessions, Conversions, CVR, Avg engagement time
Filters: Landing page matches `^/(blog|faq|how-to|produkt|sluzby)/` (tvoje citovatelné části)

Detekce „AI-likely direct“ (temný referrer) 

V Exploration si udělej sekundární segment:

  • channel = Direct
  • new users = Yes
  • landing page depth > 1 (není homepage)
  • engagement time > 10 s

Tohle je dobrý proxy koš pro ChatGPT kliky, které referrer nepošlou.

BigQuery (volitelné, ale nejlepší)

Zapni  GA4 BigQuery export  a udělej si dotaz na AI zdroje + „AI-likely direct“. Příklad (pseudo-SQL, UA/REGEX uprav podle schématu):

sql

WITH s AS (
SELECT
user_pseudo_id,
event_timestamp,
traffic_source.source AS source,
traffic_source.medium AS medium,
(SELECT value.string_value FROM UNNEST(event_params)
WHERE key='page_location') AS url,
(SELECT value.string_value FROM UNNEST(event_params)
WHERE key='page_referrer') AS ref,
(SELECT value.string_value FROM UNNEST(event_params)
WHERE key='ai_referrer') AS ai_ref,
(SELECT value.int_value FROM UNNEST(event_params)
WHERE key='entrances') AS entrances,
event_name
FROM `project.dataset.events_*`
WHERE _TABLE_SUFFIX BETWEEN '20250801' AND '20250831'
)
SELECT
CASE
WHEN REGEXP_CONTAINS(LOWER(COALESCE(ai_ref, ref, source)),
r'(perplexity|you.com|phind|poe|gemini|copilot)') THEN 'AI assistants'
WHEN source='(direct)' AND entrances=1
AND REGEXP_CONTAINS(url, r'^https?://[^/]+/.+/.+') THEN 'AI-likely direct'
ELSE 'Other'
END AS channel_bucket,
COUNTIF(event_name='session_start') AS sessions,
COUNTIF(event_name='purchase') AS purchases
FROM s
GROUP BY 1
ORDER BY sessions DESC;

Propojení s „pravým“ GEO měřením

GA4 ti řekne *co z AI kliků padá*. Ale jestli tě  AI vůbec cituje  a *jak*, musíš měřit bokem: Vytvoř si  test list dotazů  (20–30) a pravidelně je zkoušej v ChatGPT/Claude/Perplexity/Gemini. Loguj:  citace (ano/ne), přesnost (1–5), prominentnost (1–5), sentiment, konverzní potenciál (1–5) . Udělej vážené  GEO skóre  a porovnávej v čase.

Prakticky: kniha doporučuje systematický testovací protokol (A/B varianty stránek, opakované testy, logování rozdílů). 

Příklad výpočtu:

GEO skóre = 0,3×Míra citací + 0,3×Přesnost + 0,2×Prominentnost + 0,2×Konverzní potenciál (0–10 škála)` – drž si to vedle GA4 reportů

Praktické fígle

Vlastní „AI landing“ šablona : nahoře *jednověté shrnutí + FAQ box* → AI z toho snáz cituje; tyhle URL sleduj v GA4 jako samostatnou skupinu.

IndexNow : po úpravě důležitých článků pošli ping (WP plugin) → rychlejší propsání do ekosystému, z něhož LLM čerpají; pak kontroluj dopad v GEO skóre a návštěvnosti z AI kanálu.

Logy crawlerů : mimo GA sleduj v server logu GPTBot/ClaudeBot/PerplexityBot – ověříš, že si AI bere čerstvá data (nepřímo koreluje s nárůstem citací/AI kliků).

Měsíční report (šablona)

  • GEO skóre  (citace/přesnost/prominentnost/konverzní potenciál) – trend.
  • GA4 – AI assistants kanál : sessions, CVR, revenue/leads; podíl na celku.
  • AI-likely direct : sessions a CVR (trend).
  • Top landing pages pro citace : vstupy, konverze, engagement.
  • Poznámky : nasazené změny (schema, FAQ, IndexNow), co fungovalo/nefungovalo.

Fígl číslo 1 - Vlastní chatBot

Proč mít vlastního chatbota (a ne jen odkazovat na cizí AI):

  • Kontrola nad obsahem a brandem. Bot mluví vaším stylem, doporučuje vaše produkty/služby a drží se aktuálních cen, skladovosti i podmínek.

  • Data a měření. Vidíte dotazy uživatelů, kde se zasekávají, co je zajímá. To přímo krmí SEO/GEO, FAQ i produktové popisky.

  • Nižší náklady na podporu. 24/7 odpovědi na rutinní dotazy, eskalace na člověka jen když je potřeba.

  • Nezávislost na jednom dodavateli. Router pošle dotaz do ChatGPT/Claude/Gemini/„lokálního“ modelu podle tématu a ceny.

Jak to vypadá technicky (zjednodušená pipeline):

  1. Frontend widget (Web/WordPress + mobil) →

  2. Orchestrátor (vaše backend API) s pravidly: jaká personálie, jaký tón, kam co směrovat →

  3. Router vybere poskytovatele (ChatGPT/Claude/Gemini/LM Studio) podle typu dotazu:

    • produktové a ceníkové dotazy → napojení na váš CMS/eshop/ERP

    • stručné shrnutí → levnější/quicker model

    • citlivé dotazy → přesnější model, případně human handoff

  4. RAG (retrieval-augmented generation): bot si nejprve vytáhne fakta z vašeho knowledge base (návody, ceníky, podmínky), teprve pak generuje odpověď.

  5. Bezpečnost a soukromí: maskování PII, logy bez osobních údajů, možnost „zapomenout konverzaci“, EU hosting pokud potřebujete.

  6. Měření: GA4 eventy (dotaz, úspěšná odpověď, eskalace), CRM leady, NPS/CSAT po chatu.

  7. Náklady: cache opakovaných dotazů, limit délky konverzací, volba modelu podle ceny/rychlosti.

Co tím získáte pro GEO/SEO:

  • Jednověté odpovědi + FAQ z bota lze snadno převést na veřejné stránky (citovatelné pro LLM).

  • V reálném čase vidíte „jak se lidi ptají“ → přesně tak pak strukturovat obsah a schéma.

  • Konzistence tvrzení napříč webem, chatbotem a produktovými listy zvyšuje šanci, že vás AI bude citovat správně.

Minimum k nasazení (prakticky):

  • Widget na webu (WP: lehký plugin nebo vlastní block).

  • Backend s RAG: indexace vašich PDF/stránek (Elastic/Typesense + embeddings).

  • Multi-provider klíče (OpenAI/Anthropic/Google) + jednoduchý routing podle tématu/rozsahu.

  • GA4 a CRM propojení (eventy: chat_start, chat_answered, chat_escalated, lead_created).

  • Základní QA: logy, blacklist odpovědí, tlačítko „přepnout na člověka“.

Vlastní chatbot není „hračka“. Je to váš první-stranový AI kanál, který sbírá záměr zákazníků, snižuje náklady na podporu a zároveň živí SEO/GEO reálnými daty. Pipeline do více modelů vám dá odolnost, lepší kvalitu odpovědí a kontrolu nad tím, co a jak se říká vaším jménem. Detailně si snad o tom povíme v dalším článku.