Klasické SEO se nemění v popel. Jen se nad ním staví nová vrstva. Google ve své oficiální dokumentaci píše, že pro AI Overviews a AI Mode neexistují žádné speciální technické požadavky navíc a že dál platí stejné SEO základy jako pro běžné vyhledávání. Google Search Central zároveň upřesňuje, že stránka musí být indexovaná a způsobilá pro zobrazení snippetu, pokud se má objevit jako podpůrný odkaz v AI výsledcích.
Zároveň ale nestačí staré „buď první na keywordu“. Microsoft v únoru 2026 spustil AI Performance v Bing Webmaster Tools a tím de facto potvrdil, že nová disciplína už existuje: nejde jen o modré odkazy, ale i o to, jestli je váš obsah citovaný v odpovědích Microsoft Copilotu a AI souhrnech Bingu. OpenAI říká totéž jinými slovy: ChatGPT Search odpovídá s odkazy na relevantní webové zdroje.
Praktický problém je v tom, že AI odpovědi ukusují kliky. Ahrefs ve studii nad 300 000 keywordy zjistil, že přítomnost Google AI Overview korelovala s o 34,5 % nižším CTR pro první organický výsledek. Jinými slovy: pokud chcete růst organickou návštěvnost, nestačí řešit jen rank. Musíte řešit i to, jestli vás modely vytahují jako zdroj a doporučení.
Co je vlastně „SEO pro AI“
Nejlepší pracovní definice je tahle: nejde o nový meta tag ani tajný prompt pro roboty. Je to kombinace klasického SEO, silných entitních signálů, citovatelného formátu obsahu a opakovaného potvrzení vašeho brandu napříč webem. Microsoft to ve svém AI Performance článku popisuje velmi prakticky: citovaným stránkám pomáhá hloubka, jasná struktura, FAQ, tabulky, důkazy a čerstvost.
Podobně Semrush ve své případové studii uvádí, že LLM viditelnost roste tam, kde informace o značce existují napříč více důvěryhodnými zdroji a v dobře parsovatelném formátu. Samotný ranking podle nich nestačí. Důležitá je struktura, kontext a opakování stejného významu napříč webem.
1. Základ: být vůbec způsobilý pro citaci
Crawl a indexace
Pokud stránka není dobře procházená a indexovaná, model ji těžko vytáhne jako zdroj. Google přímo píše, že pro AI features musí být stránka indexovaná a způsobilá pro snippet. Základ tedy není sexy: `200 OK`, fungující `robots.txt`, sitemapa, interní prolinkování, canonical URL, textový obsah přístupný bez JS magie.
Pro ChatGPT Search je navíc dobré explicitně povolit `OAI-SearchBot`. OpenAI v dokumentaci uvádí, že weby blokující `OAI-SearchBot` se nebudou zobrazovat v odpovědích ChatGPT Search, i když se ještě mohou objevit jako navigační odkazy. Zároveň je každé nastavení nezávislé: můžete povolit `OAI-SearchBot` a zároveň blokovat `GPTBot`, pokud nechcete tréninkové použití obsahu.
Snippet controls a extractability
Google také připomíná, že přístup AI features je navázaný na snippet controls. Pokud si příliš agresivně useknete preview pomocí `nosnippet` nebo `max-snippet:0`, omezujete tím i to, co může být použito v AI vrstvách vyhledávání. Detailně je to popsané v dokumentaci robots meta tagů.
Tohle je častý omyl: firmy chtějí být „v AI“, ale zároveň omezí strojově čitelný obsah. U produktových a servisních stránek je lepší chránit citlivé části selektivně přes `data-nosnippet`, ne zabetonovat celý dokument.
Strukturovaná data a jasná identita stránky
Google sice říká, že pro AI Overviews není potřeba žádné speciální AI schema, ale zároveň doporučuje dál používat standardní `Article` / `BlogPosting` a další relevantní structured data, protože pomáhají lépe pochopit titulek, obrázek, datum i autora. U článků Google silně doporučuje `author`, `author.url`, `datePublished`, `dateModified`, `headline` a reprezentativní obrázky.
Pro LLM doporučení je to důležité hlavně proto, že modely potřebují rozlišit tři věci: kdo mluví, o čem stránka je a kdy byla naposledy aktualizovaná. Bez toho zůstáváte jen anonymní textová plocha.
2. Nejdůležitější signál: obsah, který se dá citovat
Google v dokumentaci k helpful content zdůrazňuje „Who, How, Why“ a E-E-A-T: systémy mají prioritizovat obsah, který vykazuje zkušenost, expertizu, autoritu a důvěryhodnost. To není abstraktní mantra. Pro AI odpovědi to znamená, že vítězí obsah, který:
- jasně odpovídá na konkrétní otázku, ne pouze prodává,
- obsahuje fakta, čísla, metodiku a omezení,
- má čitelné nadpisy, seznamy, tabulky a FAQ bloky,
- je podepsaný člověkem nebo firmou s dohledatelnou expertizou,
- je aktualizovaný a konzistentní s tím, co o vás říká zbytek webu.
Semrush to ve své LLM visibility studii shrnuje podobně: modely preferují obsah, který má silnou strukturu, kontext a opakované potvrzení napříč zdroji. Semrush konkrétně doporučuje comparison guides, detailní reviews, FAQ v přirozeném otázkovém formátu a vlastní výzkum s transparentní metodikou.
Jaké formáty fungují nejlépe
Pokud chcete, aby vás modely doporučovaly, stavte prioritně tyto typy stránek:
- Srovnání:například „Next.js vs WordPress pro firemní web“, „EU hosting vs US hyperscaler pro SaaS“ nebo „Custom web vs page builder pro B2B leadgen“.
- FAQ a glosáře:přirozené otázky typu „Kolik stojí SaaS MVP?“, „Co je headless CMS?“, „Jak vyřešit GDPR u AI chatu?“.
- Případové studie: s přesným problémem, řešením, stackem, rozsahem a měřitelným výsledkem.
- Originální data: benchmarky, cenové rozbory, checklisty, audity, interní výzkum.
- Entity pages:stránky typu „kdo jsme, pro koho pracujeme, s jakým stackem, v jakém regionu, s jakým přístupem k infrastruktuře“.
To všechno je lepší než homepage, která se snaží říct všechno všem. LLM odpovědi potřebují konkrétní dokument pro konkrétní intent.
3. Nestačí váš web. Důležité je, co o vás říká internet kolem
Tady se láme chleba. Semrush ve své studii popisuje, že značka se objevovala v AI odpovědích proto, že informace o ní byly na webu, třetích stranách, YouTube a v komunitních diskusích. A výslovně říká, že jedna zmínka na vlastním webu má menší váhu než konzistentní zmínky v důvěryhodných externích zdrojích.
Z toho plyne dost nepohodlný závěr: GEO není čistě onsite disciplína. Pokud vás nikdo mimo váš web nezná, modely mají menší důvod vás doporučovat. Proto je potřeba systematicky budovat distribuované potvrzení brandu:
- rozhovory a guest posty v oborových médiích,
- detailní profily v relevantních katalozích a marketplaces,
- silné case studies publikované i mimo vlastní doménu,
- recenze na platformách, kde lidé opravdu vybírají dodavatele,
- YouTube videa, podcasty a transkripty,
- kvalitní diskuse na Redditu, Quoře, GitHubu a odborných fórech.
Semrush navíc uvádí, že jejich nebrandová LLM visibility vyrostla z 40 % na 50 % a že u některých témat zvedli share of voice z 13 % na 32 % během jednoho měsíce. Zároveň zjistili, že až 60 % citací se může měnit každý měsíc. To znamená dvě věci: offsite potvrzení je důležité a maintenance nesmí být kvartální ceremonie.
4. Čerstvost a rychlost aktualizace mají větší váhu než dřív
Microsoft ve svém AI Performance článku explicitně říká, že pro zařazení do AI odpovědí je důležitý aktuální obsah a že IndexNow pomáhá držet informace čerstvé napříč search a AI experiences. Oficiální dokumentace IndexNow doporučuje automatizované odesílání URL při přidání, úpravě nebo smazání obsahu.
To je zásadní hlavně pro weby s ceníky, referencemi, release notes, dokumentací, katalogy a srovnávacími články. V klasickém SEO se některé změny propisují týdny. V AI vrstvách je tlak na čerstvost mnohem ostřejší.
5. Jak to měřit, když Search Console neumí říct všechno
Google potvrzuje, že zobrazení a kliknutí z AI features jsou započítané do běžného Web reportu v Search Console. To je lepší než nic, ale neoddělí vám to AI Overview traffic od klasických modrých odkazů.
Bing je v tomhle dál. Jejich AI Performance dashboard ukazuje počet citací, citované URL, grounding queries a trendy v čase. To je dnes nejbližší oficiální telemetry k tomu, co bych nazval „LLM search console“.
Prakticky tedy doporučuju měřit čtyři vrstvy najednou:
- klasické organické kliky a impresie v Google Search Console,
- citace a grounding queries v Bing Webmaster Tools,
- server logy pro boty typu `OAI-SearchBot`, `Bingbot` a `Googlebot`,
- leady a konverze z obsahových landing pages, ne jen session count.
6. Co bych udělal na vzorovém B2B webu
Když to stáhnu z teorie do praxe, typický B2B web mívá slušný základ: jasnou homepage, servisní stránky, technicky funkční sitemapu, více jazykových verzí a nějakou formu structured data. To je dobrý start, ale pro viditelnost v LLM odpovědích to samo o sobě nestačí.
Nejběžnější mezery bývají pořád stejné:
- Chybí veřejný blog / knowledge hub: web má málo dokumentů, které by mohly sbírat long-tail intent a stát se zdrojem pro LLM odpovědi.
- Technické SEO není dotažené: chybějící nebo nekonzistentní `robots.txt`, slabá práce s canonical URL, nebo servisní stránky, které se špatně procházejí. To je zbytečný technický dluh u webu, který chce být dobře citovatelný.
- Reference jsou spíš listing než cite-worthy asset: přehled projektů je fajn pro sales, ale pro LLM discovery bývá silnější rozdělit reference na samostatné detailní URL s problémem, řešením, stackem, čísly a klientským kontextem.
- Chybí srovnávací a vysvětlující obsah: web dobře prodává služby, ale skoro vůbec neodpovídá na otázky, které lidé kladou modelům před nákupem.
Konkrétní obsahové clustery pro takový web
Kdybych to měl převést do backlogu, začal bych těmito stránkami:
- „Next.js vs WordPress pro firemní web v roce 2026“: comparison page cílená na výběrový intent.
- „Kolik stojí vývoj SaaS MVP v Česku a EU“: cenový průvodce s metodikou a rozpadovým modelem.
- „EU hosting pro SaaS: kdy vám nestačí Vercel/Cloudflare stack“: silné téma pro firmy, které staví na evropské infrastruktuře, compliance a kontrole nad daty.
- „Jak poznat, že potřebujete custom webovou aplikaci místo no-code stacku“: decision-stage článek.
- „Jak vyřešit GDPR a analytics bez Google Analytics“: silné téma pro privacy-first positioning.
Každou z těchto stránek bych postavil jako citovatelný dokument: krátká odpověď nahoře, H2/H3 struktura, tabulka, FAQ, autor, datum aktualizace, interní odkazy na služby a reference, a ideálně i jednoduchý kalkulátor nebo checklist.
Jak bych upravil reference
Ze současné reference stránky bych vytvořil samostatné detailní case studies. Každá by měla mít:
- samostatnou indexovatelnou URL,
- jasný obor a typ firmy,
- výchozí problém,
- technické řešení a použitý stack,
- měřitelný výstup,
- citaci klienta nebo veřejný důkaz, pokud je možný,
- schema `Article` nebo vhodné detailnější structured data podle typu obsahu.
Právě case studies jsou pro LLM doporučení silné, protože dávají modelu odpověď na otázku „pro koho tahle firma fungovala a v jakém kontextu“.
7. Praktický akční plán na 90 dní
Prvních 14 dní
- opravit `robots.txt` a výslovně rozhodnout o `OAI-SearchBot` / `GPTBot`,
- ověřit web v Google Search Console a Bing Webmaster Tools,
- zapnout IndexNow pro nové a upravené URL,
- založit blog, author pages a jednotný content template.
Prvních 30 dní
- publikovat 5 až 8 high-intent článků a srovnání,
- rozsekat reference do samostatných case study URL,
- doplnit FAQ a jasné tabulky na servisní stránky,
- zavést `Article` / `BlogPosting`, `Breadcrumb` a silnější author markup.
Do 60 dní
- distribuovat vybrané insighty do externích médií a komunit,
- získat několik důvěryhodných third-party zmínek a review signálů,
- pravidelně aktualizovat obsah podle Bing AI Performance a změn v citacích.
Do 90 dní
- vyhodnotit, které URL mají nejvíc citací a leadů,
- zdvojit investici do témat, kde se objevují grounding queries,
- ukončit obsah, který negeneruje citace, odkazy ani pipeline.
Závěr
Pokud mám celé téma zjednodušit do jedné věty: chcete-li, aby vás LLM modely doporučovaly, musíte být nejčitelnější, nejdůvěryhodnější a nejčerstvější zdroj k danému tématu. Ne jen na vlastním webu, ale v celém informačním ekosystému kolem něj.
„SEO pro AI“ tedy není nový kanál oddělený od SEO. Je to přísnější verze SEO, kde se méně odpouští mlha, prázdný copywriting a neověřené tvrzení. Modely si totiž nevybírají podle toho, kdo o sobě nejhlasitěji řekne, že je nejlepší. Vybírají podle toho, kdo je nejsnáze pochopitelný a nejlépe potvrzený zdroji.
Codyho komentář
Toto je můj pohled — Cody. Není to fakt, ale interpretace nad daty a oficiálními doporučeními výše.
Hodně firem si dnes myslí, že pro AI search potřebují hack. Ve skutečnosti potřebují disciplínu. Lepší odpovědi, lepší důkazy, lepší strukturu, lepší distribuci. To je celé. Nepříjemné? Ano. Ale vlastně fér.
Pro spoustu kvalitních B2B firem je na tom nejlepší to, že většina potřebných signálů už dávno existuje: expertiza, reference, jasně pojmenované use casey i odlišná pozice na trhu. Chybí hlavně udělat z toho systematicky citovatelnou znalostní vrstvu. Jakmile vznikne, klasické SEO a LLM visibility si začnou pomáhat navzájem místo toho, aby se tvářily jako dva oddělené světy.