GEO (Generative Engine Optimization): optimalizace pro generativní vyhledávače

LLM a generativní AI
Veronika Benková
GEO (Generative Engine Optimization): Optimalizácia pre generatívne enginy

Co je GEO (Generative Engine Optimization) a proč vzniká „SEO 2.0“

GEO – generative engine optimization – je disciplína, která optimalizuje weby pro generativní vyhledávače a systémy LLM (ChatGPT, multimodální systémy pro tvorbu odpovědí, AI náhledy ve výsledcích vyhledávání). Zatímco tradiční SEO pracuje především s indexováním dokumentů a hodnocením odkazů, GEO klade důraz na ověřitelnost tvrzení, citovatelnost dat, původnost výzkumů a transparentní autorství, aby se web stal spolehlivým uzlem znalostí pro modely.

Paradigmata GEO vs. klasické SEO a AIO

  • SEO → dokument: primárním cílem je získat pozici ve výpisu. Signály: CWV, obsah, odkazy.
  • AIO/AEO → odpověď: primárním cílem je být zdrojem v odpovědi. Signály: strukturovaná data, entity, srozumitelnost formulací.
  • GEO → důkaz: primárním cílem je dodávat strojově ověřitelné důkazy – tvrzení s citací, měřitelné prvky propojené s datovými identifikátory (DOI, arXiv, RFC, DOI datasetu).

Informační architektura „připravená pro LLM“

  • Jádra znalostí (pilířové huby): stránky s jasně vymezeným tématem a stabilní URL; obsahují definice, metodiky, rámce a přehled referencí.
  • Podstránky s důkazy: každé důležité tvrzení (statistika, závěr) má vlastní kotevní bod (id v nadpisu) a citaci primárního zdroje.
  • Členění na bloky pro RAG: text rozdělený do krátkých sekcí (300–800 slov), stabilní kotvy a sémantické nadpisy H2/H3 umožňují přesné citování.
  • Jednoznačné entity: konzistentní názvy osob, organizací a metod; použití stejných identifikátorů v textu i JSON-LD (sameAs).

Jasná tvrzení: typologie a formální označování

Systémy LLM potřebují tvrzení, která jsou atomická, ověřitelná a časově ukotvená. Doporučený rámec:

  • Definiční tvrzení – jednoznačná definice pojmu včetně hranic a výjimek.
  • Empirická tvrzení – čísla, intervaly, změny trendů s datem sběru a metodikou.
  • Metodická tvrzení – popis měření/experimentu, vzorku, nástrojů a omezení.
  • Normativní tvrzení – odkazují na standardy (ISO, RFC, zákony) s přesnou citací.

U důležitých faktů používejte ClaimReview nebo explicitní pole JSON-LD (citation, isBasedOn) a v textu inline odkaz na primární zdroj.

Citovatelná data: DOI, preprinty a oficiální publikace

  • Upřednostňujte perzistentní identifikátory: DOI (https://doi.org/…), ID arXiv, PMID/PMCID, Handle, ISBN/ISSN.
  • Datasety publikujte s DOI (např. prostřednictvím důvěryhodných repozitářů) a uveďte licenci (license v JSON-LD).
  • Odkazujte na vstupní stránku/plný text (fulltext), nikoli na neoficiální kopie; dodržujte licence a podmínky.

Originální studie a vlastní výzkum

GEO upřednostňuje weby, které provádějí původní měření (např. benchmarky výkonu, průzkumy, A/B testy). Klíčové zásady:

  1. Metodika a reprodukovatelnost: popište sběr dat, nástroje, vzorek, časové období a omezení.
  2. Strojově čitelné přílohy: CSV/Parquet/JSON s kontrolním součtem a verzováním; poskytněte datový slovník.
  3. Transparentní licence: CC BY 4.0 nebo jiná vhodná otevřená licence pro sekundární využití a citace.

Schémata autorství a reputační signály

  • Autor (Person): jméno, kvalifikace, afiliace, identifikátory (sameAs s odkazy na ORCID, LinkedIn, univerzitu), stručný životopis a oblast odbornosti.
  • Recenzent/Editor: uvedení kontroly kvality a data revize (reviewedBy, dateModified).
  • Organizace: jednoznačná identita (Organization/LocalBusiness) s údaji legalName, foundingDate, contactPoint, sameAs.

Strukturovaná data: minimální „GEO sada“

  • Typy: Article/WebPage + Person/Organization, u studií ScholarlyArticle, u dat Dataset.
  • Vztahy: citation, isBasedOn, mentions, about, sameAs, author, reviewedBy.
  • Identifikátory: identifier s DOI/URL, license u datasetu/studie.

Příklad JSON-LD: článek s autorem, daty a citacemi

Komponenta „Karta důkazu“: UI pro zásadní tvrzení

INP pod 200 ms snižuje pravděpodobnost přerušení úlohy
Tvrzení · Poslední aktualizace:
Metodika: panel RUM, N=1.2M návštěv, region EU, 2024–2025

Publikační workflow GEO: „Tvrdím – Dokládám – Vysvětluji – Cituji“

  1. Tvrdím: formulujte tvrzení v jedné až dvou větách, uveďte časový rámec a podmínky platnosti.
  2. Dokládám: přidejte graf/tabulku s <figcaption> a odkazem na dataset/studii (DOI).
  3. Vysvětluji: rozeberte metodiku, limity a alternativní interpretace (zkreslení, matoucí proměnné).
  4. Cituji: vložte inline citaci a doplňte záznam do referenční sekce + JSON-LD.

Technická připravenost: rychlost, stabilita, indexace

  • Core Web Vitals: TTFB/INP/LCP na p95; streamování HTML, fetchpriority pro zdroj LCP, minimalizace dlouhých úloh.
  • Stabilní URL a odkazy: kanonické adresy, kotvy pro deep linky, bez řetězení přesměrování.
  • Strojově čitelné přílohy: sitemap s adresami článků, dat a studií; lastmod, hreflang a specifické feedy (např. /data/*.json).
  • Strukturovaná data přímo v dokumentu: JSON-LD v primárním HTML (nečekat na klientský JS).

Hodnoticí metriky GEO

Kategorie Metrika Cíl Poznámka
Viditelnost v AI Podíl odpovědí AI s citací vašeho webu > 10 % v cílových tématech Měřeno panelem a logy referenčních návštěv
Doložitelnost Procento tvrzení s primární citací > 90 % Interní audit
Datasety Počet datasetů s DOI za čtvrtletí ≥ 2 Udržujte verze a licence
Autorství Podíl článků s úplnými údaji o autorovi/recenzentovi > 95 % Schema.org + viditelný životopis
Rychlost TTFB (p95, EU) < 200 ms Edge cache, HTTP/3

Implementační vzory pro různé typy obsahu

  • Vědecké články/whitepapery: typ ScholarlyArticle, DOI v identifier, odkazy na dataset v isBasedOn.
  • Praktické návody: jasné kroky, snímky s popisem, sekce „Limity a bezpečnostní upozornění“, citace standardů (RFC/ISO).
  • Průzkumy a benchmarky: zveřejněné CSV/JSON, metadata (období, metodika), grafy s <figcaption> a ID kotvy.

Referenční sekce: konzistentní formát

  1. Doe, J. (2024). Measuring Web Performance and Business Impact. DOI:10.1145/XXXXXXX
  2. Example Analytics (2024). Web Latency Benchmarks 2024 (Dataset). DOI:10.5281/zenodo.1234567
  3. RFC 9110: HTTP Semantics. Oficiální text

Anti-vzory (čemu se vyhnout)

  • Obecná tvrzení bez časového a metodického kontextu („studie ukazují…“).
  • Odkazy na domovské stránky bez DOI/vstupní stránky článku.
  • Neoznačené affiliate/UGC odkazy; chybějící atributy rel.
  • JSON-LD vkládané se zpožděním přes JS; systémy AI nemusejí čekat.
  • Křehké URL bez stabilních kotev; nemožnost přesně citovat podsekci.

Kontrolní seznam GEO před publikováním

  • Má každé důležité tvrzení primární citaci a ID kotvy?
  • Jsou všechny entity a autoři propojeni pomocí sameAs s externími profily/identifikátory?
  • Obsahuje stránka JSON-LD s poli citation/isBasedOn/author/reviewedBy?
  • Jsou datasety strojově přístupné (CSV/JSON) s licencí a verzí?
  • Splňuje stránka cíle p95 pro TTFB/LCP/INP a lze ji snadno citovat?

Shrnutí

GEO mění web ze skladu dokumentů na síť důkazů. Stránky, které formulují jasná tvrzení, poskytují citovatelná data, publikují originální studie a mají transparentní schémata autorství, se přirozeně stávají spolehlivými zdroji pro LLM a generativní vyhledávače. Investice do GEO zvyšuje nejen šanci na citaci v odpovědích AI, ale také důvěru uživatelů a dlouhodobou hodnotu obsahu.