Jak napsat článek pro vyhledávače i pro AI

• Základ, který sdílí SEO i GEO
• Proč na struktuře najednou záleží víc než dřív
• Jak AI vybírá, z čeho bude odpovídat
• Proč hraje roli i důvěryhodnost obsahu (E-E-A-T)
• Aktuálnost obsahu se počítá
• Shrnutí hned na začátek (metoda BLUF)
• Jak psát text, který bude AI používat ve svých odpovědích
• FAQ sekce a strukturovaná data
• Jak dostat z AI odpovědi i odkaz na váš web
• Liší se struktura podle typu stránky?
• Rychlá kontrola před publikací
• Často kladené otázky

Základ, který sdílí SEO i GEO

Než se pustíte do struktury pro AI, ověřte si klasické SEO minimum. Bez něj se text nedostane ani do indexu Google a Bingu, natož do výběru zdrojů pro AI odpověď:

• Title tag a meta description s klíčovým výrazem, na který text cílí.
• Technická kvalita webu. Rychlost načítání, mobilní zobrazení, žádné chyby při procházení. Podrobně v technickém SEO.
• Autorita přes zpětné odkazy. Vyhledávače i AI systémy důvěřují spíš webům, na které odkazují jiné důvěryhodné stránky.
• Klíčová slova na správném místě. V H1, v URL, přirozeně v textu, ne nahuštěná uměle.

Tohle je společný vstupní práh pro klasické vyhledávání i pro AI. Zbytek článku se věnuje tomu, co dělat navíc, aby text nejen prošel tímto prahem, ale AI si ho pak i skutečně vybrala jako zdroj.

Proč na struktuře najednou záleží víc než dřív

V klasickém vyhledávání jde primárně o pozici, tedy o to, kde se stránka umístí ve výsledcích vyhledávání. Tento cíl se nezměnil, jen k němu přibyl další: bude váš text reprezentovaný přímo ve výsledné AI odpovědi, tzn. například v Google AI Overview, nebo přímo v odpovědích jazykových modelů jako je Claude, Gemini nebo ChatGPT? Model dostane k dispozici několik úryvků z různých webů se srovnatelnou relevancí a sáhne po tom, ze kterého nejsnáz pozná, co potřebuje.

Pokud má na výběr mezi článkem s jasně označenou odpovědí v samostatném odstavci a článkem, kde je stejná informace zahrabaná uprostřed dlouhého souvislého textu, použije ten první. Obsah, který jde jednoduše použít, má mnohem vyšší šanci na citaci nebo na zobrazení v klasickém výsledku vyhledávání, nezávisle na tom, jak kvalitně je napsaný jazykově.

Jak AI vybírá, z čeho bude odpovídat

Proces má dvě fáze, souhrnně označované jako RAG (retrieval-augmented generation). Nejprve proběhne retrieval: systém porovná dotaz s indexem webu a vybere hrstku nejrelevantnějších stránek nebo přímo konkrétních odstavců. Tahle fáze je principem velmi blízká tomu, co dělá Google nebo Bing, když řadí výsledky vyhledávání, a čerpá ze stejného indexu. Teprve poté přichází syntéza, kterou klasický vyhledávač nedělá: jazykový model dostane tyto vybrané úryvky k dispozici a poskládá z nich souvislou odpověď.

Z toho plyne důležitý důsledek pro psaní: pokud text neprojde touto první fází, třeba proto, že neobsahuje přesná slova z dotazu nebo nemá dostatečnou relevanci a autoritu, model se k němu vůbec nedostane, ať je strukturovaný sebelíp. Aby se text dostal do hry, musí projít klasickým SEO sítem: relevance, správná klíčová slova, kvalitní a aktuální obsah. Teprve poté, co touto fází projde, rozhoduje struktura o tom, jestli si z něj model skutečně vezme přesně tu větu nebo odstavec, který chcete, aby použil.

Retrieval přitom není jen o doslovné shodě slov. Vedle klasického vyhledávání podle klíčových slov (algoritmy typu BM25) běží souběžně i vyhledávání podle významu: systém porovnává smysl dotazu se smyslem textu, ne jen jeho znění. Proto se vyplatí do článku přirozeně zapojit i související pojmy, synonyma a tematicky příbuzné výrazy k hlavnímu tématu, ne jen jednu přesnou frázi opakovat pořád dokola. Přesná terminologie z reálných dotazů pořád vyhrává, ale text, který zůstane jen u jednoho strojového výrazu, může sémantickému vyhledávání naopak unikat.

Stejná logika platí i pro konkrétní pojmy. Model lépe pracuje s přesnými názvy než s obecnými opisy. Napište raději „Drupal 11“, „Google Search Console“ nebo „ChatGPT“ místo „tento nástroj“ nebo „AI chatbot“. Je to drobná úprava, která ale modelu usnadní přesně poznat, o čem text vlastně je.

Proč hraje roli i důvěryhodnost obsahu (E-E-A-T)

Struktura rozhoduje o tom, jestli model dokáže text použít. Důvěryhodnost rozhoduje o tom, jestli chce. Modely při syntéze dávají přednost zdrojům, které působí jako ověřené a odborné, tomu se v SEO říká princip E-E-A-T (zkušenost, odbornost, autorita, důvěryhodnost).

V praxi to znamená tři konkrétní věci:

• Konkrétní data a čísla místo obecných tvrzení, ideálně s odkazem na zdroj, pokud je k dispozici.
• Jasné autorství. U koho je vidět, kdo text napsal a proč tématu rozumí, působí důvěryhodněji než anonymní obsah.
• Citace autoritativních zdrojů. Odkaz na relevantní studii nebo oficiální dokumentaci text zakotví v širším kontextu, ze kterého model může čerpat.

Rozdíl je vidět na samotném tématu. Článek „Jak nastavit Drupal“ může napsat kdokoli. Text „Jak jsme migrovali 15 000 produktů z Drupalu 7 do Drupalu 11“ už nese zkušenost, kterou jinde nenajdete. Právě tenhle typ obsahu má větší šanci, že ho model při syntéze skutečně použije a bude ho vnímat jako důvěryhodný zdroj.

Aktuálnost obsahu se počítá

Jednorázová publikace dnes nestačí. Pokud se téma vyvíjí, jako je to u AI, SEO nebo Drupalu, vyplatí se článek pravidelně revidovat. Modely i vyhledávače dávají přednost obsahu, který reaguje na aktuální změny, ne tomu, co zůstalo beze změny několik let.

Aktuálnost přitom nemusí znamenat viditelné staré datum publikace u evergreen obsahu, to spíš důvěryhodnosti škodí. Lepší cestou je krátká poznámka „Aktualizováno“ přímo v textu u revidované části, doplněná strukturovanými daty s datem poslední úpravy.

Shrnutí hned na začátek (metoda BLUF)

Nejdůležitější informaci nenechávejte až na konec. Článek by měl začínat krátkým odstavcem, který sám o sobě odpovídá na hlavní otázku tématu, klidně 2 až 4 věty, které dávají smysl, i když je někdo vytrhne z kontextu. Tomuto principu se říká BLUF, „bottom line up front“: to hlavní sdělení hned na začátek, ne až po odstavcích o pozadí tématu.

Model pak nemusí procházet celý text, aby zjistil, o čem stránka vlastně je, a s vyšší pravděpodobností použije právě tuto úvodní pasáž jako přímou odpověď.

Jak psát text, který bude AI používat ve svých odpovědích

Dál už jde hlavně o disciplínu ve formátování:

• Logická hierarchie H2 a H3. Každý podnadpis by měl nést jednu myšlenku, ideálně formulovanou jako otázka, na kterou následující odstavec přímo odpovídá. Přeskakování úrovní (H2 rovnou do H4) hierarchii rozbíjí. Otázkové H2 mají navíc bonus v klasickém Google vyhledávání: zvyšují šanci na zobrazení v sekci „Lidé se také ptají“ (PAA).
• Krátké odstavce. Dvě až pět vět na odstavec, jedna myšlenka. Dlouhý souvislý text zvyšuje riziko, že model vytáhne špatnou část nebo odpověď úplně mine.
• Seznamy a tabulky místo popisu. Kroky postupu, výhody nebo srovnání parametrů: kdykoli to jde, nahraďte odstavec strukturovaným výčtem. Tyto formáty model dokáže převzít téměř beze změny.
• Signální fráze u klíčových bodů. Slova jako „stručně shrnuto“, „nejdůležitější je“ nebo „krok 1“ fungují jako orientační body, kterých se model při skládání odpovědi drží.

Příklad: stejná informace, jiná struktura

Méně vhodné: „Drupal je populární open source systém pro správu obsahu. Používají ho firmy, úřady i univerzity. Nabízí mnoho možností rozšíření a vysokou flexibilitu.“

Lépe (jako samostatná H3 sekce s vlastním nadpisem „Co je Drupal?“):

Drupal je open source systém pro správu webových stránek, vhodný především pro firemní weby, portály a rozsáhlejší projekty, které potřebují vysokou flexibilitu a prostor pro další rozvoj.

Druhá verze odpovídá na konkrétní otázku už v nadpisu, takže ji model může použít samostatně, bez zbytku odstavce.

FAQ sekce a strukturovaná data

Sekce s často kladenými otázkami na konci článku funguje jako shrnutí hlavních bodů v jiné formě, a zároveň pokrývá další varianty dotazů, na které stejné téma cílí. Tři až šest dvojic otázka → krátká odpověď obvykle stačí.

Strukturovaná data (schema.org, typicky ve formátu JSON-LD) sama o sobě AI odpověď nezaručí, model rozumí obsahu i bez nich. Fungují ale jako doplňkový signál, který pomáhá vyhledávačům i AI systémům rozpoznat typ obsahu (článek, FAQ, produkt) přesněji. Víc o tom, jak a kdy je nasadit, popisujeme ve strukturovaných datech. Priorita by ale měla vždy zůstat u samotné struktury textu, hodina strávená vylepšením nadpisů má pro AI vyhledávání větší váhu než hodina ladění markupu.

Jak dostat z AI odpovědi i odkaz na váš web

Cílem GEO není jen to, aby AI vaše informace použila, ale aby u nich uvedla i odkaz zpátky na váš web. To se povede spíš u obsahu, který nejde jednoduše anonymně přeformulovat: vlastní data a průzkumy, unikátní metodika popsaná krok za krokem, nebo pojem, který jste jako první pojmenovali a vysvětlili.

Obecné shrnutí známé informace může model použít bez citace, protože ji najde na desítkách dalších webů. Obsah založený na vlastních datech, metodikách nebo výzkumech má naproti tomu vyšší šanci, že AI uvede i zdroj, protože podobné informace nemusí být dostupné jinde. Přesně tenhle typ obsahu se vyplatí do pilířových článků zařazovat.

V klasickém SEO má tenhle princip svůj protějšek: unikátní obsah je přesně to, co přirozeně přitahuje zpětné odkazy z jiných webů. Investice do vlastních dat a originální metodiky se tedy vyplácí dvakrát, jednou přes autoritu ve vyhledávačích, podruhé přes citace v AI odpovědích.

Liší se struktura podle typu stránky?

Základní principy platí univerzálně, konkrétní důraz se ale podle typu stránky mírně mění:

Rychlá kontrola před publikací

Než článek publikujete, ověřte si u něj pár základních věcí:

• Má stránka vyplněný title tag a meta description s klíčovým výrazem, a je technicky v pořádku (rychlost, mobilní zobrazení)?
• Odpovídá první odstavec sám o sobě na hlavní otázku článku?
• Má každá sekce nadpis, který jde přeformulovat jako otázku?
• Jsou klíčové informace v krátkých odstavcích, seznamech nebo tabulce, ne zahrabané v souvislém textu?
• Obsahuje článek FAQ sekci a alespoň jeden prvek, který jinde nenajdete: vlastní data, zkušenost nebo konkrétní příklad?

Často kladené otázky

Znamená optimalizace pro AI, že přestává záležet na klasickém SEO?

Ne, je to naopak. Klasické SEO je základ, na kterém GEO staví: retrieval fáze, tedy výběr zdrojů, funguje na podobných principech jako klasické vyhledávání. Text, který nesplňuje SEO minimum, se nedostane ani do klasických výsledků, ani do výběru pro AI odpověď.

Musím kvůli AI přepisovat celý web?

Ne. Vyplatí se začít u stránek, které mají potenciál odpovídat na konkrétní dotazy uživatelů, typicky pilířové články a časté „jak na…“ texty. Zbytek můžete upravovat postupně.

Je nutné přidávat schema markup, abych se v AI odpovědích objevil?

Ne nutně. Jazykové modely rozumí obsahu i bez schématu. Structured data fungují jako podpůrný signál, ne jako podmínka. Víc se dozvíte v článku o strukturovaných datech.

Jak dlouhý by měl být úvodní BLUF odstavec?

Obvykle stačí dvě až čtyři věty, které samy o sobě dávají odpověď na hlavní otázku článku.

Platí to i pro Google AI Overviews?

Ano, princip je stejný jako u Google AI Overviews i u ostatních generativních vyhledávačů, jasná struktura zvyšuje šanci na citaci napříč platformami.

Co je vlastně GEO?

Zkratka pro Generative Engine Optimization, tedy optimalizaci obsahu pro generativní AI nástroje. Podrobnou definici a souvislosti s SEO a AEO najdete v článku GEO (Generative Engine Optimization).