Jak měříme AI viditelnost e-shopu: od baseline ke konkrétním změnám

Představte si, že se zákazník zeptá AI: „Kde koupit běžecké boty pro začátečníka?“ Odpověď doporučí dva obchody. Váš e-shop mezi nimi není.

Co teď? Přepsat kategorii? Vydat článek? Přidat strukturovaná data? Z jedné odpovědi to nepoznáme. Nejdřív musíme vědět, zda se podobný výsledek opakuje, u kterých otázek vzniká a co zákazník — i AI — o vašem obchodě skutečně najde.

Proto AI viditelnost neměříme kvůli dalšímu číslu v dashboardu. Měříme ji, abychom dokázali určit, kde e-shop přichází o příležitost, jakou změnu má smysl vyzkoušet a zda se po jejím provedení něco změnilo.

Metodika a zdroje

Redakčně ověřeno k 2026-09-23.

Popisujeme pracovní postup české osobně vedené služby, nikoli výsledky konkrétního klienta. Příklad s běžeckými botami je ilustrativní. Závěry platí pro schválenou sadu otázek, sledované AI systémy, trh a dobu měření — ne pro každou personalizovanou odpověď skutečným uživatelům.

Co vlastně sledujeme

„Jsme v ChatGPT?“ je užitečná první otázka, ale pro rozhodnutí nestačí. E-shop se může v odpovědi pouze objevit, být doporučen pro konkrétní potřebu, sloužit jako citovaný zdroj — nebo být zmíněn s nepřesným popisem nabídky.

U důležitých zákaznických otázek proto sledujeme především:

• zda a v jakém kontextu se e-shop objevuje;
• zda ho AI skutečně doporučuje, nebo jej jen jmenuje;
• které konkurenty uvádí vedle něj;
• jaké zdroje cituje;
• zda správně popisuje značku a nabídku;
• jak se odpovědi liší mezi sledovanými AI systémy a v čase.

To všechno vypovídá o odpovědích v konkrétním měřicím rámci. Samotná zmínka ještě nedokazuje návštěvnost ani objednávky.

Nejdřív vybereme otázky, na kterých záleží

Stejný seznam otázek nedává smysl pro obchod s elektronikou a pro specializovaný e-shop s kosmetikou. Na začátku spolupráce proto řešíme, které kategorie jsou pro klienta důležité, jak se jeho zákazníci rozhodují, s kým skutečně soutěží a jaké změny dokáže jeho tým provést.

Z toho připravíme návrh zákaznických otázek. Nejde jen o dotazy obsahující název značky. Podstatné jsou i situace, kdy zákazník obchod ještě nezná: vybírá produkt, porovnává možnosti nebo hledá prodejce, kterému může důvěřovat.

Sadu otázek klient schvaluje před prvním měřením. Teprve potom víme, co výsledek představuje. Část otázek držíme ve stejném znění pro srovnání v čase. Další mohou sloužit k diagnostice konkrétního problému nebo sezonního tématu; ty ale neprezentujeme jako nepřerušené pokračování původní časové řady.

Audit webu není naměřená AI viditelnost

Na začátku práce vznikají různé druhy zjištění. Je důležité je nezaměňovat:

Baseline je výchozí stav, ke kterému se při dalším měření vracíme. AI baseline vzniká až po schválení otázek a provedení prvního měřicího cyklu. Předběžný audit nebo skóre „připravenosti“ za ni nevydáváme.

Proč měříme opakovaně

Generativní systémy nemusí na podobnou otázku pokaždé odpovědět stejně. Jedna odpověď může upozornit na problém, ale není dostatečným základem pro závěr o trendu.

V českém programu proto pracujeme s pravidelným týdenním měřením. U stabilních otázek držíme srovnatelný rámec a zaznamenáváme, na co jsme se ptali, ve kterém systému, pro jaký trh a jazyk, kdy odpověď vznikla a co obsahovala. ChatGPT, Perplexity a Google AI Mode vyhodnocujeme odděleně: výsledek v jednom prostředí nepřisuzujeme automaticky ostatním.

Týdenní rytmus není slib, že se doporučení každý týden změní. Dává nám ale způsob, jak odlišit jednotlivý signál od pozorování, které se vrací, a jak po provedené úpravě sledovat další vývoj. Frekvenci rozebíráme podrobněji v článku Proč viditelnost v AI měříme týdně. Ten zároveň vysvětluje, proč tři opakování v placených softwarových plánech nepředstavují statistickou jistotu.

Jak se z odpovědi stane zadání pro tým

Vraťme se k příkladu s běžeckými botami. Předpokládejme, že se e-shop u několika důležitých výběrových otázek neobjevuje, zatímco konkurenti ano. To je pozorování, nikoli vysvětlení příčiny.

Následuje diagnostika. Podíváme se na citované zdroje a stránky konkurentů. Prověříme, zda vlastní web má vhodnou kategorii či radu pro začátečníky, zda vysvětluje rozdíly mezi produkty a pomáhá s výběrem — nebo jen zobrazuje seznam položek. Současně kontrolujeme dostupnost stránky a správnost informací o obchodu.

Zjištění může vést k hypotéze: „Naše prioritní stránka neodpovídá dostatečně na otázku, podle čeho začátečník vybírá.“ Ani tato hypotéza ještě není důkazem, proč AI značku vynechala. Je však konkrétní a lze s ní pracovat.

Pro obsahový tým nebo agenturu z ní vznikne brief: jakou otázku má stránka zodpovědět, které rozdíly mezi možnostmi vysvětlit, kam čtenáře nasměrovat a jak poznáme, že je úprava správně zveřejněná. Klient změnu provede; my zaznamenáme, co a kdy se skutečně změnilo, a vrátíme se ke stejné sadě měřicích otázek.

Příklad je ilustrací postupu, nikoli výsledkem konkrétního klienta.

Co se děje během spolupráce

Naše práce nekončí odesláním reportu. Cyklus vypadá takto:

Schválené otázky → první měření → interpretace → prioritní brief → změna na webu → kontrola změny → další měření.

U každé priority chceme umět jednoduše říct: Co jsme pozorovali? Proč je to důležité? Co je naše hypotéza? Kdo provede úpravu? A podle čeho později poznáme, zda má smysl pokračovat?

GEO Tracker AI připravuje měření, interpretaci, priority a zadání a následně vyhodnocuje vývoj. Obsahové, technické nebo PR změny běžně realizuje klientský tým či jeho agentura. Proto v přehledech rozlišujeme mezi doporučenou, nasazenou a ověřenou změnou.

Pro první řízenou fázi doporučujeme 90 dní: je potřeba vybrat otázky, vytvořit baseline, provést prioritní úpravy a vrátit se k nim při dalším měření. Nejde o minimální závazek ani příslib, že AI začne e-shop během 90 dní doporučovat.

Co z výsledků nevyvozujeme

Po změně stránky se může sledovaná odpověď zlepšit. Může zůstat stejná. Může se změnit i proto, že se mezitím změnil AI systém, jeho zdroje nebo konkurence. Proto mluvíme o pozorovaném vývoji, nikoli o jistém důkazu, že jediná úprava způsobila každou změnu odpovědi.

Stejně tak z veřejné kontroly webu neodvozujeme údaje, které má klient ve své analytice, Search Console nebo objednávkovém systému. Pokud chceme hodnotit dopad na návštěvnost či tržby, potřebujeme tato data a samostatně definovaný způsob vyhodnocení.

Poctivé měření má přiznat i nejistotu. Právě díky tomu pomáhá rozhodovat, místo aby jen vyrábělo hezké grafy.

Časté otázky

Časté dotazy

Stejné otázky a odpovědi posíláme i jako strukturovaná data (FAQPage), aby je AI enginy mohly citovat doslovně.

Kdy vzniká první skutečný výsledek AI viditelnosti e-shopu?

+

Až po schválení sady zákaznických otázek a provedení prvního měřicího cyklu. Úvodní technický nebo obsahový audit může měření předcházet, ale není jeho náhradou.

Proč nestačí jednou položit otázku ChatGPT?

+

Jedna odpověď je užitečný podnět, nikoli spolehlivý trend. Pro rozhodnutí potřebujeme znát její kontext, porovnat více relevantních otázek a sledovat, zda se pozorování opakuje.

Musí e-shop kvůli AI viditelnosti měnit celý web?

+

Ne. Začínáme u obchodně důležitých otázek a stránek, kde má tým kapacitu provést konkrétní změnu. Výstupem jsou proveditelné priority, ne seznam všech myslitelných úprav.

Zaručí doporučené úpravy, že nás AI začne doporučovat?

+

Ne. Můžeme připravit lépe podložené změny a změřit, co následovalo. Odpovědi nezávislých AI systémů ani konkrétní počet doporučení nemůžeme zaručit.

Metodika a aktuální rozsah služby

• GEO Tracker AI: česká osobně vedená služba — aktuální rozsah spolupráce, role týmu a doporučená první fáze.
• Proč viditelnost v AI měříme týdně — vysvětlení pravidelného měření, opakování a hranic interpretace.