Jak měřit viditelnost v AI: postup a čísla ze tří českých webů

Na webináři 1. října jsem pustil měření viditelnosti v AI na třech českých webech, které se přihlásily: Slevomat, Top-Pojištění.cz a Pronatal. Slevomat se v odpovědích na obecné nákupní otázky objevil v 69 z 89 případů. To vypadá dobře, dokud se nepodíváš na doporučení: jako vhodnou volbu ho asistenti nabídli jen ve 30 odpovědích. A když se lidé ptali na last minute zájezdy, ChatGPT ho nezmínil ani jednou.

Takové číslo nedostaneš tím, že se ChatGPT jednou zeptáš, jestli tě zná. Níž je postup, který používáme v Effectixu u klientů a který jsem na webináři ukazoval: jak poskládat otázky, odkud brát odpovědi, jak je vyhodnotit a co s výsledkem udělat. Celý sběr dat pro jeden web stál méně než půl dolaru.

Co se vlastně měří, když se měří viditelnost v AI?

Firma chce vědět, jestli ji AI doporučí. Abys na to dokázal odpovědět, musíš si nejdřív ujasnit tři věci: u jakých potřeb zákazníků, ve kterých asistentech a vedle jakých konkurentů. Neměříš žádné univerzální pořadí webů, protože žádné neexistuje. Měříš, co se stalo ve vzorku odpovědí za jasně popsaných podmínek.

V každé odpovědi se pak sledují tři různé signály, které se často pletou dohromady:

• Zmínka. Značka je v textu odpovědi, třeba „vouchery prodává také Slevomat“.
• Doporučení. AI značku nabízí jako vhodnou volbu: „na víkendový pobyt bych zkusil Slevomat“.
• Citace. Odpověď odkazuje na zdroj. Tady rozlišuju vlastní web, placený nebo PR článek a nezávislý zdroj, třeba srovnání nebo recenzi.

Rozdíl mezi zmínkou a doporučením je u Slevomatu 69 proti 30 odpovědím. Zmínka znamená, že AI značku zná. Doporučení znamená, že ji považuje za odpověď na otázku. Tohle číslo tě zajímá víc.

Proč jeden screenshot z ChatGPT nestačí

Odpověď jazykového modelu je momentka. Stejnou otázku položíš za minutu znovu a dostaneš jiný seznam značek v jiném pořadí. Tvůj osobní ChatGPT navíc zná tvou historii, takže ti klidně ukáže tvoji značku i tam, kde ji anonymní uživatel neuvidí.

Měření v jazykových modelech je ze své podstaty nepřesné a nikdo, ani drahý nástroj, neměří „přesně to, co ChatGPT odpovídá lidem“. Vždycky jde o simulaci: odhaduješ, na co se lidé ptají. Pak se díváš, co jim AI odpoví. Hledanost promptů nezjistíš, protože ji výrobci modelů nezveřejňují. Jako vodítko pro výběr témat proto poslouží hledanost klíčových slov a imprese ze Search Console.

Spolehlivější obrázek dá jedině víc dat. Když se na téma zeptáš stokrát v různých formulacích a v osmdesáti odpovědích vidíš stejné konkurenty a stejné zdroje, můžeš z toho vyvozovat závěry. Z jednoho dotazu ne.

Jak poskládat sadu otázek

Začni u toho, co web prodává. U Slevomatu automatizace prošla web a navrhla šest témat: kde nakoupit levně, wellness a víkendové pobyty v Česku, last minute dovolené, zážitkové dárky, vouchery a podobně. Témata je potřeba vždycky schválit ručně. Model neví, co je pro firmu obchodně důležité, takže počítej s tím, že nějaké téma škrtneš a jiné přidáš.

Ke každému tématu pak patří dvě otázky:

1. Bez názvu značky. Zjišťuje, jestli tě AI nabídne sama. Například: „Kde koupit last minute dovolenou nebo zájezd na poslední chvíli? Které české weby a cestovky stojí za zmínku?“
2. S názvem značky. Zjišťuje, co o tobě AI ví a s kým tě srovnává: „Prodává Slevomat i last minute dovolené a zájezdy? Jakou má v této oblasti pověst a jaké jsou dobré alternativy?“

Obě otázky se pokládají v několika formulacích. Žádné kopírování identického dotazu, ale parafráze stejného záměru, jak by se ptali různí lidé: „Kde se dá v Česku online koupit zvýhodněný voucher?“ a „Kamarádka potřebuje koupit slevový kupon, kam jít?“ jsou stejná potřeba. Podle toho, kolik formulací zvolíš, dostaneš rychlou orientaci (jedna formulace), běžný vzorek (tři) nebo širší vzorek pro klientský rozbor (pět). Všechna měření z webináře běžela v hloubce pět.

Pak vybereš asistenty. Slevomat se měřil ve třech, takže vyšlo 6 témat × 2 směry × 5 formulací × 3 asistenti = 180 otázek.

Odpovědi ber z rozhraní, ne přes API

Hodně nástrojů na měření viditelnosti v AI se ptá přes API výrobců, třeba přímo přes API OpenAI. Výsledky pak vypadají úplně jinak než to, co člověk uvidí v ChatGPT: API odpovídá bez vyhledávání na webu a často necituje vůbec žádné zdroje. Pro měření viditelnosti je to špatná cesta.

My odpovědi stahujeme přes službu Bright Data, která umí získat odpověď přímo z chatovacího rozhraní pěti asistentů: ChatGPT, Perplexity, Gemini, Google AI Mode a Microsoft Copilot. Odpověď je anonymní, bez historie konkrétního uživatele. Podobných služeb je víc. DataForSEO používáme na spoustu jiných dat, ale na tohle ne: podporuje méně asistentů a u části z nich odpovědi bere přes API.

Kolik měření stojí

Sběr dat přes Bright Data vychází orientačně na 0,0015 USD za jednu odpověď. Pro pět témat, dva směry otázek a pět asistentů:

Hloubka	Počet odpovědí	Cena sběru
1 formulace	50	≈ 0,08 USD
3 formulace	150	≈ 0,23 USD
5 formulací	250	≈ 0,38 USD

V době webináře měly nové účty u Bright Data 5 000 záznamů měsíčně zdarma, takže první měření si vyzkoušíš bez placení. K tomu připočti cenu modelu, který odpovědi čte a vyhodnocuje (o tom v další části). Pro srovnání: zahraniční nástroje na sledování viditelnosti v AI se platí měsíčním předplatným, u větších tarifů v řádu stovek dolarů.

Jeden kompletní běh trvá 20 až 30 minut a skoro celou dobu běží sám. Jediný ruční zásah je schválení témat, asistentů a hloubky.

Jak vyhodnotit stovky odpovědí

180 odpovědí se do jedné konverzace s AI nevejde. Kdybys je všechny poslal do jednoho chatu a chtěl po modelu, ať spočítá zmínky, kontext se zahltí a model začne po pár desítkách odpovědí vymýšlet. Proto měření stavíme jako automatizaci v Claude Code, kde má každá část práce vlastního agenta s čistou hlavou:

1. 1
   Web a témata

   Agent přečte web, pozná značku a navrhne témata. Ty je schválíš.

2. 2
   Otázky

   Další agent napíše otázky bez značky i se značkou, každou v několika formulacích.

3. 3
   Odpovědi

   Skript pošle otázky přes Bright Data do asistentů a odpovědi uloží do souborů.

4. 4
   Čtení odpovědí

   Levný model (u nás Claude Haiku) čte odpovědi po dávkách a vytáhne značky, pořadí, sentiment a citace. U Slevomatu 36 dávek po pěti, deset najednou.

5. 5
   Čísla

   Python zkontroluje výstupy agentů a spočítá metriky. Počítání nenecháváme na modelu.

6. 6
   Report

   Silnější model z dat napíše priority a doporučení, další agent zkontroluje, jestli čísla v textu sedí.

Rozdělení práce šetří peníze. Na čtení odpovědí, kde jde o jednoduché vytažení údajů, stačí nejlevnější model a drahý Opus nebo Sonnet by tu jen pálil limity. Úsudek nad celými daty pak dělá silnější model. A všechna čísla v reportu počítá skript, protože u počítání nechceš spoléhat na to, že model nehalucinuje.

Co ukázalo měření Slevomatu, Top-Pojištění.cz a Pronatalu

Všechny tři reporty běžely před webinářem v hloubce pět formulací.

Web	Zmínka v obecných otázkách	Doporučení	Kde je slabý
Slevomat	69 z 89 odpovědí	30 z 89	last minute zájezdy, zážitkové dárky
Top-Pojištění.cz	14 z 59 odpovědí	-	povinné ručení a havarijní pojištění v ChatGPT
Pronatal	68 ze 119 odpovědí	5 ze 119	neplodnost v ChatGPT

Slevomat je v nákupních otázkách vidět, u last minute zájezdů ho ale asistenti skoro nejmenují. ChatGPT ho v tomhle tématu nezmínil ani jednou a místo něj jmenoval Invii, Čedok nebo Fischer. U zážitkových dárků ho asistenti řadí až za jiné weby. Report ukázal i zdroje, ze kterých asistenti u last minute zájezdů čerpají, mimo jiné články na iDNES.cz. To je první konkrétní krok: dostat se do textů, které AI k tématu čte.

Top-Pojištění.cz asistenti u obecných otázek, kde srovnat a sjednat pojištění, jmenovali ve 14 z 59 odpovědí. ChatGPT ho u povinného ručení ani havarijního pojištění nezmínil. Zajímavý je zdroj top.cz s přehledem srovnávačů pojištění, který si jako podklad načetli tři různí asistenti a Top-Pojištění.cz v něm není. Automatizace upozorňuje i na nesrovnalosti v tom, co asistenti o firmách tvrdí. Typicky jde o zastaralé hodnocení nebo jiný rok založení, což se dá řešit strukturovanými daty na webu.

Pronatal se v obecných otázkách k asistované reprodukci objevil v 68 ze 119 odpovědí, jako vhodnou volbu ho ale asistenti doporučili jen pětkrát. Nejslabší téma je neplodnost v ChatGPT. Asistenti k tématu čerpají mimo jiné z eMimina a Modrého koníka.

Celý rozbor všech tří webů, včetně toho, jak report vypadá a jak se v něm proklikat až k jednotlivým odpovědím, je na záznamu webináře.

Co s výsledky udělat

Report sám o sobě viditelnost nezlepší. Vyber z něj jednu konkrétní změnu a začni u ní:

• Ověř, co AI tvrdí. Dohledej odpověď a zdroj, ze kterého vychází. Oprav zastaralé nebo nejasné informace na svém webu i tam, odkud je AI bere.
• Najdi chybějící zdroje. Report označí nezávislé weby, které AI cituje u konkurence a o tobě nepíšou. U Slevomatu to byly články o last minute zájezdech, u Top-Pojištění.cz přehled srovnávačů na top.cz. Na takové weby se dá dostat přes PR nebo spolupráci.
• Změř stejnou sadu znovu. Za měsíc nebo dva pusť stejné otázky na stejném trhu ve stejné hloubce. Změnu výsledků neposuzuj podle jednoho dotazu.

Když AI tvůj web necituje vůbec, i když o tématu píšeš, zkontroluj nejdřív, jestli se k němu roboti od ChatGPT a Perplexity dostanou. Postup najdeš v článku Ověř si, jestli tvůj web AI vůbec přečte.

Automatizace při dalším běhu sama najde předchozí měření a výsledky porovná. Nad hotovými daty se pak dá s Claude normálně bavit, třeba se zeptat, kam umístit obsah, aby byl web víc vidět. Odpověď pak vychází z toho, co asistenti opravdu citovali. Jak rychle se změny projeví, ti nikdo dopředu neřekne. Stejně jako u SEO je to individuální.

Jak si měření pustit sám

Potřebuješ Claude Code (desktopová aplikace i terminál fungují stejně), účet na Bright Data a automatizaci, která celý postup drží pohromadě. Tu máme hotovou jako plugin. Při instalaci vložíš API klíč z Bright Data a pak stačí napsat třeba „Udělej audit AI viditelnosti pro slevomat.cz, český trh: pobyty, zážitky a last minute.“

Kdo si chce podobnou automatizaci postavit sám, včetně agentů, skriptů a skillů, pro toho je školení Claude Code pro markeťáky. Programovat umět nemusíš.