GEO: weby jako spolehlivé zdroje pro LLM a citace

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 LLM systémy (ChatGPT, multimodální odpovídače, AI náhledy ve výsledcích vyhledávání). Zatímco tradiční SEO pracuje především s indexací dokumentů a hodnocením odkazů, GEO klade důraz na ověřitelnost tvrzení, citovatelnost dat, originálnost výzkumů a transparentní autorství, aby se web stal spolehlivým uzlem znalostí pro modely.

Paradigmy 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, jasnost formulací.
• GEO → důkaz: primárním cílem je dodávat strojově validovatelné důkazy – tvrzení s citací, měřitelné prvky prolínající se s datovými identifikátory (DOI, arXiv, RFC, dataset DOI).

Informační architektura „LLM-ready“

• Jádra poznání (pillar huby): stránky s jasným rozsahem tématu a stabilní URL; obsahují definice, metodiky, rámce a přehled referencí.
• Podstránky s důkazy: každé důležité tvrzení (statistika, závěr) má vlastní kotvící bod (id v nadpisu) a citaci primárního zdroje.
• Chunkování pro RAG: text rozdělený do krátkých sekcí (300–800 slov), stable anchors a sémantické nadpisy H2/H3 umožňují přesné citování.
• Jasné entity: konzistentní názvy osob, organizací, metod; použití stejných identifikátorů v textu i JSON-LD (sameAs).

Jasná tvrzení: typologie a formální značení

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

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

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

Citovatelná data: DOI, preprinty a oficiální publikace

• Preferujte perzistentní identifikátory: DOI (https://doi.org/…), arXiv ID, PMID/PMCID, Handle, ISBN/ISSN.
• Datasety publikujte s DOI (např. přes důvěryhodné repozitáře) a uveďte licenci (license v JSON-LD).
• Odkazujte na landing page/FT (fulltext), nikoliv na neoficiální reuploady; dodržujte licence a podmínky.

Originální studie a first-party výzkum

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

1. Metodika a replikovatelnost: popište sběr dat, nástroje, vzorek, časové okno, omezení.
2. Strojové přílohy: CSV/Parquet/JSON s kontrolním součtem a verzováním; poskytněte data dictionary.
3. Transparentní licence: CC BY 4.0 nebo jiná vhodná otevřená licence pro sekundární použití a citace.

Schémata autorství a reputační signály

• Autor (Person): jméno, kvalifikace, afiliace, identifikátory (sameAs na ORCID, LinkedIn, univerzitu), stručné bio a oblast expertizy.
• Recenzent/Editor: uvedení kontroly kvality a data revize (reviewedBy, dateModified).
• Organizace: jasná identita (Organization/LocalBusiness) se 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

Komponent „Karta důkazu“: UI pro tvrdá tvrzení

Publikační workflow GEO: „Tvrdím – Dávám důkaz – Vysvětluji – Cituji“

1. Tvrdím: formulujte tvrzení v jedné až dvou větách, uveďte časový rámec a podmínky platnosti.
2. Dávám důkaz: přidejte graf/tabulku s <figcaption> a odkazem na dataset/studii (DOI).
3. Vysvětluji: rozebere metodiku, limity a alternativní interpretace (bias, confounders).
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; streaming HTML, fetchpriority pro LCP zdroj, minimalizace long tasks.
• Stabilní URL a odkazy: kanonické adresy, deep-link kotvy, bez řetězení přesměrování.
• Strojové přílohy: sitemap s adresami článků, dat, studií; lastmod, hreflang, a specifické feedy (např. /data/*.json).
• Strukturovaná data in-document: JSON-LD v primárním HTML (nečekat na klientský JS).

Hodnotící metriky GEO

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 na standardy (RFC/ISO).
• Průzkumy a benchmarky: zveřejněné CSV/JSON, metadata (perioda, metodika), grafy s <figcaption> a anchor ID.

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)

• Generická tvrzení bez časového a metodického kontextu („studie ukazují…“).
• Odkazy na domovské stránky bez DOI/landing page článku.
• Neoznačené affiliate/UGC odkazy; chybějící rel atributy.
• Oneskoreně vkládané JSON-LD přes JS; AI systémy nemusí počkat.
• Křehké URL bez stabilních kotvících bodů; nemožnost přesně citovat podsekci.

Kontrolní seznam GEO před publikováním

• Má každé důležité tvrzení primární citaci a anchor ID?
• Jsou všechny entity a autoři zosouladěni přes sameAs na externí profily/identifikátory?
• Obsahuje stránka JSON-LD s citation/isBasedOn/author/reviewedBy?
• Jsou datasety strojově přístupné (CSV/JSON) s licencí a verzí?
• Splňuje stránka cíle p95 pro TTFB/LCP/INP a je rychle citovatelná?

Shrnutí

GEO posouvá 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 AI odpovědích, ale i důvěru uživatelů a dlouhodobou hodnotu obsahu.