SEO pro AI Perplexity a Claude AI: kdo se vejde do dvou až osmi citací
- SEO pro Claude AI: méně citací, přísnější výběr
- Perplexity dává víc šancí, ale rychleji je bere zpátky
- Společné jádro, jinak vážené
- Co dělat nejdřív
- Měření a realistická očekávání
- Kde vzít vlastní data, když žádná „nemáte"
- Nejčastější chyby v produktových textech
- Kontrola za deset minut
- Doporučení
- Zdroje
Mýtus, který drží nejdéle: AI si odpověď stejně vymyslí, takže na obsahu webu nezáleží. Opak je pravda. Perplexity i Claude odpovídají na aktuální dotazy tak, že si nejdřív dohledají zdroje a teprve nad nimi píšou — a zdroje pak vypíšou pod odpověď. Co v nich není, do odpovědi nepronikne.
Rozdíl je v tom, jak přísné to síto je. Perplexity uvede tři až osm pramenů, Claude často jen dva nebo tři. SEO pro AI Perplexity proto pracuje s tím, že šancí je víc a dají se získat po částech, kdežto u Claude jde o úzké hrdlo, kde rozhoduje důvěryhodnost celé stránky.
SEO pro Claude AI: méně citací, přísnější výběr
Claude prohledává web přes vyhledávač Brave, a to jen když si dotaz žádá aktuální nebo externí informace. Když už cituje, sahá výrazně častěji po first-party obsahu — brandových, produktových a referenčních stránkách — než po přehledových článcích třetích stran. Těžiště dotazů leží v rešerších, srovnáních a rozhodování ve firmách.
Z toho plyne nepohodlný závěr pro weby, které mají všechen užitečný obsah v blogu a produktové stránky vyplněné marketingovými hesly. Právě produktová a referenční stránka je pro tenhle typ citace nejzajímavější — a bývá nejhůř napsaná. Přepsat ji tak, aby odpovídala na otázky místo aby chválila, je často větší zásah než napsat deset nových článků.
Druhý faktor je ověřitelnost. SEO pro Claude AI se prakticky kryje s poctivým E-E-A-T: jmenovaný autor s doložitelnou kvalifikací, primární data místo přebíraných tvrzení, viditelné datum publikace i aktualizace a férové vymezení, za jakých podmínek tvrzení platí. Text, který přizná hranice své platnosti, působí spolehlivěji než text slibující univerzální řešení — a modely tenhle typ formulace zjevně nepenalizují, spíš naopak.
Perplexity dává víc šancí, ale rychleji je bere zpátky
Perplexity si dotaz rozloží na tři až pět podotázek, k nim živě dohledá zdroje z vlastního indexu o stovkách miliard adres, seřadí je rerankerem a složí odpověď s inline citacemi. Klíčové je, že se cituje po podtématech — jeden zdroj se může objevit vícekrát a nemusí být nejlepší na celý dotaz.
Praktický důsledek: vyplatí se rozbít téma na samostatně stojící odpovědi. Ceny zvlášť, termíny zvlášť, legislativa zvlášť, každá s číslem a datem. Tři takové pasáže znamenají tři nezávislé šance na citaci místo jedné.
Nevýhodou je pomíjivost. Reranker váží čerstvost dost silně na to, aby novější text se stejným obsahem přebil starší. Obsah postavený na číslech proto potřebuje kalendář revizí, ne jen datum publikace. Do citací se navíc pravidelně dostávají komunitní diskuze, protože nabízejí zkušenost, kterou firemní weby nepíšou — což je zároveň návod, o čem psát: o tom, na co se lidé ptají v diskuzích a co na webech chybí.
Společné jádro, jinak vážené
Obě prostředí odměňují stejné čtyři věci, jen v jiném poměru. Odpověď napřed: závěr pod nadpisem, důkaz o odstavec dál. Entita definovaná při první zmínce a používaná konzistentně, aby úryvek obstál sám. Tvrdá data s datem a pramenem. Struktura k vytažení, tedy nadpis jako otázka, krátká odpověď, doklad.
Rozdíl je v tom, co táhne víc. U Perplexity čerstvost a konkrétnost čísel, u Claude doložitelná odbornost a kvalita samotné stránky. Akademická studie ke generativní optimalizaci zjistila, že doplnění citací, statistik a přímé řeči zvedlo viditelnost v generativních odpovědích řádově o desítky procent napříč testovanými dotazy; jako záruku to brát nelze, ale směr odpovídá tomu, co je vidět v praxi.
Co dělat nejdřív
| Krok | Přínos pro Perplexity | Přínos pro Claude |
|---|---|---|
| Přepsat úvody klíčových stránek na formát odpověď napřed | vysoký | vysoký |
| Rozdělit téma na samostatně zodpovězené pasáže | vysoký | střední |
| Doplnit čísla, datumy a jmenované prameny | vysoký | vysoký |
| Uvést jméno a kvalifikaci autora | střední | vysoký |
| Zveřejnit datum aktualizace a revidovat data | vysoký | střední |
| Předělat produktové a referenční stránky na zdroj informací | střední | vysoký |
| Sjednotit pojmenování značky a produktů | vysoký | vysoký |
Kdo má omezený rozpočet, začne u prvního a třetího řádku — přepsané úvody a doložená tvrzení pomůžou v obou prostředích naráz a jsou to zásahy do existujících stránek, ne nová produkce.
Měření a realistická očekávání
Ani jeden z těchto nástrojů nenabízí veřejný report o citacích, takže se měří ručně. Funguje pevná sada dvaceti až padesáti reálných dotazů rozdělených podle fáze nákupu, spuštěná vždy ve stejný den v měsíci, se zápisem, jestli se web objevil mezi zdroji a kdo se objevil místo něj. Po třech měsících je z toho trend a seznam konkurentů, kteří v odpovědích obsazují prostor — obvykle jiný seznam než ten z klasického vyhledávání.
Očekávání je potřeba držet při zemi ve dvou směrech. Zaprvé, citace často nepřinese proklik: uživatel dostane odpověď a jde dál, takže se efekt projeví spíš v přímých návštěvách a v tom, s jakou představou zákazník přichází. Zadruhé, průnik citovaných domén mezi jednotlivými asistenty bývá malý — úspěch u jednoho nezaručuje nic u druhého.
Kde vzít vlastní data, když žádná „nemáte"
Nejčastější odpověď na požadavek doložených čísel zní, že firma žádná nemá. Ve skutečnosti je má skoro každá, jen je nepovažuje za obsah. Ze systému objednávek jde vyčíst průměrná doba dodání, podíl expresních objednávek, typický rozsah zakázky nebo poměr mezi nejlevnější a nejčastěji volenou variantou. Ze servisu vypadne nejčastější důvod reklamace a typická životnost. Z obchodu pak to, na co se zákazníci ptají nejčastěji a co je nakonec odradí.
Tahle data mají dvě vlastnosti, které se jinde neseženou: nikdo jiný je nemá a nikdo je nemůže zkopírovat. Přesně proto fungují jako důvod k citaci — model hledá tvrzení, které se dá připsat konkrétnímu zdroji, a údaj z vlastní praxe je nejlepší možný kandidát.
Sbírat se dají i cíleně. Krátká anketa mezi zákazníky, vyhodnocení sta posledních zakázek, shrnutí dotazů z chatu za čtvrtletí — každá z těchto věcí je práce na jedno odpoledne a vydá na několik samostatně citovatelných tvrzení. Podmínkou je uvést metodiku: kolik případů, za jaké období, jak byly vybrané. Bez toho je číslo jen tvrzení navíc.
Platí přitom jednoduché pravidlo poctivosti: neuvádět čísla, která nejdou doložit, a nezaokrouhlovat směrem, který se hodí. Nepřesný údaj se dřív nebo později provalí a poškodí stránku víc, než by pomohl.
Nejčastější chyby v produktových textech
Produktové stránky bývají nejslabším místem celého webu, přestože jsou pro citaci nejzajímavější. Chyba číslo jedna: text mluví o pocitech místo o parametrech. „Špičkové řešení pro náročné" neobsahuje žádnou informaci, kterou by šlo použít v odpovědi.
Chyba číslo dvě: chybějící ceny nebo alespoň rozpětí. Rozhodovací dotazy se cen týkají skoro vždy, a stránka bez jakéhokoli údaje z nich vypadne. Uvést rozpětí s podmínkami je lepší než neuvést nic — a v generativních odpovědích se to projeví okamžitě, protože model potřebuje konkrétní číslo.
Chyba číslo tři: nejednotné pojmenování. Produkt figuruje jednou pod obchodním názvem, jindy jako „systém", „platforma" nebo interní zkratkou. Pro model jsou to různé entity a signály se rozpadnou. Sjednocení názvosloví napříč webem je nudná a jednorázová práce s nečekaně velkým efektem.
Chyba číslo čtyři: žádné vymezení, pro koho produkt není. Stránka, která přizná limity, působí spolehlivěji a zároveň lépe odpovídá na srovnávací dotazy, ve kterých se rozhoduje. A chyba číslo pět: nikde není vidět, kdo za obsahem stojí a kdy byl naposledy aktualizovaný — tedy přesně ty dva signály, které při úzkém výběru zdrojů rozhodují.
Kontrola za deset minut
Než se rozjede větší projekt, dá se stav ověřit rychlým testem, který zvládne kdokoli z týmu. Vezměte tři dotazy, které by váš ideální zákazník napsal těsně před rozhodnutím, a spusťte je v obou nástrojích. Zapište si, jestli se web objevil mezi zdroji, a hlavně kdo se objevil místo něj.
Pak otevřete jednu ze svých klíčových stránek a projděte pět otázek. Je odpověď na dotaz v prvních dvou větách pod nadpisem? Je u čísel uvedený rok a odkud pocházejí? Je z textu poznat, kdo ho psal a kdy byl naposledy upravený? Používá se jméno produktu ve stejném tvaru všude? A dala by se z libovolné sekce vytáhnout samostatná odpověď, aniž by k ní bylo potřeba dočíst zbytek?
Pokud vyjdou tři a víc odpovědí záporně, není potřeba řešit strategii — je potřeba přepsat stránku. To je práce na několik hodin a bývá to nejlevnější zásah s nejrychlejším dopadem, protože se týká stránek, které už mají návštěvnost i autoritu.
Test se vyplatí opakovat vždy po větší úpravě webu, hlavně po redesignu. Právě při něm se nejčastěji ztrácí datace, mizí jména autorů a texty se zkracují do marketingových hesel — tedy přesně ty tři věci, kvůli kterým stránka z úzkého výběru zdrojů vypadne.
Doporučení
Pro firmy s rychle se měnícím sortimentem nebo s tématem, kde stárnou čísla, dává větší smysl začít u Perplexity: rozdělit obsah na dílčí odpovědi a zavést revize dat. Pro firmy s dlouhým rozhodovacím procesem a odbornou cílovou skupinou se víc vyplatí investovat do důvěryhodnosti stránek, které Claude preferuje — tedy do produktových a referenčních stránek s uvedeným autorem a primárními daty.
Optimalizací pro AI vyhledávače se dlouhodobě zabývá tým PPCprofits.cz, který chování jednotlivých asistentů sleduje průběžně a rozdíly mezi nimi ověřuje testováním. Než podle textu začnete přestavovat web, ověřte si aktuální stav — mechaniky i podíly se v tomhle oboru mění po týdnech.
Zdroje
- Anthropic — documentation on Claude web search and citation behaviour
- Brave Search — publisher and indexing documentation
- Perplexity AI — help centre documentation on search pipeline and citations
- Aggarwal et al. (2024), "GEO: Generative Engine Optimization", arXiv:2311.09735
- Cross-engine citation overlap studies comparing cited domains across assistants (2026)
- Google Search Quality Rater Guidelines — E-E-A-T framework
Publikováno: 22. 07. 2026