Proč AI některé značky doporučuje a jiné ne?

Vlastimil Malík | 22. 7. 2026

Být umělou inteligencí pochopen neznamená totéž jako být jí doporučen. Nový výzkum odhaluje rozdíl mezi těmito dvěma úrovněmi viditelnosti.

Co v článku najdete

Jaké značky byly testovány a jak testování probíhalo?
Doporučení: Co ukázala data o společných zmínkách
Nike jako vítěz: Stejný popis v Knowledge Graphu, úplně jiné výsledky
Váha citací z externích zdrojů v datech o doporučování vs. rozpoznání značky
Co struktura společných zmínek znamená pro PR a obsahovou strategii
Poznámka k datům a dalším krokům
FAQ:

Být umělou inteligencí pochopen neznamená totéž jako být jí doporučen. Nový výzkum odhaluje rozdíl mezi těmito dvěma úrovněmi viditelnosti.

Poslední dva roky jsme optimalizovali viditelnost v AI tím, že jsme se zaměřovali na to, co o sobě sami říkáme: psali jsme lepší stránky „O nás“, přidávali jasné značkování typu schema a SameAs, efektivněji strukturovali obsah a poskytovali přímější odpovědi.

Všechny tyto principy stále platí a jsou zásadní pro fázi kvalifikace při zpracování značek velkým jazykovým modelem (LLM) – tedy pro jasnost a relevanci. Studie provedená pomocí platformy Friction AI ale přináší konkrétní číslo pro faktor, o kterém se v oboru dlouho diskutovalo, ale který se dosud nepodařilo prokázat.

U značek, které už byly rozpoznané (tedy u kterých LLM dokázal přesně popsat, co představují), síla znalostního grafu předpovídala viditelnost v rámci kategorie, do které byla daná značka zařazena. Nepředpovídala však, zda se značka objeví ve vyhledávání související kategorie, i když do ní z obchodního hlediska patřila.

Jinými slovy: rozpoznání značky nezaručovalo její doporučení.

Jaké značky byly testovány a jak testování probíhalo?

Pro tuto případovou studii bylo testováno 12 značek z oblasti athleisure a aktivního oblečení napříč platformami ChatGPT, Gemini, Perplexity, Claude a Google AI Overviews. Během sedmi dnů bylo provedeno celkem 14 140 API dotazů, přičemž byla použita geografie Velké Británie a aktivní webové vyhledávání.

U každé značky byly spuštěny dva typy dotazů:

Dotazy zaměřené na rozpoznání značky
(„Co je [značka]?“ a „Popiš [značku]“)

Dotazy zaměřené na doporučení značky
(„Nejlepší značky athleisure“, „Top 10 značek athleisure“ a „Které značky sportovního oblečení stojí za nákup v roce 2026?“)

Testované značky byly rozděleny do tří úrovní síly Knowledge Graphu podle hodnoty Google KG Result Score (nezpracované skóre vracené rozhraním Google Knowledge Graph Search API: ukazatel toho, jak silně je daná entita etablována v indexu Googlu). Cílem bylo ověřit, zda síla Knowledge Graphu předpovídá viditelnost značky v doporučeních:

Nízká síla KG: LNDR, TALA, Gymshark, Varley
Střední síla KG: Reebok, Outdoor Voices, Rhone Apparel, Sweaty Betty
Vysoká síla KG: Alo Yoga, Nike, lululemon, New Balance

Malý spoiler: Značky s vysokou silou Knowledge Graphu v doporučeních nedominovaly. Největší průměrný rozdíl mezi rozpoznáním značky a jejím doporučením vykazovala skupina se střední úrovní KG.

V rámci skupiny značek s vysokou silou KG byly některé značky doporučovány prakticky vždy, zatímco jiné byly v doporučovacích dotazech téměř neviditelné, přestože byly ve všech testovaných LLM bez problémů rozpoznány.

Doporučení: Co ukázala data o společných zmínkách

Ve studii bylo zmapováno, jak často se značky objevovaly společně v obsahu o athleisure napříč externími zdroji (články, recenze, srovnávací materiály a redakční seznamy), které byly získány pomocí API ze zdrojů indexovaných ve Velké Británii. Mezi nejzajímavější výsledky patří:

lululemon + Alo Yoga: 534 společných zmínek
lululemon + Nike: 482 společných zmínek
Alo Yoga + Nike: 449 společných zmínek
Gymshark + lululemon: 264 společných zmínek
Gymshark + Alo Yoga: 252 společných zmínek

Tyto značky se opakovaně objevují společně ve stejných článcích, přehledech a redakčních srovnáních napříč nezávislými zdroji. Společně tak vytvářejí shluk, který LLM vnímá jako kategorii „athleisure“.

Nyní se podívejme na opačný konec spektra. New Balance se v obsahu o athleisure objevuje společně s lululemon tak zřídka, že se vůbec nedostává mezi nejčastější dvojice. Nike se s lululemon objevuje přibližně 50× častěji než New Balance.

Nike, New Balance a Reebok mají přitom v Google Knowledge Graphu naprosto stejný popis entity: „společnost vyrábějící obuv“. Z pohledu entity tedy vycházejí ze stejné výchozí pozice. Nike je však součástí shluku athleisure, zatímco New Balance a Reebok se zcela nacházejí mimo něj.

LLM tyto značky neposuzuje samostatně a nerozhoduje, které z nich do kategorie athleisure patří. Místo toho rozpoznává vzorce založené na asociacích vytvořených z externího obsahu. Pokud se značka v datech, na kterých byl model trénován, nebo které při odpovědi vyhledává, pravidelně neobjevuje vedle značek jako lululemon, Alo Yoga nebo Gymshark, nezařadí ji do stejného kontextového shluku, protože tato sémantická vazba nikdy nevznikla.

Nike jako vítěz: Stejný popis v Knowledge Graphu, úplně jiné výsledky

Nike, New Balance a Reebok mají v Knowledge Graphu stejný popis entity: „společnost vyrábějící obuv“. Testování LLM napříč všemi pěti systémy zařadilo všechny tři značky shodně do kategorie athletic_footwear (sportovní obuv), takže čistě z pohledu jasnosti entity vycházejí ze stejné výchozí pozice.

Přesto jejich míra doporučení v dotazech zaměřených na athleisure není ani zdaleka srovnatelná.

Nike se objevuje v 71 % doporučovacích dotazů na athleisure, zatímco New Balance a Reebok se neobjevily ani jednou (0 %) napříč všemi pěti LLM a všemi 14 140 testovanými běhy.

Rozdíl není v tom, jak jsou definovány („společnost vyrábějící obuv“). Rozdíl je v tom, v jakých konverzacích se objevují a jaké další značky se objevují společně s nimi.

LLM samo od sebe neodvozuje blízkost mezi kategoriemi. Pokud značka není dlouhodobě a konzistentně zmiňována společně s relevantními hráči dané kategorie– v médiích, recenzích, redakčním obsahu a srovnávacích článcích – model tento krok sám neudělá.

Jason Barnard to popisuje přesně: pokud má platit, že A + B = J, je potřeba tuto cestu explicitně vytvořit. Model ji za vás nevybuduje.

Hustota společných zmínek značky New Balance se soustředí především do obsahu o běhání a výkonnostním sportu. Nikdo však v externím obsahu nevybudoval sémantický most běhání → aktivní životní styl → athleisure, takže ho model nepřekročí.

Knowledge Graph říká „společnost vyrábějící obuv“ a obsah třetích stran toto zařazení potvrzuje. Dotazy na athleisure však vyhledávají obsahový ekosystém athleisure: a New Balance v něm není.

Váha citací z externích zdrojů v datech o doporučování vs. rozpoznání značky

Když rozdělíme citace podle typu dotazu, tedy na dotazy zaměřené na rozpoznání značky a dotazy zaměřené na doporučení, objeví se vzorec, který by měl změnit pohled na to, kam většina rozpočtů v oblasti GEO směřuje.

U dotazů na rozpoznání značky, kde uživatel zadal přímo název vaší značky, jsou dominantním zdrojem vlastní obsahové kanály značky:

ChatGPT citoval vlastní obsah značky v 49 % případů.
Perplexity: 36 %.
Claude: 23 %.

Právě zde hrají roli vaše stránky O nás a domovská stránka, které slouží k jasnému vymezení značky, zatímco stránky služeb, kategorií a průvodci pomáhají posílit relevanci.

U doporučovacích dotazů ale získáváme úplně jiné výsledky. Když uživatel neuvede název vaší značky a ptá se na nejlepší možnost v určité kategorii, podíl citací z vlastního obsahu značky klesá na 18 % u ChatGPT a prakticky na nulu u Gemini, Claude, Perplexity a Google AI Overviews.

Externí zdroje tvoří 82 až 100 % citovaného obsahu napříč všemi pěti systémy.

(Míra citací vlastního obsahu u odpovědí LLM na doporučovací vs. rozpoznávací dotazy.)

GEO komunita už delší dobu upozorňuje, že pro viditelnost v doporučeních mají externí signály větší význam než samotná optimalizace webu. Tato data však tomuto tvrzení poprvé dávají konkrétní čísla. Zároveň ukazují, že externí signály nejsou všechny stejného typu.

Jasnost entity způsobí, že značka bude rozpoznána. To je problém, který řešíte na vlastním webu.

Externí důvěryhodnost způsobí, že značka bude brána v úvahu. To je problém vztahující se k PR a potvrzení důvěryhodnosti z nezávislých zdrojů.

Hustota společných zmínek ve správném kategoriálním shluku zařadí značku do konceptuálního grafu pro konkrétní doporučovací dotaz. To je problém práce s pozicí značky v rámci kategorie.

Jde o tři samostatné problémy, které vyžadují odlišná řešení. Jejich zaměňování je důvodem, proč mnoho GEO doporučení zůstává pouze u povrchních závěrů.

Praktické rozšíření každého GEO auditu by proto mělo být následující: po kontrole jasnosti entity a externí důvěryhodnosti prověřte také, v jakém kontextu se objevujete ve vztahu k ostatním značkám.

Uvádějí vás mediální zmínky společně s vašimi skutečnými konkurenty v dané kategorii?
Obsahují přehledové články, ve kterých se objevujete, také značky, které dominují vaší cílové kategorii?

Pokud ne, LLM se pravděpodobně nikdy nenaučil spojovat vás s danou kategorií, protože vás nikdy neviděl ve „společnosti“ těchto značek.

Na rozdíl od jasnosti entity nebo strukturovaných dat typu schema tento problém nevyřešíte pouze úpravou vlastního webu.

Co struktura společných zmínek znamená pro PR a obsahovou strategii

Jak jsme viděli výše, nestačí být pouze zmíněn v rámci určité kategorie. To, co značku skutečně zařazuje do konceptuálního grafu dané kategorie, je skutečnost, že se objevuje společně se správnými značkami v rámci této kategorie.

Mediální zmínka, která popisuje značku například jako „výkonné sportovní oblečení“, ale uvádí ji izolovaně, příliš nepomáhá jejímu zařazení do konceptuálního grafu athleisure.

Naopak mediální zmínka, která ji v redakčním srovnání uvádí společně se značkami jako lululemon, Alo Yoga a Gymshark, má výrazně větší dopad, protože vytváří signál společného výskytu, který model potřebuje k propojení značky s daným kategoriálním shlukem.

Stejná logika platí napříč různými typy obsahu.

Redakční přehledy a srovnávací články

Být zařazen do seznamů typu „nejlepší značky“, které zároveň uvádějí vaše konkurenty v dané kategorii, má pro váš konceptuální graf větší hodnotu než samostatný profil značky.

Signál příslušnosti ke shluku vzniká tím, že se objevujete ve stejném článku jako značky, které tuto kategorii definují.

Vystoupení v podcastech

Pokud vás moderátor představí ve vztahu ke konkrétním známým značkám nebo porovná váš přístup s lídrem dané kategorie, tento společný výskyt se započítává.

Životopis, který říká například:

„zakladatel značky [Brand], která konkuruje značkám lululemon a Gymshark v segmentu prémiového athleisure“,

vytváří jiný signál než životopis typu:
„zakladatel značky [Brand], společnosti zaměřené na výkonné sportovní oblečení.“

Analytické a oborové zprávy

Zprávy zaměřené na konkrétní kategorie, které sdružují více značek dohromady, jsou silným zdrojem společných zmínek. Zařazení do analýzy odvětví společně s ostatními značkami ve vaší kategorii vás umisťuje do konceptuálního grafu způsobem, kterého samostatné mediální zmínky nedosahují.

Kategorizace u prodejců a srovnávací struktury

To, že je vaše značka zařazena do nabídky a kategorizována společně s lídry dané kategorie v rámci významného prodejce, představuje signál společného výskytu. Kategorie vytvořená prodejcem je externí obsah, který vaši značku umisťuje do určitého shluku.

Cílem není pouze viditelnost. Cílem je viditelnost ve správné společnosti.

Poznámka k datům a dalším krokům

Tato studie se zaměřuje pouze na jednu kategorii: athleisure a aktivní oblečení a zahrnuje 12 značek testovaných ve Velké Británii. Údaje o společných zmínkách představují nezpracované počty společného výskytu z britských zdrojů indexovaných a procházených pomocí API. Zahrnují obsah, který byl indexován v době provedení studie v květnu 2026. Ověření napříč dalšími kategoriemi a testování v dalších geografických oblastech právě probíhají.

Kompletní studie „The Recognition-Recommendation Gap: Empirical Evidence That Category Coding, Not Knowledge-Graph Strength, Determines Brand Visibility in Generative AI Output“ byla publikována na platformě Zenodo. Dokumentuje metodiku, vzorek značek, sadu dotazů i extrakční kód v dostatečné míře detailů pro nezávislé zopakování výzkumu.

Vzorec vyplývající z dat o společných zmínkách je však dostatečně jasný na to, aby se podle něj dalo jednat už nyní. Tři značky sdílejí stejný popis v Knowledge Graphu: jedna se objevuje v 71 % odpovědí na doporučovací dotazy týkající se athleisure, zatímco dvě se objevují v 0 % případů. Strukturální rozdíl spočívá v hustotě společných zmínek v externím obsahu, který je relevantní pro danou kategorii.

U každé značky stojí za to položit si jednu otázku:

Jste přítomni v obsahu, který mluví o vaší kategorii, a jste tam ve správné společnosti?