Firemnímu marketingovému týmu má audit pomoci rozhodnout, co na webu řešit jako první a podle čeho poznat výsledek. U AI viditelnosti začínám otázkami, které lidé pokládají při výběru dodavatele.
Na vlastním mipaco.cz jsem to ověřil s AI agentem přes DataForSEO a Bright Data. Perplexity mě doporučilo na dotaz na SEO konzultanta pro Next.js, ale u konzultanta se znalostí AI a LLM jsem ve stejném testu chyběl. Samotná znalost mého jména by tento rozdíl neukázala.
Pro firemní audit je to začátek práce: ověřit odpovědi a jejich zdroje, porovnat je s podklady na webu a určit další kroky pro marketing a vývoj.
Co přesně jsem měřil?
Test z 21. října 2026 používá stejný seznam dvanácti dotazů: osm českých a čtyři anglické. Dva se ptají přímo na mé jméno, ostatní na služby, výběr konzultanta a ceny. Například „SEO konzultant pro Next.js weby v ČR?“ nebo „Doporuč SEO konzultanta se znalostí AI a LLM.“
Každý dotaz má v daném vzorku jedinou odpověď. Výsledky tedy ukazují konkrétní zachycený stav, nikoli trend. Přesné prompty, podmínky a citované stránky jsou v příloze měření.
Ceník jsme měnili méně než den před měřením. Cenové odpovědi proto beru jako výchozí stav krátce po aktualizaci webu. Tento časový odstup nestačí k závěru, že model nebo sběrač nezvládá aktuální informace.
U DataForSEO jsem použil českou lokalitu a u ChatGPT vynutil webové hledání. ChatGPT přes Bright Data má vstupní zemi USA: v odkazovaném seznamu podporovaných zemí při kontrole chyběl český kód CZ. Google AI Mode přes Bright Data používá CZ. Přímá kontrola Perplexity proběhla na účtu Pro v režimu Search a Incognito, pokaždé v nové relaci; přesnou zemi ani model jsem neřídil. Seznam zemí Bright Data pro ChatGPT.
Odlišný výsledek může souviset s lokalitou, režimem hledání, časem i proměnlivostí samotné odpovědi. Tento běh proto neslouží jako žebříček kvality dodavatelů.
Jak dopadly jednotlivé sběry?
Citací v tabulce rozumím vlastní doménu mezi zdroji odpovědi. Jednu odpověď počítám nejvýše jednou, i když odkazuje na více mých stránek. Samotná zmínka jména a běžný odkaz v textu mají samostatné údaje.
| Zdroj | Platné odpovědi | Odpovědi s citací mipaco.cz | Co výsledek omezuje |
|---|---|---|---|
| DataForSEO, ChatGPT | 12 z 12 | 6 | Česká lokalita, vynucené hledání. Dvě odpovědi uvádějí předchozí cenu; měřeno krátce po změně ceníku. |
| DataForSEO, Google AI Mode | 9 z 12 | 7 | Tři úlohy skončily chybou. Jedna citující odpověď zaměnila mou identitu. |
| Bright Data, ChatGPT | 12 z 12 | 3 | Země USA. V textu je vlastní odkaz u sedmi odpovědí; příznak hledání popisuji níže. |
| Bright Data, Google AI Mode | 12 z 12 | 5 | Česká lokalita. Jedna citující odpověď připisuje web cizímu jménu. |
| Bright Data, Perplexity | 0 ze 4 diagnostik | Nezměřeno | Všechny kontroly vrátily chybu sběru. Celý panel se přes tento scraper nespouštěl. |
| Perplexity přímo v prohlížeči | 12 z 12 | 4 | Samostatný kontrolní vzorek, země a přesný model nejsou řízené. |
Zdroj: vlastní sběr z 21. 10. 2026, podrobnosti v příloze. Mimo tento panel jsem přes DataForSEO ověřil také čtyři cílené dotazy v běžných Google AI Overviews. Dvě odpovědi citovaly můj cenový článek. Tyto sondy mají jiné dotazy, proto je k panelu nepřičítám.
V přímém Perplexity vyšly obě otázky na mé jméno. Z deseti neznačkových dotazů mě citovalo u dvou: českého Next.js konzultanta a Litoměřic. Obecné technické SEO, mezinárodní SEO a nabídka AI/LLM služeb v tomto vzorku vlastní citaci neměly.
Obě značkové odpovědi Perplexity citovaly /ai-instructions. Z jednorázového testu nezjistím, zda přidání této stránky zvýšilo počet citací.
Jak se z výsledků stanou priority pro firmu?
V tomto testu mám doložené, kdy se vlastní web objevil mezi zdroji. V auditu pak zjišťuji, co má firma pro dané téma na webu, jaké důkazy o své práci nabízí a co je potřeba dál ověřit. Samotná absence v jedné odpovědi ještě neurčuje příčinu ani vhodnou úpravu.
| Pozorování z testu | Jak s ním pracuji v auditu |
|---|---|
| Dvě ze čtyř vlastních citací Perplexity odpovídají na otázku přímo na mé jméno. | Odděluji znalost značky od doporučení při výběru dodavatele. |
| Next.js dotaz cituje mou nabídku, dotaz na AI/LLM odbornost mě vynechal. | Prověřím nabídku, obsah a doloženou zkušenost pro dané služby. Navrhnu, co má smysl upravit nebo dál testovat. |
| Některé sběry nevrátily použitelnou odpověď. | Nejprve ověřím sběr dat. Teprve z použitelných výsledků vzniknou podklady pro rozhodnutí. |
Výstupem pro váš tým jsou nálezy se zdroji, priority a konkrétní zadání změn. AI měření může být součástí komplexního SEO auditu, podle dohodnutého rozsahu.
Čerstvé změny potřebují časový kontext
Některé odpovědi ještě používaly předchozí ceník. Ten jsme ale měnili méně než den před testem. Tento odečet proto vedu jako výchozí stav po aktualizaci, nikoli jako chybu modelu nebo nástroje. Čas procházení a konkrétní použitou verzi podkladů pro tyto odpovědi nemám doložené.
Google upozorňuje, že nové procházení může trvat několik dnů až týdnů; tento údaj neurčuje dobu aktualizace ostatních systémů. U dalšího cenového odečtu chci nejdříve ověřit nové procházení stránek a pak zopakovat stejné dotazy. Dokumentace nového procházení Googlem.
Záměnu jména sleduji samostatně
U anglické otázky na konzultanta pro Next.js se v odpovědi Google AI Mode přes DataForSEO objevil „Michal Paľko (Mipaco)“ s odkazem na mou stránku JavaScript SEO. Web byl můj, člověk v doporučení už jiný. Kontrolované vlastní stránky toto jméno neobsahovaly.
Jde o samostatný nesoulad identity v této odpovědi. Příčinu záměny neznám. Vedle odkazu proto ukládám i jméno doporučeného člověka, aby se citace domény automaticky nepočítala jako správné osobní doporučení.
K čemu se mi hodilo DataForSEO?
DataForSEO mi v tomto testu poskytlo aktuální odpovědi na vlastní dotazy i dříve zachycené zmínky domény. Tyto dva druhy dat je potřeba odlišit.
LLM Mentions vrátilo české Google záznamy pro „seo ceník“, „kolik stojí seo“ a „entita co to je“. Cenové odpovědi měly data z července a srpna. Jejich nalezení v říjnu z nich nedělá říjnovou odpověď. V testu se použila starší cesta search/live; pro nové integrace už dokumentace odkazuje na search_mentions/live. Současná dokumentace, upozornění u starší cesty.
Vlastní otázky pro ChatGPT šly do jeho scraperu, Google AI Mode přes samostatné rozhraní. Běžný AI Overview nad výsledky vyhledávání má zase jiný sběr. Názvy produktů a endpointů tady mění to, co vlastně měřím. ChatGPT scraper, Google AI Mode.
U AI Overviews se to projevilo prakticky: první odpověď obsahovala položku přehledu bez textu a zdrojů. Až požadavek s load_async_ai_overview=true načetl jeho obsah. Prázdná položka tedy nebyla důkazem, že mě Google necituje. Popis parametru.
Ani DataForSEO neprošlo bez chyb. Tři úlohy Google AI Mode vrátily 40101, „Internal SE Server Error.“ Vnější stav odpovědi byl přitom úspěšný. Kontrolovat je potřeba i stav jednotlivých úloh.
Na co jsem narazil u Bright Data?
Bright Data se podařilo připojit do Codexu přes oficiální MCP server ve verzi 4.1.0. MCP propojuje AI asistenta s externími nástroji. Připojení se ověřilo skutečným sběrem, včetně stažení odpovědí a zdrojů. Oficiální server Bright Data.
Samostatný nástroj chatgpt_ai_insights v této verzi nastavuje prázdnou zemi a web_search=false. Použil jsem proto obecný run_scraper, který umožnil předat lokalitu a požadavek na hledání a vrátit celý záznam.
Požadavek měl web_search=true. Všech dvanáct vrácených ChatGPT záznamů ale obsahovalo web_search_triggered=false, přestože některé měly citace. Příčinu nesouladu nemám ověřenou. Nemohu proto prohlásit režim hledání za sjednocený s DataForSEO. Výstupní pole ChatGPT scraperu.
Vlastní doménu měly tři odpovědi ve strukturovaných citacích, ale sedm v odkazech přímo v textu. Pokud bych tato dvě čísla zaměňoval, změnil bych výsledek reportu pouhou definicí sloupce.
Perplexity: hotový sběr obsahoval chybu
Perplexity přes Bright Data nevrátilo platnou odpověď ani v jedné ze čtyř kontrol. Selhaly dva české dotazy, samostatný MCP nástroj i obecná anglická otázka z USA.
Standardní scraper označil snapshot jako ready. Uvnitř záznamu ovšem bylo crawl_error a text „too many requests“. Vykázat z toho nulovou viditelnost by byla chyba na mé straně. Tady se vůbec nepodařilo změřit odpověď.
Přímá kontrola v Perplexity umožnila dokončit seznam dotazů. Zůstává ale samostatným vzorkem s popsaným účtem a režimem.
Google AI Mode: dokončený panel a další záměna jména
Google AI Mode přes Bright Data nakonec vrátil všech dvanáct odpovědí, pět s citací mipaco.cz. Dvě citace odpovídají na otázky přímo na mé jméno. Zbývající tři jsou u dotazu na AI/LLM konzultanta, Litoměřice a ceny SEO.
U doporučení AI/LLM konzultanta ale odpověď uvádí „Mipaco.cz (Michal Paška)“. Doménu počítám mezi citace, osobní doporučení má nesprávné jméno. Jde o jinou odpověď a jinou záměnu než „Michal Paľko“ zachycený přes DataForSEO. Příčinu obou nesouladů neznám.
Po samostatném pilotu následovala dávka jedenácti vstupů. Poskytovatel u ní hlásí dobu sběru přibližně 87 minut; výsledky jsem stáhl 21. října v 18:33 českého času. Dřívější kontrola v 17:16 ještě vracela running. Tento údaj popisuje jednu dávku, z něj obecnou rychlost služby neodvozuji.
Stažení ChatGPT: oprava byla v mém klientovi
Jedenáct ChatGPT odpovědí mělo v surovém výstupu přes 19 MB. První stažení skončilo uzavřením spojení lokálního MCP klienta. Výstup byl větší než jeho výchozí vyrovnávací limit 10 MiB. Po zvýšení limitu na 64 MiB se stáhl stejný existující snapshot.
Nový sběr se nespouštěl. Tady se mi vyplatilo uchovat jeho identifikátor a oddělit získání odpovědi od stažení výsledku. Chyba lokálního klienta nepotřebovala další generování odpovědí na straně poskytovatele.
Co se mi při měření osvědčilo?
Nejužitečnější bylo uchovat přesné vstupy, surové odpovědi a identifikátory úloh. Díky tomu šlo zkontrolovat cenovou odpověď v kontextu a po pádu klienta stáhnout hotový výsledek. Pro běžnou analýzu pak stačily očištěné tabulky a výpočty v DuckDB.
Ponechal bych si hlavně tyto kontroly:
- Značkové dotazy vyhodnocovat odděleně. Čtyři vlastní citace v Perplexity znějí jinak, když dvě odpovídají na otázku přímo na mé jméno. Pro hledání nového zákazníka je zajímavější výsledek dvou z deseti neznačkových dotazů.
- Uložit podmínky každého vzorku. Země, jazyk, režim hledání, účet a čas mají své místo vedle výsledku. Prázdný údaj nedoplňuji odhadem.
- Před výpočtem metrik zkontrolovat záznam. Potřebuji platnou odpověď, nikoli pouze úspěšné MCP volání nebo stav
ready. - U doporučení přečíst okolní text. Odkaz na vlastní doménu ještě neříká, že systém vybral správného člověka, službu a cenu.
- Zapsat odstup od změny webu. Cenový odečet necelý den po aktualizaci je výchozí stav pro sledování změny, ne hotový test schopnosti systémů aktualizovat informace.
Kolik měření stálo?
Zůstatek osobního DataForSEO účtu během série klesl o 0,329 USD. V částce jsou databázové dotazy, pilot, panel, dodatečná cenová otázka, sondy AI Overviews i neúspěšné úlohy. Jde o rozdíl zůstatků za celou zaznamenanou sérii, ze kterého nelze rovnou odvodit cenu jednoho promptu nebo měsíčního monitoringu.
U Bright Data se odeslalo 28 vstupů: dvanáct ChatGPT, dvanáct Google AI Mode a čtyři diagnostiky Perplexity. Před sběrem ukazoval účet 4 857 bezplatných kreditů, při odečtu v 16:27 českého času 4 843. Při tomto odečtu Google dávka ještě běžela a zpoždění účtování neznám. Rozdíl kreditů proto není konečným vyúčtováním celé série. Podmínky bezplatných kreditů Bright Data.
Dolarovou cenu jednotlivých Bright Data úloh MCP nevrátilo. Pro cenový verdikt mezi dodavateli mi tedy chybí srovnatelné vyúčtování. Běžný ceník SERP API tuto mezeru nevyřeší: je potřeba nacenit konkrétní sběr odpovědí, jeho režim a objem.
Co bych použil příště?
Pro tento projekt bych jako základ dalšího měření ponechal DataForSEO. Už mám uložený panel, konkrétní odpovědi a rozdíl zůstatku účtu. Jeho databázové záznamy mi navíc pomohly najít starší citace, které bych z vlastního dnešního seznamu dotazů neviděl.
Bright Data se mi hodí pro práci přes MCP a sběr s parametry přes obecný scraper. Získal jsem úplné ChatGPT záznamy, ale před pravidelným Perplexity reportingem potřebuji ověřit funkční sběr. Google AI Mode nakonec dodal celý panel; u citací dál potřebuji kontrolovat správnost doporučené identity.
U MIPACO budu dál sledovat přebírání nové nabídky a samostatně správnost identity. Návštěvy z AI a kvalifikované poptávky vyhodnotím zvlášť; z tohoto testu jejich počet ani růst neznám.
Jak vypadá nález, který lze předat vývoji?
U auditu vlastního mipaco.cz jsem řešil i konkrétní chybu měření: obecné tlačítko přebíralo dříve zvolenou nabídku. Oprava prošla kontrolou od formuláře přes doručený e-mail až po přijetí události v GA4.
Tato ukázka dokládá problém, změnu kódu a ověření nasazení. Růst tržeb ani poptávek z ní neodvozuji. Stejnou strukturu má mít zadání pro firemní tým: kde je problém, čím je doložený, co změnit a jak poznat správné zapracování.
Co dostanete v auditu firemního webu?
Pokud rozhodujete o investicích do SEO, připravím podklady pro marketing, obsah a vývoj. Rozsah volíme podle cíle webu a problému, který potřebujete vyřešit. Vedle techniky, struktury a obsahu může zahrnovat také měření AI viditelnosti na předem dohodnutých otázkách.
| Výstup | K čemu ho váš tým použije |
|---|---|
| Ověřené nálezy a jejich podklady | Rozlišíte doložený problém, pracovní hypotézu a místo, kde zatím chybí data. |
| Priority a závislosti | Vedení a marketing dostanou pořadí kroků podle cíle, náročnosti a rizika. |
| Zadání pro vývoj a obsah | U každé navržené změny bude očekávané chování a postup ověření. |
| Prezentace a jedna kontrola implementace | Nálezy společně projdeme; po zapracování zkontroluji domluvené změny. |
Komplexní SEO audit stojí od 45 000 Kč za projekt. Počet webů, trhů, jazyků a rozsah AI měření si potvrdíme v nabídce, stejně jako konečnou cenu a termín. Realizaci změn domlouváme zvlášť. Pro jednu vymezenou oblast můžeme zvolit užší diagnostiku.
Proberme audit vašeho webu
Po kliknutí se otevře formulář s vybranou nabídkou SEO auditu. Vyplňte kontaktní údaje, přidejte odkaz na web a pár vět o tom, co potřebujete zjistit nebo rozhodnout. Na základě zadání domluvíme rozsah a cenu před zahájením práce.