Předpovídají signály AEO na webu výskyt v odpovědích AI? Změřili jsme 62 firem

Ne, alespoň ne v této studii. U 62 místních firem v Japonsku nevykázalo naše skóre AEO webu (strukturovaná data, llms.txt, přístup AI crawlerů a podobné signály) žádný vztah k tomu, jak často Perplexity firmu jmenoval nebo citoval, když byl požádán o doporučení: Spearmanovo ρ = 0.03 (95% CI −0.23 až 0.28, p = 0.834). Při 62 firmách mohla studie spolehlivě odhalit jen korelace zhruba |ρ| ≥ 0.35, slabší vztah tedy nelze vyloučit.

Zveřejněno 28. října 2026. Data naměřena 24. října 2026. Nurevo vyvíjí nástroje AEO, včetně zde testovaného skóre; viz oddíl „Náš střet zájmů“ níže.

Shrnutí

  1. Otázka: objevují se firmy, jejichž weby dosahují vyššího skóre čitelnosti pro AI od Nurevo (0 až 100), častěji v odpovědích AI na dotazy, které je nejmenují?
  2. Odpověď: nepotvrzeno. Celkově ρ = 0.03 a po zohlednění oboru a města stále 0.03.
  3. Celkově se firmy objevily ve 21.0% odpovědí na objevovací dotazy; 25 z 62 se objevilo alespoň jednou.
  4. Po korekci na vícenásobné testování nevykázala vztah ani žádná jednotlivá složka skóre (strukturovaná data, llms.txt, pokrytí atd.).
  5. Co si z toho bereme: strukturovaná data pomáhají AI správně přečíst údaje o firmě, sama o sobě však nerozhodují o tom, zda bude firma zmíněna. Větší roli hrají jiné faktory, velmi pravděpodobně včetně toho, co o firmě píší jiné weby. Tento poslední bod je hypotéza, kterou studie netestovala.

Proč jsme studii provedli

Doporučení k AEO (answer engine optimization), včetně našich, tvrdí, že web snadno čitelný pro AI (strukturovaná data schema.org, soubor llms.txt, povolení AI crawlerů, obsah vykreslovaný na serveru) pomáhá firmě objevovat se v odpovědích AI. Nurevo prodává skóre postavené právě na těchto signálech. Chtěli jsme poctivě ověřit, zda skóre odpovídá tomu, na čem majitelům skutečně záleží: aby je AI jmenovala. Hypotézu, analýzu i rozhodovací kritéria jsme stanovili před sběrem jakýchkoli odpovědí a zavázali se výsledek zveřejnit, ať vyjde jakkoli.

Metodika

  1. Vzorek: 72 místních firem s vlastními oficiálními weby, vybraných pomocí webového vyhledávání (bez portálů), z 5 oborů (zubní ordinace, restaurace, kosmetické salony, daňoví poradci, ubytování) a 4 japonských měst (Tokio, Ósaka, Fukuoka, Sapporo). 10 bylo vyřazeno, protože pro jejich web nešlo skóre vypočítat; k analýze zbylo 62.
  2. Skóre: domovská stránka, robots.txt a llms.txt každého webu byly ohodnoceny stejným kódem jako veřejné skóre Nurevo: strukturovaná data (30 bodů), pokrytí (25), čitelnost (20), llms.txt (15) a konzistence (10), s bránou pro přístup crawlerů, blokování na okraji sítě a vykreslování na serveru (její nesplnění omezí skóre na 15).
  3. Engine: Perplexity přes Agent API s předvolbou „fast“ (jedno webové vyhledávání, poté odpověď), tentýž adaptér, který placený tarif Nurevo používá pro viditelnost v AI. Pouze jeden engine; viz omezení.
  4. Dotazy: tři „objevovací“ dotazy na firmu, které uvádějí oblast a typ podniku, ale ne samotnou firmu (například „Doporuč zubaře v Umeda“), společné pro všechny firmy stejného oboru ve stejné oblasti, a jeden „jmenný“ dotaz na adresu a otevírací dobu firmy. Každý dotaz byl položen třikrát.
  5. Výsledná proměnná: firma se v odpovědi „objevila“, pokud v ní bylo její jméno nebo pokud byla její vlastní doména mezi citovanými zdroji. Míra výskytu je podíl jejích odpovědí na objevovací dotazy, v nichž se objevila.
  6. Kontrola detektoru: v odpovědích na jmenné dotazy bylo jméno firmy rozpoznáno v 84.3% případů, tedy nad prahem 70%, který jsme stanovili pro důvěru v detektor.
  7. Analýza: Spearmanova pořadová korelace s permutační p-hodnotou a bootstrapovým intervalem spolehlivosti; parciální korelace s oborem a městem jako fixními efekty; permutační test uvnitř strat; a logistická regrese s fixními efekty oboru a města a kvazibinomickou korekcí, protože opakované odpovědi na tentýž dotaz nejsou nezávislé. Šest testů složek je korigováno Holmovou metodou.

Kritérium „potvrzení“ bylo stanoveno předem: ρ ≥ 0.3, p < 0.05, 95% CI nad nulou a kladná upravená korelace. Text odpovědí se neukládal; zaznamenávalo se pouze, zda se objevilo jméno, zda byla citována doména a pozice citace.

Výsledky

Verdikt zní „nepotvrzeno“. Každý test skóre vůči výskytu dává korelaci blízkou nule:

n = 62 firem. Měřeno v Perplexity 24. října 2026.
TestVýsledekp-hodnota
Skóre vs. míra výskytu (Spearmanovo ρ, primární)0.03 (95% CI −0.23 až 0.28)0.834
Totéž, upraveno o obor a město (parciální korelace)0.030.845
Totéž, permutační test uvnitř strat0.030.829
Skóre vs. výskyt jména (objevovací dotazy)−0.040.782
Skóre vs. citace vlastního webu (objevovací dotazy)0.180.149
Skóre vs. citace vlastního webu (jmenné dotazy)−0.030.813
Logistická regrese s fixními efekty oboru/města, kvazibinomická: poměr šancí na +1 SD skóre (18.81 bodu)×1.01 (95% CI 0.62 až 1.64)0.972

Největší koeficient, 0.18 mezi skóre a citací vlastního webu firmy, nelze odlišit od nuly (p = 0.149) a neměl by se vykládat jako zjištění.

Podle pásma skóre

Nurevo zobrazuje skóre jako červené, žluté nebo zelené. Většina webů ve vzorku byla červená a žádný nedosáhl zelené, takže tato studie o velmi vysokých skóre nic neříká.

PásmoFirmyPrůměrná míra výskytuObjevily se alespoň jednou
Červené5420.8%22
Žluté822.2%3
Zelené0--

Podle složek skóre

Žádná ze složek skóre nesouvisela s výskytem. Po Holmově korekci je každá p-hodnota 1.000. Šlo o explorační testy.

Holmovou metodou korigované p = 1.000 pro každou složku.
SložkaSpearmanovo ρ s mírou výskytu
Strukturovaná data (schema)0.08
Pokrytí0.12
Čitelnost−0.17
llms.txt−0.02 (poměr šancí 1.41, 95% CI 0.79 až 2.52)
Konzistence0.06
Brána (přístup crawlerů, okraj sítě, vykreslování na serveru)61 prošlo: výskyt 21.3%; 1 neprošla: 0%

Podle oboru a města

Výskyt se lišil podle oboru a města více než podle skóre. Jde o popisné údaje z malých skupin, nikoli o testované rozdíly.

Řádky oborů i řádky měst pokrývají stejných 62 firem.
SkupinaFirmyPrůměrné skóreMíra výskytu
Daňoví poradci1327.9210.3%
Ubytování1321.0823.9%
Zubní ordinace1340.1525.6%
Kosmetické salony824.258.3%
Restaurace1524.2030.4%
Ósaka1526.2715.6%
Sapporo1729.419.8%
Tokio1525.5331.1%
Fukuoka1529.2728.9%

Omezení

  1. Průřezová studie: jedno měření mnoha webů ukazuje souvislost, nikoli příčinu. Zda zlepšení webu změní jeho výskyt, vyžaduje studii stejných webů před změnou a po ní.
  2. Statistická síla: při 62 firmách by korelace slabší než zhruba |ρ| = 0.35 často zůstala nepovšimnuta. Firmy ze stejné oblasti a oboru sdílejí tytéž odpovědi, takže efektivní vzorek je ještě menší. „Nenalezeno“ zde neznamená „neexistuje“.
  3. Jeden engine, jeden týden: Perplexity s předvolbou „fast“, měřeno 24. října 2026. ChatGPT, Gemini, AI Overviews od Googlu a Copilot používají jiné vyhledávací indexy a modely; tyto výsledky na ně nelze přenášet.
  4. Nepozorované zavádějící faktory: recenze, známost značky, reklama, doba působení na trhu ani zápisy na jiných webech se neměřily. Zohledněn byl pouze obor a město.
  5. Vzorek: firmy byly nalezeny přes webové vyhledávání, takže převažují ty, které už se snadno najdou. Žádný web nedosáhl zeleného skóre. 5 oborů a 4 města v Japonsku nemusí reprezentovat jiné obory, regiony či jazyky.

Co to znamená pro firemní web

Strukturovaná data, llms.txt a přístup crawlerů mají stále svůj význam: umožňují AI číst údaje o firmě (adresu, otevírací dobu, telefonní číslo, služby) přímo a správně, místo aby je odhadovala. Tato práce se vyplatí, ale je to jiný úkol než získat doporučení. V této studii nebyl lépe čitelný web zmiňován častěji.

Naše pracovní hypotéza je, že zdroje mimo web (recenzní a mapové zápisy, místní média, katalogy, jiné weby zmiňující firmu) mají velkou váhu v tom, zda AI firmu jmenuje, když odpovídá na žádost o doporučení. Tato studie tyto zdroje neměřila, jde tedy o hypotézu k ověření, nikoli o výsledek.

V praxi: udržujte základy na webu v pořádku, protože díky nim je to, co o vás AI říká, přesné, a měřte, zda vás AI skutečně zmiňuje, místo abyste to vyvozovali ze skóre čitelnosti.

Náš střet zájmů a co měníme

Nurevo vyvíjí nástroje AEO a zde testované skóre je jedním z našich produktů. Výsledek, že skóre nepředpovídá výskyt, bychom si sami nevybrali. Zveřejňujeme ho, protože kritéria byla stanovena dříve, než přišla data, a protože majitelé by měli vědět, co jim skóre říct může a co ne.

Co s tím děláme: skóre čitelnosti pro AI nepředstavujeme jako prediktor výskytu v odpovědích AI. Místo toho výskyt měříme přímo: tarif Pro měří, jak často Perplexity web jmenuje nebo cituje (beta), a pro weby v tarifech Free a Standard přidáváme malou měsíční kontrolu výskytu. Vyvíjíme také druhou verzi skóre, která kombinuje naměřenou viditelnost v AI se signály na webu, místo aby se spoléhala jen na signály na webu.

Názvy a weby měřených firem nezveřejňujeme.

Časté dotazy

Zajistí strukturovaná data, že AI zmíní moji firmu?

V této studii 62 místních firem v Perplexity nebyl zjištěn žádný vztah mezi signály na webu, jako jsou strukturovaná data, a tím, jak často byla firma zmíněna (ρ = 0.03). Strukturovaná data pomáhají AI správně číst vaše údaje, sama o sobě však zmínku nepředpovídala.

Pomáhá llms.txt firmě objevovat se v odpovědích AI?

V této studii jsme žádný vztah nenašli: ρ = −0.02 mezi složkou llms.txt a mírou výskytu (p po Holmově korekci = 1.000). Studie byla malá a pracovala s jedním enginem, takže nedokazuje, že llms.txt nikdy nehraje roli.

Znamená to, že AEO nemá smysl?

Ne. AEO na webu zajišťuje, že to, co AI o firmě říká, je přesné. Tato studie naznačuje, že k získání doporučení nestačí a že zmínky je třeba měřit přímo, nikoli je vyvozovat ze skóre čitelnosti.

Který AI engine byl měřen?

Pouze Perplexity, přes Agent API s předvolbou „fast“, dne 24. října 2026. Výsledky nelze přenášet na ChatGPT, Gemini, AI Overviews od Googlu ani Copilot.