Predpovedajú signály AEO na webe výskyt v odpovediach AI? Zmerali sme 62 firiem
Nie, aspoň nie v tejto štúdii. Pri 62 miestnych firmách v Japonsku nevykázalo naše skóre AEO webu (štruktúrované údaje, llms.txt, prístup AI crawlerov a podobné signály) žiadny vzťah k tomu, ako často Perplexity firmu menoval alebo citoval, keď bol požiadaný o odporúčanie: Spearmanovo ρ = 0.03 (95% CI −0.23 až 0.28, p = 0.834). Pri 62 firmách mohla štúdia spoľahlivo odhaliť iba korelácie približne |ρ| ≥ 0.35, slabší vzťah preto nemožno vylúčiť.
Zverejnené 28. októbra 2026. Údaje namerané 24. októbra 2026. Nurevo vyvíja nástroje AEO vrátane tu testovaného skóre; pozrite si časť „Náš konflikt záujmov“ nižšie.
Zhrnutie
- Otázka: objavujú sa firmy, ktorých weby dosahujú vyššie skóre čitateľnosti pre AI od Nurevo (0 až 100), častejšie v odpovediach AI na otázky, ktoré ich nemenujú?
- Odpoveď: nepotvrdené. Celkovo ρ = 0.03 a po zohľadnení odvetvia a mesta stále 0.03.
- Celkovo sa firmy objavili v 21.0% odpovedí na objavovacie otázky; 25 zo 62 sa objavilo aspoň raz.
- Po korekcii na viacnásobné testovanie nevykázala vzťah ani žiadna jednotlivá zložka skóre (štruktúrované údaje, llms.txt, pokrytie atď.).
- Čo si z toho berieme: štruktúrované údaje pomáhajú AI správne prečítať údaje o firme, samy osebe však nerozhodujú o tom, či bude firma spomenutá. Väčšiu úlohu zohrávajú iné faktory, veľmi pravdepodobne vrátane toho, čo o firme píšu iné weby. Tento posledný bod je hypotéza, ktorú štúdia netestovala.
Prečo sme štúdiu uskutočnili
Odporúčania k AEO (answer engine optimization), vrátane našich, tvrdia, že web ľahko čitateľný pre AI (štruktúrované údaje schema.org, súbor llms.txt, povolenie AI crawlerov, obsah vykresľovaný na serveri) pomáha firme objavovať sa v odpovediach AI. Nurevo predáva skóre postavené práve na týchto signáloch. Chceli sme poctivo overiť, či skóre zodpovedá tomu, na čom majiteľom skutočne záleží: aby ich AI menovala. Hypotézu, analýzu aj rozhodovacie kritériá sme stanovili pred zberom akýchkoľvek odpovedí a zaviazali sme sa výsledok zverejniť bez ohľadu na to, ako dopadne.
Metodika
- Vzorka: 72 miestnych firiem s vlastnými oficiálnymi webmi, vybraných pomocou webového vyhľadávania (bez portálov), z 5 odvetví (zubné ambulancie, reštaurácie, kozmetické salóny, daňoví poradcovia, ubytovanie) a 4 japonských miest (Tokio, Osaka, Fukuoka, Sapporo). 10 bolo vylúčených, pretože pre ich web sa skóre nedalo vypočítať; na analýzu zostalo 62.
- Skóre: domovská stránka, robots.txt a llms.txt každého webu boli ohodnotené rovnakým kódom ako verejné skóre Nurevo: štruktúrované údaje (30 bodov), pokrytie (25), čitateľnosť (20), llms.txt (15) a konzistentnosť (10), s bránou pre prístup crawlerov, blokovanie na okraji siete a vykresľovanie na serveri (jej nesplnenie obmedzí skóre na 15).
- Engine: Perplexity cez Agent API s predvoľbou „fast“ (jedno webové vyhľadávanie, potom odpoveď), ten istý adaptér, ktorý platený plán Nurevo používa na viditeľnosť v AI. Iba jeden engine; pozrite obmedzenia.
- Otázky: tri „objavovacie“ otázky na firmu, ktoré uvádzajú oblasť a typ podniku, ale nie samotnú firmu (napríklad „Odporuč zubára v Umeda“), spoločné pre všetky firmy rovnakého odvetvia v rovnakej oblasti, a jedna „menná“ otázka na adresu a otváracie hodiny firmy. Každá otázka bola položená trikrát.
- Výsledná premenná: firma sa v odpovedi „objavila“, ak v nej bol jej názov alebo ak bola jej vlastná doména medzi citovanými zdrojmi. Miera výskytu je podiel jej odpovedí na objavovacie otázky, v ktorých sa objavila.
- Kontrola detektora: v odpovediach na menné otázky bol názov firmy rozpoznaný v 84.3% prípadov, teda nad prahom 70%, ktorý sme stanovili pre dôveru v detektor.
- Analýza: Spearmanova poradová korelácia s permutačnou p-hodnotou a bootstrapovým intervalom spoľahlivosti; parciálna korelácia s odvetvím a mestom ako fixnými efektmi; permutačný test v rámci strát; a logistická regresia s fixnými efektmi odvetvia a mesta a kvázibinomickou korekciou, pretože opakované odpovede na tú istú otázku nie sú nezávislé. Šesť testov zložiek je korigovaných Holmovou metódou.
Kritérium „potvrdenia“ bolo stanovené vopred: ρ ≥ 0.3, p < 0.05, 95% CI nad nulou a kladná upravená korelácia. Text odpovedí sa neukladal; zaznamenávalo sa iba to, či sa objavil názov, či bola citovaná doména a pozícia citácie.
Výsledky
Verdikt znie „nepotvrdené“. Každý test skóre voči výskytu dáva koreláciu blízku nule:
| Test | Výsledok | p-hodnota |
|---|---|---|
| Skóre vs. miera výskytu (Spearmanovo ρ, primárny) | 0.03 (95% CI −0.23 až 0.28) | 0.834 |
| To isté, upravené o odvetvie a mesto (parciálna korelácia) | 0.03 | 0.845 |
| To isté, permutačný test v rámci strát | 0.03 | 0.829 |
| Skóre vs. výskyt názvu (objavovacie otázky) | −0.04 | 0.782 |
| Skóre vs. citácia vlastného webu (objavovacie otázky) | 0.18 | 0.149 |
| Skóre vs. citácia vlastného webu (menné otázky) | −0.03 | 0.813 |
| Logistická regresia s fixnými efektmi odvetvia/mesta, kvázibinomická: pomer šancí na +1 SD skóre (18.81 bodu) | ×1.01 (95% CI 0.62 až 1.64) | 0.972 |
Najväčší koeficient, 0.18 medzi skóre a citáciou vlastného webu firmy, nemožno odlíšiť od nuly (p = 0.149) a nemal by sa vykladať ako zistenie.
Podľa pásma skóre
Nurevo zobrazuje skóre ako červené, žlté alebo zelené. Väčšina webov vo vzorke bola červená a žiadny nedosiahol zelenú, takže táto štúdia o veľmi vysokých skóre nič nehovorí.
| Pásmo | Firmy | Priemerná miera výskytu | Objavili sa aspoň raz |
|---|---|---|---|
| Červené | 54 | 20.8% | 22 |
| Žlté | 8 | 22.2% | 3 |
| Zelené | 0 | - | - |
Podľa zložiek skóre
Žiadna zo zložiek skóre nesúvisela s výskytom. Po Holmovej korekcii je každá p-hodnota 1.000. Išlo o exploračné testy.
| Zložka | Spearmanovo ρ s mierou výskytu |
|---|---|
| Štruktúrované údaje (schema) | 0.08 |
| Pokrytie | 0.12 |
| Čitateľnosť | −0.17 |
| llms.txt | −0.02 (pomer šancí 1.41, 95% CI 0.79 až 2.52) |
| Konzistentnosť | 0.06 |
| Brána (prístup crawlerov, okraj siete, vykresľovanie na serveri) | 61 prešlo: výskyt 21.3%; 1 neprešla: 0% |
Podľa odvetvia a mesta
Výskyt sa líšil podľa odvetvia a mesta viac než podľa skóre. Ide o opisné údaje z malých skupín, nie o testované rozdiely.
| Skupina | Firmy | Priemerné skóre | Miera výskytu |
|---|---|---|---|
| Daňoví poradcovia | 13 | 27.92 | 10.3% |
| Ubytovanie | 13 | 21.08 | 23.9% |
| Zubné ambulancie | 13 | 40.15 | 25.6% |
| Kozmetické salóny | 8 | 24.25 | 8.3% |
| Reštaurácie | 15 | 24.20 | 30.4% |
| Osaka | 15 | 26.27 | 15.6% |
| Sapporo | 17 | 29.41 | 9.8% |
| Tokio | 15 | 25.53 | 31.1% |
| Fukuoka | 15 | 29.27 | 28.9% |
Obmedzenia
- Prierezová štúdia: jedno meranie mnohých webov ukazuje súvislosť, nie príčinu. Či zlepšenie webu zmení jeho výskyt, si vyžaduje štúdiu tých istých webov pred zmenou a po nej.
- Štatistická sila: pri 62 firmách by korelácia slabšia než približne |ρ| = 0.35 často zostala nepovšimnutá. Firmy z rovnakej oblasti a odvetvia zdieľajú tie isté odpovede, takže efektívna vzorka je ešte menšia. „Nenájdené“ tu neznamená „neexistuje“.
- Jeden engine, jeden týždeň: Perplexity s predvoľbou „fast“, merané 24. októbra 2026. ChatGPT, Gemini, AI Overviews od Googlu a Copilot používajú iné vyhľadávacie indexy a modely; tieto výsledky na ne nemožno prenášať.
- Nepozorované skresľujúce faktory: recenzie, známosť značky, reklama, dĺžka pôsobenia na trhu ani záznamy na iných weboch sa nemerali. Zohľadnené boli iba odvetvie a mesto.
- Vzorka: firmy boli nájdené cez webové vyhľadávanie, takže prevažujú tie, ktoré sa už ľahko nájdu. Žiadny web nedosiahol zelené skóre. 5 odvetví a 4 mestá v Japonsku nemusia reprezentovať iné odvetvia, regióny či jazyky.
Čo to znamená pre firemný web
Štruktúrované údaje, llms.txt a prístup crawlerov majú stále svoj význam: umožňujú AI čítať údaje o firme (adresu, otváracie hodiny, telefónne číslo, služby) priamo a správne, namiesto toho, aby ich odhadovala. Táto práca sa oplatí, no je to iná úloha než získať odporúčanie. V tejto štúdii nebol lepšie čitateľný web spomínaný častejšie.
Naša pracovná hypotéza je, že zdroje mimo webu (recenzné a mapové záznamy, miestne médiá, katalógy, iné weby spomínajúce firmu) majú veľkú váhu pri tom, či AI firmu pomenuje, keď odpovedá na žiadosť o odporúčanie. Táto štúdia tieto zdroje nemerala, ide teda o hypotézu na overenie, nie o výsledok.
V praxi: udržiavajte základy na webe v poriadku, pretože vďaka nim je to, čo o vás AI hovorí, presné, a merajte, či vás AI skutočne spomína, namiesto toho, aby ste to vyvodzovali zo skóre čitateľnosti.
Náš konflikt záujmov a čo meníme
Nurevo vyvíja nástroje AEO a tu testované skóre je jedným z našich produktov. Výsledok, že skóre nepredpovedá výskyt, by sme si sami nevybrali. Zverejňujeme ho, pretože kritériá boli stanovené skôr, než prišli údaje, a pretože majitelia by mali vedieť, čo im skóre povedať môže a čo nie.
Čo s tým robíme: skóre čitateľnosti pre AI neprezentujeme ako prediktor výskytu v odpovediach AI. Namiesto toho výskyt meriame priamo: plán Pro meria, ako často Perplexity web menuje alebo cituje (beta), a pre weby v plánoch Free a Standard pridávame malú mesačnú kontrolu výskytu. Vyvíjame aj druhú verziu skóre, ktorá kombinuje nameranú viditeľnosť v AI so signálmi na webe, namiesto toho, aby sa spoliehala len na signály na webe.
Názvy a weby meraných firiem nezverejňujeme.
Časté otázky
Zabezpečia štruktúrované údaje, že AI spomenie moju firmu?
V tejto štúdii 62 miestnych firiem v Perplexity sa nezistil žiadny vzťah medzi signálmi na webe, ako sú štruktúrované údaje, a tým, ako často bola firma spomenutá (ρ = 0.03). Štruktúrované údaje pomáhajú AI správne čítať vaše údaje, samy osebe však zmienku nepredpovedali.
Pomáha llms.txt firme objavovať sa v odpovediach AI?
V tejto štúdii sme žiadny vzťah nenašli: ρ = −0.02 medzi zložkou llms.txt a mierou výskytu (p po Holmovej korekcii = 1.000). Štúdia bola malá a pracovala s jedným enginom, takže nedokazuje, že llms.txt nikdy nehrá rolu.
Znamená to, že AEO nemá zmysel?
Nie. AEO na webe zabezpečuje, že to, čo AI o firme hovorí, je presné. Táto štúdia naznačuje, že na získanie odporúčania nestačí a že zmienky treba merať priamo, nie ich vyvodzovať zo skóre čitateľnosti.
Ktorý AI engine bol meraný?
Iba Perplexity, cez Agent API s predvoľbou „fast“, dňa 24. októbra 2026. Výsledky nemožno prenášať na ChatGPT, Gemini, AI Overviews od Googlu ani Copilot.