Monitorovanie zmienok v AI: čo Ahrefs a Semrush naozaj merajú a či to vôbec potrebujete

Otázka, ktorú dnes dostávam najčastejšie

Sme v ChatGPT?

Odpoveď, ktorú chce klient počuť, je číslo. Percento. Niečo ako pozícia v Google. A presne tu sa začína problém, lebo v AI odpovediach pozícia neexistuje. Existuje vzorka.

Nástroje ako Ahrefs Brand Radar, Semrush AI Visibility Toolkit alebo Marketing Miner to číslo dodajú. Sú užitočné a používam ich. Ak ale nerozumiete, ako k tomu číslu prišli, začnete podľa neho robiť rozhodnutia a to je drahšie, než to číslo nemať.

Tento článok je o piatich veciach: ako monitorovanie zmienok v AI technicky funguje, kde je jeho strop, prečo je vlastný skript nad API spravidla horší než platený nástroj a ako si ho postaviť tak, aby bol lepší, čo z toho dostanete zadarmo zo Search Console, GA4 a Bing Webmaster Tools a napokon koľko to všetko stojí.

Ako to technicky funguje

Každý nástroj na sledovanie zmienok v AI robí štyri kroky. Rozdiely medzi nástrojmi sú len v tom, ako každý z nich robí.

1. Zoznam otázok. Nástroj potrebuje vedieť, čo sa má pýtať. Ahrefs na to používa vlastnú databázu kľúčových slov, podľa ich metodiky 28,7 miliardy filtrovaných zo 110 miliárd nájdených, a rozširuje ju dvoma spôsobmi: reálnymi otázkami zo sekcie People Also Ask a sémantickým rozvetvením (fanout), ktoré dopĺňa podotázky. Semrush stojí na databáze vyše 317 miliónov promptov a odpovedí.

2. Spustenie otázky. Toto je najdôležitejší krok a väčšina ľudí ho prehliada. Ani Ahrefs, ani Semrush, ani Marketing Miner nepoužívajú API jazykových modelov. Všetky tri spúšťajú otázky cez reálne webové rozhrania, teda cez to isté, čo vidí zákazník. Semrush to vo svojej dokumentácii uvádza priamo: zachytáva odpovede na prompty z reálnych požiadaviek bez použitia API poskytovateľov. Marketing Miner to popisuje rovnako, dáta pochádzajú z reálnych AI odpovedí, nie z API. Ahrefs pokrýva ChatGPT, Perplexity, Gemini, Copilot, Google AI Overviews, AI Mode a Grok.

3. Parsovanie odpovede. Z vygenerovaného textu sa vytiahne, či sa v ňom objavila značka, v akom kontexte, s akým sentimentom a ktoré zdroje model citoval. Ahrefs pritom nefiltruje halucinácie a má na to dobrý dôvod: sú to reálne výstupy modelu. Ak model tvrdí o vašej firme nezmysel, chcete to vedieť.

4. Agregácia do skóre. Zo stoviek či tisícov odpovedí sa vypočíta podiel zmienok, share of voice voči konkurencii a trend v čase.

Objemy sú na papieri impozantné. Ahrefs uvádza mesačne 14,5 milióna dotazov na ChatGPT, 14,6 milióna na Perplexity aj Gemini, 13,3 milióna na Copilot, 24 miliónov na AI Mode a 282 miliónov na AI Overviews.

Dôležitý detail v kalendári: ChatGPT, Perplexity, Gemini a Copilot sa v Ahrefs obnovujú raz za mesiac s 90-dňovým vykazovacím oknom. Googlové platformy priebežne. Semrush aktualizuje promptové reporty denne kĺzavo, brandové reporty týždenne. Marketing Miner ponúka denné alebo týždenné sledovanie.

A ešte jeden detail, ktorý rozhoduje o všetkom ostatnom. Keď si v Ahrefs pridáte vlastný prompt, jeden check znamená jeden beh promptu × jeden model × jedna lokalita. Teda jedna vzorka. Zapamätajte si to, vrátim sa k tomu.

Najväčšia výhoda: nie je to skóre

Keby som si mal z týchto nástrojov nechať jedinú obrazovku, nebolo by to percento viditeľnosti. Bol by to zoznam zdrojov, ktoré model cituje.

To je totiž jediná časť celého monitorovania, ktorá je priamo akčná. Percento vám povie, že ste na tom zle. Zoznam zdrojov vám povie prečo a čo s tým.

Keď v odpovediach na otázku, ktorá agentúra je najlepšia na zrýchlenie e-shopu, model opakovane cituje tri porovnávacie články, dve diskusné vlákna a jeden katalóg, máte pred sebou konkrétny zoznam miest, kde nie ste. To sa dá riešiť. Naproti tomu informácia, že vaša viditeľnosť je 14 %, sa riešiť nedá, lebo neviete, čo tvorí tých chýbajúcich 86 %.

Tri veci, ktoré platený nástroj dokáže a vy sami nikdy nie:

• Škála. Milióny dotazov mesačne z vlastnej infraštruktúry. Vy urobíte tisíce, nie milióny.
• Konkurenčné porovnanie. Vaše číslo samo o sebe neznamená nič. Zmysel dostane až vtedy, keď vidíte, že konkurent má trojnásobok a v ktorých témach.
• História. Keď začnete merať dnes, porovnávacie dáta budete mať za pol roka. Nástroj ich má už teraz.

Najväčšia slabina: meriate vzorku, nie pozíciu

Tu prichádza tvrdá časť. Jazykový model nie je zoznam výsledkov, je to generátor. Dva rovnaké dotazy za sebou dajú dve rôzne odpovede.

Nie je to dojem. Jedna analýza porovnala 3 313 kontrolných párov, teda ten istý prompt v dvoch behoch hneď po sebe:

Čítajte to ešte raz. Pri ChatGPT dostanete na ten istý prompt inú odpoveď v 63 % prípadov. Pri Gemini v 90 %. A to bez toho, aby sa čokoľvek zmenilo na vašom webe, v modeli alebo na internete.

Príčina nie je chyba. Modely sú nedeterministické aj pri nulovej teplote, pretože výsledok ovplyvňuje aj to, ako sa vaša požiadavka zoskupí s požiadavkami ostatných používateľov na serveri. Doslova: vplyv má aj to, koľko ľudí sa práve pýta.

Akademická práca z júla 2026 publikovaná na arXiv to rozobrala na 12 933 odpovediach, 20 stredoeurópskych značkách, 8 jazykoch a troch modeloch. Rozklad rozptylu vyzerá takto:

Záver tej práce je nemilosrdný: jediná AI odpoveď nenesie takmer žiadny signál o značke. Spoľahlivosť jednej odpovede je 0,01. Až pri plnom dizajne s viacerými jazykmi a modelmi stúpne na 0,36.

Z toho vyplývajú tri praktické veci.

Po prvé, jazyk dotazu vysvetľuje 26,5 % rozptylu. Pre slovenský trh je to kľúčové. Vaša viditeľnosť na anglický dotaz best WordPress speed agency a na slovenský dotaz najlepšia agentúra na zrýchlenie webu sú dve rôzne čísla a jedno o druhom nevypovedá nič. Ahrefs sám priznáva, že pokrytie je najsilnejšie v angličtine a neanglické trhy sú zastúpené proporčne. Pri slovenčine to znamená vzorku, ktorá je pre malý trh tenká.

Po druhé, opakovať ten istý prompt sa oplatí len po piaty raz. Každé ďalšie opakovanie nad päť zníži chybu merania o 0,0003. Rozpočet patrí do viacerých jazykov a modelov, nie do stého behu tej istej otázky.

Po tretie, nástroje si navzájom neveria a majú pravdu. Agentúra porovnávala dva nástroje na tej istej účtovnej firme: jeden ukázal 8 % viditeľnosti, druhý 40 %. Rozdiel 32 percentuálnych bodov. Z domén meraných dvakrát v produkcii vyšlo 56,9 % odlišne, s priemerným rozdielom 30,8 percentuálneho bodu. A pri opakovanom dotazovaní ChatGPT sa v 52 % promptov zmenila značka na prvom mieste.

K tomu pripočítajte, čo žiadny nástroj nevidí: pamäť a personalizáciu. Váš zákazník má v ChatGPT históriu konverzácií, zapnutú pamäť, prihlásený účet a konkrétnu polohu. Nástroj meria anonymné prostredie, ktoré reálne nepatrí nikomu.

Semrush to v dokumentácii formuluje presne: AI vyhľadávanie a odpovede LLM sa rýchlo menia a sú vysoko personalizované, preto žiadna platforma nedokáže poskytnúť presné čísla o viditeľnosti. Svoje metriky označuje za spoľahlivé smerové signály, nie za presné hodnoty.

Čo z toho vyplýva pre prácu: skóre viditeľnosti nie je KPI na týždenné porady. Je to trend na okne aspoň 28 dní a poradie voči konkurencii. Pokles o 12 % medzi dvoma meraniami nie je pokles. Je to šum.

Prečo vlastný systém nad API klame ešte viac

Tu sa dostávame k tomu, čo vidím u technicky zdatných klientov najčastejšie. Niekto si povie, že na toto Ahrefs nepotrebuje, veď si to naskriptuje. Vezme OpenAI API a Gemini API, pošle tam každé ráno tridsať otázok, hľadá v odpovedi svoju doménu a kreslí graf.

Vyzerá to ako to isté, len zadarmo. Nie je.

API nie je ten istý produkt ako aplikácia

Keď sa pýtate v ChatGPT, dostanete výstup vrstvy, ktorá prehľadáva web: rozdelí vašu otázku na podotázky, vyhľadá, prečíta zdroje a až potom odpovie. Keď sa pýtate cez API bez zapnutého vyhľadávania, model odpovedá z toho, čo si pamätá z trénovania.

Test, ktorý porovnal tie isté prompty oboma cestami súčasne:

Tri zo štyroch odpovedí z API prišli bez jediného zdroja. A 87 % tých citácií, ktoré API vrátilo, smerovalo na úvodnú stránku, často len na holú doménu bez konkrétnej podstránky.

Prekryv zdrojov 25,6 % znamená, že váš vlastný monitoring a váš zákazník sa pozerajú na tri štvrtiny odlišného internetu.

Nie je to bezcenné meranie, len meria niečo iné. API bez vyhľadávania vám povie, čo si model o vás pamätá z tréningu. To je zaujímavá a dlhodobá metrika. Nepovie vám, či vás dnes ChatGPT niekomu odporučil.

Päť chýb, ktoré má takmer každý vlastný systém

1. Jedna vzorka namiesto rozdelenia. Skript spustí prompt raz denne. Pri 37 % stabilite ChatGPT je záver, že ste dnes zmizli, v prevažnej väčšine prípadov šum. Bez minimálne troch až piatich behov nemáte čo interpretovať a bez viacerých jazykov a modelov nemáte poriadny odhad ani potom.

2. Nedefinovaný výskyt. Znamená výskyt zmienku názvu? Odkaz? Odkaz na prvom mieste? Zmienku s pozitívnym sentimentom? Väčšina vlastných systémov si to nikdy nezadefinuje, takže graf zobrazuje raz jedno, raz druhé. Mimochodom, presne to isté vyčítam aj komerčným nástrojom: takmer žiadny nezverejní, koľkokrát prompt zopakuje, na akú verziu modelu cieli a čo považuje za výskyt.

3. Prompty vybrané podľa seba. Otázky si vyberiete tak, ako o svojom produkte hovoríte vy. Zákazník ich tak nekladie. Výsledok je graf, ktorý potvrdzuje, čo ste chceli vidieť. Užitočný zoznam promptov je ten, v ktorom prehrávate.

4. Scrapovanie webového rozhrania. Kto chce merať presne to, čo vidí zákazník, musí ísť do rozhrania. Tam narazí na to, že automatizované dotazovanie je proti podmienkam používania, účty a IP adresy sa blokujú, DOM sa mení a stav sedenia sa nesie medzi dotazmi. Toto je presne dôvod, prečo Ahrefs, Semrush a Marketing Miner stavali vlastnú infraštruktúru. Nie preto, že je to elegantné, ale preto, že inak sa to v mierke nedá.

5. Chýbajúca lokalita a jazyk. Geografická IP ovplyvňuje, ako sa dotaz prepíše, ešte pred tým, než model začne odpovedať. Jedna analýza ukázala 97 % amerických webov s nulovými zmienkami v kategórii oproti 51 % v Kapskom Meste a nebol to rozdiel v kvalite nástroja, ale v nasýtenosti trhu. Skript bežiaci na serveri vo Frankfurte bez nastavenej lokality nemeria slovenského zákazníka.

Verzia, ktorá má zmysel: API s vyhľadávaním, n8n a BigQuery

Predchádzajúca sekcia nie je argument proti vlastnému riešeniu. Je to argument proti naivnému vlastnému riešeniu. Existuje variant, ktorý je v niektorých ohľadoch lepší než komerčný nástroj, a ak máte n8n a BigQuery, ste od neho bližšie, než si myslíte.

Tri veci, v ktorých vlastný systém komerčný nástroj prekoná:

• Uchováte si surové odpovede. Komerčný nástroj vám dá skóre. Vy máte v BigQuery celý text každej odpovede, každú citovanú URL a každý časový údaj. Keď si o pol roka uvedomíte, že metriku máte definovanú zle, prepočítate ju z pôvodných dát. To vám žiadny nástroj neumožní.
• Vidíte vyhodnocovanie. V n8n máte medzi dotazom a číslom viditeľný krok, ktorý si môžete prezrieť a opraviť. Komerčný nástroj je čierna skrinka a ako som písal vyššie, väčšina nezverejní ani počet opakovaní.
• Vyberiete si modely. Vrátane tých, ktoré v komerčných nástrojoch nie sú. Claude v žiadnom z troch porovnávaných nástrojov nefiguruje, Ahrefs, Semrush ani Marketing Miner ho nesledujú. Ak vás zaujíma, či sa správa inak, je to biele miesto a vlastné meranie je tu jediná cesta.

Podmienok je osem.

1. Zapnite vyhľadávanie. Toto je celá hra.

Bez tohto kroku je zvyšok bezpredmetný. Každý z veľkých poskytovateľov má dnes v API serverový nástroj na vyhľadávanie, ktorý vráti aj citácie:

Dve poznámky k tejto tabuľke, ktoré sa oplatí vedieť dopredu.

Perplexity je jediná zo štvorice, kde sa API a produkt takmer prekrývajú, lebo produkt je vyhľadávanie nad modelom. ChatGPT je naopak z tejto štvorice najmenej verný: aplikácia robí rozvetvenie otázky, smeruje medzi modelmi a pridáva moduly, ktoré cez API nezreprodukujete ani so zapnutým vyhľadávaním.

Claude má pre tento účel najlepšie citačné dáta. Pole cited_text vám vráti konkrétny úryvok, o ktorý sa model opieral. To je presne to, čo pri GEO chcete vedieť: nie len to, že vás citoval, ale ktorú konkrétnu vetu z vášho webu citoval. Pri analýze, prečo model odporúča konkurenta, je to najužitočnejšie pole zo všetkých.

2. Nastavte lokalitu a jazyk všade rovnako

OpenAI aj Anthropic majú na to parameter user_location s poľami country, city, region a timezone. Nastavte SK, Bratislavu a Europe/Bratislava a nastavte to identicky pre všetky modely, inak porovnávate neporovnateľné. Jazyk promptu berte ako samostatnú dimenziu, nie ako detail, vysvetľuje 26,5 % rozptylu. Slovenská a anglická verzia tej istej otázky sú dva riadky v tabuľke, nie jeden.

3. Tri až päť behov na prompt a model, každý uložený zvlášť

Nie priemer. Každý beh ako samostatný riadok s run_index. Priemer si spočítate v SQL kedykoľvek, z priemeru už nikdy nedostanete rozptyl.

4. Ukladajte metadáta, nie len text

Minimum, ktoré musí byť v každom riadku:

• run_id, prompt_id, prompt_text, language, location
• provider a model_version ako presný snapshot, nie všeobecné gpt alebo claude
• search_enabled a počet reálnych vyhľadávaní (OpenAI web_search_call, Claude server_tool_use.web_search_requests)
• response_text celý, neskrátený
• citations ako pole objektov: URL, titulok a cited_text tam, kde ho poskytovateľ dá
• requested_at v UTC, run_index, cost_usd

Bez verzie modelu sú vaše dáta o pol roka bezcenné. Keď vám v marci klesne viditeľnosť, prvá otázka bude, či sa nezmenil model, a bez tohto poľa na ňu neodpoviete. Zároveň sa vedome rozhodnite: pripnutý snapshot dá reprodukovateľnosť, ale postupne sa vzďaľuje od toho, čo aplikácia reálne používa. Ja by som verziu pinoval a menil ju naplánovane, so zápisom do dát.

5. Vyhodnocovanie v dvoch krokoch, nie jedným LLM

Toto je v n8n najzradnejší uzol. Postup, ktorý sa mi osvedčil:

Krok A: deterministický match. Regex na doménu a na varianty názvu: wooacademy, woo academy, woo-academy, wooacademy.sk, bez diakritiky aj s ňou. Výstup je boolean a nemení sa v čase. Toto je vaša nosná metrika.

Krok B: LLM ako posudzovateľ, ale len na to, čo regex nezvládne: sentiment, kontext (odporúčanie vs. zmienka mimochodom), pozícia v zozname, či sa spomína konkurent. S pevnou rubrikou, teplotou 0, pripnutým modelom a uloženým výstupom posudzovateľa, nie len jeho verdiktom.

Pozor na pascu, ktorá sa ľahko prehliadne: posudzovateľ je ďalší nedeterministický model. Ak ním preženiete tú istú odpoveď dvakrát, môže dať dva výsledky. Preto je krok A nosný a krok B doplnkový a preto sa surová odpoveď ukladá pred vyhodnotením. Keď zmeníte rubriku, prebehnete ju nad archívom, nie nad novým zberom.

6. BigQuery: append-only surové dáta, metriky ako view

• Jedna tabuľka ai_runs, iba pridávanie riadkov, nikdy prepis, partícia podľa DATE(requested_at), klastrovanie podľa prompt_id a provider.
• Druhá tabuľka ai_citations, jeden riadok na citáciu, odkazovaná cez run_id. Práve táto tabuľka je celý zmysel projektu, z nej vypadne zoznam domén, ktoré modely citujú namiesto vás.
• Metriky ako view alebo scheduled query, nikdy nie ako uložené číslo. Keď zmeníte definíciu, zmeníte SQL, nie históriu.
• Vyhodnocovacie okno v tom view nastavte na 28 dní. Denné čísla si nechajte, len ich nekreslite.

7. Neagregujte modely do jedného skóre

Toto je najčastejšia chyba v poslednom kroku. Tvrdenie, že vaša AI viditeľnosť je 23 %, ako priemer zo štyroch modelov neodpovedá žiadnemu reálnemu trhu, pretože vaši zákazníci nepoužívajú štyri modely rovnomerne.

Reportujte per model. Ak naozaj potrebujete jedno číslo, vážte ho podielom reálneho používania na vašom trhu a ten podiel si zapíšte do dokumentácie, aby bolo o pol roka jasné, odkiaľ číslo je.

Že sa Claude správa inak, je pritom pre meranie výhoda, nie problém. Spomínaná akademická práca odporúča presne toto: rozdeliť rozpočet medzi jazyky a modely, pretože tam sa chyba merania znižuje najviac. Štyri modely × dva jazyky vám dajú stabilnejší obraz než jeden model × desať opakovaní.

8. n8n prakticky

• Idempotencia: run_id generujte pred volaním a uložte riadok aj pri chybe, so stavovým kódom. Inak vám v dátach vzniknú tiché diery presne v dňoch, keď niečo nefungovalo, a tie diery budete o mesiac čítať ako pokles viditeľnosti.
• Retry s exponenciálnym backoffom na 429 a 5xx, ale s limitom pokusov. Claude vracia chyby nástroja so stavom HTTP 200 a chybovým kódom v tele (max_uses_exceeded, too_many_requests). Ak kontrolujete len HTTP kód, tieto vám prejdú ako úspešné prázdne odpovede.
• Paralelizmus držte nízko a rozložte behy v čase. Päť behov toho istého promptu v tej istej sekunde je horšia vzorka než päť behov rozložených po hodine, zoskupovanie požiadaviek na serveri je jedným zo zdrojov rozptylu.
• Strop na náklady ako samostatný uzol, ktorý workflow zastaví. Chyba v cykle nad štyrmi API s platenými nástrojmi sa dá draho zaplatiť.
• Zapisujte do BigQuery dávkovo, nie riadok po riadku.

Čo to ani takto nezmeria

Aby bol report čestný, patrí do jeho hlavičky veta o tom, čo metóda nevidí:

• pamäť a personalizáciu: váš zákazník má históriu a prihlásený účet, vaše meranie nie
• rozvetvenie otázky v aplikácii: ChatGPT si otázku prepíše na niekoľko podotázok spôsobom, ktorý cez API nezreprodukujete
• smerovanie medzi modelmi: aplikácia si model vyberá sama, vy si ho pripínate
• reklamné a nákupné moduly vo webovom rozhraní

Toto nie je dôvod systém nestavať. Je to dôvod napísať do reportu, že merateľná je relatívna zmena a poradie voči konkurencii, nie absolútna pravda o trhu.

Reality check: čo z toho máte zadarmo v Search Console, GA4 a Bing Webmaster Tools

Toto je otázka, ktorú by si mal položiť každý pred tým, než za monitorovanie zaplatí. Google aj Microsoft dnes dodávajú vlastné AI reporty a sú to prvostranné, nevzorkované dáta o tom, čo sa reálne stalo. Žiadny monitorovací nástroj taký typ dát nemá, pretože on len simuluje dotazy. Otázka teda neznie, či nástroj alebo Search Console, ale čo z toho ktorý zdroj vie a čo nie.

Search Console: generatívne AI reporty

Google spustil v júni 2026 v Search Console report o výkone v generatívnej AI. Čo v ňom je:

• pokrýva AI Overviews a AI Mode, teda výhradne googlovské plochy
• dimenzie: stránky, krajiny, dátumy, zariadenia
• metrika: iba zobrazenia

To posledné je zásadné a ľahko sa prehliadne. Report neobsahuje dotazy, kliknutia ani pozíciu. Viete, že Google vaše odkazy v AI ploche zobrazil, a viete na ktorých URL. Neviete, na akú otázku, a neviete, či na to niekto klikol. K tomu prirátajte, že sa rozbieha postupne (nie každá property ho má), platí minimálny prah zobrazení a limit 1 000 riadkov.

Bing Webmaster Tools: AI Performance

Microsoft ide v niečom ďalej. Report AI Performance v Bing Webmaster Tools, rozšírený v júni 2026, dáva:

• počty citácií vašich stránok v AI odpovediach
• Citation Share: aký podiel z citácií na danú tému dotazov máte vy
• Intents: klasifikácia dotazov (informačné, komerčné, navigačné, lokálne a ďalšie)
• Topics: tematické klastre dotazov
• Compare: porovnanie vývoja v čase

Pokrýva Copilot, Bing a vybrané partnerské AI zážitky. A práve tá posledná formulácia je problém: Microsoft partnerov nemenuje, takže neviete, čo do čísla vstupuje. ChatGPT v pokrytí explicitne uvedený nie je. Citation Share je navyše podľa Microsoftu observačná metrika, nie ranking, a konkurenčné domény nezobrazuje.

GA4: kanál pre AI asistentov

GA4 v roku 2026 pridal pre návštevnosť z AI asistentov samostatný kanál, takže si ho už nemusíte skladať z vlastných regexov (tie sa stále hodia, GA4 dovolí len dve vlastné skupiny kanálov).

Limit je ale principiálny: GA4 zachytí len kliknutie, ktoré pošle referer. Väčšina AI expozície nevyprodukuje žiadnu návštevu, a teda v GA4 neexistuje. A ku kliknutiu nikdy nedostanete otázku, ktorá k nemu viedla.

Budú v ChatGPT tie isté URL ako v Search Console?

Krátka odpoveď: väčšinou nie. A je to podložené dvoma číslami.

Podľa analýzy citovaných zdrojov naprieč štyrmi veľkými AI enginmi sa len 3,8 % zdrojov objaví vo všetkých štyroch. A 72 až 73 % citovaných domén sa objaví len na jednej platforme. Iná analýza uvádza, že 80 % URL, ktoré jazykové modely citujú, sa vôbec nenachádza v prvej stovke výsledkov Google.

Dôvod je štrukturálny, nie náhodný. Google AI Mode čerpá z googlovského indexu, ktorý stavia Googlebot. Vyhľadávanie v ChatGPT stavia vlastný index vlastným crawlerom (OAI-SearchBot). Perplexity má svoj. Ide o tri rôzne zberné systémy s troma rôznymi rozhodovaniami o tom, čo je dobrý zdroj.

Preto sa nedá z reportu Search Console usudzovať na ChatGPT. Prekryv existuje, ale je čiastočný a v malých jazykoch nepredvídateľný. Ak je vaša URL v googlovskom AI reporte, je to dobrá správa o Google a nič viac.

Platí to aj obrátene, a to je tá horšia možnosť: vaše URL môžu v ChatGPT chýbať úplne, aj keď v Search Console svietia zobrazenia. Presne to vidím v access logoch. OAI-SearchBot často zoberie len úvodnú stránku a hlbšie nejde. Googlebot medzitým chodí normálne. Výsledok: v Google AI ploche ste, v ChatGPT nie. Bez logu na to neprídete.

Čo z toho použiť ako prvé

Poradie, ktoré odporúčam každému klientovi:

1. Access log: či vás AI crawlery vôbec navštevujú a či dostali obsah. Zadarmo, a bez toho je zvyšok jalový. Ako ho čítať, popisujem v samostatnom článku o AI crawleroch v access logu.
2. Search Console generatívne AI + GA4: zobrazenia z googlovských AI plôch a to, čo z nich reálne dorazilo. Zadarmo, prvostranné, nevzorkované. Toto je najsilnejšie meranie, aké máte k dispozícii, a nedá sa zmanipulovať.
3. Bing Webmaster Tools AI Performance: citácie a Citation Share pre Copilot a partnerské plochy. Zadarmo.
4. Až potom platený nástroj alebo vlastný pipeline, a to len na to, čo tie tri nevedia: ChatGPT, Claude, Perplexity, konkrétne prompty a porovnanie s konkurenciou.

Zhrnutie do jednej tabuľky:

Keď sa na tú tabuľku pozriete, uvidíte, že sa prekrývajú len v jednom riadku. Nie sú to konkurenčné zdroje, sú to doplnkové a bezplatné pokrývajú presne to, čo platené nedokážu: realitu namiesto simulácie.

Čo to stojí: Ahrefs, Semrush, Marketing Miner a vlastné riešenie

Ceny som overoval v septembri 2026 a menia sa najčastejšie zo všetkého v tomto článku.

Prepočet na jeden konkrétny scenár

Aby sa to dalo porovnať, vezmime jedno zadanie: 40 fráz, 4 modely, 5 behov na frázu, raz týždenne. To je 3 200 dotazov mesačne.

Záver, ktorý z toho vychádza: peniaze nie sú dôvod stavať si to samému. Rozdiel medzi 50 a 229 dolármi je pri agentúre zanedbateľný a jeden deň vašej práce ho zje. Dôvody sú tri iné: Claude, surové dáta a viditeľný výpočet. Ak vám tieto tri veci nechýbajú, kúpte si nástroj a ušetrený čas dajte do obsahu.

A pre slovenský a český trh má Marketing Miner jednu výhodu, ktorú v tabuľke nevidíte: je to lokálny nástroj a pokrytie malých jazykov rieši ako svoju hlavnú úlohu, nie ako proporčnú vzorku globálnej databázy.

Škodí monitorovanie samotnej značke?

Toto je dobrá otázka a má dve polovice.

Dopytovanie brandu neublíži

Vaše dotazy nemenia to, čo model odpovedá ostatným. Jazykový model nemá spätnú väzbu z klikov, akú má vyhľadávač. Neexistuje mechanizmus, ktorým by sto vašich testovacích otázok zvýšilo alebo znížilo vašu viditeľnosť u niekoho iného. Z tejto strany je monitorovanie neutrálne.

Dve praktické výhrady:

Vlastným testovaním si viete zašpiniť dáta. Keď sa v ChatGPT pýtate na svoj web, ChatGPT si ho môže stiahnuť a v access logu sa to prejaví ako návšteva ChatGPT-User. Vyzerá to ako dôkaz, že vás AI niekomu ukázala, ale ste to vy. Pri vlastnom monitoringu so zapnutým vyhľadávaním to platí dvojnásobne: ak máte 3 200 dotazov mesačne, vygenerujete si vo vlastnom logu merateľnú stopu. Označte si časy behov a odčítajte ich.

Automatizované dotazovanie webových rozhraní je proti podmienkam používania a vedie k blokovaniu účtov a IP adries. Cez oficiálne API s platenými vyhľadávacími nástrojmi tento problém nemáte, je to legitímne použitie a ďalší dôvod, prečo ísť cestou API, nie scrapovania.

Škodí rozhodovanie podľa šumu

Toto je reálne riziko a videl som ho fungovať. Skóre spadne, niekto prepíše stránku, ktorá fungovala, zmení nadpisy, zahodí štruktúru. Nabudúce skóre stúpne, lenže by stúplo aj bez toho, pretože 34,8 % rozptylu je len opakovanie tej istej otázky. Firma sa naučí falošnú príčinnosť a zopakuje ju na ďalších dvadsiatich stránkach.

Najdrahšia chyba pri monitorovaní zmienok v AI nie je nepresné číslo. Je to presvedčenie, že je presné.

A tá druhá časť otázky: nikto na to neklikne

Áno. A nie je to chyba monitorovania, je to povaha média.

AI platformy dnes tvoria približne 0,15 % celkovej návštevnosti webu, kým Google organic okolo 48,5 %. Prekliky z AI sú síce od roku 2024 sedemnásobne vyššie, ale z veľmi nízkeho základu.

Zároveň platí druhá vec: tá malá návštevnosť konvertuje výrazne lepšie. V jednej prípadovej štúdii 15,9 % z ChatGPT proti 1,76 % z organiku, iná analýza 94 e-shopov uvádza o 31 % lepšiu konverziu než nebrandovaný organický traffic. Prichádza totiž s odporúčaním, nie z prehliadania.

Z toho vyplýva správne nastavenie očakávaní. Ak od viditeľnosti v AI čakáte objem návštev, budete sklamaní. Hodnota zmienky v AI odpovedi je v tom, že formuje rozhodnutie predtým, než vás zákazník začne hľadať, a to sa v Analytics neobjaví ako kanál. Objaví sa ako brandové vyhľadávanie vášho názvu o tri dni neskôr, alebo ako veta v prvom telefonáte, že si to zákazník pozrel a vraj to riešite.

Čiže nie, kliknutia nie sú správna metrika. Ale ani percento viditeľnosti z jedného nástroja nie je. Merateľné a akčné sú dve veci: v ktorých zdrojoch vás model vidí a či vás v týchto zdrojoch pribúda.

Ako to robiť, aby to malo zmysel

1. Začnite bezplatnými zdrojmi. Access log, Search Console generatívne AI, GA4, Bing Webmaster Tools. Platený nástroj má zmysel až na to, čo tieto nevedia.
2. Vyberte 20 až 40 otázok, ktoré kladie zákazník, nie marketing. Vezmite ich zo Search Console, z reálnych e-mailov a z prvých telefonátov. Zaraďte tie, v ktorých prehrávate.
3. Definujte si jeden výskyt. Ja používam pravidlo, že názov značky alebo doména sa objaví v odpovedi, sentiment hodnotím zvlášť. Definíciu nemeňte v priebehu roka.
4. Každú otázku spustite tri až päťkrát, nie raz. A rozpočet rozdeľte medzi jazyky a modely, tam sa chyba merania znižuje, nie opakovaním.
5. Merajte podiel odpovedí so zmienkou, nie pozíciu. Pozícia v generovanej odpovedi nie je veličina.
6. Vyhodnocujte na okne 28 dní. Denné grafy zahoďte, budete v nich vidieť vzory, ktoré tam nie sú.
7. Držte sa jedného nástroja. Skóre z dvoch nástrojov sa nedá porovnávať ani sčítať. Rozdiel 30 percentuálnych bodov medzi nimi je normálny.
8. Sledujte citované zdroje a pracujte s nimi. Toto je celá práca. Zvyšok je reporting.
9. Spárujte to s access logom. Nástroj vám povie, čo model odpovedal. Log povie, či vás jeho crawler vôbec stiahol. Ak ste v logu nedostali obsah, žiadna optimalizácia textu vám nepomôže.

GEO služby

Volám sa Milan Fraňo a vo WooAcademy mám na starosti SEO, GEO a technickú stránku webov.

K monitorovaniu zmienok v AI mám vzťah, ktorý sa asi nehodí do predajnej stránky: je to najmenej dôležitá časť GEO. Ak vám crawler ChatGPT čítal len úvodnú stránku, a to vidím v logoch prekvapivo často, potom nepotrebujete dashboard s percentom viditeľnosti. Potrebujete, aby sa mal model z čoho dozvedieť o vašich službách.

Preto to u klientov robím v tomto poradí:

• Access log: či vás AI crawlery vôbec navštevujú, čo dostali a v čom im web prekáža
• Obsah v HTML: či to, čo má model prečítať, existuje bez JavaScriptu
• Bezplatné prvostranné dáta: Search Console generatívne AI, GA4, Bing Webmaster Tools; toto nastavím vždy, ešte pred akýmkoľvek plateným nástrojom
• Zdroje, z ktorých modely čerpajú: porovnania, diskusie, katalógy, recenzie; tam sa dá reálne zasiahnuť
• Až potom meranie zmienok: 20 až 40 otázok, tri až päť behov, jedna definícia výskytu, okno 28 dní; pri klientoch, ktorí to chcú mať pod kontrolou, ako vlastný pipeline nad API s uloženými surovými odpoveďami
• Školenia: vo WooAcademy učíme to, čo sami robíme, vrátane toho, ako čítať čísla z týchto nástrojov bez sebaklamu

Ak chcete vedieť, čo o vás dnes hovorí ChatGPT a Perplexity, napíšte mi doménu a odbor. Otestujem desať reálnych otázok vášho zákazníka, päťkrát každú, a pošlem vám nielen to, či ste sa objavili, ale aj ktoré zdroje model citoval namiesto vás. Zadarmo.

Nezáväzná konzultácia GEO a SEO

Často kladené otázky

Nahradí Search Console platený nástroj na monitorovanie AI?

Nie, ale pokrýva to, čo platený nástroj nedokáže. Generatívny AI report v Search Console dáva prvostranné, nevzorkované zobrazenia z Google AI Overviews a AI Mode podľa stránok, krajín a zariadení. Neobsahuje však dotazy, kliknutia ani pozíciu a nepokrýva ChatGPT, Claude ani Perplexity. Sú to teda doplnkové zdroje, nie konkurenčné: bezplatné merajú realitu na googlovských plochách, platené simulujú dotazy na ostatných.

Ak sú moje URL v AI reporte Search Console, objavia sa aj v ChatGPT?

Väčšinou nie. Podľa analýzy citovaných zdrojov sa len 3,8 % zdrojov objaví vo všetkých štyroch veľkých AI enginoch a 72 až 73 % citovaných domén sa objaví len na jednej platforme. Iná analýza uvádza, že 80 % URL citovaných jazykovými modelmi sa nenachádza ani v prvej stovke výsledkov Google. Dôvod je štrukturálny: Google AI Mode čerpá z googlovského indexu, kým ChatGPT si stavia vlastný index vlastným crawlerom. Z reportu Search Console preto nemôžete usudzovať na ChatGPT ani v jednom smere.

Čo ukazuje AI report v Bing Webmaster Tools?

Počty citácií vašich stránok, Citation Share, klasifikáciu dotazov podľa zámeru a tematické klastre, s možnosťou porovnania v čase. Pokrýva Copilot, Bing a vybrané partnerské AI zážitky, ktoré Microsoft nemenuje. ChatGPT v pokrytí uvedený nie je. Citation Share je podľa Microsoftu observačná metrika, nie ranking, a konkurenčné domény nezobrazuje.

Koľko stojí monitorovanie zmienok v AI?

Pre scenár 40 fráz, 4 modely a 5 behov týždenne: Ahrefs približne 229 USD mesačne (plán Lite plus balík checkov), Semrush 99 USD za doménu, ale so stropom 25 promptov, Marketing Miner okolo 155 € podľa kreditov, vlastné riešenie nad API približne 30 až 50 USD mesačne plus dva až štyri dni na postavenie. Ceny sú zo septembra 2026 a menia sa často.

Má zmysel postaviť si vlastný monitoring v n8n s ukladaním do BigQuery?

Má, ale nie kvôli cene. Rozdiel voči platenému nástroju je malý a jeden deň práce ho zje. Dôvody sú tri iné: sledovanie Claude, ktorého žiadny z troch veľkých nástrojov nepokrýva; uchovanie surových odpovedí, takže metriku môžete kedykoľvek prepočítať; a viditeľný krok vyhodnocovania. Podmienkou je zapnúť v API vyhľadávacie nástroje, nastaviť rovnakú lokalitu a jazyk pre všetky modely a spustiť každý prompt tri až päťkrát.

Dá sa cez API zmerať presne to, čo vidí zákazník v ChatGPT?

Nie úplne. So zapnutým vyhľadávaním sa priblížite, ale nezreprodukujete pamäť a personalizáciu používateľa, rozvetvenie otázky na podotázky ani smerovanie medzi modelmi. Z veľkej štvorice je API najbližšie produktu pri Perplexity, ktorá je vyhľadávacia z princípu, a najďalej pri ChatGPT.

Ako často sa mení odpoveď AI na tú istú otázku?

Veľmi často. V analýze 3 313 kontrolných párov dal ChatGPT úplne identickú odpoveď len v 37 % prípadov, Perplexity v 9,2 % a Gemini v 9,7 %. Modely sú nedeterministické aj pri nulovej teplote, pretože výsledok ovplyvňuje aj to, ako sa požiadavka na serveri zoskupí s požiadavkami iných používateľov.

Škodí značke, ak si sama automaticky dopytuje AI modely?

Samotné dotazovanie viditeľnosti neuškodí, jazykový model nemá spätnú väzbu z klikov, ktorou by vaše testy ovplyvnili odpovede pre ostatných. Riziká sú dve iné: automatizované dotazovanie webových rozhraní je proti podmienkam používania a vedie k blokovaniu, a vlastné testy si zapíšete do access logu ako návštevy ChatGPT-User, čo skreslí vyhodnotenie.

Prečo z AI odpovedí chodí tak málo návštev?

Pretože AI platformy tvoria zhruba 0,15 % celkovej návštevnosti webu, kým Google organic okolo 48,5 %. Tá malá návštevnosť však konvertuje výrazne lepšie. Viditeľnosť v AI sa preto neoplatí hodnotiť objemom návštev, ale tým, či ste v zdrojoch, z ktorých modely čerpajú.