Princetonská studie o GEO: Vědecký základ

Vědecký základ pro Generative Engine Optimization pochází ze studie publikované v roce 2023 a představené v roce 2024 na konferenci KDD v Barceloně. Vědci z Princeton University, Georgia Institute of Technology a Allen Institute for AI v ní poprvé systematicky změřili, kterými obsahovými pákami lze konkrétně zvýšit viditelnost v generativních AI odpovědích – včetně robustních velikostí efektů pro každé opatření.

Design studie a datová sada GEO-Bench

Výzkumný tým kolem Pranjala Aggarwala, Vidhishi Balachandran a Vishvaka Murahariho vyvinul vlastní benchmark s názvem GEO-Bench. Ten zahrnuje přibližně 10 000 vyhledávacích dotazů z devíti různých oblastí – od lékařských témat přes právní otázky až po srovnání produktů. Pro každý dotaz byly analyzovány odpovědi generativních enginů a měřen podíl různých zdrojů v citacích. Šíře dotazů byla záměrným prvkem designu studie, neboť pouze tak bylo možné ověřit, zda identifikované páky působí napříč obory, nebo zda jsou pouze artefakty jednotlivých tematických oblastí.

Následně vědci cíleně měnili jednotlivé vlastnosti zdrojových textů a měřili, jak se mění četnost citací. Tímto způsobem vznikly čisté, kauzálně interpretovatelné velikosti efektů pro každé jednotlivé GEO opatření. Právě tato čísla jsou dnes zlatým standardem, kterým by se měli seriózní poskytovatelé poměřovat. Replikovatelnost výsledků byla mezitím opakovaně potvrzena nezávislými navazujícími studiemi, což podtrhuje metodologickou náročnost původní práce.

Nejdůležitější velikosti efektů ze studie

Princetonská studie identifikuje hrstku pák, které působí téměř ve všech oblastech. Obzvláště silná jsou opatření, která zvyšují důvěryhodnost a doložitelnost výroku. Následující hodnoty pocházejí přímo z původní publikace a popisují průměrné zvýšení viditelnosti v AI odpovědi.

• Cite Sources: +30 až 40 % více citací díky jasným odkazům na zdroje
• Statistics: +30 % díky vloženým konkrétním číslům a datům
• Quotation: +30 % díky doslovným citátům expertů nebo původních zdrojů
• Fluency Optimization: +22 % díky čistě čitelnému, dobře strukturovanému jazyku
• Technical Terms: +21 % díky přesné odborné terminologii namísto obecných frází

Tyto hodnoty nejsou marketingové sliby, ale průměry z tisíců dotazů. Z našeho poradenství víme: ve vysoce konkurenčních B2B oblastech leží efekty často v horní části uvedených rozpětí, protože tam mnoho konkurentů ještě nepoužívá GEO-specifické optimalizace. Další důležitý bod: páky působí kumulativně. Kdo zavede současně tři nebo čtyři opatření, dosahuje často nárůstů, které výrazně překračují součet jednotlivých efektů, protože jazykový model nadproporčně váží zdroje s více signály důvěry.

Nejpřekvapivější zjištění: 115 procent pro outsidery

Jedním z nejzajímavějších výsledků studie se týká otázky, kdo z GEO profituje nejvíce. Zatímco TOP 3 domény v klasických výsledcích vyhledávání získávají díky GEO v průměru jen mírně, stránky od páté pozice níže mohou zvýšit svou viditelnost v AI odpovědích až o 115,1 procenta. Generativní enginy tedy explicitně odměňují zdroje, které obsahově přesvědčují, ale v klasickém soutěži o ranking dosud zapadly.

Pro střední firmy a nišové poskytovatele je to strategický zlatý důl: kdo své obsahy důsledně optimalizuje podle Princetonských pák a paralelně buduje zdravý profil zpětných odkazů, může i bez TOP 1 rankingu nadproporčně vystupovat v ChatGPT, Perplexity a Google AI Mode. Linkbuilding přitom zůstává základem: bez externích signálů důvěry se stránka vůbec nedostane do retrieval poolu, ze kterého modely citují. Právě tato kombinace optimalizace v souladu s Princetonem a cíleného budování odkazů vysvětluje, proč se menší, vysoce kvalitní značky v mnoha nikách najednou objevují před etablovanými velkými vydavateli v AI odpovědích.

V projektech našich klientů jsme tento efekt opakovaně reprodukovali. Výrobce z průmyslového segmentu, který se dříve umisťoval na pozici 8 až 12 v Google, dokázal pomocí systematické GEO optimalizace a doplňkového linkbuildingu během čtyř měsíců ztrojnásobit svůj podíl citací v Perplexity. Klasický ranking se současně zlepšil na stabilní pozici 4 – jasný důkaz toho, že obě disciplíny se vzájemně posilují, nikoli vytlačují. Takové výsledky nevznikají náhodou, ale díky důsledné provázanosti optimalizace obsahu, technické údržby a cílené off-page práce, která všechny tři páky upíná na stejnou tematickou osu.

Princetonská studie je pro GEO tím, čím byla vyjádření Andreye Lipattseva o SEO z roku 2016 pro diskuzi o zpětných odkazech: vědecky podloženou kotvou, podle níž se může orientovat celá branže.

Co data znamenají pro Vaši praxi

Studie poskytuje jasnou prioritizaci. Kdo začíná s GEO, měl by nejprve adresovat páky s nejvyššími velikostmi efektů: doplnit zdroje, zabudovat statistiky, vložit citáty. Tato opatření lze ve většině redakčních systémů rychle zavést a přinášejí měřitelné výsledky během několika týdnů. Důležité je, aby optimalizace byly autenticky zabudovány do textu a nepůsobily jako dodatečně nasazené stavební prvky – jazykové modely rozpoznávají nepřirozené struktury překvapivě spolehlivě a spíše je váží níže.

Paralelně by měl být dále rozšiřován profil zpětných odkazů, neboť bez signálů důvěry z otevřeného webu jsou i ty nejlepší obsahy k ničemu. V projektech našich klientů proto Princetonské páky důsledně kombinujeme s tematicky silným linkbuildingem – to je nejspolehlivější cesta, jak se trvale objevovat v odpovědích relevantních AI systémů. Kdo obojí realizuje paralelně, dosahuje v rámci jednoho čtvrtletí prvních měřitelných nárůstů citací a pokládá tím základ pro udržitelnou viditelnost.

Závěr

Princetonská studie vytáhla GEO z oblasti dohadů a proměnila ho v evidence-based disciplínu. Kdo bere v ní zveřejněné velikosti efektů vážně, má jasný plán: zdroje, statistiky, citáty, plynulost, odborný jazyk – doplněno silným profilem zpětných odkazů. To je vědecky podložený základ, na kterém budou v roce 2026 budovány úspěšné GEO strategie. Čím více značek tyto páky pochopí a důsledně používá, tím důležitější bude dodatečný off-page náskok – další důvod, proč začít již nyní se strukturovaným budováním robustního linkového profilu.