Firma má web, referencie aj desiatky článkov. Keď sa jej vlastného odboru opýtate ChatGPT alebo Perplexity, v odpovedi sa objavia traja konkurenti a ona nie.
Štruktúrované dáta sú strojovo čitateľné označenia obsahu, ktoré vyhľadávačom aj AI systémom explicitne hovoria, čo na stránke je — kto je autor, čo firma robí, aká je cena produktu, kedy bol text aktualizovaný. Bez nich musí model obsah odhadovať z textu. S nimi má potvrdené fakty, ktoré vie bezpečne odcitovať.
A tu je rozdiel oproti klasickému SEO: v odpovedi AI systému buď ste citovaní, alebo pre daný dopyt neexistujete. Desiata pozícia sa nekoná. Disciplína, ktorá to rieši, sa nazýva GEO (Generative Engine Optimization), niekde aj AEO (Answer Engine Optimization) — a štruktúrované dáta sú jej technický základ.
Prejdeme, ako AI crawlery so schémami reálne pracujú, prečo najčastejšia implementácia cez JavaScript zlyháva, ktoré typy schém majú pre firemný web zmysel a ako si overíte, či vás AI systémy vidia.
AI vyhľadávače fungujú zásadne odlišne od Google. Keď Googlebot prehľadáva váš web, renderuje JavaScript, čaká na načítanie dynamického obsahu a indexuje výslednú stránku. GPTBot od OpenAI, ClaudeBot od Anthropic alebo PerplexityBot toto nerobia. Väčšina AI crawlerov pracuje s čistým HTML, ktoré dostanú pri prvom requeste.
Googlebot má sofistikovaný rendering engine postavený na Chromium. Dokáže spustiť JavaScript, počkať na AJAX volania a indexovať obsah, ktorý sa generuje dynamicky. Preto Schema Markup implementovaný cez Google Tag Manager pre Google funguje – GTM vloží JSON-LD do stránky po načítaní a Googlebot ho vidí.
AI boty túto schopnosť nemajú, prípadne ju zámerne nepoužívajú kvôli škálovateľnosti. Keď GPTBot požiada o vašu stránku, dostane čisté HTML bez spusteného JavaScriptu. Ak sú vaše štruktúrované dáta injektované cez GTM alebo iný JavaScript, AI bot ich jednoducho nevidí. Pre neho neexistujú.
Hlavní hráči majú vlastné crawlery s rôznymi schopnosťami:
Pre väčšinu AI platforiem platí: čo nie je v čistom HTML, to pre ne neexistuje.
Štúdia Elie Berreby zo SEM King dokumentuje rozsah problému. Testoval viditeľnosť JSON-LD implementovaného cez Google Tag Manager pre rôzne crawlery. Výsledok: zatiaľ čo Googlebot schémy videl a indexoval, AI boty ich kompletne ignorovali. Pre nich stránka žiadne štruktúrované dáta nemala.
GTM funguje tak, že po načítaní stránky spustí JavaScript, ktorý injektuje ďalší kód do DOM. Schema Markup pridaný cez GTM sa teda objaví až po tom, čo prehliadač spustí JavaScript. Keď AI bot požiada o stránku, dostane HTML pred spustením akéhokoľvek JavaScriptu.
Martin Splitt z Google Developer Relations toto potvrdil vo viacerých vyjadreniach – JavaScript rendering je resource-intensive a nie každý crawler ho robí. John Mueller dodal, že pre kritické SEO elementy vrátane štruktúrovaných dát je server-side rendering spoľahlivejšie riešenie.
Problém sa týka aj iných JavaScript riešení – React aplikácie bez SSR, Vue SPA, akýkoľvek dynamicky generovaný markup. Ak JSON-LD nie je v pôvodnom HTML response, AI ho pravdepodobne neuvidí.
Najjednoduchší test: pozrite si zdrojový kód stránky (View Source, nie Inspect Element). Čo vidíte vo View Source, to vidí aj AI bot. Čo sa objaví až v Inspect Element po renderovaní, to je pre AI neviditeľné.
Pokročilejší prístup je testovanie s rôznymi user-agentmi. Nástroje ako curl alebo Postman vám umožnia simulovať request ako GPTBot a overiť, čo presne dostane. Ak vo výstupe chýba váš JSON-LD blok, máte problém.
Nie každý typ schémy má rovnakú hodnotu pre AI odpovede. Niektoré typy AI aktívne využíva na extrakciu faktov do odpovedí, iné slúžia skôr pre tradičné rich snippets.
Pre B2B segment sú kľúčové tri typy:
Pri vývoji e-shopu s komplexnou SEO architektúrou sú štruktúrované dáta základ, nie bonus:
Obsahové weby majú vlastnú sadu relevantných schém:
Google oficiálne odporúča JSON-LD ako preferovaný formát pre štruktúrované dáta. Pre AI vyhľadávače je to ešte dôležitejšie – JSON-LD je najjednoduchší na parsing a najmenej náchylný na chyby.
JSON-LD musí byť v HTML ešte pred akýmkoľvek JavaScript spracovaním. Ideálne v <head> sekciu alebo na začiatok <body>. Takto vyzerá základná Organization schéma:
<script type=„application/ld+json“>
{
„@context“: „https://schema.org“,
„@type“: „Organization“,
„name“: „Názov firmy“,
„url“: „https://www.example.com“,
„logo“: „https://www.example.com/logo.png“,
„contactPoint“: {
„@type“: „ContactPoint“,
„telephone“: „+421-XXX-XXX-XXX“,
„contactType“: „customer service“
}
}
</script>Porovnanie formátov pre štruktúrované dáta:
| Formát | Podpora Google | Podpora AI botov | Jednoduchosť implementácie |
|---|---|---|---|
| JSON-LD | Odporúčaný | Najlepšia | Vysoká |
| Microdata | Podporovaný | Stredná | Nízka |
| RDFa | Podporovaný | Nízka | Nízka |
Ak máte React, Vue alebo Angular aplikáciu, potrebujete server-side rendering. Frameworky ako Next.js (React) alebo Nuxt (Vue) to riešia natívne. Pri profesionálnej tvorbe webu je SSR štandardná súčasť architektúry práve kvôli SEO a AI viditeľnosti.
Pre WordPress a podobné CMS je riešenie jednoduchšie – schémy sa generujú server-side automaticky. Problém nastáva, keď niekto dodatočne pridá GTM implementáciu „pre jednoduchosť“ a prepíše tak funkčné riešenie nefunkčným.
Pred spustením validujte schémy na viacerých úrovniach:
Experience, Expertise, Authoritativeness, Trustworthiness – štyri piliere, ktoré Google používa na hodnotenie kvality obsahu. AI modely pracujú s podobnou logikou. Štruktúrované dáta sú technický spôsob, ako tieto signály explicitne komunikovať.
Keď AI model hľadá zdroj pre odpoveď, vyhodnocuje dôveryhodnosť. Web s kompletnou Organization schémou, verifikovanými kontaktnými údajmi a prepojenými sociálnymi profilmi vyzerá spoľahlivejšie než anonymná stránka bez akýchkoľvek metadát.
Nie je to o manipulácii – je to o tom, že poskytujete AI jasné signály o tom, kto ste a prečo by vám mala dôverovať. Rovnaký princíp ako keď uvádzate IČO a sídlo firmy na faktúre.
Person schéma pre autorov článkov prepája obsah s konkrétnym expertom. Ak máte na webe články od špecialistov s vlastným Person markupom – meno, pozícia, LinkedIn profil, publikácie – AI toto vníma ako signál odbornosti.
Prepojenie Author markup s Article schémou vytvára reťazec dôveryhodnosti: tento článok napísal tento expert, ktorý pracuje pre túto firmu. Pre YMYL (Your Money Your Life) témy je to obzvlášť dôležité.
Na rozdiel od tradičného SEO, kde máte Google Search Console s presnými dátami, meranie AI viditeľnosti je komplikovanejšie. AI platformy neposkytujú analytické dashboardy pre vlastníkov webov.
Niekoľko nástrojov začína ponúkať AI visibility metriky:
AIO Score okolo 50% znamená strednú viditeľnosť – AI vás občas cituje, ale nie konzistentne. Skóre nad 70% indikuje silnú pozíciu. Pod 30% znamená, že AI váš obsah buď nevidí, alebo ho nepovažuje za dostatočne autoritatívny.
Dôležité je sledovať trend, nie absolútne číslo. Ak po implementácii štruktúrovaných dát vidíte postupný rast, idete správnym smerom.
Štruktúrované dáta vyzerajú jednoducho – je to len JSON. Ale nesprávna implementácia môže byť horšia než žiadna.
Pri jednoduchom webe s pár stránkami zvládnete implementáciu sami s pomocou generátorov. Ale komplexnejšie projekty vyžadujú expertízu:
Pri SEO optimalizácii vrátane technického SEO je implementácia štruktúrovaných dát štandardná súčasť. Ak riešite väčší projekt, ozvite sa nám na konzultáciu – prejdeme si váš web a navrhneme riešenie na mieru.
Google Rich Results Test potvrdí správnosť schémy okamžite, ale premietnutie do reálnych výsledkov trvá rádovo týždne — Google musí stránku znovu crawlovať a spracovať. Pri AI systémoch je horizont dlhší a menej predvídateľný, pretože každý má vlastný cyklus aktualizácie dát. Realistické očakávanie je jeden až tri mesiace. Popri schémach sa ako neformálny štandard začína presadzovať aj llms.txt — súbor v koreni domény, ktorý AI systémom v čitateľnej podobe hovorí, ktoré stránky sú pre danú tému kľúčové.
Google odporúča JSON-LD a je to aj náš preferovaný formát v BigWay. JSON-LD je oddelený od HTML štruktúry stránky, takže jeho úprava nevyžaduje zásah do šablóny. Navyše JavaScript renderovanie ovplyvňuje Microdata vložené priamo do HTML, zatiaľ čo JSON-LD v script bloku Googlebot číta spoľahlivo.
Google Search Console má sekciu Rozšírené výsledky, kde vidíte, ktoré typy schema markup Google deteguje a či obsahujú chyby. Pre okamžitú kontrolu konkrétnej URL použite Rich Results Test na search.google.com/test/rich-results. Nástroj zobrazí všetky schémy nájdené na stránke a prípadné chýbajúce povinné atribúty. Odporúčame túto kontrolu po každej zmene schema implementácie.
Áno. Pre B2B firmy a agentúry sú najrelevantnejšie: Organization pre základné informácie o firme, LocalBusiness ak máte fyzickú prevádzku, Service pre popis poskytovaných služieb, Person pre autorské profily a FAQPage pre sekcie FAQ. Tieto schémy signalizujú Googlu a AI vyhľadávačom, čo vaša firma robí a komu slúži.
Google nepenalizuje za chybné štruktúrované dáta priamo, no zavádzajúca schema môže viesť k manuálnej akcii, ak klamlivo popisuje obsah, ktorý na stránke fyzicky nie je. Najčastejší problém nie je penalizácia, ale zbytočná práca: schémy, ktoré sú síce prítomné, ale nepovinné polia chýbajú — Google ich ignoruje a rich snippet sa nezobrazí.
Štruktúrované dáta sú jednou z mála SEO optimalizácií, kde správna implementácia prináša okamžite merateľné výsledky — bohaté výsledky vyhľadávania a lepšie porozumenie obsahu algoritmami. Zároveň je to oblasť, kde technické chyby ľahko spôsobia, že celá práca sa minie účinku.
V BigWay implementujeme schema markup ako súčasť komplexnej SEO stratégie — od správneho výberu typov schém pre každý typ stránky, cez technickú implementáciu, až po priebežné monitorovanie v Google Search Console.
Ak chcete vedieť, aké štruktúrované dáta vášmu webu chýbajú a aký to má dopad na viditeľnosť v AI vyhľadávačoch, kontaktujte nás. Urobíme schema audit a navrhneme implementáciu na mieru.
