Co v článku najdete
Potěšilo by vás zjištění, že se v analytice schovává slušná porce návštěvnosti, kterou k vám poslala AI? Mezi SEO marketéry začíná čím dál víc sílit přesvědčení, že značná část provozu z nástrojů umělé inteligence maskuje svůj původ a padá v reportech rovnou do přímé návštěvnosti. Jestli jsou tyto úvahy opodstatněné, se pokusil zjistit Kevin Indig z nezávislé výzkumné platformy Growth Memo. Na co přišel?
Má vůbec smysl se tím zabývat?
Nedávná studie od Similarweb ukázala, že lidé, kterým AI doporučila konkrétní značku, zajdou na její web v následujícím týdnu přes klasické vyhledávání častěji než běžní uživatelé z organiky (55,9 % oproti 40,4 %). S přímou návštěvností z konverzací s AI asistenty je to naopak a tvoří menší část (19,9 % oproti 38,8 %).
Specialisté americké technologické společnosti Ramp přišli na to, že 30 až 40 % přímé návštěvnosti firemních webových stránek má kořeny v AI vyhledávačích. Jak k tomu došli? Filtrovali přímé příchody na dlouhé URL adresy blogových článků, které lidé do řádku ručně rozhodně nevyťukávají, vyčistili provoz z e-mailových kampaní a zbytek porovnali s organickými daty.
Chování těchto návštěvníků, měřené časem stráveným na stránce, hloubkou rolování i proklikem, se v mnoha ohledech nápadně podobalo těm z klasického vyhledávání. Vlastní dotazníková šetření u zákazníků pak nákupní cestu z umělé inteligence skutečně potvrdila. Co z toho vyplývá? Že pátrání v datech po skrytých signálech AI rozhodně má své opodstatnění a dřív nebo později bude víceméně nutné se mu věnovat.
Jsou to skuteční lidé, nebo jenom boti?
Kevin Indig analyzoval vzorek 12 webů v GA4 za srpen a září 2026. Vynechal domovské stránky, kořenové adresáře a neznámé vstupní adresy. Šlo převážně o weby z B2B segmentu a drtivá většina (10 z 12) cílila na trh v USA.
Zpočátku to vypadalo nadějně. U 8 z 12 projektů přímá návštěvnost meziměsíčně vzrostla, u některých dokonce o víc než 100 %. Jenže podrobnější pohled ukázal, že za těmito skoky stáli automatizovaní boti. Na jednom webu analytický nástroj GA4 zaznamenal 409 000 přímých relací a z toho bylo pouhých 198 aktivních uživatelů.
Při srovnání celkového nárůstu přímé návštěvnosti s provozem skutečně zapojených lidí je výsledek jasný: Aktivní přímá návštěvnost dlouhodobě stagnuje. Mezi lednem a zářím sice celkový přímý provoz narostl o 140,9 %, ale počet aktivních relací v měsíčním srovnání prakticky klesl o 1,0 % (při přepočtu na denní průměr šlo o lehký růst +2,3 %).
Zásadní Kevinova zjištění:
- Přímou atribuci z umělé inteligence se bez interních dat (jaká používali v Ramp) zatím odhalit nepodařilo.
- Relace s jasnými stopami příchodu z AI tvořily napříč sledovanými weby průměrně jen 0,003 % celkového přímého provozu.
Jak odhalit boty a kde hledat lidský provoz z AI?
Chcete-li v reportech oddělit stroje od lidí, rozložte si přímou návštěvnost podle data, vstupní stránky, prohlížeče, systému a rozlišení obrazovky (zařízení). Hledejte podezřelé špičky provozu, ve kterých dochází ke kumulaci návštěv se shodnou konfigurací a nulovou interakcí.
Vynechte stránky, kam lidé přirozeně chodí napřímo:
- Hlavní, případně regionální domovské stránky či kořenové adresáře.
- Stránky s ceníky, tarify a licenčními podmínkami.
- Přihlašovací portály, správa účtů, uživatelské dashboardy a vnitřní rozhraní aplikací.
- Žádosti o demo, nápovědy, stránky O nás, sekce pro investory a vlastní vyhledávání.
- Platby, nákupní košíky, fakturace a systémová oznámení.
Vzájemné vztahy, které klamou
Kevin se nechtěl jen tak vzdát a otestoval čtyři značky zvlášť, aby zjistil, jestli vyšší viditelnost ve výstupech AI opravdu vede k většímu zájmu v podobě značkového vyhledávání nebo přímé návštěvnosti. V rámci 632 testů porovnával týdenní AI viditelnost s oběma těmito metrikami, a to se zpožděním 0 až 6 týdnů.
A začátek byl opět velice slibný. První web vykazoval koeficient vzájemného vztahu (korelace) mezi podílem viditelnosti v AI a přímou návštěvností s třítýdenním zpožděním hodnotu 0,72, přičemž shoda se zobrazeními značky dosáhla 0,59. Druhý web hlásil mezi zmínkami v ChatGPT a přímým provozem těsnou vazbu s hodnotou 0,47.
U prvního webu se navíc vrchol dostavil přesně po třech týdnech, což dávalo smysl. Jenže silná korelace vyžaduje poctivé ověření. Dvě křivky mohou růst společně jen proto, že sdílejí stejný trend, aniž by jedna druhou skutečně ovlivňovala. Korelace není příčinná souvislost, což zřejmě dobře víte.
Kevin tedy kvůli kontrole posunul časové řady AI a záměrně spároval odlišné týdny. Pokud by původní načasování neslo reálnou informaci, muselo by tyto náhodné kombinace překonat. Prvotní porovnání stranilo skutečným datům, protože testovalo sedm zpoždění a vybralo to nejsilnější, zatímco alternativy dostaly každá jen jediné srovnání. Výzkumník proto testy zopakoval a dopřál i každé neshodné verzi stejných sedm šancí na nalezení nejlepšího výsledku.
Skutečná data většinu alternativ sice porazila, ale některé náhodné posuny vygenerovaly stejně silné nebo dokonce silnější korelace. Vztahy navíc nestály na pevných základech a měnily se v čase. Když byly osy rozdělené na poloviny, první případ fungoval hlavně v té druhé, zatímco druhý naopak v té první. Ani jeden neprokázal stabilní vazbu po celou dobu, byť kratší úseky přirozeně zvyšují statistický šum. U vybraných zpoždění navíc pracovaly pouhé 17- a 35týdenní vzorky, což jednoduše neumožnilo spolehlivě rozlišit mírný dopad od běžného týdenního kmitání.
Korelace 0,72 tak nakonec nebyla zlatým dolem, ale slepou uličkou. V 632 testech křížících různé značky, AI metriky a ukazatele návštěvnosti si člověk snadno bez záměru "naměří" cokoliv působivého. Nepodařilo se tak prokázat spolehlivou vazbu mezi AI viditelností a následnou přímou či značkovou návštěvností napříč všemi čtyřmi značkami. Nějaký vliv sice existovat může, ale Kevin jej nedokázal z dostupných dat vytáhnout.
Konec nadvlády posledního kliknutí
Koncept kliknutí jako hlavního pilíře atribuce dlouho těžil ze zkreslení dostupnosti. Od měření zobrazení marketéři postupně přešli k budování značky a nakonec ke kliknutím podporovaným moderní analytikou a modelem atribuce na základě posledního kliknutí. Pomohlo i to, že na samém počátku byly míry prokliku i konverze extrémně vysoké. Jenže umělá inteligence dnes starý dobrý proklikový trychtýř (vyhledávání > kliknutí > konverze) boří a nastal čas přehodnotit čtení a vnímání dat.
Množství přímé návštěvnosti na long-tailové stránky, které by šlo v Kevinově vzorku spolehlivě připsat umělé inteligenci, zatím zkrátka nelze detekovat. Stejně tak se nedaří najít pevný vztah mezi viditelností ve výstupech AI a následným brandovým vyhledáváním nebo přímým provozem. Některé firmy s masivními investicemi do umělé inteligence něco takového možná odhalí, ale napříč dvanácti weby různých velikostí a oborů se to nepovedlo.
Jak tedy AI vliv měřit lépe?
Nejlepší cestou je momentálně kombinace přímého dotazování a sledování včasných signálů. Snažte se propojit indikátory, které se navzájem doplňují:
- Kde všude figuruje vaše značka: Sledujte zmínky a doporučení napříč stabilní sadou klíčových dotazů, platforem a trhů.
- Jak vás lidé doopravdy objevili: Zeptejte se nových zákazníků, co je k vám přivedlo a kde se o vás poprvé dozvěděli. Zaznamenávejte údaje o tom, jaký AI nástroj použili a co přesně hledali.
- Co to dělá s byznysem: Propojte tyto odpovědi se skutečnými leady, nákupy a tržbami. Sledujte uživatele, kteří v nákupním procesu přiznali vliv umělé inteligence.
V časech klesající návštěvnosti dávejte publicitu, chování zákazníků a obchodní výsledky do jedné společné měsíční zprávy. Když roste viditelnost, ale zákazníci zmiňují AI jen zřídka, prověřte, jestli sledované dotazy vůbec odpovídají reálnému chování kupujících. A když naopak roste poptávka přes AI, ověřte si, jestli tito lidé skutečně nakupují a zůstávají u vás.
Často kladené otázky (FAQ)
Skutečně umělá inteligence posílá na weby tolik přímé návštěvnosti, jak se často tvrdí?
Většina těchto skoků v přímé návštěvnosti jde ve skutečnosti na vrub automatizovaným botům, zatímco aktivní lidský provoz dlouhodobě spíše stagnuje. Spolehlivě odhalit a připsat přímou návštěvnost přímo AI se bez hlubších interních dat zatím běžnými analytickými nástroji nedaří.
Dá se spolehnout na to, že vyšší viditelnost značky v AI znamená víc návštěvníků?
Přímá vazba mezi viditelností ve výstupech umělé inteligence a následným nárůstem brandového vyhledávání nebo přímého provozu se v rozsáhlých testech zatím nepotvrdila. Zprvu nadějné korelace se ukázaly jako statistický šum a vztahy se v průběhu času nestabilně měnily.
Jak smysluplně měřit reálný vliv umělé inteligence na návštěvnost?
Nejefektivnější cestou je kombinace přímého dotazování nových zákazníků na to, co je k vám přivedlo, a sledování dlouhodobých zmínek napříč klíčovými AI platformami. Tyto měkké signály pak propojujte se skutečnými obchodními výsledky, leady a tržbami.
Zdroj: searchengineland.com, searchenginejournal.com, marketingland.com, facebook.com, cpcstrategy.com
Autor: Martin Kulhánek
Foto zdroj: AI, pixabay.com