Kako preveriti AI vidnost svoje strani v Sloveniji

Kaj je AI vidnost in kako se meri?

AI vidnost je delež odgovorov, v katerih jezikovni model omeni vaše podjetje, ko ga nekdo vpraša po ponudniku v vaši panogi. Izmerite jo tako, da isti nabor vprašanj postavite več modelom in preštejete, v koliko odgovorih se pojavite in na katerem mestu seznama ste. Izid je odstotek omemb, ne obisk in ne uvrstitev na Googlu.

Meritev ima tri dele. Delež omemb pove, v koliko odgovorih vas model sploh navede. Pokritost modelov pove, ali vas pozna en sam pomočnik ali vsi trije. Povprečna pozicija pove, ali ste prvo ali osmo ime v seznamu. Podjetje, ki ga omenja samo en model in vedno na zadnjem mestu, ima merljivo, a šibko AI vidnost.

Zakaj ta ločnica ni akademska: model odgovori z nekaj imeni, ne z desetimi povezavami. Če vas med njimi ni, uporabnik za vas ne izve, obisk vaše strani pa se ne zmanjša tako, da bi to opazili v analitiki. Zmanjša se število povpraševanj, in tega ne pokaže noben števec obiskov.

Zakaj AI vidnost ni isto kot uvrstitev na Googlu?

Klasičen iskalnik vrne seznam, v katerem obstaja drugo in tretje mesto. Odgovor jezikovnega modela je drugačen: našteje nekaj ponudnikov in konča. Drugega mesta z drugo priložnostjo ni. Stran z odlično uvrstitvijo na Googlu ima lahko nič omemb v AI odgovorih, in obratno.

Razlog je v tem, od kod model jemlje snov. Del pride iz podatkov, na katerih se je učil, torej iz tega, kaj o vas piše drugod: mediji, imeniki, članki, forumi. Del pride iz sprotnega branja strani med odgovarjanjem. Prvi del si kupite z omembami zunaj svoje strani, drugega z bralnostjo lastne strani za stroje.

Zato ima preverba dva dela. Prvi izmeri, kaj modeli o vas povedo. Drugi izmeri, ali lahko vašo stran sploh preberejo. Podjetje, ki blokira AI bote v robots.txt in vsebino izriše šele z JavaScriptom, drugi del izgubi v celoti, čeprav ima urejeno klasično optimizacijo.

Kako AI vidnost preverite ročno v pol ure?

Postopek je preprost, a zahteva disciplino, sicer izmerite napačno stvar.

Prvič: napišite osem vprašanj, kakršna postavi kupec, in v njih ne omenjajte imena svojega podjetja. Primer dobre poizvedbe je "kdo v Sloveniji ponuja servis toplotnih črpalk za stanovanjske bloke", primer neuporabne pa "kaj veš o podjetju X". Drugo vprašanje meri, ali model pozna vaše ime, ne ali vas komu priporoči.

Drugič: vprašanja postavite v jeziku trga, ki ga merite. Vprašanje v slovenščini pripelje do slovenskih ponudnikov, isto vprašanje v angleščini pogosto do mednarodnih verig.

Tretjič: uporabite nov pogovor brez zgodovine in brez prijave, kjer se to da. Pomočnik, ki si zapomni vaše prejšnje pogovore, vas bo omenil pogosteje kot pri neznanem uporabniku, in meritev bo prijaznejša od resnice.

Četrtič: vsak odgovor zabeležite v dveh stolpcih. Ali ste omenjeni, da ali ne, in na katerem mestu seznama ste. Peto ime v odgovoru šteje manj kot prvo.

Petič: ponovite pri treh pomočnikih, na primer ChatGPT, Claude in Gemini. Osem vprašanj krat trije modeli je štiriindvajset odgovorov. Delež omemb je število omemb, deljeno s štiriindvajset.

Kaj na svoji strani preverite v desetih minutah?

Drugi del preverbe je tehničen in ga naredite brez orodij.

Odprite naslov svoje domene z dodatkom robots.txt in poglejte, ali je katerega od teh botov blokiran: GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended in CCBot. Vsak blokiran bot pomeni en model manj, ki lahko o vas pove karkoli sprotnega. Prva dva sta oba od OpenAI in nista isto: GPTBot ureja učenje modela, OAI-SearchBot pa vašo uvrstitev v iskanje znotraj ChatGPT. Stran, ki dovoli prvega in blokira drugega, je na prvi pogled videti urejena, v iskanju ChatGPT pa je ni. Pozor na razlago izida: samo odgovor 404 ali 410 pomeni, da datoteke ni. Odgovor 403 ali 503 pomeni, da vam strežnik brati ne dovoli, kar ni isto.

Preverite, ali obstaja datoteka llms.txt. To je kratek kazalo strani, napisan za jezikovne modele, in modelu prihrani ugibanje, katera stran je pomembna.

Izklopite JavaScript v brskalniku in znova odprite domačo stran. Kar ostane, je približno tisto, kar prebere stroj. Če ostane prazen okvir, ste za modele nevidni ne glede na kakovost vsebine.

Poglejte izvorno kodo in poiščite blok JSON-LD z oznako Organization ali LocalBusiness. Ta blok stroju pove ime, dejavnost in naslov v obliki, ki je ni treba razbirati iz besedila.

Nazadnje odprite sitemap.xml in preverite, ali je berljiv in ali vsebuje strani, ki jih želite pokazati.

Kako nastane ocena od 0 do 100?

Ocena poveže oba dela meritve v eno število. Štirideset točk pripada tehnični pripravljenosti strani, šestdeset dejanski prisotnosti v odgovorih. Razdelitev po komponentah je v tabeli pod tem odstavkom.

Ena podrobnost loči pošteno oceno od kozmetične. Komponenta, ki se ni izmerila, se izpusti iz števca in imenovalca. Stran, ki se ob preverbi ni odzvala, tako ne dobi točk za nekaj, česar nihče ni videl, in tudi ne kazni. Komponenta, ki se je izmerila in je izid slab, dobi nič: manjkajoča datoteka llms.txt je dejstvo, ne okvara meritve.

Enako velja za pozicijo. Če je test tekel in vas ni omenil nihče, pozicije ni, a to je izmerjeno dejstvo in šteje nič. Izpustili bi jo samo, če test sploh ne bi stekel.

Ker je imenovalec vsota uteži izmerjenih komponent, je izid vedno na lestvici od 0 do 100, tudi kadar kakšno preverjanje odpade. Ocena nosi tudi svojo številko različice, zato je čez pol leta razvidno, ali se je spremenila vaša stran ali formula.

Zakaj ročne preverbe ni mogoče ponoviti?

Ročna preverba pove red velikosti in je za prvo oceno dovolj. Težava nastane drugič.

Modeli na isto vprašanje ne odgovorijo vsakič enako. Enkratna omemba je anekdota, dokler je ne ponovite. Če hočete vedeti, ali se je stanje po treh mesecih izboljšalo, morate postaviti popolnoma ista vprašanja, istim modelom, v istem jeziku in zabeležiti izid na isti način. Že drugačna formulacija vprašanja naredi primerjavo neuporabno.

Drugi razlog je čas. Štiriindvajset odgovorov ročno pomeni približno dve uri dela z zapisovanjem, in to vsakič znova.

Tretji razlog je nepristranskost. Ko svoje rezultate ocenjujete sami, je skušnjava, da za slabo ponovitev najdete razlago, precej večja kot pri številki, ki jo izračuna postopek s fiksnimi utežmi.

Kaj je pri nas na voljo?

Ob pisanju tega članka, septembra 2026, slovenski ponudniki, ki jih najdete pod izrazom GEO optimizacija, ponujajo agencijsko storitev. Analizo opravi ekipa z lastnimi internimi orodji, vi pa dobite poročilo po dogovoru. To je smiselna storitev, ni pa merilo, ki bi ga lastnik strani zagnal sam in ponovil čez tri mesece.

Javno dostopnega slovenskega orodja, kjer bi lastnik strani vpisal domeno in v nekaj minutah dobil ponovljivo oceno od 0 do 100, v tem iskanju nismo našli. Če ga poznate, nam pišite in ta odstavek popravimo.

Entexia tako preverbo ponuja brezplačno in v slovenščini. Vpišete domeno in panogo, analiza postavi osem vprašanj trem modelom, hkrati prebere robots.txt, llms.txt, sitemap.xml, JSON-LD in vsebino brez JavaScripta, nato vrne oceno z razčlenitvijo po komponentah. Obrazec in poročilo tečeta v petih jezikih: slovenščini, angleščini, hrvaščini, nemščini in poljščini. Rezultat ni pavšalna ocena, ampak seznam postavk z utežmi, zato je vidno, katera popravka prineseta največ.

Kaj narediti, če je ocena nizka?

Vrstni red popravkov naj sledi utežem, ne občutku.

Najprej odblokirajte AI bote v robots.txt, če so blokirani. To je ena vrstica in odpre pot vsemu ostalemu. Nato poskrbite, da je glavna vsebina v HTML brez izvajanja skript. Če stran stoji na okviru, ki izriše besedilo šele v brskalniku, vklopite izris na strežniku.

Sledita JSON-LD in llms.txt. Oba sta majhna posega z jasnim učinkom: prvi pove, kdo ste, drugi pove, katere strani naj model prebere najprej.

Šele potem se lotite vsebine. Napišite stran, ki neposredno odgovarja na vprašanje, ki ga vaš kupec postavi modelu, in odgovor postavite v prve stavke, ne v sklep. Dodajte številke, ki jih je mogoče preveriti. Model raje citira stran, ki v prvem odstavku pove nekaj oprijemljivega, kot stran, ki se do trditve prebija skozi uvod.

Zadnji korak je najpočasnejši in najbolj vreden: omembe zunaj vaše strani. Model, ki najde eno samohvalno stran, jo navede previdno. Model, ki isto trditev najde pri treh neodvisnih virih, jo pove kot dejstvo.