--- title: "Princetonská štúdia GEO: Metodológia, výsledky a kritika" description: "Princetonská štúdia GEO (Aggarwal et al., ACM SIGKDD 2024) je základným dokumentom Generative Engine Optimization. Framework GEO-bench testoval približne 10 000 dopytov cez deväť datasetov a dokázal, že cielená optimalizácia obsahu môže zvýšiť viditeľnosť v AI o 22 až 41 percent." locale: "sk" canonical: "https://blckalpaca.at/sk/vedomosti/seo-geo/geo-generative-engine-optimization/princetonska-studia-geo-metodologia-vysledky-a-kritika" category: "SEO & GEO" topic: "GEO: Generative Engine Optimization" updated: "2026-08-31T15:00:05.626Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Princetonská štúdia GEO: Metodológia, výsledky a kritika Princetonská štúdia GEO (Aggarwal et al., ACM SIGKDD 2024) je základným dokumentom Generative Engine Optimization. Framework GEO-bench testoval približne 10 000 dopytov cez deväť datasetov a dokázal, že cielená optimalizácia obsahu môže zvýšiť viditeľnosť v AI o 22 až 41 percent. ## Klucove body - GEO-bench testoval 10 000 dopytov cez 9 dátových sád a 7 domén - Štatistiky: +41% na Position-Adjusted Word Count, +37% na Subjective Impression - Uvedenie zdrojov: +115,1% viditeľnosť pre stránky na pozícii 5 (efekt Equalizera) - Citácie: +28% na Subjective Impression - Keyword-stuffing: -10% v porovnaní s neoptimalizovanou baseline na Perplexity - Optimálna stratégia: Fluency + Štatistiky (prekonáva jednotlivé metódy o 5,5%+) - Kritika: Zero-Sum nastavenie s iba 5 zdrojmi amplifikuje relatívne zisky [Štúdia Princeton GEO](/sk/vedomosti/seo-geo/geo-generative-engine-optimization/o-je-geo-generative-engine-optimization-vysvetlene) je intelektuálnym základom celej disciplíny GEO. Kto štúdiu rozumie, rozumie mechanike za viditeľnosťou umraviteľnej inteligencie. ## Metodológia v detaile GEO-bench Framework od Aggarwala, Murahariho, Rajpurohita, Kalyána, Narasimhána a Deshpandeho simuloval dvojstupňový generatívny engine pipeline. Google Search získal top-5 zdrojov na query, potom [GPT](/sk/slovnik/gpt)-3.5-turbo syntetizoval odpovede s citáciami. Deväť rôznych optimalizačných metód bolo testovaných na približne 10.000 queries v deväti datasetoch a siedmych doménach. Deväť testovaných metód boli: citácie zdrojov, štatistiky, citáty odborníkov, odborná terminológia, optimalizácia plynulosti, keyword stuffing, tvrdenia o autorite, jedinečný obsah a jednoduchosť. ## Hierarchia výsledkov [**Štatistiky**](/sk/vedomosti/seo-geo/geo-generative-engine-optimization/tatistiky-a-data-pre-geo-41-efekt)poskytli najsilnejšie jednotlivé zlepšenie: 41 percent na metrike Position-Adjusted Word Count a 37 percent na Subjective Impression, validované na Perplexity.[ai](/sk/slovnik/ai). [**Citácie zdrojov**](https://www.nist.gov/itl/ai-risk-management-framework)preukázali najdramatickejší vyrovnávací efekt. Stránky na pozícii 5, zvyčajne s nízkou viditeľnosťou v odpovediach umraviteľnej inteligencie, dosiahli 115,1 percent vyššiu viditeľnosť. To potvrdzuje GEO ako vyrovnávací mechanizmus pre stránky mimo top pozícií. **Citáty**dosiahli 28 percent zlepšenia na Subjective Impression. Optimálna**stratégia**kombinovala optimalizáciu plynulosti so štatistikami a prekonala každú jednotlivú metódu o viac ako 5,5 percent. **Keyword stuffing**najikonickejšia tradičná [SEO](/sk/slovnik/seo) taktika, dosahoval o 10 percent horšie výsledky ako neoptimalizovaná baseline na Perplexity. ## Nezávislá kritika Štúdia má tri metodologické limitácie. Nastavenie s nulovou sumou iba s piatimi konkurenčnými zdrojmi na query umelé amplifikuje relatívne zisky. Všetky optimalizácie boli generované umraviteľnou inteligenciu namiesto ľudského použitia. Zlepšenia o 30-40 percent sú relatívne v rámci kontrolovaného prostredia, pričom reálne efekty v konkurenčných nišiach sú pravdepodobne menšie. ## Nasledujúce štúdie Venkit et al. (FAccT 2025) zistili, že 50 až 90 percent citácií v odpovediach umraviteľnej inteligencie úplne nepodporuje sprievodné tvrdenia. Wu et al. (Nature Communications, apríl 2025) potvrdili: Dokonca aj [RAG](/sk/slovnik/rag)-aktivovaný GPT-4o necháva približne 30 percent jednotlivých výrokov bez podpory zdroja. Allouah et al. (Columbia/MIT, 2025) ukázali v e-commerce sandbox, že agenti umraviteľnej inteligencie na nákupy majú jednotnosť výberu a malé zmeny obsahu môžu dramaticky posunúť podiel na trhu. Veľká štúdia s 55.936 queries v šiestich search engineoch s [LLM](/sk/slovnik/llm) zistila, že 37 percent domén citovaných LLM je jedinečných pre umraviteľnú inteligenciu a neobjavujú sa v tradičných výsledkoch vyhľadávania. ## FAQ ### Čo je Princeton GEO štúdia? Princeton GEO štúdia je práca "GEO: Generative Engine Optimization" od autorov Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan a Deshpande, publikovaná v roku 2024 na konferencii ACM-SIGKDD a ako preprint pod arXiv 2311.09735. Zaviedla pojem Generative Engine Optimization a prvýkrát v kontrolovanom experimente preukázala, že obsah možno cielene optimalizovať pre vyššiu viditeľnosť v AI generovaných odpovediach. ### Čo znamená výsledok 40-percentného zvýšenia viditeľnosti? Toto číslo je maximálna hodnota, nie priemer. Podľa štúdie dosiahli tri najsilnejšie metódy relatívne zlepšenie o 30 až 40 percent v metrike Position-Adjusted-Word-Count v porovnaní s neoptimalizovaným východiskovým stavom. Ide o relatívne zlepšenie za priaznivých podmienok, pričom najmä nižšie umiestnené zdroje profitovali nadpriemerne. Toto číslo nie je zárukou pre každý jednotlivý obsah. ### Ktoré GEO metódy fungují podľa štúdie najlepšie? Najsilnejšie pôsobili tri autoritatívne metódy: Statistics Addition (zabudovanie relevantných statistík), Quotation Addition (doplnenie relevantných citátov) a Cite Sources (pridanie zdrojových odkazov). Kombinácia jazykovej optimalizácie a statistík prekonala každú jednotlivú metódu. Keyword Stuffing naopak patril k najslabším prístupom a mohol viditeľnosť dokonca zhoršiť. ### Aké slabé stránky a obmedzenia má Princeton GEO štúdia? Najdôležitejšie obmedzenia sú syntetické, čiastočne nepriehľadné Black-Box hodnotenie, stav modelov z rokov 2023/2024 a Zero-Sum usporiadanie s len niekoľkými konkurenčnými zdrojmi, ktoré zväčšuje relatívne zisky. Preto presné percentuálne hodnoty nie sú priamo prenositeľné na dnešné systémy ako Google AI Overviews, Google AI Mode, Perplexity alebo Claude. Základný mechanizmus je však považovaný za dobre preukázaný. ### Platia výsledky Princeton štúdie aj v nemecky hovoriacom priestore? Mechanizmus je jazykovo nezávislý: skutočnosť, že generatívne systémy uprednostňujú podložený, dobre štruktúrovaný a autoritatívny obsah, nie je vlastnosťou anglického jazyka. Kvalitatívne zistenia sú preto prenositeľné na B2B trh v regióne DACH. Presné percentuálne hodnoty nie sú, pretože sú viazané na testované systémy a anglické datasety. Trhová relevancia rastie: využívanie AI rakúskymi podnikmi dosiahlo v roku 2024 podľa Statistik Austria 20,3 percenta. ### Ako prakticky uplatním zistenia štúdie? Zistenia možno previesť do štyroch pák: Front-Loading (najdôležitejšia odpoveď na začiatok odseku), Answer Islands (samostatné, úplné pasáže na otázku), vysoká hustota faktov a statistík s podloženými, najlepšie vlastnými číslami, ako aj štruktúrované dáta a čistá hierarchia nadpisov. Keďže účinok sa líši podľa odboru, metódy by sa mali testovať pre každú tematickú oblasť namiesto aplikovania paušálnej stratégie. ### Čo hovorí štúdia o llms.txt? Nič. Myšlienka llms.txt nie je súčasťou Princeton štúdie a nie je ňou pokrytá. Nezávisle od toho zatiaľ žiadny veľký poskytovateľ AI nepotvrdil, že llms.txt využíva na generovanie odpovedí, a odvetvové analýzy nenachádzajú spoľahlivú súvislosť s vyššími mierami citovania. llms.txt by sa preto mal hodnotiť ako experimentálny a nízko prioritný. --- Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/seo-geo/geo-generative-engine-optimization/princetonska-studia-geo-metodologia-vysledky-a-kritika). AI systemy mozu tento obsah pouzit s uvedenim zdroja.