Proč zdravotnický web mizí z AI odpovědí a jak funguje SEO pro Claude AI

Mezi provozovateli zdravotnických webů se drží přesvědčení, že u citlivých témat je snaha marná — modely se prý zdravotnictví bojí a raději odkážou na velké portály a státní instituce. Praxe tomu neodpovídá. Generativní asistenti u zdravotních dotazů citují běžně i weby konkrétních klinik, lékáren a rehabilitačních pracovišť. Podmínkou není velikost, ale doložitelnost.

Rozdíl je v tom, že u zdravotních témat se laťka na ověřitelnost zvedá výš než jinde. Model potřebuje vidět, kdo text napsal, o co se opírá a kdy vznikl. Weby, které tohle nemají, vypadnou — ne kvůli tématu, ale kvůli chybějícím signálům. Právě proto se SEO pro AI Perplexity u zdravotnických provozů dělá jinak než u e-shopu s doplňky: nezačíná se objemem obsahu, začíná se atribucí.

Nejde o pozici, jde o to být citovaný

První posun v uvažování je vzdát se představy výsledkové stránky. Ani jeden z těchto nástrojů nepředkládá deset modrých odkazů seřazených podle relevance. Předkládá souvislou odpověď a pod ní několik pramenů, o které se opřel. Buď jste mezi nimi, nebo neexistujete — mezistupeň typu „jsme sedmí“ zmizel.

Druhý posun se týká překryvu. Obsah citovaný jedním nástrojem se s obsahem citovaným jiným překrývá jen minimálně; měření napříč modely ukazují shodu domén v řádu nižších jednotek až nižších desítek procent. Hotovo pro jeden neznamená hotovo pro všechny. Každý nástroj má vlastní index, vlastní pořadí kroků a vlastní představu o tom, co je dobrý pramen.

Claude: dvě až tři místa, tvrdý výběr

Claude AI hledá na webu přes Brave Search a zapojuje ho jen u dotazů, které to vyžadují — tedy tam, kde jde o aktuální, měnící se nebo externí informaci. Zdrojů uvádí málo. Často jen dva nebo tři, což je zhruba polovina toho, co nabídne konkurence. Kdo se dovnitř dostane, má nesrovnatelně silnější pozici, protože si prostor nedělí s dalšími šesti weby. Co pro to udělat, shrnuje téma SEO pro Claude AI; zjednodušeně jde o to psát referenčně, ne propagačně.

V praxi to znamená pár konkrétních věcí. Klíčovou entitu definujte hned při první zmínce, aby výsek textu obstál i vytržený ze stránky — místo „naše metoda“ napište, o jakou metodu jde a co dělá. Uveďte jmenovaného autora s kvalifikací, ne redakci. Doložte tvrzení pramenem. A napište i to, co se neví nebo za jakých podmínek postup neplatí; přiznaná nejistota je u zdravotního obsahu signál kvality, ne slabosti.

Claude taky sleduje čerstvost, ale odlišně — potřebuje ji vidět. Datum publikace a poslední aktualizace patří do textu, ne jen do hlavičky, kterou nemusí načíst.

Perplexity: dotaz se rozpadne na části

Perplexity AI pracuje jinak. Dotaz si rozloží na tři až pět podotázek, ke každé stáhne řádově deset stránek z vlastního indexu o objemu přes 200 miliard URL, protáhne je rerankerem a z toho, co projde, poskládá odpověď s inline citacemi. Citace uvádí prakticky vždy, obvykle tři až osm.

Ta dekompozice je pro menší pracoviště příležitost. Nemusíte být autoritou na celý dotaz „co dělat s bolestí zad“. Stačí být nejlepším pramenem na jednu podotázku — třeba na to, jak dlouho trvá série rehabilitací a co si vzít s sebou na první návštěvu. Takový výsek se dá pokrýt jednou dobře napsanou stránkou.

Reranker přitom váží konkrétnost. Text s číslem, datem a jmenovanou entitou poráží text se stejným sdělením formulovaným obecně. Rozdíl mezi „výkon je rychlý“ a „výkon trvá 20 až 30 minut, kontrola po týdnu“ rozhoduje o tom, jestli má model co citovat.

Dotaz pacienta není klíčové slovo

Zásadní rozdíl oproti klasickému vyhledávání je v délce a tvaru dotazu. Do vyhledávače lidé psali dvě slova. AI asistentovi popisují situaci celou větou nebo odstavcem: jak dlouho potíže trvají, co už zkusili, co jim řekl jiný lékař, na co se ptají. Optimalizace na krátká klíčová slova tenhle provoz nezachytí.

Praktický důsledek je ten, že se mění jednotka práce. Místo stránky na klíčové slovo vzniká stránka na situaci. Ta situace má vlastní kontext, vlastní podotázky a vlastní rozhodovací bod. Text psaný tímto způsobem pokrývá desítky formulací najednou, aniž by se je snažil vyjmenovat.

Druhý důsledek se týká délky odpovědi. Model hledá krátká, uzavřená tvrzení, ne rozvláčný výklad. Ideální stavba je proto opakující se sled: dílčí otázka jako nadpis, dvě věty odpovědi, jeden konkrétní doklad. Deset takových bloků na stránce funguje lépe než jeden souvislý text téže délky.

Třetí důsledek je jazykový. Používejte formulace, které pacienti skutečně říkají, a hned vedle nich odborný termín. Model tak spojí obojí do jedné entity a stránka se stane kandidátem u laické i odborné verze dotazu.

Checklist podle priority

Následující pořadí odpovídá tomu, co se ve zdravotnických provozech nejčastěji vyplatí udělat dřív než později. Body nahoře mají největší poměr efektu k času.

Priorita	Krok	Pomáhá u	Odhad náročnosti
1	Doplnit jmenovaného autora s atestací a pracovištěm	Claude AI	hodiny
2	Zveřejnit datum publikace i aktualizace přímo v textu	oba	hodiny
3	Přepsat úvody stránek na formát odpověď napřed	oba	dny
4	Doplnit tvrdá čísla: délka výkonu, čekací doba, ceny	Perplexity AI	dny
5	Rozdělit dlouhé stránky na samostatné celky k podotázkám	Perplexity AI	dny
6	Nasadit strukturovaná data pro organizaci, lékaře a dotazy	oba	dny
7	Zavést měsíční test dotazů a evidenci citací	oba	průběžně

Co s tím v běžném provozu

Největší překážkou nebývá technika, ale to, že odborné informace nikdy neopustí ordinaci. Lékař ví, kolik výkonů ročně provede a v čem se jeho postup liší, jenže na webu je místo toho věta o individuálním přístupu. Nejlevnější způsob, jak to zlomit, je půlhodinový rozhovor nad každou hlavní stránkou, ze kterého vznikne pět konkrétních faktů — ty pak stačí zapracovat.

Kontrola výsledku patří do měsíčního rytmu. Sestavte dvacet až třicet dotazů, které pacienti reálně píší celou větou, zadejte je oběma nástrojům a zapisujte, kdo je citovaný a u které podotázky. Doplňte to sledováním návštěv z odkazujících domén asistentů v analytice. Objemy budou nízké, poměr dokončených objednání ale bývá vysoký — uživatel přichází až po přečtení doporučení, ne uprostřed průzkumu.

Jedna věc navíc: obsah, který projde u Clauda, obvykle uspěje i u ostatních nástrojů. Laťka je tam nejvyšší, takže se vyplatí brát ho jako testovací prostředí pro celou sadu.

Co udělat s obsahem, který na webu už je

Většina zdravotnických webů netrpí nedostatkem textu. Trpí textem, ze kterého nejde nic vytáhnout. Popis výkonu převzatý z materiálů dodavatele přístroje, tři odstavce o filozofii péče a kontaktní formulář — takový celek neobsahuje jediné atribuovatelné tvrzení. Přepis je přitom levnější než psaní nového obsahu, protože odborná podstata už je hotová.

Postupujte po stránkách, ne po webu. U každé si položte jednu otázku: jakou konkrétní věc se z ní čtenář dozví a nikde jinde ji nenajde? Pokud odpověď neexistuje, stránka se do generativní odpovědi nedostane bez ohledu na to, jak je dlouhá. Pokud existuje, patří do prvních dvou vět, ne do závěru.

Druhý průchod se týká čísel. Délka výkonu, počet kontrol, doba rekonvalescence, cena pro samoplátce, obvyklá čekací doba. Každý z těchto údajů promění obecnou větu v citovatelný fakt. Tři až pět takových čísel na stránku obvykle stačí.

Kde se to nejčastěji láme

Nejčastější překážka není odborná, ale organizační. Informace zná lékař, web spravuje externí dodavatel a mezi nimi není nikdo, kdo by ta data převedl do textu. Řešením bývá krátký strukturovaný rozhovor nad každou hlavní stránkou — patnáct minut, pět otázek, výsledkem jsou fakta, která se dají rovnou zapracovat.

Druhá překážka je opatrnost. U zdravotního obsahu panuje obava zveřejnit cokoli konkrétního kvůli možné odpovědnosti. Řešením není mlčení, ale rámování: uvést, za jakých podmínek údaj platí, pro koho ne a kdy je nutná osobní konzultace. Model si takovou formulaci naopak cení, protože ukazuje hranice tvrzení.

Třetí překážka je zastarávání. Ceník z roku, který už neplatí, škodí víc než jeho absence — stránka ztrácí důvěryhodnost u nástroje i u čtenáře. Nastavte proto revizní rytmus, ideálně čtvrtletní, a datum revize uvádějte přímo v textu.

Rozdíl mezi doporučením a odkazem

Klasický výsledek vyhledávání byl nabídka. Generativní odpověď je stanovisko. Když asistent uvede konkrétní pracoviště, čte to uživatel jako doporučení, ne jako jednu z možností — a podle toho se chová. Poptávky přicházející tímto kanálem bývají rozhodnutější a méně srovnávají.

Pro provoz to má konkrétní dopad. Vyplatí se sledovat nejen počet návštěv, ale i to, v jaké fázi lidé přicházejí: kolik z nich rovnou volá nebo se objednává. Právě tenhle poměr obvykle ukazuje, jestli se práce na obsahu promítla do reality, dřív než se pohnou objemy.

A ještě jedna věc: doporučení se dá ztratit rychleji, než se získá. Neaktuální ordinační hodiny nebo nefunkční objednávkový formulář znehodnotí celý předchozí postup během jediného dne.

Doporučení

Postup, který se osvědčuje, má tři kroky a vejde se do jednoho čtvrtletí. Nejdřív atribuce — autor, datum, prameny na všech odborných stránkách. Pak konkrétnost — čísla a termíny místo přídavných jmen. Nakonec členění na samostatné bloky odpovídající tomu, jak si nástroje dotaz rozdělují. Tým PPCprofits.cz se přípravou obsahu pro AI asistenty zabývá v praxi a upozorňuje, že pořadí těch kroků není libovolné: bez atribuce nepomůže sebelepší text, protože se ke zvážení vůbec nedostane. Zbytek je pak přepis, ne psaní od nuly.