• SEO Pivo
  • Marketingová Plzeň
  • AI Bootcamp
  • Kontakt
[email protected]
Osobní web
Blog o SEO, AI a Marketingu
Martin Bangho
  • GEO & SEO
  • AI & Agenti
  • Marketing
  • GEO & SEO
  • AI & Agenti
  • Marketing
Blog GEO & SEO
Muž v modré košili nastavuje modré směrové tyčky v malém podstavci.

Vektory v SEO: embeddings, kosinová podobnost a TF-IDF

Martin Bangho Martin Bangho
18. 11. 2026
Kategorie: GEO & SEO
7 minut čtení
0
0

Vektory v SEO můžete použít k hledání tematicky příbuzných stránek, návrhům interních odkazů nebo předběžnému třídění obsahu. Pomohou zúžit množství dvojic, které má smysl ručně přečíst. Výsledné skóre ale není hodnocením stránky od Googlu, potvrzením kanibalizace ani procentem obsahové kvality.

Největší přínos proto nehledejte v přepisování textu tak, aby dosáhl vyšší podobnosti s dotazem. Hledejte jej v lepším analytickém seznamu: které stránky prověřit, co u nich zkontrolovat a podle čeho rozhodnout o odkazu, doplnění nebo ponechání obsahu.

Vektor je reprezentace. Záleží na tom, z čeho vznikl

Vektor je v tomto kontextu uspořádaná řada čísel. Text na ni můžete převést různými způsoby. Jedním je počítání výskytu slov a jejich vážení pomocí TF-IDF. Jiným jsou embeddings, tedy číselné reprezentace vytvořené modelem, který se naučil zachycovat vztahy mezi texty. Nejde o jedinou univerzální mapu významu.

Další články

Muž v modré košili sestavuje dřevěnou konstrukci na kulatém stolku.

Topical authority: jak budovat tematickou autoritu webu

18. 11. 2026
Muž v modré košili rámuje modrou vázu s rostlinou bílou paspartou.

Google Discover: podmínky, obrázky a měření bez slibů

18. 11. 2026
Muž připíná prázdné papírové bubliny na korkovou nástěnku.

Google AI Mode: jak funguje a co znamená pro váš web

18. 11. 2026
Muž v modré košili sestavuje stejně formátované panely s odlišnými tvary.

Programmatic SEO: kdy škálovat stránky a kdy zastavit výrobu

18. 11. 2026

Výstup ovlivní zvolený model, jazyk, nastavení i samotný vstup. Vektor z titulku není totéž co vektor z hlavního textu. Pokud do analýzy zahrnete navigaci, patičku a opakovanou nabídku, můžete začít nacházet podobnost šablon místo podobnosti článků. U dlouhých stránek si zase ověřte, jak nástroj zachází s limitem vstupu: zda text zkracuje, dělí na části nebo nějak slučuje jejich reprezentace.

Dokumentace Sentence Transformers ukazuje princip sémantické podobnosti tak, že nejprve vytvoří embeddings textů a následně je porovná zvolenou metrikou. Právě tyto dva kroky je dobré držet odděleně. Model vytváří reprezentaci; metrika počítá vztah mezi reprezentacemi. Ani jeden krok sám neurčuje, zda má čtenář přejít z konkrétního odstavce na jinou stránku.

Kosinová podobnost: co měří a co si do ní nepřidávat

Kosinová podobnost porovnává směr dvou nenulových vektorů. Matematicky jde o jejich skalární součin vydělený součinem jejich délek. Definici uvádí také dokumentace scikit-learn. Stejný směr dává hodnotu 1, kolmé směry hodnotu 0 a opačné směry hodnotu −1. Konkrétní rozsah skutečných výsledků závisí na použitých reprezentacích; některé nástroje navíc skóre převádějí na vlastní stupnici.

Jednoduchá modelová ukázka používá ručně zvolené vektory A = (1, 0), B = (1, 1) a C = (0, 1). Nejsou to embeddings žádných skutečných stránek. Podobnost A a B vychází přibližně 0,707, zatímco A a C mají podobnost 0. Ukázka vysvětluje geometrii výpočtu, nikoli schopnost určit nejlepší stránku pro konkrétní vyhledávání.

Hodnota 0,85 tedy neznamená „85 % stejného obsahu“, „85% pravděpodobnost správného odkazu“ ani „85 % požadavků Googlu splněno“. Je to výsledek daného výpočtu nad konkrétními vstupy. Když změníte model, část textu nebo jeho předzpracování, může se změnit i pořadí kandidátů.

Proto nepřebírejte univerzální hranici pro duplicitu či interní prolinkování. Nejprve ručně označte vzorek relevantních a nerelevantních dvojic ze svého webu a podívejte se, jak je metoda řadí. Pro první pilot může být praktičtější několik nejbližších kandidátů ke každé stránce než ostré pravidlo „nad tuto hodnotu automaticky vložit odkaz“.

TF-IDF je užitečný základ pro srovnání, ne návod na ranking

TF-IDF znamená term frequency – inverse document frequency. Zjednodušeně kombinuje četnost výrazu v dokumentu s tím, v kolika dokumentech vybraného souboru se výraz vyskytuje. Běžná slova napříč souborem tak mohou dostat menší rozlišovací váhu než výrazy charakteristické pro jeho část. Přesný výpočet a normalizace se liší podle implementace; popisuje je dokumentace textových příznaků ve scikit-learn.

Oproti naučeným embeddings má tato reprezentace výhodu v dohledatelnosti slovních příznaků. Můžete například zjistit, že určitou skupinu stránek spojuje konkrétní označení technologie. Současně u běžné slovní varianty nemusí shoda zachytit synonyma a význam v kontextu. V češtině navíc řešíte skloňování, tokenizaci a případnou lemmatizaci, tedy převod tvarů na základní podobu. Předzpracování proto patří do záznamu analýzy, ne do neviditelného nastavení.

Jako základ pro srovnání může TF-IDF ukázat, zda složitější metoda pro váš úkol skutečně přidává hodnotu. Když obě metody vracejí stejné použitelné dvojice, nemáte důvod automaticky upřednostnit dražší řešení. Pokud embeddings nacházejí užitečné vazby bez společných slov, máte konkrétní přínos k dalšímu ověření.

Z analýzy ale nelze odvodit, které výrazy Google vyžaduje ani kolikrát je máte doplnit. Vysoká váha slova v souboru konkurenčních stránek je vlastnost vašeho souboru a výpočtu. Nedokazuje univerzální ranking faktor. Přidávat chybějící slova bez ohledu na potřebu čtenáře je jen jiný způsob, jak z odborného textu vyrobit seznam povinných výrazů.

Jak z podobnosti udělat návrhy interních odkazů

Praktický postup začíná inventářem stránek, ne výběrem modelu. Určete, které URL mají být samostatnými cíli a které jsou přesměrované, duplicitní nebo určené mimo index. Připojte hlavní téma, typ stránky a obchodní roli. Smysluplný cíl prolinkování musíte znát dříve, než seřadíte jeho možné zdroje.

  1. Připravte srovnatelné texty. Z každé stránky vyberte hlavní obsah a nadpisy podle stejného pravidla. Uchovejte původní URL, datum, verzi textu a informaci, zda šlo o serverové HTML, nebo vykreslený obsah. Prázdný či chybně stažený text označte jako chybu vstupu.
  2. Vytvořte reprezentace jedním postupem. Zapište model a verzi, jazykové předzpracování, rozsah textu, dělení dlouhých dokumentů a metriku. Nesměšujte přímo vektory z nekompatibilních modelů. Neveřejná data neposílejte externí službě bez schválení.
  3. Seřaďte kandidáty a připojte skutečné odkazy. Ke každé cílové URL vyhledejte nejbližší stránky a porovnejte je s existující mapou zdrojová URL → cílová URL. Samoodkazy a již vyřešené případy odfiltrujte, ale neztraťte původní podklady.
  4. Přečtěte zdrojovou pasáž i cíl. Najděte místo, kde čtenář potřebuje navazující vysvětlení. Navrhněte konkrétní anchor a ověřte, že cílová stránka slib opravdu plní. Když vhodné místo není, kandidáta zamítněte nebo zaznamenejte potřebu obsahového doplnění.
  5. Předávejte rozhodnutí, ne jen skóre. Výstup má obsahovat zdrojovou URL, přesnou pasáž, anchor, cílovou URL, důvod, prioritu, vlastníka a stav kontroly. Samotné vysoké číslo není implementační zadání.

Podobnost A a B je při stejném výpočtu symetrická. Odkaz ale má směr. Z návodu může dávat smysl přejít na související službu; z každé stránky služby nemusí dávat smysl odkazovat na každý podobný návod. Proto musíte porovnávat konkrétní hrany odkazového grafu, ne jen označit dvojici jako „již propojenou“.

Článek na Moz o hledání interních odkazů pomocí embeddings ukazuje užitečnou kombinaci podobnosti a exportu existujících odkazů. Není však nutné kopírovat jeho nástroje, historické náklady ani počet kandidátů. Principem je spojit dva různé podklady a poté ověřit skutečný obsah.

Modelová situace: podobné téma, jiný další krok

Představte si web dodavatele podnikového softwaru. Má návod na migraci dat, stránku migrační služby a článek o výběru systému. Embeddings je mohou zařadit blízko sebe. To ještě neříká, že se mají všechny navzájem propojit stejným výrazem.

V odstavci návodu o přípravě odpovědností může čtenáři pomoci odkaz na rozsah migrační služby. V článku o výběru systému zase potřebuje vědět, jak migrace ovlivní rozhodnutí ještě před podpisem smlouvy. Stejné téma tedy vede k jiné pasáži, jinému anchoru a jinému důvodu odkazu. Jde o ilustraci rozhodování, ne o vyhodnocený klientský projekt.

Zvlášť kontrolujte negace, jiné trhy a různé typy produktů. Text „kdy tuto technologii nepoužívat“ může být velmi podobný jejímu prodejnímu popisu, ale nesmí čtenáře zavádět. Dvě stránky o stejném systému také mohou legitimně odpovídat na jiné záměry. Bez dat o dotazech, cílových URL a jejich vývoji neoznačujte tuto shodu za prokázanou kanibalizaci.

Proč neladit článek na domnělé skóre Googlu

Vaše lokální embeddings nejsou přístupem do interního hodnocení vyhledávače. Ani použití veřejného modelu určité firmy nedokazuje, že stejný model, vstup a metriku používá její produkční vyhledávání. Učebnicový vzorec, výzkumný článek nebo zmínka v patentu tuto mezeru nepřeklenou.

Marie Haynes ve svém textu o rizicích optimalizace pro vector search upozorňuje na rozdíl mezi působením na stroje a skutečnou užitečností. Její vysvětlení možného následného vývoje pozic je autorská hypotéza, ne ověřený zákon o tom, jak dopadne každá úprava. Pro redakční rozhodnutí je pevnější opřít se o konkrétní potřebu publika a pokyny Googlu k užitečnému obsahu.

Po schváleném vložení odkazů nejprve ověřte skutečné href, dostupnost cílů a správnost pasáže v mobilním i desktopovém zobrazení. Až potom sledujte návazné chování a vyhledávací výkon za srovnatelných podmínek. Vyšší průměr podobnosti není výsledkem SEO projektu a změna návštěvnosti sama nedokazuje účinek jediného odkazu.

Začněte malou skupinou důležitých stránek a ručně vyhodnoťte, které návrhy byly opravdu použitelné a proč jste ostatní odmítli. Pokud zatím nevíte, které mezery mají prioritu, navazuje SEO GAP analýza. Vektory mají zlepšit podklady k rozhodnutí, ne rozhodovat místo vás.

Potřebujete najít smysluplné vazby mezi stránkami?

Můžu vám pomoci vybrat vhodný analytický postup a převést návrhy podobnosti do obsahových priorit nebo zadání interních odkazů. Napište mi, jaký problém v obsahu potřebujete vyřešit. Nástroje a rozsah analýzy zvolíme až podle zadání.

Štítky: AnalýzaTeorie
Předchozí článek

Persony v AI: role, hranice a stabilita asistenta

Další příspěvek

JavaScript a SEO: od načtení stránky k indexaci

Martin Bangho

Martin Bangho

Jmenuji se Martin a od roku 2015 se pohybuji ve světě online marketingu a tvorby webů. Věřím v marketing postavený na faktech, ne na iluzích. Mým cílem je pomáhat podnikatelům růst díky datově řízenému marketingu. Když zrovna neřeším marketing nebo podnikání, najdete mě ve fitku, na koncertě (hlavně hip-hop) nebo s přáteli. Jsem trochu kritik, puntičkář – ale hlavně optimista, který věří, že i marketing může být fér a ziskový.

Podobné články

Muž v modré košili rámuje modrou vázu s rostlinou bílou paspartou.
GEO & SEO

Google Discover: podmínky, obrázky a měření bez slibů

18. 11. 2026
Muž v bílé košili porovnává kartotéku se stromem karet na tabuli.
GEO & SEO

Sitemap: jak ji vytvořit, udržovat a ověřit

18. 11. 2026
Muž v modré košili porovnává pevnou destičku a funkční dřevěná dvířka.
GEO & SEO

Sémantické HTML: význam prvků, přístupnost a SEO

18. 11. 2026
Muž v bílé košili ukazuje zámek vedle průhledné branky a modré šipky.
GEO & SEO

Noindex, robots.txt, canonical nebo odstranění stránky?

18. 11. 2026
Další příspěvek
Muž v bílé košili vkládá barevný dílek do průhledné sestavy.

JavaScript a SEO: od načtení stránky k indexaci

Odebírat
Upozornit na
0 Komentáře
Nejstarší
Nejnovější Nejlépe hodnocené

Bangho Martin

SEO Konzultant & AI Strategist

Specializuji se na datově řízené strategie, které propojují týmovou spolupráci napříč firmou, od obchodu přes vývoj až po obsah, s tvorbou plánů, jež posilují značku i výkonnost v konkurenčním prostředí.

Štítky

Analýza B2B B2C Brand E-commerce Google Nástroje Návod Off-page SEO On-page SEO Reporty z akcí SaaS Technické SEO Teorie User Experience Webové stránky

Nejnovější příspěvky

  • Kdy GraphRAG pomůže a kdy jen prodraží vyhledávání
  • Jak otestovat firemního AI asistenta: otázky, zdroje a chyby před spuštěním
  • Firemní znalosti pro AI: kdo rozhoduje, která odpověď ještě platí
  • Google Discover: podmínky, obrázky a měření bez slibů
  • BlockRank: co výzkum řazení dokumentů říká a co ne
  • SEO Pivo
  • Marketingová Plzeň
  • AI Bootcamp
  • Kontakt

© 2025 Martin Bangho - SEO Konzultant & AI Strategist

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In
  • GEO & SEO
  • AI
  • Marketing
[email protected]

© 2025 Martin Bangho - SEO Konzultant & AI Strategist

Tato webová stránka používá soubory cookie. Pokračováním v jejím používání vyjadřujete souhlas s jejich používáním. Navštivte naši Zásady ochrany osobních údajů a používání cookies.