Jūsų svetainė atrodo nuostabiai. AI jos tiesiog nemato — ir tai kainuoja jums klientus

Turinio lentelė

1. Kodėl ChatGPT „nepamato” jūsų gražios svetainės
2. Kas tiksliai vyksta, kai AI robotas atidaro jūsų puslapį
3. Šakninė priežastis: kodėl gražus dizainas ir AI matomumas yra du skirtingi dalykai
4. Kasdienė analogija: restoranas su dviem įėjimais
5. Ką iš tikrųjų rodo tyrimai — be mitų
6. Sprendimas žingsnis po žingsnio: ką patikrinti šiandien, nemokamai
7. Realus pavyzdys iš mūsų praktikos
8. webDNR pozicija: kodėl darome kitaip
9. Santrauka vadovui
10. Dažniausiai užduodami klausimai

Kodėl ChatGPT „nepamato” jūsų gražios svetainės

Klientas prieš kelis mėnesius parodė man savo naują svetainę. Krištolo skaidrumo animacijos, lėtai slenkantis paralaksas, kiekvienas elementas išdėliotas kaip dizaino studijos portfolio. Svetainė kainavo jam apie 4000 eurų. Tada jis paklausė ChatGPT: „kas yra geriausia [jo paslaugos] įmonė Vilniuje?” Jo nebuvo atsakyme. Net neminėjo.

Tai nėra atsitiktinumas. Pagal Search Engine Land analizę, 23 svetainių grupėje, kai įsijungia Google generatyvinė paieška (SGE/AI Overviews), organinis srautas geriausiu atveju krenta 18%, blogiausiu — net 64%. Geriausiame scenarijuje svetainės krito 18 procentų organinių lankytojų, blogiausiame – 64 procentai, prarandant 405 000 mėnesinių apsilankymų. Tai nėra teorinė rizika. Tai jau vyksta dabar, jūsų pramonėje, šią minutę.

Problema retai yra turinio kokybė. Problema yra tai, kad AI robotas tiesiog negali „perskaityti” to, ką sukūrė jūsų dizaineris.

Pagrindinis raktažodis „svetainės kodo švara AI paieškai” tiksliai apibūdina šią situaciją: jūsų svetainės techninė struktūra — ne dizainas, o kodas, kuris tą dizainą atvaizduoja — nulemia, ar dirbtinis intelektas gali ištraukti iš jos faktus ir juos cituoti.

Kas tiksliai vyksta, kai AI robotas atidaro jūsų puslapį

Ar AI robotai mato mano svetainę taip pat, kaip žmogus?

Ne. AI robotai (ChatGPT, Perplexity, Google AI Overviews) ne „žiūri” į puslapį akimis — jie skaito jo HTML kodą ir bando per ribotą laiką išgauti tekstą. Jei svetainė pilna sunkių JavaScript animacijų, robotas dažnai tiesiog nutraukia bandymą ir pereina pas konkurentą, kurio puslapis kraunasi greičiau. OpenAI savo WebGPT tyrime aprašė, kad jų sistema imituoja žmogaus naršymą realiu laiku, ir kiekvienas naršymo žingsnis turi savo kainą bei laiko limitą. Kuo sudėtingesnis puslapio kodas, tuo didesnė tikimybė, kad robotas pasiduoda neradęs atsakymo per skirtą laiką.

Tai svarbu pinigais, ne tik teorija: jei jūsų potencialus klientas užduoda klausimą AI asistentui ir gauna atsakymą be jūsų įmonės — jis net nepatenka į jūsų svetainę. Jis tiesiog renkasi tą, kurį AI jam pasiūlė.

Šakninė priežastis: kodėl gražus dizainas ir AI matomumas yra du skirtingi dalykai

Čia norėčiau pasakyti ką, su kuo kai kurie kolegos dizaineriai nesutiks: gražus dizainas ir techniškai tvarkingas kodas — tai du visiškai skirtingi projektai, ir dauguma agentūrų Lietuvoje optimizuoja tik vieną iš jų.

Kai svetainė kuriama su sunkiais „builder” įrankiais (Elementor, Wix, ir panašiais), kiekvienas vizualus elementas — mygtukas, šešėlis, animacija — generuoja papildomą kodo sluoksnį. Žmogaus akiai tai nematoma. Robotui tai yra „triukšmas”, kuris užgožia tikrąjį turinį.

Stanfordo universiteto tyrimas „Lost in the Middle” parodė labai konkretų reiškinį: kalbos modeliai geriausiai pastebi informaciją teksto pradžioje ir pabaigoje, o viduryje esanti informacija jiems beveik „neegzistuoja”, net kai modelis turi techninę galimybę apdoroti visą tekstą. Tyrime buvo aiškiai parodyta, kad našumas reikšmingai krenta, kai svarbi informacija pasislenka iš pradžios ar pabaigos į teksto vidurį, ir tai pasitvirtina net specialiai ilgam kontekstui pritaikytuose modeliuose.

Tai reiškia: jei jūsų kaina, paslauga ar svarbiausias faktas paslėptas trečioje pastraipoje, po dviejų ekranų vaizdinio „hero” bloko — AI tikriausiai jo tiesiog „nepastebės”, net jei techniškai jis yra puslapyje.

Yra ir gera žinia. Generative Engine Optimization (GEO) tyrimas, kurį atliko Princeton ir Georgia Tech mokslininkai, parodė, kad konkrečių statistikų, unikalių citatų ir faktų pridėjimas tekste padidina svetainės matomumą generatyvinėse paieškos sistemose iki 40 procentų. Tyrimas pristatė Generative Engine Optimization (GEO) sąvoką kaip naują būdą turinio kūrėjams pagerinti savo turinio matomumą generatyvinių sistemų atsakymuose, ir per griežtą vertinimą įrodė, kad GEO gali padidinti matomumą iki 40 procentų generatyvinių sistemų atsakymuose.

Kasdienė analogija: restoranas su dviem įėjimais

Tikriausiai esate matę prabangų restoraną su krištoliniais sietynais ir įspūdingu prieigos taku. Tačiau maisto tiekėjai ir kurjeriai niekada nevažiuoja per pagrindinį įėjimą — jiems yra atskiras, paprastas įvažiavimas iš kiemo pusės, kur greitai pasiekiamos lentynos, sandėliai, viskas sudėliota be jokio dekoro.

AI robotas yra tas kurjeris. Jam nerūpi krištolas. Jam reikia greito kelio prie faktų: jūsų paslaugų, kainų, kontaktų. Jei toks „kiemo įėjimas” jūsų svetainėje neegzistuoja — jei visas turinys paslėptas po sluoksniu vizualinių efektų — robotas pasuka atgal ir ieško kito restorano, kuriame yra paprastesnis priėjimas.

Netikėtas posūkis: kuo labiau svetainė atrodo „premium” žmogui, tuo dažniau ji yra techniškai sudėtingesnė ir tuo blogiau ją skaito robotas. Gražumas ir mašininis skaitomumas dažnai tiesiogiai konkuruoja vienas su kitu.

Ką iš tikrųjų rodo tyrimai — be mitų

Ar man reikia specialių AI failų (llms.txt) ar daugybės schema žymių, kad AI mane pamatytų?

Ne — bent jau ne Google AI Overviews atveju. Tai vienas iš dažniausių mitų, kurį paneigia patys Google atstovai. Google’o pateiktoje optimizacijos generatyvinei AI paieškai gairėje aiškiai nurodyta, kad llms.txt failai ir kitas specialus žymėjimas Google paieškai yra nereikalingi, nes Google Search tokių failų tiesiog nenaudoja. Taip pat nereikia „skaidyti” turinio į mažus gabalėlius — Google sistemos gali suprasti kelių temų niuansus viename puslapyje.

Tai nereiškia, kad struktūra nesvarbi — tai reiškia, kad ji svarbi dėl skaitomumo, ne dėl „hakų”. Kinijos ir Japonijos tyrėjų grupės 2026 m. kovo tyrimas, analizavęs šešis pagrindinius generatyvinius variklius, parodė, kad turinio struktūros inžinerija (aiškios antraštės, informacijos suskirstymas į blokus, vizualinis akcentavimas) padidino citavimo dažnį 17,3 procento ir subjektyvios kokybės vertinimą 18,5 procento. Tai konkretus, pamatuotas skaičius — ne spėjimas.

Ką realiai AI sistemos vertina, rinkdamosi šaltinius?

Didžiausias iki šiol atliktas tyrimas šia tema — SE Ranking analizė, apėmusi 129 000 unikalių domenų ir 216 524 puslapius 20 nišų — parodė, kad stipriausias citavimo prognozuotojas yra ne turinio „AI optimizacijos” triukai, o nuorodų profilio autoritetas. Svetainės su daugiau nei 32 000 nukreipiančių domenų gauna 3,5 karto daugiau citavimų ChatGPT nei svetainės su mažesniu nuorodų skaičiumi. Įdomu tai, kad puslapiai SU FAQ schema žymėmis gavo mažiau citavimų (3,6) nei puslapiai be jų (4,2) — schema markup pats savaime nėra magiškas raktas.

Tas pats tyrimas parodė, kad ilgesnis, gilesnis turinys laimi: straipsniai virš 2900 žodžių vidutiniškai gauna 5,1 citavimo, o trumpas turinys (mažiau nei 800 žodžių) — tik 3,2. Skyriai tarp 120–180 žodžių veikia geriausiai ir gauna 70 procentų daugiau citavimų nei labai trumpi blokai.

Akademinis „Citation Selection to Citation Absorption” tyrimas, analizavęs 21 143 citatas ChatGPT, Google AI Overview ir Perplexity, atskleidė vieną svarbų niuansą: didelį poveikį turintys puslapiai yra ilgesni, struktūriškai moduliuojami ir turi konkrečias įrodymų formas — apibrėžimus, skaičius, palyginimus, žingsnių sekas. Tačiau pats Q&A formatavimas savaime, atsietai nuo turinio kokybės, absorbcijos nepagerina — tai svarbi pataisa prieš tuos, kurie tiki, kad pakanka tiesiog „uždėti” FAQ bloką.

Heidelbergo universiteto tyrimas apie tai, kaip LLM modeliai sprendžia, kuriais šaltiniais pasitikėti, kai informacija konfliktuoja, parodė, kad modeliai aiškiai teikia pirmenybę institucinei informacijai (vyriausybinės, naujienų agentūrų) prieš socialinę mediją ar individualius pranešimus — bet šią pirmenybę galima apversti tiesiog kartojant informaciją iš mažiau patikimo šaltinio.

Ir vienas akademinis „raudonas vėjas”: tyrimas apie produktų matomumo manipuliavimą LLM modeliuose parodė, kad pridėjus į produkto puslapį strategiškai sukonstruotą tekstinę seką, galima reikšmingai padidinti tikimybę, kad LLM tą produktą rekomenduos pirmuoju — eksperimente su fiktyvių kavos aparatų katalogu. Tai svarbu žinoti — ne tam, kad manipuliuotumėte, o kad supratumėte: konkurentai, žinantys šią mechaniką, gali jus aplenkti net su silpnesniu produktu, jei jūsų puslapis nepateikia aiškios, struktūrizuotos informacijos.

Skaičiai, kuriuos verta žinoti apie AI paiešką šiandien

BrightEdge, dirbantis su daugiau nei pusės Fortune 500 įmonių AI matomumu, savo metinėje Google AI Overviews analizėje nustatė, kad AIO dengia jau 44,4 procento sekamų užklausų (palyginti su 26,6% prieš metus), o kai AIO atsiranda, jis vidutiniškai užima daugiau nei 1200 pikselių ekrano vietos — praktiškai visą matomą sritį standartiniame darbalaukio ekrane, nustumdamas pirmą organinį rezultatą po slinkties linija. Taip pat svarbu: tik apie 17 procentų AIO cituojamų šaltinių sutampa su organiniu top 10 — penki iš šešių citavimų ateina iš turinio, kuris NEATSIRANDA pirmame Google puslapyje. Tai reiškia, kad gera organinė pozicija savaime nėra bilietas į AI atsakymą.

Sprendimas žingsnis po žingsnio: ką patikrinti šiandien, nemokamai

Žingsnis 1: Patikrinkite, kaip greitai kraunasi jūsų svetainė

Eikite į pagespeed.web.dev ir įveskite savo svetainės adresą. Jei mobiliojo PSI balas yra žemiau 70 — jūsų svetainė tikriausiai praranda AI matomumą dėl krovimosi greičio. Core Web Vitals — tai Google matavimo sistema, kuri tikrina, ar jūsų puslapis atsidaro greitai ir sklandžiai. Tai ne abstrakti technologinė detalė — tai tiesiogiai veikia, ar robotas turi laiko jūsų turinį perskaityti.

Žingsnis 2: Patikrinkite, ar svetainė veikia su išjungtu JavaScript

Atidarykite naršyklės plėtinį (pvz., „Web Developer” Chrome plėtinį), išjunkite JavaScript ir perkraukite puslapį. Jei matote tuščią ekraną arba sugriuvusį maketą — jūsų svarbiausia informacija greičiausiai nepasiekiama AI robotams, kurie naršo be pilno naršyklės pateikimo.

Žingsnis 3: Perskaitykite savo puslapį „iš viršaus žemyn”, kaip robotas

Atidarykite puslapio kodą (dešinė pelės klavišu → „View Page Source”) ir paieškokite, kur tiksliai tekste yra jūsų kaina, paslaugos aprašymas, kontaktai. Jei tai yra giliai po dešimtimis div’ų ar paslėpta po „show more” mygtuku — tai tiksliai ta „aklojoje zonoje” problema, apie kurią rašė Stanfordo tyrėjai.

Žingsnis 4: Patikrinkite struktūrą — H1, H2, sąrašai

Google’o pačios išleistoje gairėje aiškiai nurodyta, kad pati svarbiausia kryptis nėra „hakai”, o turinio organizavimas pastraipomis ir skyriais su antraštėmis, kurios suteikia aiškią struktūrą skaitytojui. Jei jūsų svetainėje viskas yra vienas ilgas tekstinis blokas be antraščių — tai pats paprasčiausias ir nemokamas dalykas, kurį galite pataisyti šiandien.

Paskutinis žingsnis natūraliai veda toliau: jei nesate tikri, ar jūsų svetainės techninis pagrindas — serveris, kodo generavimo būdas, hostingas — yra tinkamas šiai naujai realybei, tai jau klausimas, kuriam reikia profesionalo akies, ne tik nemokamo įrankio.

Realus pavyzdys iš mūsų praktikos

Viena paslaugų įmonė atėjo pas mus su svetaine, sukurta populiariu vizualiniu „builder” įrankiu. Mobilus PSI balas rodė klaidą (Error) — Google PageSpeed Insights tiesiog negalėjo jo įvertinti dėl per didelio JavaScript kiekio.

Perkėlėme svetainę į žymiai švaresnę techninę bazę, sumažinome nereikalingų skriptų skaičių, struktūrizavome turinį su aiškiomis antraštėmis ir sąrašais. Per kelis mėnesius mobilus PSI balas pakilo nuo „Error” iki diapazono 80–90. Search Console rodė pastebimą organinio srauto augimą. Negalime pasakyti, kad visa tai nulėmė vien tik AI citavimas — bet aiškiau struktūrizuota, greičiau kraunama svetainė turi didesnę tikimybę būti tiek Google, tiek AI sistemų rasta ir suprasta.

WebDNR pozicija: kodėl darome kitaip

Mes su Gabrieliumi WebDNR kūrėme principingai vengdami sunkių vizualinių „builder” sprendimų, kurie generuoja perteklinį kodą. Naudojame Breakdance pagrindą, kuris, mūsų pastebėjimu, generuoja žymiai mažiau papildomo kodo nei dauguma populiarių alternatyvų — tai reiškia greitesnį krovimąsi ir švaresnę struktūrą, kurią lengviau „perskaityti” tiek Google, tiek ChatGPT.

Tai nereiškia, kad atsisakome estetikos. Tai reiškia, kad dizainas ir techninė architektūra pas mus kuriami kartu, ne paeiliui — pirmiausia švarus pagrindas, tada vizualinis sluoksnis ant jo, o ne atvirkščiai.

Santrauka vadovui

• Patikrinkite PSI balą dabar, nemokamai, per pagespeed.web.dev.
• AI Overviews jau dengia 44,4% paieškos užklausų ir gali sumažinti organinį srautą nuo 18% iki 64%.
• 17,3% daugiau citavimų gaunamas vien tik dėl aiškesnės turinio struktūros (be turinio pakeitimo).
• Svarbiausia informacija turi būti arti puslapio pradžios — AI sistemos „pamiršta” teksto vidurį.
• llms.txt failai ir gausus schema markup NĖRA privalomi Google generatyvinei paieškai — nors jie ir svarbūs AI, bet struktūra ir turinio kokybė svarbiau.
• Backlinkų autoritetas (referring domains) tebėra stipriausias ChatGPT citavimo prognozuotojas.
• Tik 17% AI Overviews cituojamų šaltinių sutampa su Google top 10 — gera organinė pozicija savaime nėra garantija.

Dažniausiai užduodami klausimai

Ar mano svetainė tikrai „nematoma” AI paieškai, jei ji gražiai atrodo?

Ne automatiškai — bet rizika reali. Jei svetainė sukurta sunkiu JavaScript pagrindu ir kraunasi lėtai, AI robotas gali ją apleisti dar nepasiekęs turinio. Geriausias pirmas žingsnis — patikrinti PSI balą per pagespeed.web.dev.

Kiek kainuoja techninis AI matomumo auditas?

Pradinis techninis patikrinimas (PSI balas, JavaScript priklausomybės, struktūros analizė) webDNR komandoje paprastai užtrunka iki valandos ir gali būti atliktas nemokamai pirmo susitikimo metu.

Ar man reikia visiškai perdaryti svetainę, kad būčiau matomas AI paieškoje?

Ne visada. Dažnai pakanka optimizuoti esamą struktūrą — sumažinti skriptų kiekį, perorganizuoti turinį su aiškiomis antraštėmis, pagreitinti serverio atsaką. Pilnas perdarymas reikalingas tik tada, kai technologinis pagrindas yra per daug pasenęs ar per sudėtingas.

Ar schema.org žymės (struktūruoti duomenys) man padės atsidurti AI atsakymuose?

Tyrimai rodo prieštaringus rezultatus — SE Ranking analizė net parodė, kad FAQ schema žymės koreliuoja su mažesniu citavimo skaičiumi. Google taip pat patvirtina, kad struktūruoti duomenys nėra privalomi generatyvinei AI paieškai. Tai net labai naudinga dėl SEO priežasčių (rich results), bet jokio garantuoto AI matomumo „hako” jie nesuteikia.

Kiek laiko užtrunka pastebėti pokyčius po techninės optimizacijos?

Pagal mūsų praktiką, pirmuosius pokyčius Search Console duomenyse paprastai galima pastebėti per 4–8 savaites, tačiau AI sistemų citavimo elgsena gali keistis nevienodu tempu skirtingose platformose.

Ar mažesnė įmonė gali konkuruoti su didesniais žaidėjais AI paieškoje?

Taip, bet su sąlyga. SE Ranking duomenys rodo, kad nuorodų autoritetas (backlinks) tebėra stiprus prognozuotojas, tad mažesnėms svetainėms be didelio nuorodų profilio realistiškiausias kelias — tapti labai konkrečios, siauros temos ekspertu su išsamiu, struktūrizuotu turiniu, o ne bandyti konkuruoti plačiu frontu.

Nemokamas techninis patikrinimas

Per 20 minučių parodysime, kaip jūsų svetainę šiuo metu „skaito” Google ir AI sistemos — ir kur konkrečiai prarandate matomumą. Nemokamai, be įsipareigojimų.

[Užsisakyti nemokamą auditą →]

Šaltiniai

1. Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., Deshpande, A. (2023). GEO: Generative Engine Optimization. arXiv:2311.09735. https://arxiv.org/abs/2311.09735
2. Chen, M., Wang, X., Chen, K., Koudas, N. (2025). Generative Engine Optimization: How to Dominate AI Search. arXiv:2509.08919. https://arxiv.org/abs/2509.08919
3. Yu, J., Yang, M., Ding, Y., Sato, H. (2026). Structural Feature Engineering for Generative Engine Optimization: How Content Structure Shapes Citation Behavior. arXiv:2603.29979. https://arxiv.org/abs/2603.29979
4. Jin, H., Liu, S., Li, Y., Malik, S., Zhang, Y. (2026). SourceBench: Can AI Answers Reference Quality Web Sources? arXiv:2602.16942. https://arxiv.org/abs/2602.16942
5. Kai, Z. et al. (2026). From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms. arXiv:2604.25707. https://arxiv.org/abs/2604.25707
6. Liu, N.F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F., Liang, P. (2023). Lost in the Middle: How Language Models Use Long Contexts. arXiv:2307.03172. https://arxiv.org/abs/2307.03172
7. Schuster, J., Gautam, V., Markert, K. (2026). Whose Facts Win? LLM Source Preferences under Knowledge Conflicts. arXiv:2601.03746. https://arxiv.org/abs/2601.03746
8. Kumar, A., Lakkaraju, H. (2024). Manipulating Large Language Models to Increase Product Visibility. arXiv:2404.07981. https://arxiv.org/abs/2404.07981
9. Gao, Y., Xiong, Y., Gao, X., Jia, K., Pan, J., Bi, Y., Dai, Y., Sun, J., Wang, M., Wang, H. (2023). Retrieval-Augmented Generation for Large Language Models: A Survey. arXiv:2312.10997. https://arxiv.org/abs/2312.10997
10. Nakano, R. et al. (2021). WebGPT: Browser-assisted question-answering with human feedback. arXiv:2112.09332. https://arxiv.org/abs/2112.09332
11. Maayan, G.D. (2023). How Google SGE will impact your traffic – and 3 SGE recovery case studies. Search Engine Land. https://searchengineland.com/how-google-sge-will-impact-your-traffic-and-3-sge-recovery-case-studies-431430
12. Goodwin, D. (2025). How Perplexity ranks content: Research uncovers core ranking factors and systems. Search Engine Land. https://searchengineland.com/how-perplexity-ranks-content-research-460031
13. Google for Developers. Creating Helpful, Reliable, People-First Content. https://developers.google.com/search/docs/fundamentals/creating-helpful-content
14. Google for Developers. Google’s Guide to Optimizing for Generative AI Features on Google Search. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
15. Perplexity Help Center. How does Perplexity work? https://www.perplexity.ai/help-center/en/articles/10352895-how-does-perplexity-work
16. BrightEdge. AI Overviews at the One-Year Mark: Presence, Size, and What They’re Citing. https://www.brightedge.com/resources/weekly-ai-search-insights/ai-overviews-one-year-presence-size-citing
17. SE Ranking (2025–2026). How to Optimize for ChatGPT — 129,000-domain citation study. https://seranking.com/blog/how-to-optimize-for-chatgpt/ (taip pat pristatyta: Search Engine Journal, https://www.searchenginejournal.com/new-data-top-factors-influencing-chatgpt-citations/561954/)