GEO pro realitního makléře znamená upravit web tak, aby vás citovaly AI vyhledávače — ChatGPT, Perplexity i Google AI Overviews — když se někdo ptá na makléře ve vaší lokalitě nebo na to, jak prodat nemovitost. Klient dnes nezadá do Googlu „realitní makléř Úvaly" a neproklikává deset odkazů. Zeptá se AI „komu svěřit prodej domu na Praze-východ" a dostane jméno. Tenhle článek je o tom, jak zařídit, aby v té odpovědi bylo to vaše.

Co je GEO pro realitního makléře?

GEO (Generative Engine Optimization) je optimalizace obsahu pro generativní AI vyhledávače místo pro klasický seznam modrých odkazů. U realitního makléře jde o jednu konkrétní věc: aby model jako ChatGPT nebo Perplexity uměl z vašeho webu vytáhnout, kdo jste, kde působíte a co umíte — a použil to jako zdroj, když uživatel hledá makléře nebo radu kolem prodeje.

Rozdíl proti klasickému SEO je v cíli. SEO bojuje o pozici v seznamu výsledků; GEO o to, abyste byli jmenovaní přímo v odpovědi. A zrovna u realit, kde rozhoduje důvěra a lokalita, je „být tím doporučeným jménem" nesrovnatelně cennější než být na třetí pozici mezi portály. Prodej nemovitosti je navíc rozhodnutí, které člověk dělá jednou za řadu let — nemá v něm rutinu, takže si rád nechá od AI poradit konverzačně, ne deseti odkazy.

Širší kontext, proč to řešit už teď, rozebírám v článku co je GEO a proč vás v roce 2026 nemůže ignorovat. Tady zůstanu u realit.

Proč realitní weby AI vyhledávače často nevidí?

Tři příčiny, proč realitní web pro AI prakticky „neexistuje", vidím u makléřů pořád dokola:

  1. Žádný vlastní web, jen profil na portálu. Když je veškerá vaše stopa na Sreality nebo Bezrealitky, AI odkáže na portál — a tam jste jeden z tisíců makléřů bez vlastní identity. Citaci si odnese portál, ne vy.
  2. Nabídky natahované JavaScriptem. Hodně realitních webů tahá inzeráty z makléřského softwaru až po načtení stránky. AI crawler ale JavaScript nespustí — uvidí prázdnou kostru. Proč to tak je, vysvětluju v článku proč AI nevidí váš web.
  3. Obsah je jen v obrázcích a PDF. Půdorys jako obrázek, cena schovaná v PDF, popis lokality vysázený do grafiky. AI čte text — co je v obrázku, pro ni neexistuje.

Googlebot část JavaScriptu dorenderuje, takže ve výsledcích Googlu se SPA web nakonec objevit může. Jenže ChatGPT a Perplexity mají vlastní crawlery, které renderování nedělají. Sázet svou viditelnost na to, že někdo váš skript spustí, se u realit nevyplácí.

Jaká strukturovaná data potřebuje realitní web?

Realitní web potřebuje minimálně tři typy strukturovaných dat ve formátu JSON-LD podle schema.org: RealEstateAgent, Person a — u konkrétních nabídek — RealEstateListing. Strukturovaná data jsou pro AI to nejčitelnější, co web nabízí: jsou to fakta zapsaná tak, aby se nedala přehlédnout ani špatně pochopit.

  • RealEstateAgent (podtyp LocalBusiness) je vaše strojově čitelná vizitka: název, telefon, e‑mail, adresa, areaServed, otevírací doba, sameAs (odkazy na portály a sítě) a ideálně aggregateRating s recenzemi.
  • Person jste vy: jméno, jobTitle „realitní makléř", knowsAbout (typy nemovitostí a lokality, kterým se věnujete) a worksFor navázané na vaši RealEstateAgent.
  • areaServed je u realit naprostý základ — lokalita je polovina rozhodnutí. Vyjmenujte konkrétní obce a okresy, ne mlhavé „celá ČR". „Úvaly, Český Brod, Říčany, Praha‑východ" řekne AI mnohem víc.

Na webu to ve zkrácené podobě vypadá takhle:

{
  "@context": "https://schema.org",
  "@type": "RealEstateAgent",
  "name": "Karel Zelinka — reality",
  "telephone": "+420 ...",
  "areaServed": ["Úvaly", "Praha-východ", "Praha"],
  "knowsAbout": ["prodej bytů", "prodej domů", "pozemky"],
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": 5, "reviewCount": 12
  }
}

Recenze klientů zapsané jako review a aggregateRating stojí za zvláštní zmínku: hodnocení patří k tomu, co AI z realitních zdrojů ráda přebírá, protože odpovídá přesně na to, co kupující řeší — „je tomu makléři vidět zkušenost?". A u jednotlivých nemovitostí dává smysl RealEstateListing s cenou, dispozicí a plochou — ale jen tehdy, když máte detail nabídky jako vlastní HTML stránku, ne iframe vložený z portálu.

Jak psát popisy nemovitostí, aby je ChatGPT a Perplexity citovaly?

Pravidlo je jednoduché: každý fakt, který má AI vědět, musí být v textu — ne na obrázku, ne v PDF, ne jen ve vaší hlavě na prohlídce. Z toho plyne pár konkrétních návyků, které u popisů funguje dodržovat:

  • Konkrétní čísla rovnou v textu. „3+kk, 72 m², 4. patro s výtahem, cena 6 900 000 Kč, energetická třída C." AI to přečte a umí pak odpovědět na dotaz „kolik stojí 3+kk v téhle lokalitě".
  • Odpovídejte na otázky kupujícího. Dojezd do centra, vlak a MHD, školka, parkování, občanská vybavenost. „Pět minut pěšky na vlak, 25 minut do centra Prahy" je přesně typ věty, kterou AI vytrhne jako citaci, protože odpovídá na reálný dotaz.
  • Méně marketingového balastu. „Luxusní bydlení vašich snů" AI ignoruje. „Byt po rekonstrukci z roku 2023, nová elektroinstalace a okna" cituje, protože je to ověřitelný fakt.

Když potřebujete s prvním návrhem popisu pomoct, mám přímo na webu generátor popisků nemovitostí postavený na AI. Berte ho ale jako odrazový můstek, ne hotový text — fakta po něm vždy zkontrolujte. U realit je vymyšlený údaj horší než žádný a model si občas něco domyslí.

Co patří do llms.txt realitní kanceláře?

llms.txt je krátký markdown soubor v rootu webu (/llms.txt), který AI řekne to podstatné, aniž by musela luštit celý web. Celou anatomii souboru rozebírám v článku o llms.txt standardu; pro makléře se do něj hodí dostat tohle:

# Karel Zelinka — realitní makléř
> Prodej a pronájem bytů, domů a pozemků v Úvalech,
> na Praze-východ a v Praze.

## O mně
Realitní makléř s kompletním servisem od ocenění po předání.

## Lokality
Úvaly, Český Brod, Říčany, Praha-východ, Praha

## Specializace
Byty, rodinné domy, pozemky — prodej i pronájem

## Kontakt
E-mail, telefon, odkaz na aktuální nabídku

Klíčové je, aby se údaje v llms.txt shodovaly s tím, co máte ve strukturovaných datech a na webu. Když AI najde tři různé verze lokalit, neuvěří ani jedné.

Jak poznám, že mě AI doporučuje?

Zeptejte se AI sami — přesně tak, jak by se zeptal váš klient. Tři typy dotazů, které stojí za to projet v ChatGPT i Perplexity:

  1. Lokální dotaz: „Koho si vzít na prodej bytu v Úvalech?" nebo „Dobrý realitní makléř na Praze-východ?"
  2. Brandový dotaz: „Karel Zelinka reality — recenze a zkušenosti." Ověříte, jestli o vás AI vůbec ví a co o vás říká.
  3. Tematický dotaz: „Jak postupovat při prodeji zděděného domu?" — sem se dostanete obsahem, ne jen vizitkou.

Počítejte s tím, že odpovědi se liší podle uživatele a času a že lokální doporučení v AI teprve dozrávají — jeden screenshot nic neznamená, sledujte trend. Konkrétní prompty a nástroje na měření mám v článku jak měřit, jestli vás ChatGPT a Perplexity citují.

Případ z praxe: karelzelinka.com a miroslavkubicek.cz

Dva realitní weby, které jsem stavěl, stojí přesně na téhle logice. karelzelinka.com (Karel Zelinka, Úvaly a Praha‑východ) i miroslavkubicek.cz (Miroslav Kubíček, Šumperk) běží na statickém HTML — AI tedy čte celý obsah bez čekání na JavaScript. Oba mají RealEstateAgent a Person schema s areaServed na konkrétní obce a kontakt i klíčové informace přímo v textu, ne v obrázku.

Cíl je u obou stejný: aby na dotaz „realitní makléř" v dané lokalitě měla AI z čeho čerpat primární zdroj, ne anonymní portálový profil. Buďme féroví — lokální AI doporučení se budují v řádu týdnů a měsíců a žádný web nezaručí, že vás model nadiktuje hned. Ale bez čitelného webu, strukturovaných dat a llms.txt nemá AI z čeho čerpat vůbec. Tohle je vstupenka, ne výhra.

Checklist: GEO pro realitní web

Šest kroků od základu po měření. První tři rozhodují o tom, jestli vás AI vůbec přečte.

  1. Vlastní web v čitelném HTML. Ne jen profil na portálu, ne SPA. Ověřte přes „Zobrazit zdroj stránky", že je tam text vašich nabídek i kontaktu.
  2. RealEstateAgent + Person schema s areaServed na konkrétní lokality, telefonem, adresou a odkazy.
  3. Fakta v textu, ne v obrázku. Cena, dispozice, plocha, dojezd, energetická třída — vše čitelně v textu nabídky.
  4. Reálné recenze jako text i jako aggregateRating/review ve strukturovaných datech.
  5. llms.txt s lokalitami, specializací a kontaktem — sladěné s webem i se schématy.
  6. Měřte lokálními prompty a počítejte s tím, že se výsledek projeví za týdny, ne dny.

Co dál číst

Tenhle článek bere GEO z pohledu realitního oboru. Obecnější základ a technickou stránku najdete tady: