Reklamy v ChatGPT nejsou problém. Slepé sledování ano

ChatGPT reklamy jsou nový boj o zákazníka v momentu rozhodování. Bez průběžného monitoringu snadno přehlédnete, kdo vás v odpovědích skutečně předbíhá, a zaměníte náhodu za trend.

---

Řídíte placené akvizice, vidíte aukce i knihovny reklam, ale u ChatGPT může konkurent vstoupit do rozhodovací chvíle zákazníka, aniž byste to měli kde zkontrolovat. Text vychází z návodu ve sponzorovaném článku Trendos a jeho hodnota je v ručním monitoringu, který odhalí, co se za vaší viditelností opravdu děje.

Proč je sledování reklam v odpovědích ChatGPT důležité pro viditelnost v okamžiku rozhodování

Na první pohled jde jen o další reklamní plochu. Ve skutečnosti ale sledujeme zásah ve chvíli, kdy už má kupující jasno v problému i záměru. Právě proto je to citlivé místo v celém marketingovém trychtýři.

Ve zdroji Trendos, v sponzorovaném článku pro Search Engine Journal, se reklamy popisují jako sponzorovaná karta pod odpovědí ChatGPT. To je podstatné. Nečekají na rozptýlenou pozornost, ale přicházejí ve chvíli, kdy člověk hledá řešení, porovnává možnosti a je blízko volbě.

Jinými slovy: pokud konkurent v tu chvíli získá prostor pod odpovědí, nebere si jen zobrazení. Bere si kontakt s kupujícím v momentu, kdy má nejvyšší hodnotu. A právě to bývá v běžné praxi podceněné. Týmy často hlídají výkon až podle pozdějších dopadů v poptávkách nebo v pipeline.

Trendos v článku upozorňuje, že většina týmů zatím neví, kdo proti nim v ChatGPT skutečně soutěží. To je pro nás varovný signál. Bez vlastního sledování totiž vidíme až důsledek, ne samotný souboj o pozornost.

Ve zdroji navíc není veřejná reklamní knihovna, takže si konkurenci nelze snadno projít zpětně jako u jiných platforem. Neexistuje pohodlný přehled, který by ukázal, kdo se zobrazuje, kdy se zobrazuje a s jakou variantou sdělení.

Proto nestačí říct, že „něco v AI běží“. Reklamy ChatGPT jsou v praxi nová aukce proti stejnému záměru kupujícího. A aukce bez vlastního monitoringu znamená slepý provoz.

Pokud si relevantní prompty nespouštíme sami, konkurence nám může podkopávat viditelnost právě tam, kde se rozhoduje nejrychleji. Až později to poznáme podle slabšího pipeline nebo zhoršené výkonnosti kategorií. V tu chvíli už ale ztrácíme náskok, ne testujeme trh.

Trendos tím nepřináší další teorii, ale jednoduché upozornění z praxe: co nesledujeme opakovaně, to v rozhodovacím okamžiku neřídíme. U ChatGPT to platí dvojnásob, protože konkurence zůstává skrytá až do chvíle, kdy se její zásah projeví ve výsledcích.

Jak reklamy v ChatGPT vypadají a proč je nelze sledovat přes veřejné přehledy

Ve sponzorovaném článku Trendos pro Search Engine Journal se popis reklam v ChatGPT vrací k jedné nepříjemné věci: formát je vidět, ale trh kolem něj ne. OpenAI podle zdroje spustila reklamy pro uživatele Free a Go v USA 9. února 2026. Do jara už mělo být aktivních více než 600 inzerentů na vysoce záměrné výzvy. Z pohledu běžné praxe je to dost na to, aby se v kategorii začala přesouvat poptávka. Z pohledu monitoringu je to ale pořád slepý prostor.

Reklama se v odpovědi neukazuje jako klasický banner nebo blok mimo obsah. Zdroj ji popisuje jako sponzorovanou kartu pod odpovědí ChatGPT. V kartě se objevuje jméno inzerenta, favicon, krátký titulek, stručný popis a odkaz na cílovou stránku. Pro uživatele to působí nenápadně. Pro nás je podstatné, že jde o umístění přímo v okamžiku rozhodování, ne o reklamu, kterou někdo vidí bokem v přehledech kampaní.

Právě tady narážíme na rozdíl oproti Google nebo Metě. U nich máme knihovny reklam, aukční přehledy a řadu nástrojů třetích stran. U ChatGPT podle zdroje veřejná reklamní knihovna neexistuje a není ani centrální vyhledávatelná databáze všech aktivních reklam. To znamená jednoduchou, ale tvrdou věc: pokud chceme vědět, kdo se v odpovědích zobrazuje, musíme si to zjistit sami. Žádný veřejný přehled nám to nepodá hotové.

Tohle zásadně mění práci s konkurencí. V běžné praxi se tým často uklidní jedním pohledem na účet nebo jedním screenshotem. U ChatGPT to nestačí. Viditelnost se mění podle relace, relevance a času. Jiný inzerent se může objevit ráno, jiný odpoledne a další večer. Jedno pozorování zachytí jen konkrétní výsledek aukce. Nepotvrdí stabilní obraz trhu.

Zdroj proto nepřipravuje další teoretický model, ale praktické varování: bez vlastního sledování nepoznáme, kdy konkurence přebírá prostor v odpovědích, které naši zákazníci právě čtou. A protože pro ChatGPT zatím nemáme veřejné přehledy ani knihovnu reklam, nemůžeme spoléhat na to, že nám někdo jiný dodá kompletní data. V tomhle prostředí má hodnotu jen přímé pozorování a jeho opakování v čase.

Jinými slovy: reklamy v ChatGPT už mají jasný formát, ale jejich skutečné pokrytí zůstává skryté. Pokud ho nehlídáme sami, konkurence může být vidět dřív, než si toho všimneme v datech.

Čtyřkrokový manuální postup pro zjištění, kdo inzeruje v odpovědích ChatGPT

Trendos ve sponzorovaném článku Search Engine Journal popisuje jednoduchý, ale v praxi dost náročný postup. Smysl nemá v tom, že jednou otevřeme ChatGPT a pořídíme snímek obrazovky. Použitelný signál vzniká až při opakovaném sběru, protože reklamy se ve zdroji popisují jako sponzorovaná karta pod odpovědí ChatGPT a jejich zobrazení se mění podle relace, relevance i času.

Navíc ve zdroji není veřejná reklamní knihovna. To znamená, že nemáme pohodlný přehled jako u Googlu nebo Mety. Musíme si ho vyrobit sami. A právě tady se ukazuje rozdíl mezi běžnou praxí „zkontrolovali jsme to jednou“ a skutečným monitoringem.

Krok 1: Zmapujte dotazy, které vaši zákazníci už skutečně pokládají

První chyba bývá dost známá: tým si vymyslí několik „hezkých“ promptů, které znějí marketingově čistě, ale neodpovídají tomu, jak lidé reálně píšou do ChatGPT. Trendos doporučuje začít opačně. Prompt list má vycházet z jazyka kupujících, ne z interní představivosti.

V praxi nám pomůže pracovní seznam 30 až 50 podnětů. Má pokrýt přímé srovnání, doporučení, alternativy, vhodnost pro použití, ceny i dlouhé ocasy. Jinými slovy: všechno, co člověk zadává ve chvíli, kdy už zvažuje nákup nebo výběr dodavatele.

Zdrojem mají být značková a kategoriová SQL data, nejvýznamnější organická klíčová slova, support, sales cally, onsite search i recenze. To je důležité, protože právě z těchto zdrojů poznáme, jak zákazníci mluví bez marketingového filtru. Kdo tenhle krok zkrátí, často pak sleduje jen vlastní domněnky. A pokud konkurent cílí na výzvy, které nemáme v seznamu, neuvidíme ho vůbec.

Krok 2: Spusťte každý prompt opakovaně v různých relacích

Samotné spuštění promptu nestačí. Ve zdroji je to řečeno poměrně tvrdě: jedno kolo zachytí jeden výsledek aukce, ne soutěžní sadu. Proto musíme každý příkaz spustit víckrát a v různých podmínkách.

Trendos doporučuje pro použitelný výsledek alespoň 20 až 30 pokusů na jeden podnět během několika dní. Mezi dávkami je potřeba mazat cookies a rozkládat běhy do rána, odpoledne i večera. Tím zachytíme změny, které vznikají kvůli nabídce, signálům relevance a rotaci.

Jde o rozdíl mezi náhodným pohledem a pracovním obrazem trhu. Různá sezení zobrazují různé inzerenty, takže jednorázový screenshot může klamat. Když budeme rozpočet nebo priority stavět na jednom zachycení, stavíme je na šumu. Ve zdroji navíc platí, že běhy je vhodné rozlišit také podle Free nebo Go a podle lokace, protože i tyhle parametry mohou měnit výsledek.

Krok 3: U každého zobrazení zapisujte čtyři data, ne jen jméno inzerenta

Tady většina lidí zbytečně selže. Zaznamenají jen to, že se reklama objevila, a dál s tím nepracují. Podle zdroje ale potřebujeme čtyři datové body na každé zobrazení: název reklamy, popis reklamy, konečnou URL a podíl zobrazení.

Název má být opsaný přesně, protože se může měnit. Popis musíme zachytit celý, protože právě v něm konkurence často testuje positioning. Konečnou URL očistíme od UTM parametrů, ale plnou adresu necháme ve vedlejším sloupci pro pozdější analýzu. A podíl zobrazení nevidíme přímo, počítáme ho z opakovaných běhů.

Každý řádek má dostat také prompt, který reklamu spustil, datum a čas běhu a detail relace včetně Free nebo Go a lokace. Teprve tahle struktura ukáže, jestli konkurence míří na domovskou stránku, kategorii nebo srovnání. Bez ní máme jen fragmenty. S ní vidíme, jak se konkurence pozicionuje a kde opravdu bere pozornost.

Krok 4: Sledujte podíl zobrazení v čase, ne jednorázový dojem

Poslední krok rozhoduje o tom, jestli máme monitoring, nebo jen sbírku screenshotů. Trendos mluví o opakujícím se rytmu, protože podíl hlasu v ChatGPT nečteme z jedné návštěvy. Sledujeme ho v čase.

Minimální režim podle zdroje vypadá takto: denně kontrolujeme 5 až 10 nejcennějších dotazů, týdně projedeme celý seznam 30 až 50 podnětů a měsíčně vyhodnotíme trendy změn podílu. To je praktické rozlišení podle hodnoty dotazů. Ne každý prompt si zaslouží stejnou frekvenci, ale žádný důležitý dotaz nesmí zůstat jen u jednorázového pohledu.

Podíl zobrazení z obyčejného pozorování dělá použitelný signál. Když jeden inzerent vychází opakovaně, už nejde o náhodu, ale o vzorec. Ve zdroji je přímo řečeno, že podíl zobrazení mění větu „viděl jsem je jednou“ na „oni vlastní tento dotaz“. A přesně to potřebujeme vědět, než začneme měnit rozpočet nebo přepisovat priority.

Právě tady dává smysl i automatizace procesu. Trendos uvádí například Ad Radar, ale jako pomocníka pro opakovaný sběr, ne jako pointu celého postupu. Pointa zůstává stejná: bez rytmu, struktury a opakování dostaneme jen hluk. S nimi získáme signál, který už se dá použít pro rozhodování.

Jak z opakovaných pozorování vytvořit použitelný konkurenční signál v čase

V praxi se snadno necháme ukolébat jedním dobrým snímkem. Vidíme reklamu, zapíšeme si ji a máme pocit, že rozumíme trhu. Jenže jednorázový záznam většinou zachytí jen náhodu aukce, relace a času. Použitelný signál vzniká až ve chvíli, kdy měření opakujeme a data srovnáme v čase.

Ve zdroji Trendos, který vyšel jako sponzorovaný článek na Search Engine Journal, se právě na tom láme rozdíl mezi dojmem a skutečným přehledem. Nejde o to, že jsme konkurenta jednou viděli. Jde o to, zda se vrací, mění texty, střídá cílové URL a bere si v kategorii stabilní prostor.

Základ je prostý: podíl zobrazení není pocit, ale přepočet. Ve zdroji jde o procento všech zobrazení reklamy na daný dotaz, které připadlo konkrétnímu inzerentovi. Když podnět spustíme 25krát a stejný konkurent se ukáže 12krát, dostaneme 48% podíl zobrazení. To už není náhodný výskyt, ale opakovatelný vzorec.

Právě tady se běžná marketingová praxe rozchází s realitou. Často stačí jeden screening a interně se začne mluvit o „viditelnosti konkurence“. Jenže aukce i rotace se mění podle relace, relevance a času. Jeden běh zachytí jen jeden výsledek aukce, ne soutěžní obraz celé kategorie.

Zdroj proto doporučuje sledovat nejen výskyty, ale i proměny kreativy. Stejný inzerent může během týdne použít tři nebo čtyři různé názvy na stejný podnět. Kdo zapisuje jen název, přehlédne iteraci. Kdo sleduje i popis, konečnou URL a podíl zobrazení, vidí, jak konkurence testuje pozicování i cestu uživatele.

Tyto čtyři údaje jsou pro monitoring zásadní: název reklamy, popis, finální URL a podíl zobrazení. Název přepisujeme přesně, protože se mění. Popis zachytíme celý, protože i krátká úprava mění význam. U konečné URL ořezáváme UTM parametry, ale plnou adresu necháváme bokem pro pozdější analýzu. Z URL poznáme, zda konkurent posílá lidi na homepage, kategorii nebo srovnání.

Prakticky tedy neevidujeme „jednu reklamu“, ale stopu jejího chování. K jedné řádce patří i prompt, který výskyt vyvolal, datum a čas běhu, a také relace, tedy zda šlo o Free nebo Go a z jaké lokace. Bez toho se data špatně srovnávají a ještě hůř vysvětlují.

Smysl celé práce je v pravidelnosti. Zdroj doporučuje rytmus podle hodnoty dotazů: denně pro 5 až 10 nejcennějších promptů, týdně pro celý seznam 30 až 50 podnětů a měsíčně pro sledování posunu podílu v čase. Kdo měří méně často, vrací se k dojmu. Kdo měří v rytmu, sleduje vývoj.

Tabulku proto třídíme tak, aby šla pivotovat podle promptu, konkurenta a týdne. Teprve pak uvidíme, kdo se drží stabilně, kdo jen občas vyskočí a kdo mění text i URL podle situace. To je moment, kdy z chaosu vzniká konkurenční signál.

Ve zdroji se jako příklad automatizace uvádí Ad Radar. Pointa ale neleží v nástroji. Pointa je v procesu: opakovat, zapisovat, porovnávat a až potom vyvozovat závěr. Jinak si budeme jen ukládat náhodné obrázky a vydávat je za strategii.

Neřešme, jestli se reklama ukáže. Řešme, jestli nám neuniká trh

Na ChatGPT není podstatné to, že se v odpovědích objevují reklamy. Podstatné je, že bez disciplinovaného monitoringu snadno zaměníme náhodný výskyt za skutečnou konkurenční sílu. A to je rozdíl, který v praxi stojí rozpočet, priority i špatně nasměrované zásahy do výkonu.

Jako marketéři často pracujeme s tím, co je vidět na první pohled. Jenže tady první pohled klame. Jeden screenshot, jedna relace nebo jeden den provozu neříkají nic o tom, kdo si daný dotaz opravdu drží, kdo jen občas vyskočí a kdo testuje nové pozicování. Bez opakování zůstáváme u dojmu, ne u řízení.

Největší chyba není technická, ale interpretační. Když začneme číst jednorázový výskyt jako trvalou hrozbu, přeceňujeme šum. Když naopak sledování odložíme s tím, že „to ještě není důležité“, můžeme přehlédnout moment, kdy konkurence získává prostor v okamžiku rozhodování. V obou případech reagujeme pozdě.

Proto si z toho bereme jednoduchý závěr: v prostředí bez veřejných přehledů není rozhodující vidět reklamu, ale umět průběžně dokázat, co znamená. Teprve pak poznáme, jestli jde o okrajový výskyt, nebo o novou konkurenční realitu, která si říká o pozornost i rozpočet.

Zdroj: searchenginejournal.com

---