Statistiky o české e-commerce se často přebírají ze zahraničních studií. Proto jsem 6. srpna 2026 stejným postupem prověřil 22 domén vybraných českých e-shopů. Jedna stránka měření nedokončila kvůli timeoutu, 21 se načetlo a jedna z nich už místo e-shopu zobrazovala zaparkovanou doménu. Výsledky vzorku proto níže počítám z 20 aktivních e-shopů.
Tohle rozlišení je důležité. Nejde o reprezentativní průzkum všech českých obchodů ani o žebříček konkrétních značek. Je to transparentní technický snímek záměrně pestrého vzorku, který lze později zopakovat stejnou metodikou.
Ve vzorku 20 aktivních českých e-shopů mělo 7 webů (35 %) soubor llms.txt, 13 (65 %) nějaká strukturovaná data a 8 (40 %) typ Organization nebo Store. Právě jeden H1 mělo 12 webů (60 %), kompletní OG title a image 9 (45 %) a medián podílu obrázků bez alt textu byl 27,7 %. Medián laboratorního desktop LCP byl 0,93 s a čtyři weby překročily CLS 0,1. Přítomnost llms.txt ani schema sama o sobě nedokazuje lepší pozice nebo citace v AI odpovědích.
Novější měření na stejném principu, jak jsou české e-shopy nastavené vůči AI crawlerům a co jim chybí ve strukturovaných datech, najdete v článku AI crawlery a 30 českých e-shopů: co ukázalo měření.
Metodika a veřejná data
- Výběr: 22 známých e-shopových domén různé velikosti a z různých oborů. Jde o účelový, nikoli náhodný nebo reprezentativní vzorek.
- Výsledný vzorek: 20 aktivních e-shopů. Jedna doména byla v době testu zaparkovaná a jedna stránka skončila timeoutem; obě jsou z agregací aktivních e-shopů vyloučené.
- Kdy a čím: 6. srpna 2026, headless Chromium, desktop 1440 × 900, bez síťového throttlingu, homepage každého webu.
- Obsahové kontroly: H1, meta description, alt atributy, Open Graph a JSON-LD z DOM po načtení stránky.
- Soubory webu: robots.txt, sitemap.xml a llms.txt ověřené běžným HTTP klientem na standardních adresách.
- Výkon: LCP a CLS přes PerformanceObserver. Jde o laboratorní desktop měření, ne o mobilní terénní data CrUX.
Stáhnout anonymizovaný agregovaný dataset v CSV. Soubor neobsahuje názvy ani domény jednotlivých obchodů; obsahuje zveřejněné metriky, velikost vzorku, jednotky a metodické poznámky.
Praktický příklad: Od 22 adres ke 20 e-shopům
VLASTNÍ MĚŘENÍ · ÚČELOVÝ VZOREK
| Krok výběru | Počet |
|---|---|
| Vybrané adresy | 22 |
| Načtené weby | 21 · jeden timeout |
| Aktivní e-shopy | 20 · jedna parkovaná doména |
Desktopový laboratorní běh, bez omezení sítě. Nejde o CrUX.
Zjištění 1: llms.txt se objevuje, ale není to vstupenka do AI výsledků
Soubor llms.txt mělo 7 z 20 aktivních e-shopů (35 %). To je zajímavý signál adopce nového experimentálního formátu, nic víc.
Google ve svém oficiálním návodu pro generativní AI ve Vyhledávání uvádí, že platí běžné SEO principy a rozhoduje užitečný, původní a indexovatelný obsah. Speciální AI soubor není podmínkou. OpenAI zase pro objevování obsahu v ChatGPT Search popisuje přístup crawleru OAI-SearchBot, nikoli povinný llms.txt.
Proto z měření nelze říct, že web s llms.txt bude častěji citovaný. Lze říct pouze to, že sedm webů tento soubor na standardní adrese zpřístupnilo.
Vedle toho mělo 11 z 20 aktivních e-shopů sitemapu na /sitemap.xml a 14 z 20 vydalo robots.txt běžnému HTTP klientovi. Ani neúspěšné načtení souboru automaticky neznamená, že jej nevidí Googlebot; ochrana může reagovat rozdílně podle klienta a musí se ověřit v logu nebo Search Console.
Zjištění 2: základní reprezentace webů není konzistentní
| Kontrola | Výsledek aktivního vzorku | Co lze poctivě říct |
|---|---|---|
| Právě jeden H1 | 12 z 20 (60 %) | 8 webů mělo nula, dva nebo tři H1 |
| Meta description | 19 z 20 (95 %) | ve vzorku téměř standard |
| Obrázky bez alt textu | medián 27,7 % | 12 webů mělo bez altu více než pětinu obrázků |
| Kompletní OG title + image | 9 z 20 (45 %) | 11 webů nemělo kompletní dvojici pro sdílení |
| Jakákoli JSON-LD data | 13 z 20 (65 %) | přítomnost schema neříká, zda je úplné nebo správné |
| Organization / Store | 8 z 20 (40 %) | základní identita organizace byla ve schema u menšiny |
| FAQPage | 0 z 20 | zaparkovaná doména mimo aktivní vzorek byla jediná s FAQPage |
Strukturovaná data mohou vyhledávači pomoci pochopit viditelný obsah a u podporovaných typů vytvořit způsobilost pro rozšířené výsledky. Nejsou však garancí pozice ani AI citace. Bohaté výsledky FAQ navíc Google ve vyhledávání už nezobrazuje, takže nulový výskyt FAQPage není pro běžný e-shop obchodní problém.
Samotný počet H1 není známka správnosti SEO. U alt textů nebylo klasifikováno, zda jsou obrázky významové, nebo dekorativní; správně prázdný alt="" proto nelze automaticky označit za chybu.
Zjištění 3: desktopové laboratorní výsledky jsou rychlé, ale rozptyl je velký
Desktopové laboratorní výsledky
- LCP medián 0,93 s, průměr 1,01 s, maximum 3,34 s
- CLS 4 z 20 webů překročily 0,1, jeden překročil 0,25
- HTTP požadavky medián 136,5 na homepage, maximum 403
- DOM elementy medián 3 115, maximum 8 380
Běh bez síťového a procesorového throttlingu zachycuje konkrétní laboratorní podmínky; neprokazuje nejlepší možný scénář ani zkušenost všech zákazníků. Výsledky neslouží jako náhrada mobilních dat CrUX nebo PageSpeed Insights a nelze z nich odvozovat konverzní poměr jednotlivých e-shopů.
Co z měření skutečně plyne pro provozovatele e-shopu
Co ověřit u vlastního e-shopu
- Indexace a viditelný obsah produkty, kategorie, ceny, doprava a kontakty dostupné uživateli i crawleru v normálním HTML
- Schema jako přesný popis, ne trik Organization, WebSite, Product a nabídky odpovídají tomu, co je na stránce vidět
- Technické základy jeden srozumitelný hlavní nadpis, alt text tam, kde obrázek nese informaci, správné sdílení a stabilní mobilní layout
- Původní obsah pro AI viditelnost vlastní data, jasná metodika, reálné zkušenosti a omezení měření
- AI návštěvnost zvlášť referral data z ChatGPT, Perplexity a dalších zdrojů, viz Jak měřit návštěvnost z AI vyhledávání
Technické základy pomáhají lidem i strojovému zpracování. Vlastní data a jasná metodika mají větší hodnotu než další obecný článek nebo samotný llms.txt.
Pokud potřebujete prověřit vlastní obchod, stejný typ technické a obsahové diagnostiky řeším v rámci SEO pro firmy a e-shopy, Shoptet podpory a redesignu e-shopu.
Praktický příklad: Chybějící alt je podnět ke kontrole
VLASTNÍ MĚŘENÍ · ÚČELOVÝ VZOREK
| Co víme | Co ještě nevíme |
|---|---|
| 12 / 20 e-shopů: přes 20 % obrázků bez alt | Zda obrázek nese informaci |
| Medián podílu bez alt: 27,7 % | Zda je obrázek pouze dekorace |
| Zjištěná vlastnost HTML | Skutečný dopad na uživatele |
Dekorativní obrázek může mít správně prázdný alt="".
Shrnutí
Z 22 vybraných domén se podařilo načíst 21 webů a pro srovnání aktivních e-shopů zůstalo 20. Ve výsledném vzorku mělo 35 % llms.txt, 65 % nějaká JSON-LD data, 60 % právě jeden H1 a 45 % kompletní OG title s obrázkem. Medián laboratorního desktop LCP byl 0,93 s, ale čtyři weby překročily CLS 0,1.
Nejdůležitější závěr není „nainstalujte llms.txt“. Je jím rozdíl mezi pouhou přítomností technického prvku a ověřenou užitečností webu: AI i klasické vyhledávání potřebují přístupný, přesný a původní obsah, který lze dohledat a důvěryhodně použít.
Měřeno 6. 8. 2026, metodika a agregace aktualizované 8. 8. 2026. Napište si o audit vlastního e-shopu, dostanete konkrétní nálezy a priority, ne automatické skóre bez kontextu.