Hlasové vyhledávání

Hlasové vyhledávání (anglicky voice search) je zadávání dotazu do vyhledávače nebo hlasového asistenta mluvením místo psaní. Používá ho hlavně mobil, auto a chytrý reproduktor. Mluvené dotazy jsou v průměru dvakrát delší než psané, mají tvar celé otázky a často chtějí jednu odpověď, ne seznam odkazů. Proto se pro ně web optimalizuje jinak než pro psaný dotaz: odpovědí v první větě, blokem otázek a správnými místními údaji.

🧒 Základní škola

Když řekneš mobilu „Hej Google, kde je nejbližší zmrzlina“, telefon tě poslechne, přemění tvoje slova na text, zeptá se vyhledávače a odpověď ti přečte nahlas. To je hlasové vyhledávání. Je to pohodlné, když máš plné ruce, řídíš nebo ještě neumíš rychle psát. Rozdíl je v tom, že když píšeš, napíšeš „zmrzlina Brno“, ale když mluvíš, řekneš celou větu, jako bys mluvil s kamarádem. A vyhledávač se musí naučit celým větám rozumět.

🎓 Střední škola

Hlasové vyhledávání spojuje dvě technologie: rozpoznávání řeči, které mluvené slovo převede na text, a běžné vyhledávání, které na text odpoví. U hlasových asistentů (Google Assistant a Gemini, Siri, Alexa) přibývá třetí krok: asistent odpověď přečte, takže z celé stránky výsledků vybere jedinou odpověď, obvykle z nultého výsledku (featured snippet) nebo z firemního profilu.

Pro majitele webu z toho plynou tři věci. Mluvené dotazy jsou delší a konverzační: místo „pneuservis Olomouc“ člověk řekne „kde mi v Olomouci přezují pneumatiky ještě dnes“. Jsou častěji místní: velká část hlasových dotazů z mobilu obsahuje „blízko mě“ nebo název města. A chtějí přímou odpověď: otevírací dobu, cenu, adresu, krátký návod.

Web, který na tyto dotazy odpovídá v první větě odstavce a má blok otázek a odpovědí, má větší šanci, že ho asistent přečte. Stejná pravidla platí pro AI Overviews a odpovědi chatbotů, hlasové vyhledávání je jejich starší sourozenec.

🎓🎓 Vysoká škola

Technicky stojí hlasové vyhledávání na modelech automatického rozpoznávání řeči (ASR), které z akustického signálu odhadují posloupnost slov, a na porozumění přirozenému jazyku (NLU), které z věty vytáhne záměr a entity: místo, čas, produkt. Čeština byla pro tyto modely dlouho obtížná kvůli skloňování a volnému slovosledu, dnes rozpoznávání češtiny dosahuje chybovosti pod 10 procent slov v běžných podmínkách.

Z pohledu SEO je hlasové vyhledávání extrémní případ dlouhého ocasu: tisíce různých formulací téhož záměru s nízkou hledaností každé z nich. Nedá se cílit na konkrétní frázi, cílí se na záměr. Praktická optimalizace zahrnuje:

🧠 Expert

Předpovědi z let 2016 až 2018, že polovina vyhledávání bude do roku 2020 hlasová, se nenaplnily. Hlasové vyhledávání se usadilo v několika situacích: v autě, v kuchyni, při chůzi a u dětí a seniorů, kterým psaní na mobilu nevyhovuje. Podíl hlasových dotazů se v různých měřeních pohybuje v jednotkách až nízkých desítkách procent mobilních vyhledávání a liší se podle jazyka a země. Pro české firmy je podstatnější trend, který hlasové vyhledávání předznamenalo: jeden dotaz, jedna odpověď, bez seznamu deseti odkazů.

Tento model se naplno prosadil s generativní AI. Gemini nahradil Google Assistant, ChatGPT má hlasový režim, Perplexity odpovídá mluveným slovem. Rozdíl proti klasickému hlasovému vyhledávání je v tom, že odpověď už není úryvek jedné stránky, ale syntéza z několika zdrojů, a stránka se do ní dostane jen tehdy, když ji model považuje za důvěryhodnou a srozumitelnou. Práce na viditelnosti v hlasových asistentech je tak dnes totožná s prací na GEO: jasné odpovědi, vlastní čísla, zmínky na webech, ze kterých modely čerpají, a správné údaje ve firemních profilech. Jak si ověřit, co asistenti a AI o firmě říkají, popisuje Rádce AI nástroje zdarma pro firmy.

😇 Pán Bůh

Dal jsem lidem řeč dřív než písmo, a trvalo jim pár tisíc let, než naučili stroje poslouchat. Teď se o půlnoci v kuchyních ptají reproduktoru, kolik má gram mouky kalorií, a v autech, kde je nejbližší benzinka, a stroj odpovídá hlasem, který zní skoro jako můj. Rozdíl je, že já odpovídám málokdy a stroj vždycky, i když neví. Majitelům webů bych vzkázal: pište tak, jak lidé mluví, odpovídejte v první větě a nelžete o otevírací době. Stroj to přečte nahlas a vy budete u toho.

❓ Otázky a odpovědi

Jak funguje hlasové vyhledávání?

Mikrofon zachytí řeč, model rozpoznávání řeči ji převede na text, vyhledávač nebo AI na text odpoví a asistent odpověď přečte nahlas. Celý řetězec trvá zlomek sekundy, data o řeči se zpracovávají na serverech poskytovatele.

Jak optimalizovat web pro hlasové vyhledávání?

Odpovídat na otázky v první větě odstavce, mít blok otázek a odpovědí ve tvaru, jak lidé mluví, udržovat firemní profil Google a Seznam s adresou a otevírací dobou, používat strukturovaná data a mít rychlý mobilní web. Stejné kroky pomáhají i v AI Overviews.

Kolik lidí vyhledává hlasem?

Podle měření jednotky až nízké desítky procent mobilních dotazů, nejčastěji v autě, doma a při místních dotazech. Předpověď o polovině vyhledávání hlasem se nenaplnila, místo toho přišla AI, která odpovídá na stejný typ dotazů textem i hlasem.

Rozumí Google hlasem česky?

Ano, Google, Gemini, Siri i Alexa rozpoznávají češtinu a Google ji umí od roku 2016. Kvalita rozpoznávání je u běžných dotazů srovnatelná s angličtinou, horší je u nářečí, odborných výrazů a v hluku.