Google uvaja označevanje AI-vsebine (SynthID)

Apr 13, 2026 | LLM (AI), SEO

VIR
https://www.link-assistant.com/news/how-google-detects-ai.html

BISTVO

  • Google DeepMind je razvil SynthID, neviden vodni žig, ki se vgradi v AI-generirano besedilo, slike, video in zvok ter omogoča zanesljivo strojno zaznavo izvora vsebine.

  • Vodni žig ni v metapodatkih, temveč v sami vsebini, zato preživi običajne obdelave (obrezovanje, kompresija, zaslonski posnetki, blagi filtri) in se ga z “casual” urejanjem ne da odstraniti.

  • Glavni motiv za zaznavanje AI ni neposredno kaznovanje v iskanju, temveč preprečevanje “model collapse” – degradacije prihodnjih modelov, ko se ti učijo na AI-izpisih namesto na človeških podatkih.

  • Za SEO je ključno uporabljati AI za raziskavo, osnutke in pospešitev dela, nato pa v vsebino vgraditi lastne podatke, izkušnje in specifične vpoglede, ki jih AI ne more ponoviti.

  • Spletni založniki lahko tehnično zmanjšujejo zaznavnost vodnih žigov (močno prepisovanje, prevajanje, regeneracija z drugimi modeli), vendar to ne rešuje bistva: ali je vsebina dovolj uporabna, citabilna in vredna povezav.

DEJSTVA

  • Google poroča, da je bilo v začetku 2026 z SynthID označenih že več kot 10 milijard kosov vsebine v njihovih AI-orodjih (Gemini, Imagen, Lyria, Veo).

  • V koaliciji C2PA za standard “Content Credentials” sodeluje več kot 200 organizacij, med drugim Microsoft, Adobe, OpenAI, Meta, BBC in Amazon.

  • Raziskava v reviji Nature kaže, da treniranje modelov pretežno na AI-generiranih podatkih vodi v degenerativni učinek (model collapse), kjer se izhodi postopno odmikajo od realnosti.

  • Študija princetonskih raziskovalcev ugotavlja, da dodajanje statistik in citiranih virov lahko poveča “AI citation rate” vsebine za približno 30–40%.

  • Test 14 komercialnih AI-detektorjev leta 2023 ni pokazal niti enega orodja z vsaj 80% natančnostjo, pri čemer so nekateri pogosto označili človeško besedilo kot AI.

CITATI

  • “SynthID is a watermarking technology developed by Google DeepMind. It embeds an invisible digital watermark into AI-generated content.”

  • “The watermark isn’t stored in removable metadata — it’s embedded in the content itself.”

  • “AI models learn from data scraped from the internet. As more and more of that internet gets filled with AI-generated content, future models increasingly end up training on AI outputs rather than human writing.”

  • “Stop using AI for content entirely? No. That’s not the takeaway.”

  • “Passing a detector and being worth citing are two different problems, and the second one is harder to game.”

Google UCP bo omogočil nakupe neposredno iz iskalnika, kar bo temeljito spremenilo e‑trgovino in vlogo lastnih spletnih mest …

Mar 25, 2026 | Ecommerce, SEO

vir: https://www.youtube.com/watch?v=2MOYhbXeaWA

image

Kaj je UCP in zakaj je pomemben

  • Google Universal Commerce Protocol (UCP) je standardiziran način, da AI interakcije (Search, AI Mode, Gemini) pretvori v dejanski nakup brez obiska spletne trgovine.

  • UCP omogoča, da AI vmesnik prikaže izdelke, zgradi košarico in izvede plačilo (Google Pay, Shop Pay, PayPal, Stripe, kasneje tudi kripto) prek varnih, tokeniziranih plačilnih strežnikov trgovcev.

  • Trenutno je na voljo za ameriške trgovce z vsaj približno 50 izdelki in zahteva vzpostavljen Google Merchant Center za pravilno serviranje kataloga.

Poslovni agenti in nova “SEO disciplina”

  • Google uvaja poslovne agente, tj. AI pomočnike, ki predstavljajo podjetje neposredno v iskalnih rezultatih in v Gemini, z logotipom, barvami in prilagojenimi “welcome” sporočili.

  • Agent črpa podatke iz Merchant Centerja in spletnega mesta, zato je ključno, da so pogosta vprašanja in ključne informacije jasno zapisane na strani; sicer lahko agent halucinira napačne odgovore.

  • Avtorica svetuje, da podjetja z lansiranjem agentov še nekoliko počakajo, dokler ne bo več nadzora nad treningom (brand guidelines, size guide, primeri odgovorov) in vpogledom v pogovore ter metrike uspešnosti.

Kako UCP deluje tehnično (AP2, mandati, varnost)

  • Jedro plačil je Agent Payments Protocol (AP2), ki uporablja kriptografsko podpisane verifiable credentials (VC) namesto klasičnih API klicev.

  • Uporabljajo se trije tipi mandatov:

    • cart mandate (človeški prisoten nakup, podpisana konkretna košarica, cena, dostava),

    • intent mandate (človeški ne‑prisoten scenariji tipa “kupi karte, ko gredo ob polnoči v prodajo” s pogoji, npr. max cena),

    • payment mandate (poseben credential za plačilno omrežje in banke, označi, da je sodeloval AI agent).

  • Tok pri human‑present nakupu: trgovec podpiše košarico, uporabnik jo odobri in njegov device podpiše cart in payment mandate, nato se transakcija izvrši.

Kdo UCP že uporablja in odnos do drugih protokolov

  • UCP je že privzeto vključen pri Shopify trgovcih; njihovi izdelki se “avtomatsko” sindicirajo v AI servise.

  • Protokol sprejemajo tudi Etsy, Wayfair, Best Buy, Visa, American Express, Mastercard, Home Depot in Walmart, pri čemer Walmart preizkuša precej agresivne scenarije z AI agenti in dostavo.

  • UCP ni vezan samo na Google – podobno kot HTTP je zamišljen kot univerzalen standard, ki bo deloval tudi v Copilotu, ChatGPT in drugod, medtem ko je OpenAI‑jev ACP bolj osredotočen na instant checkout v ChatGPT ekosistemu.

Vpliv na e‑commerce, uporabnike in prihodnost

  • Za uporabnike je glavna prednost ekstremno hiter, “frictionless” nakup: pogovor z AI (v brskalniku, očalih, pametnem domu), klik ali glasovno dovoljenje in nakup je izveden brez obiskovanja strani in izpolnjevanja obrazcev.

  • Varovalke proti zlorabam temeljijo na omenjenih mandatih, omejitvah (cene, kategorije) in kriptografski nedvoumni avtorizaciji.

  • Za trgovce je največja skrb izguba nadzora nad “customer journeyjem” in neposrednim odnosom, saj bo del občinstva popolnoma preskočil spletno mesto, a avtorica meni, da bodo vsaj nekaj let ljudje še vedno tudi brskali po klasičnih straneh.

  • V prihodnjih letih Google napoveduje podporo za multi‑item checkout, kompleksna pravila košarice, upsell in bolj napredne scenarije, kar bo dodatno standardiziralo uporabo UCP v večini večjih platform.

  • Video povezuje UCP z širšo vizijo: AI očala, glasovno naročanje prek Google Home, dronska dostava (Google + Walmart Wing), in dolgoročno celo fizični roboti (partnerstvo z Boston Dynamics), ki agentično kupujejo in izvajajo opravila za uporabnika.

Uporabniška zadovoljstvo kot osrednji rangirni signal v Google iskanju

Mar 25, 2026 | SEO

vir: https://www.youtube.com/watch?v=mYwU1eyUm3s

image


  • Intro in teza

    • Video zagovarja tezo, da je zadovoljstvo uporabnika najpomembnejša stvar, na katero se lahko optimizira SEO, saj AI sistemi na vrhu klasičnih algoritmov rezultate ponovno razvrščajo na podlagi vedenja uporabnikov in ocen kakovostnih ocenjevalcev (quality raters).

    • Klasični algoritmi (on-page, povezave itd.) najprej zožijo rezultate na nekaj sto dokumentov, nato pa globoki modeli (RankBrain, DeepRank, RankEmbed BERT) te rezultate rerangirajo z uporabo signalov iz klikov, pomikov, vračanj na SERP ter ocen kakovosti.

  • Kako Google uporablja podatke uporabnikov (Glue/NavBoost, Instant Glue)

    • Sistem Glue/NavBoost zbira podatke o vsaki poizvedbi: kliki, premiki miške, pomikanje, vračanje na rezultate, interakcije s slikami; vse to se uporablja za izboljšanje razumevanja namena in “svežih” poizvedb.

    • “Instant Glue” hitro prilagodi rezultate, ko se spremeni namen iskanja (npr. “Nice pictures” pred in po terorističnem napadu v Nici), tako da se SERP dinamično preusmeri iz generičnih “nice” slik v slike, povezane z dogodkom.

  • RankEmbed BERT in globoki modeli

    • RankEmbed BERT je notranji BERT‑ov model, treniran na dejanskih iskalnih poizvedbah in izbirah uporabnikov, ne na Wikipediji/BooksCorpus, ter napoveduje verjetnost klika na posamezne rezultate.

    • Google najprej s “core” algoritmi zoži npr. 10 milijonov ujemajočih strani na nekaj sto, nato globoki modeli (RankBrain, DeepRank, RankEmbed BERT) prilagodijo ocene za zgornjih 20–30 ali več dokumentov, ker je globoko rangiranje drago za računanje.

    • Ti modeli se učijo podobno kot BERT: kadar njihova napoved klika ne ustreza dejanskemu vedenju uporabnikov, se uteži prilagodijo; CTR ni “direkten” rangirni signal, je pa pomemben učni signal za modele.

  • Helpful Content sistem in March 2024 Core Update

    • Helpful Content sistem (od 2022) je strojno‑učno klasificiranje strani na “koristne” in “nekoristne”, kjer model uči značilnosti vsebin, ki so za uporabnike resnično uporabne, ne le dobro optimizirane za SEO.

    • March 2024 core update je prenesel naučeno iz Helpful Content sistema v glavne rangirne sisteme, tako da ni enega samega signala, temveč več paralelnih signalov, ki skupaj ocenjujejo koristnost; cilj je znižati delež nekoristnih, neizvirnih vsebin.

    • Pogosto so prizadeta spletna mesta, ki so bila “zelo dobra v SEO”, a manj v dejanskem zadovoljstvu uporabnikov; včasih pa so kolateralna škoda strani s podobnimi značilnostmi kot ciljne.

  • Kakovostni ocenjevalci (Quality Raters) in IS@5

    • Quality raters dobijo dvoje rezultatov: “zamrznjen” (trenutni Google) in “ponovno naučen” (nov sistem) ter ocenjujejo kakovost zgornjih 5 rezultatov (IS@5, verjetno “information satisfaction”).

    • Njihove ocene se ne uporabljajo za direktno kaznovanje posameznih strani, ampak kot učni podatki: sistem se uči, katere lastnosti so prisotne pri rezultatih, ki so dobili visoke ali nizke ocene.

    • Ker ocenjevalci ne pokrijejo vseh domen (zelo tehnične poizvedbe, otroške poizvedbe itd.), Google izvaja na tisoče “live traffic” eksperimentov (npr. 17.000+), kjer različnim uporabnikom pokaže različne verzije SERP in iz vedenja sklepa, katere konfiguracije so boljše.

  • Vloga Chrome in “popularnosti”

    • V gradivu iz postopka DOJ se pojavljajo indici, da se popularnost strani meri tudi prek podatkov iz brskalnika Chrome (obiski/obnašanje), ne več samo prek povezav, čeprav Google ne razkrije natančnega obsega uporabe.

    • To pomeni, da je “popularnost” v smislu dejanske uporabe strani (koliko jih ljudje dejansko obiskujejo in uporabljajo) verjetno močnejši signal kot goli profil povratnih povezav.

  • Strategija za SEO po teh razkritjih

    • Prekomerno optimiziranje za AI (npr. množično generirane vsebine, agresivno “chunkanje” besedil samo zaradi LLM/AI Overviews) pogosto ustvari t. i. “AI goro”: hiter rast organskega prometa, sledi pa strm padec, ko sistemi sčasoma “spoznajo”, da uporabniki raje klikajo in ostajajo drugje.

    • Google želi nagraditi strani, ki v primerjavi z drugimi rezultati na isti poizvedbi ponujajo večjo dejansko vrednost: globino, originalne uvide, unikatne vizualne elemente ali pokritje pomembnih pod‑tem, ki jih drugi ne obravnavajo.

    • Priporočeno je:

      • Razumeti delovanje vektorskega iskanja, a pisati primarno za ljudi, ne za modele.

      • Graditi vsebino okrog uporabnikovega namena in poskrbeti, da stran res reši problem bolje kot konkurenca.

      • Uporabljati jasne naslove in strukturo, ki omogoča hitro skeniranje, vendar brez ekstremnega drobljenja v mikro odstavke samo zaradi LLM‑ov.

      • V analitiki spremljati dejanske signale angažiranosti (čas na strani, pomikanje, vračanja na SERP, konverzije) in iterativno izboljševati zadovoljstvo uporabnikov.

  • Ključna implikacija za prakso

    • Če AI sistemi re‑rangirajo rezultate predvsem na podlagi povratne zanke med uporabnikovim vedenjem in ocenami kakovostnih ocenjevalcev, je dolgoročno najdonosnejša strategija ustvarjanje vsebine, ki uporabnika zadovoljni bolj kot alternative – ne pa igranje s posameznimi SEO triki.

    • Google dokument “Creating helpful content” naj se razume kot povzetek tega, kaj ljudje dejansko imajo radi, ne kot neposreden seznam algoritmičnih pravil; osrednje vprašanje je: ali vaša stran nudi “substantial value” v primerjavi z ostalimi rezultati na isti poizvedbi.

1/3 2026 roundup: LLM rast, novi AI oglaševalski modeli in večja kontrola založnikov nad Google AI, medtem ko klasični “push” social ostaja pod vprašajem.

Mar 25, 2026 | SEO

VIR:  diggitymarketing.com/news-roundup-feb-2026

BISTVO

  • Študija ~2 milijonov LLM sej pokaže, da Copilot in Claude rasteta bistveno hitreje kot ChatGPT, Perplexity pa ima nesorazmeren vpliv v financah zaradi poudarka na citiranju virov.

  • Ahrefs (Sam Oh) poudari, da nove strani še vedno lahko rastejo, če sistematično zgradijo odkritje (directories, hubs) in ponudijo uporabne nišne “tools” za ljudi in LLM-je.

  • Edward Sturm trdi, da tematska avtoriteta ne izhaja iz blogov, ampak iz širšega spektra signalov: povezave, omembe znamke, PR, forumi, ocene in bottom‑of‑funnel strani.

  • OpenAI uvaja teste oglasov v ChatGPT (Free & Go), Google napoveduje kontrole za izključitev vsebine iz Search AI, Meta pa globalno širi oglase na Threads z novimi formati in verifikacijo.

  • Analize DOJ procesa zoper Google (Marie Haynes) poudarijo RankEmbed BERT in sklep, da je zadovoljstvo uporabnika eden ključnih signalov pri rangiranju.

DEJSTVA

  • Študija LLM: ~2 milijona sej, 9 industrij, obdobje januar–december 2025; rast: ChatGPT ~3×, Copilot ~25×, Claude ~13×.

  • Perplexity ima relativno majhen tržni delež, a močan vpliv v finančnem vertikalu zaradi doslednih citatov in “verified facts”.

  • OpenAI oglasi: najprej testni, vidni za ChatGPT Free in Go; obljube: brez prodaje podatkov oglaševalcem, ločeni in označeni oglasi, “answer independence” ter zasebnost pogovorov.

  • Meta Threads: oglaševanje cilja na ~400 milijonov aktivnih uporabnikov, uvaja se globalno z več formati (vključno s karuselom) in razširjeno third‑party brand‑safety verifikacijo.

  • Google RankEmbed BERT: eden od treh znanih DL‑sistemov (skupaj z RankBrain in DeepRank), najbolj fokusiran na uporabniške podatke in vedenje pri prilagajanju rangirnih točk.

CITATI (parafrazirani / povzeti v izvirnem jeziku)

  • “ChatGPT grew 3x… Copilot grew 25x while Claude grew 13x,” kot ilustracija divergentne rasti med LLM-ji v B2B vertikalah (SaaS, Education, Finance).

  • “Perplexity is one of the smallest LLMs, but it has an outsize influence on the Finance vertical,” zaradi fokusa na citatih in preverljivosti.

  • OpenAI: oglaševanje je “in support of [our] mission and making AI more accessible” ter ne vpliva na odgovore, ki ostajajo optimizirani za uporabnika.

  • Sunny Lenarduzzi: social media “push marketing” je potrata virov; rast temelji na “pull marketingu” in “triangle of trust” z jasno definiranimi potrebami idealne stranke.

  • Marie Haynes: na podlagi Quality Rater Guidelines in RankEmbed sistemov sklepa, da “user satisfaction is now one of the most important signals” za Google rangiranje.

How I’d Get Traffic to a New Website if I Had to Start Over (2026)

https://www.youtube.com/watch?v=Qs_p21vLp1A

Topical Authority Isn’t Blog Posts – It’s This

https://www.youtube.com/watch?v=8DuIlUdfY_w

What if user satisfaction is all that matters for ranking on Google?

https://www.youtube.com/watch?v=mYwU1eyUm3s

Večplatformska LLM strategija je nujna: različni modeli zmagujejo v različnih panogah in fazah

Mar 25, 2026 | SEO

VIR: https://searchengineland.com/2-million-llm-sessions-ai-discovery-468115

BISTVO

  • ChatGPT ima 84,1% zaznanega AI discovery prometa, a služi predvsem kot generični vstop za široko raziskovanje, ne kot specializirano delovno orodje.

  • Copilot in Claude sta v 2025 rasla bistveno hitreje (25x oziroma 13x), ker sta vgrajena v delovne tokove (Microsoft ekosistem, razvoj, analitika), ne v samostojno “search” izkušnjo.

  • Perplexity je praktično ohranil relevantnost samo v financah, kjer ima 24% tržni delež, ker tam štejejo viri, licencirani podatki in preverljivost odgovorov.

  • Gemini povzroča “meritveno krizo”: uporabnike zadrži v Google ekosistemu, zato je dejanski AI vpliv na odločitve večji od tega, kar je vidno v analitiki (podcenjena penetracija AI discovery).

  • Optimalna LLM strategija mora slediti publiki: Copilot za enterprise in B2B delo, Perplexity za visoko-stavne finance, Claude za tehnično in strateško analizo, ChatGPT za širok doseg, ob sočasnem reševanju attribution vrzeli (Gemini).

DEJSTVA

  • Analiza zajema približno 1,96 milijona LLM sej v devetih panogah v obdobju januar–december 2025.

  • Skupne rasti: ChatGPT 3x, Copilot 25x, Claude 13x, Perplexity 1x, Gemini 1x.

  • V financah ima Perplexity 24% tržni delež; v drugih panogah mu deleži drastično padejo (npr. publisherji z 41,5% na 3,6%).

  • Claude ima le 0,6% celotnega AI discovery prometa, a dosega ekstremne rasti po panogah: npr. publisherji 49x, finance 38x, izobraževanje 25x.

  • V izobraževanju se zaznan promet Gemini zmanjša za 67%, medtem ko ChatGPT zraste 6x in Copilot 27x, kar avtor interpretira kot kolaps atribucije, ne kot padec uporabe.

CITATI

  • “ChatGPT commands 84.1% of trackable AI discovery traffic, but it functions primarily as the default tool for broad-market discovery.”

  • “Copilot wins in B2B verticals where work already happens inside the Microsoft ecosystem.”

  • “Perplexity only survives in finance.”

  • “Claude represents just 0.6% of total AI discovery traffic, which makes it easy to dismiss. But where that 0.6% concentrates is revealing.”

  • “The future of AI discovery isn’t about ranking on ChatGPT alone. It’s about understanding where your audience discovers and which platforms actually serve their needs.”

AI optimizacija je v bistvu dobro izveden long-tail SEO v svetu, kjer LLM-ji generirajo vedno bolj podrobne poizvedbe in še vedno temeljijo na iskanju po spletu.

Mar 25, 2026 | SEO

VIR

BISTVO

  • LLM-ji (GPT-4o, Claude, Gemini, Grok itd.) ostajajo odvisni od klasičnega iskanja in RAG pristopa, zato je kakovostna, indeksirana vsebina še vedno ključna osnova za odgovore.

  • AI optimizacija ni nova disciplina, temveč vrnitev k long-tail SEO: odgovarjanju na specifična, podrobna vprašanja uporabnikov namesto tekmovanja za generične “head” ključne besede.

  • Vzpon pogovornih promptov v LLM-jih razširja “debel rep” iskanj; LLM-ji iz promptov generirajo dolge, natančne poizvedbe v Bing, Google, Brave, X in hibridne indekse.

  • Članek predstavi konkreten playbook: uporaba LLM-jev za odkrivanje realnih vprašanj kupcev, analizo interne iskalne statistike in načrtovanje vsebine, medtem ko je samo pisanje vsebine še vedno človeška naloga.

  • Nova SEO strategija poudarja izkušnjo, avtoriteto, zaupanje, javno dostopno vrhunsko vsebino ter vključevanje uporabniško generirane vsebine, namesto “SEO trikov” ali paywallanja najboljšega znanja.

DEJSTVA

  • Članek “Why AI optimization is just long-tail SEO done right” je objavljen 17. februarja 2026 na Search Engine Land, avtor je Steve Liu.

  • Kot glavne LLM-je navaja GPT-4o, Claude 4.5, Gemini 1.5, Grok-2 in poudarja, da temeljijo na transformer arhitekturi z učenjem napovedovanja naslednjega tokena.

  • Viri za učenje modelov vključujejo Common Crawl, digitalizirane knjige, Wikipedijo, znanstvene članke, repozitorije kode, arhive novic in forume, s težkim filtriranjem nizkokakovostne vsebine.

  • Povezave LLM–iskalnik: ChatGPT → Bing, Claude → Brave, Gemini → Google, Grok → X Search + lastni indeks, Perplexity → hibridni indeks.

  • Članek večkrat sklicuje E‑E‑A‑T (izkušnja, strokovnost, avtoriteta, zaupanje) in trdi, da je “expertise” postal komoditeta, diferenciacija pa se seli v izkušnjo in zaupanje.

CITATI

  • “It’s just long-tail SEO — done the way it was always meant to be done.”

  • “Suddenly, the fat head of the search curve is being replaced with a fat tail.”

  • “The time for ‘frequently asked questions’ is over. You need to answer every question about your brand—frequent, infrequent, and everything in between.”

  • “LLMs are sophisticated pattern matchers… At best, LLMs synthesize. At worst, they hallucinate.”

  • “AI systems aren’t the audience. They’re intermediaries helping humans find trustworthy answers.”