Jak tvořit kvalitní obsah s pomocí AI a procesu

Web měl 192 organických návštěv měsíčně. Třiačtyřicet klíčových slov v Ahrefs. Konkurenti — marketingové agentury a školitelé — měli 14 až 37krát víc trafficu.

Přitom stránka existuje přes deset let. Google Search Console ukazovala přes 600 tisíc impressions ročně. Lidi mě viděli ve výsledcích hledání — a neklikali. CTR 0,41 procenta.

Tohle číslo mi vadilo. Ne kvůli metrikám — ale proto, že vím, co mám v hlavě, a web to nereflektoval. Deset let staré články, roztříštěná témata, žádná obsahová architektura. Na workshop přijde firma s obratem přes 100 milionů a na webu najde můj tweet z roku 2017.

Rozhodl jsem se to změnit. Během jednoho víkendu jsem napsal deset expertních článků — ne generický AI slop, ale strategický obsah postavený na datech a dvaceti letech praxe. Tady je celý proces.

Krok 1: Data místo dojmů

Začal jsem tam, kde začínám na každém workshopu — u dat. Ne u pocitů, ne u “měli bychom psát víc na blog”.

Z Google Search Console jsem vytáhl, na která slova rankuji, kde mám impressions bez kliků a které stránky jsou mrtvé. Z GA4 engagement data — co lidi čtou, kde odcházejí, co konvertuje. Z Ahrefs srovnání s pěti přímými konkurenty.

Klíčové zjištění: v českém prostředí nikdo nepíše strategický B2B expert obsah. Konkurenti píšou buď slovníkové definice pro studenty (“Co je to marketing”), nebo prodávají školení. Nikdo nepíše z pozice praktika, který tahle rozhodnutí dělá s firmami na workshopech. To byl gap.

Z dat vznikly tři obsahové pilíře: strategické frameworky (VPC, komunikace, brand, obsah, funnel), marketing KPI a měření (ROI, audit), B2B marketing strategie (kompletní průvodce, marketing pro firmy 100–200M). Každý článek dostal ICE skóre — dopad krát důvěra krát jednoduchost — a seřadil jsem je podle priority.

Celkem 16 plánovaných stránek. Jeden článek (ROAS vs PNO) jsem v průběhu zrušil — příliš PPC-specifické pro profil marketéra generalisty. Z patnácti zbývajících jsem v prvním burstu napsal deset.

Krok 2: Plán — pilíře, SEO briefs, profil čtenáře

Architektura je hub-and-spoke. Stránka /strategie/ je master hub, pod ní tři pilíře, každý s vlastními spoke articles. Každý článek odkazuje nahoru na hub, do strany na příbuzné články a napříč na jiný pilíř. Síť, ne izolované texty.

Pro každý článek jsem připravil SEO brief: cílové klíčové slovo s objemem, sekundární KW, search intent, doporučenou strukturu, competitive angle a pravidla prolinkování. Nikdo v týmu (tedy: jen já a Claude Code) nemusel přemýšlet “o čem psát” — brief to říkal jasně.

K tomu ICP content guide — profil ideálního čtenáře. Ředitel nebo marketing manažer firmy s obratem 100–200 milionů CZK, marží kolem 30 procent, jedním až dvěma marketéry v týmu. Ke každému článku jsem přiřadil emocionální triggery — momenty, kdy si čtenář uvědomí problém. “Marketing stojí peníze, ale nevím kolik přináší.” “Děláme marketing jako před pěti lety.” “Výsledky nejsou.”

Tohle všechno vznikalo v Claude Code, kde jsem data z atomů — mých strukturovaných znalostních záznamů — propojil s SEO analýzou. Výstupem byl adresář docs/content-pillars/ s plánem, SEO briefs a ICP guide. Všechno jako markdown soubory ve stejném repozitáři jako web. Žádný Google Doc, žádný Notion — vše na jednom místě.

Krok 3: Vytěžení znalostí — dva zdroje, šestnáct otázek

Mám plán a SEO zadání — ale nemám obsah. Ten je v mé hlavě, ve workshopových záznamech a v mé knowledge base.

Používám dva paralelní zdroje a pro každý článek pokládám osm strukturovaných otázek:

NotebookLM — nahraju vlastní podklady: prezentace z workshopů a konferencí, zvukové záznamy přednášek, poznámky z projektů. NotebookLM je analyzuje a odpovídá na otázky zaměřené na příklady z praxe, tvrdá čísla, nejčastější chyby a aha momenty.

Výstup: konkrétní příběhy z mé praxe. “Firma ze zdravotnictví měla deset produktových manažerů a nikdo neviděl zákazníka.” “E-shop s designovým vybavením měl remarketing s nula zobrazeními za 30 dní — technická chyba, která stála statisíce.” Tohle si nelze vymyslet. Moje zkušenosti dělají články autentickými.

Knowledge Base — moje osobní wiki, kterou jsem popsal v článku o znalostním systému. Strukturované atomy znalostí z let práce: rozhodnutí, fakta, insighty, akce. Tady pokládám jiných osm otázek zaměřených na obecné know-how: jak bych téma vysvětlil na workshopu, jak se propojuje s dalšími frameworky, jaké vzorce vidím napříč firmami, co nedělat.

Výstup: systematizované know-how. “B2B funnel trvá 3–6 měsíců a 95 procent trhu v daný moment aktivně nekupuje.” “MER je nadřazená metrika všem ostatním.” Poznatky, které dávají článkům hloubku a systémovost.

Dva vstupy, dva typy znalostí. Osobní zkušenost z NotebookLM, systematizované know-how z KB. Příběhy a frameworky. Data a kontext. Dohromady pokrývají to, co potřebuji.

Krok 4: Ghostwriter agent

V Claude Code mám skill /michal-ghostwriter. Textový soubor, který definuje, kdo jsem, jak píšu, jaká pravidla dodržuji. Ich-forma. Pokora místo guru pózy. Systémové myšlení místo jednoduchých receptů. Příklady z praxe místo učebnicových definic.

Ghostwriter dostane čtyři vstupy: SEO brief (co má rankovat), ICP guide (pro koho psát), NotebookLM výtah (příběhy a data) a KB výtah (frameworky a kontext). Z toho vyrobí hotový markdown článek s kompletním frontmatter pro Astro.

Proč je to jiné než napsat do ChatGPT “napiš mi článek o B2B marketingu”?

Generický prompt vytáhne generický článek z tréninkových dat. Můj proces do promptu vloží moje data, moje příklady, moje frameworky, mého zákazníka. Výstup zní jako já — protože vstupem jsem já. AI je převodovka, ne motor.

Po napsání: H1 pod 60 znaků s klíčovým slovem. Excerpt 150–160 znaků. Klíčové slovo v prvním odstavci. Minimálně tři interní odkazy. Kontextové CTA v těle článku. Příklady z firem vždy anonymizuji.

Krok 5: Review — a překvapivý nález

Tady přichází krok, který většina lidí přeskočí. Mně se vyplatil nejvíc.

Každý článek prošel oponenturou: systematické porovnání s SEO briefem, ICP guide a plánem. Chybí sekce? Je excerpt krátký? Odkazuje článek na správné stránky? Oponentura odhalila věci jako chybějící STDC sekci v B2B pillar page nebo chybějící cross-pillar link v článku o ROI.

Pak přišla kurátorská finalizace — a ta mě zaskočila.

Když jsem si přečetl všech deset článků najednou, uviděl jsem něco, co v jednotlivých článcích nebylo vidět. AI ghostwriter vytvořil konzistentní fingerprint:

• Fráze “Za 22 let praxe jako marketér generalista s více než 60 firmami” — v sedmi z deseti článků. Doslova stejná věta, sedmkrát.
• “Z 18 firem, se kterými jsem v posledních dvou letech” — pětkrát.
• Tři články začínaly “Sedím na workshopu”.
• Pět otevíračů zmiňovalo “obrat přes 150 milionů”.
• FOMO věta “Vaši konkurenti už…” — šestkrát.

Pro čtenáře, který si přečte dva články za sebou, jasný signál. Pro Google taky. Přesně ten druh vzorce, který odlišuje AI obsah od lidského psaní.

Prošel jsem každý článek: varioval credibility fráze (jiné znění pro každý), otevírače (různé příběhy, různé formáty), CTA na konci (ne vždy stejné), FOMO triggery (ze šesti ponechal ve dvou). Výsledkem je deset článků, které zní, jako by je psal jeden člověk v různých dnech — ne jako by je vyrobil jeden prompt.

Poučení: příště kurátorský průchod zařadím dřív. Ne po deseti článcích, ale po každém druhém nebo třetím. Fingerprint se líp chytá na menším vzorku.

Krok 6: Publikace — git push a hotovo

Tady se projevuje výhoda migrace z WordPressu do Astro. Článek je markdown soubor. Uložím ho do správné složky, commitnu do Gitu, pushnu na GitHub — Cloudflare Pages automaticky spustí build a deploy.

Bez logování do admin rozhraní, bez kopírování textu, bez ručního nastavování meta tagů. Jeden příkaz v terminálu a článek je živý.

Source materiály — NotebookLM výtahy, KB výtahy — commituju do stejného repozitáře. Po dokončení celého batche je přesunu do archivu. Workflow je reprodukovatelný, šablony připravené pro další články.

Krok 7: Ilustrace — taky z promptu

Každý článek potřebuje featured image — na web i na LinkedIn. Dřív bych zadával grafikovi brief, čekal tři dny a pak ladil barvy. Teď mám pro Gemini připravený jednotný vizuální styl: flat editorial ilustrace v brand barvách (ta modrá #009ef8, co je na celém webu), žádné stock foto klišé, jeden vizuální koncept na článek.

Celý pipeline od promptu po hotový obrázek na webu vypadá takhle:

Prompt z content pillars dokumentu. Pro každý článek mám připravenou konkrétní metaforu uloženou v docs/content-pillars/illustration-prompts.md. Článek o VPC má dva tvary propojené linkami s oranžovými mezerami — nepokryté potřeby zákazníka. Článek o auditu má lupu odhalující problémy pod klidným povrchem. Článek o ROI má dva dashboardy vedle sebe.

Generování přes Gemini (Imagen 3), dvě verze najednou. Claude Code spouští wrapper skript, který volá nanobanana API. Vždy generuji v1 (detailní prompt) a v2 (zjednodušená varianta) paralelně — v praxi bývá v2 čistší, méně přeplněná. Obě verze přistanout do src/assets/images/nanobanana/.

Overlay přes Python skript — bez Photoshopu. Skript add-featured-image-overlay.py vezme surový obrázek a přidá oranžovou lištu dole (#d96142), bílý nadpis (55px), podtitulek a modrý odznak MICHAL KRUTIŠ vpravo nahoře. Výstup je 1200×675 px, formát 16:9 — funguje na webu i jako preview na LinkedInu. Headline a podtitulek mám připravené v illustration-prompts.md u každého článku.

Upload na R2, jeden řádek do frontmatter. featuredImage: "https://pub-.../ai-content-tvorba-featured.png" — Cloudflare R2 řeší CDN a serving. Žádný plugin pro optimalizaci obrázků, žádný CMS upload. Jedno wrangler r2 object put a hotovo.

Výsledek: vizuálně konzistentní série, kde každý obrázek funguje samostatně i jako součást celku. Celá sada za hodinu místo za týden.

Co to pro mě znamená

Deset článků, každý kolem dvou tisíc slov. Dvacet tisíc slov expertního obsahu — ne přepisů z Wikipedie, ale článků postavených na workshopových příbězích, reálných auditech a vlastních frameworcích.

Mohl bych říct, že to napsal AI. Nebyla by to pravda. AI nepíše za mě — píše se mnou. Vstupem jsou moje data, moje zkušenosti, moje rozhodnutí. Výstupem je text, který by mi bez AI trval týdny. Takhle to zvládnu za víkend — a výsledek je konzistentnější, lépe prolinkovaný a SEO-optimalizovaný, než bych dokázal sám.

Ještě jedna věc: burst mode produkce funguje. Tři až pět článků naráz je efektivnější než jeden článek týdně. Hlava je v tématu, kontext nabitý, propojení mezi články vznikají přirozeně. Pak měsíce publikuji, měřím a ladím — až do dalšího burstu. Odpovídá to tomu, jak pracuji — intenzivní periody a pak klid. Plánovat psaní jednoho článku každé úterý je pro mě spolehlivá cesta k tomu nenapsat nic.

Celý proces je zdokumentovaný v repozitáři webu. Šablony pro extrakci i briefs jsou připravené. Potřebujete ale vědět, co chcete říct — a mít podklady, ze kterých to řeknete. AI pak zvládne zbytek. Nebo přesněji: AI zvládne devadesát procent práce a vy uděláte těch zbývajících deset, na kterých záleží nejvíc.

22 let jsem marketing vymýšlel. Tenhle víkend jsem ho díky AI i udělal. Pokud chcete tenhle přístup aplikovat na vlastní obsahovou strategii, objednejte si hodinu přes Booknuto.

---

Další články série:

• 0: 20 let v marketingu — co vše AI v marketingu mění
• 1/3: Postavil jsem si Stínový kabinet
• 2/3: Jak jsem sestavil svůj Stínový kabinet — znalostní systém
• 3/3: Skills & agenti jako nový standard
• Bonus: 10 SEO článků za víkend (tento článek)
• Viz také: Migrace z WordPressu do Astro za jeden den