Sziasztok! Ez a Klikkmánia TalkingSEO-ja. Folytatjuk az AI-sorozatunk második epizódjával, mégpedig az lesz a témánk Levivel, hogy hogyan dönti el az AI, hogy kit ajánl.

Kezdjük egyből azzal, hogy ha bejön hozzánk egy ügyfél, és azt mondja, hogy az ő márkájával szeretne ott lenni az összes releváns keresésben, illetve kérdésnél szeretne válaszként megjelenni ChatGPT-ben, AI-módban, ezt meg tudjuk neki ma ígérni egyáltalán?

Azt, hogy 100%-ban be fog kerülni, nem tudjuk megígérni. Nem így működik ezeknek az AI-válaszmotoroknak az algoritmusa. Lehet rá természetesen hatást gyakorolni, és erről fogunk beszélgetni többek között: milyen eszközökkel tudjuk előmozdítani azt, hogy jó eséllyel be tudjon kerülni a válaszokba, de garantálni ezt nem lehet.

Hasonlóan korábban sem tudtunk garantálni például első helyezést az organikus pozíciókban egy ügyfélnek. Viszont az évek során kialakult egy olyan rutin, ami alapján a versenytársak helyzete, a piaci verseny és egyebek alapján meg tudtuk becsülni, hogy körülbelül milyen időn belül, milyen pozíciókra tud bekerülni.

Már csak azért is nehéz ilyen konkrétumot ígérni, mert teljesen eltérő módon működnek. A ChatGPT válaszadási módszertana teljesen eltérő módon működik, mint például a Gemini vagy a Claude. Arról nem is beszélve – és erről is fogunk részletesebben beszélni –, hogy ugyanarra a kérdésre már egy kis eltéréssel a promptban is más választ fog adni.

Ha jól értem, akkor ez egy hatalmas különbség tud lenni a tradicionális SEO-hoz képest. Ott hozzászoktunk ahhoz, hogy van tíz kék link, azok közül valamelyikben megjelenünk, jó esetben az első oldalon, és ahhoz tudunk igazodni. Vagy legalábbis tudtunk olyan riportokat összeállítani, amelyekhez tudtunk igazodni, mert ugyanazt az adatot kérte le a riport arról, hogy hányadik helyezésünk van.

Ebben az esetben ez egy kicsit másképp működik, hiszen ha két különböző ember felteszi ugyanazt a kérdést, akkor is teljesen más AI-válasz születhet, és platformonként is különbözik. Akkor mégis mit befolyásolunk SEO-sként?

Igen, ez pontosan így van. Amit mi befolyásolni tudunk, és amit reálisan ígérni tudunk egy ügyfélnek, az az, hogy növelni tudjuk a megjelenés esélyét és gyakoriságát.

Azt, hogy milyen szempontokat vesz figyelembe a válaszmotor, amikor egy kérdésre vagy promptra választ ad, nagyjából ismerjük. Múltkor beszéltünk arról, hogy ezekről lehet olvasni például az OpenAI útmutatójában. Nagyjából ismerjük, hogy milyen módszerekkel működik.

Ha ezeket a módszereket ismerjük – ezekre majd a későbbi beszélgetések során részletesebben is ki fogunk térni –, akkor igenis hatást tudunk gyakorolni arra, hogy az ügyfél bekerüljön a válaszokba.

De a bekerülés esélyét és gyakoriságát tudjuk neki megígérni. Természetesen ennek a farvizén érkeznie kell az organikus látogatásnak ezekből a válaszmotorokból, tehát az eredmény a nap végén az lesz, hogy több látogatója lesz ezekből a válaszmotorokból.

Laikusként nagyon sok ügyfél, és egyébként bármilyen felhasználója a ChatGPT-nek vagy a Gemininek úgy képzeli, hogy van mögöttük egy nagy adatbázis. Abban az adatbázisban ezek a rendszerek elkezdenek turkálni, és abból kiokoskodják a megfelelő, leginkább releváns választ.

Kicsit az a megélése az embereknek, hogy nagyon hasonlóképpen működik, mint a Google hagyományos keresőmotorja. Valójában, ha valaki megkérdezi az AI-t egy bizonyos témában, akkor honnan szedi össze az információkat? Erről mit lehet tudni?

Alapvetően kétféle forrásból dolgozik. Az egyik, amire te is utaltál, hogy van egy adatbázisa, amiből dolgozik. Jellemzően ezt azoknál a típusú kérdés-válaszoknál használja, amelyek hosszú távú, régóta változatlan információk.

Ha például Shakespeare összes művére vagy kíváncsi, akkor azt az adatbázisból fogja neked megválaszolni, hiszen már lezárult az alkotói pályája, nem jelenik meg új műve. Felesleges egy aktuális keresést indítania.

A másik terület, amiből dolgozik, a friss adatokból történő élő keresés. Ha a ChatGPT-t nézzük, ott többször tapasztalhatja, aki használja, hogy kiírja: éppen keres bizonyos weboldalakon. Ott meg is jelennek a kis ikonok.

Vannak olyan típusú kérdések, keresések, amelyeknél felismeri azt, hogy az adatbázisában lévő információk nem feltétlenül a legfrissebbek, legnaprakészebbek, és ilyenkor keres.
De a legérdekesebb az, amikor kettős módszert alkalmaz: a meglévő adatbázisából is dolgozik, de frissen hozzá is keres.

Mondok egy konkrét Forma–1-es példát. Mostanában volt egy nagy átigazolási időszak a Forma–1-ben, ami azt jelenti, hogy folyamatosan jönnek a hírek arról, melyik pilóta igazolhat esetleg át egy másik csapathoz. Ha ebben az időszakban például rákeresel arra, hogy egy Forma–1-es pilóta melyik csapatnál van, akkor az adatbázisában megvan, hogy éppen mondjuk a Red Bullnál van az adott pilóta, de mivel pont ilyen időszak van, frissen rákeres arra, nincs-e aktuális hír azzal kapcsolatban, hogy már átigazolt egy másik csapathoz.

Ez egy konkrét példa, amit én magam is láttam. Ráadásul annyira érzékeny már egy ilyen esetben az algoritmus, hogy aznap kerestem rá direkt, amikor kijött, hogy szerződést kötött egy adott pilóta. Kiadta, hogy melyik csapatnál van, látszott, hogy rákeres, majd kiadta a friss, aznapi hírt is.

Most elkezdtünk beszélni az AI-motorok alapvető működéséről, de a ChatGPT az egyik, a másik pedig a Google, aminél ráadásul egy egész ökoszisztémáról beszélünk: Google-keresés, AI Overviews, AI Mode, Gemini. Vannak lényeges, tapintható különbségek a kettő működése között?

Egyértelműen igen. Ha józan paraszti ésszel indulunk neki, és meg szeretnénk nézni, hogy miben más, egész egyszerűen ugyanazt a kérdést vagy promptot beteszed a különböző rendszerekbe, és más válaszokat fog adni.

Sőt, ami nagyon érdekes, hogy ha te az általad használt fiókba karakterről karakterre ugyanazt a promptot teszed be, mint én a saját fiókomba, könnyen lehet, hogy más választ fog adni.

Ugyanúgy, ahogy egyébként a hagyományos Google-kereső is figyelembe vett keresési előzményeket, a fiókodból adódó akár demográfiai adatokat, érdeklődést, meglátogatott weboldalakat és egyebeket, eltérő választ adhat neked, mint nekem. Sőt, nekem lehet, hogy egy nappal később már más választ adna, mert folyamatosan frissülő adatokból dolgozik, folyamatosan frissülnek az adatbázisai, és a keresés is változik: éppen hol keres, mire keres.

Rendszeren belül is vannak folyamatos változások, de a különböző rendszerek saját algoritmusokkal dolgoznak, és ennek megfelelően eltérő válaszokat adnak.

Arról nem is beszélve – és itt most nem mennék el az AI-adatparkok és az ezzel járó jelenlegi gazdasági kihívások irányába –, hogy alig bírják sorban építeni az AI-központokat. Nyilvánvalóan eltérő mennyiségű adattal rendelkeznek, vagy más módszertan szerint gyűjtik és tárolják őket.

Én vissza is csatolnék arra, hogy nemrég tartottam egy előadást agentic commerce témában. Ott is felmerült, hogy a legnagyobbak, akiket hyperscalereknek is szoktak hívni – az ilyen felhőalapú szolgáltatásokat nyújtó, nagyon jól skálázható, nagy nemzetközi cégek –, idén 700–800 milliárd dollárt fognak elkölteni AI-infrastruktúra fejlesztésére.

A magyar GDP háromszorosa is bele fog menni ebbe pár nagy cég által, és akkor még a sok kicsiről nincs is ilyen összesítő adat. Ez is azt támasztja alá, amit mondasz, hogy elképesztően nagy különbségek lehetnek ezek között. Dollármilliárdokat ugyanúgy beletesz az egyik, mint a másik, nyilván más lesz a produktum a végén.

És itt át is térnék arra, hogy a produktum nemcsak ebben különbözik. Ha elkezdjük használni, és van egy webáruházunk vagy bármilyen márkánk, amit szeretnénk, hogy megjelenjen az AI-válaszmotorban, akkor valójában két különböző választípus lehetséges.

Ezt szerintem nagyon kevesen érzékelik még. Lehet egyszer egy forrásmegjelölés az adott webshopom. Vegyünk egy konkrét példát: van egy futócipőket árusító webáruház. Ha valakit az érdekel, hogy 10 és 20 kilométer közötti futáshoz milyen futócipő javasolt, akkor lehet, hogy az egyik blogcikkemet vagy abból egy részt kiemel, és forrásként hivatkozik az én webáruházamra.

Tök jó, de ebből még nem biztos, hogy lesz vásárlásom, hiszen a beszélgetés zajlik tovább magában a válaszmotorban.

A másik típus az, amikor nem forrásként használ, hanem ajánlja a márkámat vagy a webshopomat. Az valahol erősebb, és közelebb van a konverziós végcélhoz, hogy vásároljanak tőlem.

Itt a kérdés szerintem az, hogy ez két külön versenynek számít-e AI SEO-szempontból, és hogyan lehet befolyásolni az egyiket és a másikat.

Ahogy megfogalmaztad, alapvetően két dolog lehet. Az egyik az, hogy a válaszmotor a mi weboldalunkat forrásként használja, és abból ad választ egy adott kérdésre. Ezt nevezik citation visibilitynek, tehát amikor arra vonatkozóan van információnk, hogy hányszor használt fel minket forrásként, hányszor említ.

A másik pedig az úgynevezett brand visibility, amikor konkrétan a mi márkánkat ajánlja. De itt is el kell különíteni azt, amikor név szerint ajánl egy konkrét márkát, de nem ad hozzá linket, és azt, amikor esetleg konkrét linket is ad egy termékhez vagy szolgáltatáshoz.

Alapvetően nem is azt mondanám, hogy külön versenyről beszélünk, hanem a verseny különböző stációiról.

Nagyon fontos tudni, hogy ha a mi tartalmunkat használja forrásként, az nem feltétlenül jelenti azt, hogy az arra következő kérdésre minket is fog ajánlani márkaként.

Például egy ügyvédi iroda weboldalán megtalál egy jogi kérdésre egy nagyon jó cikket, és abból ad nekem választ. Utána megkérdezem, hogy ebben a témában ajánljon nekem ügyvédi irodát. Nem biztos, hogy azt fogja ajánlani, amelyiktől az információt szerezte.

Ennek az az oka, hogy lehet, hogy annak az ügyvédi irodának a tudásbázisa nagyon erős, viszont az entitásai – például az ott dolgozó ügyvédek szakmai tapasztalata az adott területen – nem jelzik jól, hogy van egy olyan ügyvéd, aki kifejezetten ezzel a területtel dolgozik.

Lehet, hogy egy másik ügyvédi irodát fog ajánlani, ahol nagyon jól fel vannak építve ezek az ügyvédi entitások, tehát ezek az ügyvédek sokkal megbízhatóbbnak, tapasztaltabbnak tűnnek az algoritmus szemében.

Valójában akkor itt sem elegendő az, ami a tradicionális SEO-ban volt, hogy szétspammelték az emberek a weboldalukat, annyiszor említették ugyanazt a kulcsszót, vagy egy témát százszor feldolgoztak, és ezzel kicsit manipulálták a keresőmotornak a találati listáját, a SERP-et.

Itt is ennél ügyesebbnek kell lenni, és jobban kell ismerni a rendszereket. Ha jól értem, azt mondod, hogy szükség van arra, hogy legyen egyfajta lenyomata annak, hogy te mennyire vagy hiteles, vagy az oldalad mennyire hiteles. Ennek akár lehetnek különböző mérési elemei, faktorai is az AI SEO-ban?

Erről mit lehet tudni?

Alapvetően a SEO-ban ahhoz szoktunk, hogy bizonyos kulcsszavakra a pozíciókat nézzük. Az Analyticsben meg tudjuk nézni, hogy abból hány látogató érkezett, ha egy egyszerű keresés és találat utáni látogatásról van szó. A Search Console-ban pedig mellé tudjuk nézni, hogy az adott domain körülbelül hanyadik helyen rangsorol az adott kulcsszóra a hagyományos találati listán.

A Search Console még ad egy olyan számot is, hogy hányszor jelent meg találatokban.

Teljesen más megközelítést igényel, ha az AI-nál próbáljuk ugyanezt mérni. Egyrészt nem is lehet pontosan mérni, és erről fogunk beszélgetni, hogy miért, illetve hogyan működnek ezek a mérőrendszerek.

Jelen pillanatban, 2026. szeptember 23-án, amikor beszélgetünk, az a helyzet, hogy az Analytics bevezetett egy úgynevezett AI Assistant forrást, ami egy újfajta organikus forrásként jelenik meg. Ebből látjuk, hogy összesen hány kattintás, tehát hány látogatás érkezett az AI-válaszmotorok felületeiről, és szét is tudjuk bontani például ChatGPT-re és a többire.

De itt csak annyit látunk, hogy hány kattintás jött. Ha a Search Console-ban nézzük, ott még azt is látjuk, hogy hányszor jelent meg. A Search Console viszont a Google rendszereibe integrált történet, tehát alapvetően a saját rendszereiből, az AI Overviews és az AI Mode felületekről érkező adatokról van szó.

Ha visszatérünk a kérdésedre, hogy mi lehet itt a mérés vagy a mérőszám: alapvetően a válaszba kerülés lehet egy mérőszám, tehát hogy bekerülünk-e; az, hogy felhasznál-e minket forrásként; hogy hányszor jelenünk meg; és természetesen az, hogy abból hány kattintás jött.

Az Analytics segítségével meg tudjuk mérni azt is, hogy ezekből hány konverzió lett, és például hány vásárlás, ha megfelelően van beállítva az Analytics. Kicsit más a megközelítése a hagyományos mérőszámokhoz képest.

A tradicionális SEO-ban is, de mostanában, amikor AI SEO-ról és AI-ról szól a legtöbb konferencia, nagyon sokszor említik az E-E-A-T-et. Ezt szerintem talán mi is említettük már korábbi epizódokban vagy pont ebben a sorozatban is.

Mindjárt magyarázd el, kérlek, hogy ez valójában mit jelent, de itt úgy fogalmaznám meg a kérdést: nem lehetséges az, hogy valójában a tradicionális SEO-ban már létező elemeket, fogalmakat próbáljuk kicsit megerőltetetten áthozni az AI SEO-ba is, és valójában ugyanarról szól az egész?

Én azon kollégák közé tartozom, akik ezt képviselik, amit a kérdésedben megfogalmaztál, és érdekes módon egyre többen így fogalmazzák meg.

Erről a múltkori adásban is beszéltünk, hogy itt beszélgethetünk külön területekről, akkor az AIO-ról meg a GEO-ról beszélgettünk mint külön területekről, de én azt gondolom, hogy igen: ugyanazokról beszélünk.

Ahogy múltkor is beszéltük, bizonyos hangsúlyok átrendeződtek, bizonyos szempontok felértékelődtek, de alapvetően még mindig arról van szó, hogy azokat az oldalakat fogja előnyben részesíteni, azokat fogja forrásként használni, azokat fogja megemlíteni, ahol nagyon erős szakmai tartalom van, ahol nagyon erős az E-E-A-T.

Nagyon egyértelműen el vannak különítve a különböző entitások és klaszterek, amikről múltkor beszélgettünk. Nincsenek összevissza keverve a különböző termékek, szolgáltatások, hanem nagyon érthetően el vannak különítve, ezeknek szakértői vannak és így tovább.

Ezeket eddig is így gondoltuk, de azt gondolom, hogy ez abszolút felértékelődik, és erre jobban kell odafigyelnünk.

És akkor az E-E-A-T valójában milyen szerepet játszik most?

Az E-E-A-T egy angol rövidítés, ami a tapasztalat, szakértelem, tekintély és megbízhatóság angol megfelelőinek rövidítése.

Nagyon fontos, hogy ez nem egy egzakt mérőszám. Nincs olyan mérőszám, hogy az oldalam 60-as E-E-A-T-mutatóval rendelkezik.

Ez inkább egyfajta, a Google által sok évvel ezelőtt megfogalmazott elvárás vagy útmutató arra vonatkozóan, hogy ha valaki organikusan jól szeretne szerepelni, ha azt szeretné, hogy a Google az általa nyilvántartott, indexelt tartalmakat minél jobb pozícióba listázza ki, és ha továbbmegyünk az AI-korszakba, az AI minél inkább használjon forrásként vagy említsen meg minket, akkor ezekre a szempontrendszerekre minél inkább érdemes odafigyelni.

A tapasztalat, szakértelem, tekintély és megbízhatóság mind lefordítható egy-egy cég saját nyelvére. Az ügyvédi irodára visszatérve: egy ügyvédi irodánál mind a négy terület nagyon jól definiálható és lefordítható egy ügyvédi iroda egészére és az ott dolgozó ügyvédekre is.

Ha ezeket megfelelően jól kommunikálja az oldalon – és nemcsak az oldalon, erről majd lesz szintén külön szó –, akkor ez a jelzés, ami még egyszer mondom, nem egy egzakt mérőszám, mégis nagyon fontos.

Ha ezek megvannak, és ezekre jól fókuszálva tudnak építeni, hiteles, megbízható, megfelelő szakmai múlttal, tartalommal és tekintéllyel rendelkező lesz mind a cég, mind pedig az ott dolgozó munkatársak. Vagy egy webáruház esetén egy megbízható kereskedőről van szó, magas értékelése van, jó a visszaküldési rendszere, jól működik az ügyfélszolgálata, és erről rengeteg jelzést kap az algoritmus, akkor őt fogja jobban ajánlani.

Ha jól értem, akkor az E-E-A-T nem egy pontszám, nem lesz belőle egy mutató, hanem egy minőségi szabványa a tartalomra a Google-nek. Lehet ezt így fordítani?

Gyakorlatilag igen.

Ebből viszont következik a kérdés: ha az információk birtokában vagyunk arról, hogyan lehet hatással lenni az AI-válaszokra – márpedig most azért már lelepleztünk egy-két dolgot arról, hogy valamilyen formában lehet erre hatással lenni –, meghekkelhető szerinted az AI-válasz, hogy odakerüljünk?

Csak annyira hekkelhető meg, amennyire például a Google algoritmusa meghekkelhető volt korábban.

Ez azt jelenti, hogy mind a rendszerek által kommunikált elvárások és rangsorolási tényezők, mind pedig a szakértők folyamatos szakmai vizsgálatai alapján azonosíthatók olyan pontok, amelyeket, ha valaki előtérbe helyez, betart és tudatosan épít – lásd például az E-E-A-T-et –, akkor igenis előnyben lesz.
Ennek mindig az a következménye, hogy sokan elkezdik ezt egyfajta manipulatív módon csinálni.

Itt fordulhat az egész történet negatívba. Mondok egy példát. Ha tartalomgyártásról beszélünk, elég nyilvánvaló, hogy egy blogcikket ma már simán megír a ChatGPT vagy a Gemini, ha adunk neki egy megfelelő promptot.

De ha ezt elkezdjük ész nélkül tömegesen gyártani, hozzá sem nyúlunk, pakoljuk ki a weboldalunkra, és tömeggyártásba kezdünk valódi hozzáadott egyéni érték nélkül, akkor ez visszaüthet.

Az eredeti kérdésed az volt, hogy manipulálható-e. Manipulálható, de a manipulálás ebben az esetben nem feltétlenül jó kontextusban értelmezendő szó.

Ha valakit ezek a szempontok arra ösztökélnek, hogy még jobb tartalmakat gyártson, még érthetőbben strukturálja az oldalait, még jobban mutassa meg a szakembereit és azok tapasztalatait, akkor az nem manipuláció, hanem egyszerűen felfogtuk, hogy mivel tudunk versenyelőnyre szert tenni, és ezeket követjük.

Ha átesünk a ló másik oldalára, akkor könnyen spamjellegű tevékenység lehet ugyanebből. Mivel ezek az algoritmusok is rendszeresen frissülnek, akár kárt is okozhatunk magunknak. A manipuláció a szó negatív értelmében természetesen nem jó.

Igen, tehát itt sem szabad túlzásokba esni, ezért érdemes elkezdeni mérni ezt a tevékenységet és az ebből származó eredményt.

Köszönöm szépen! A következő epizódban az AI-sorozatunkban pontosan ezzel fogunk foglalkozni: hogyan mérhető a láthatóságunk, illetve a különböző megjelenésünk az AI-válaszmotorokban.

Köszönjük, sziasztok!