AI keresőoptimalizálás — látható akarsz lenni az AI válaszaiban, nem csak mérni?
Amit a piac AI keresőoptimalizálásnak, AI SEO-nak vagy AI-láthatóságnak hív, azt mi entitás-architektúrának és gépi olvashatóságnak nevezzük — mert a ChatGPT, a Gemini vagy a Claude válaszaiban való megjelenés nem kampány, hanem mérnöki munka. Az AVE Studio budapesti csapatként európai cégeknek építi ezt a réteget, és mivel saját mérőplatformot üzemeltetünk, a változást nem állítjuk, hanem kimutatjuk.
Frissítve ·
Miért nem jelenik meg a céged az AI válaszaiban?
Ritkán van egyetlen oka. A gyakorlatban három réteg szokott hiányozni, és mindhárom máshogy javítható — az AI keresőoptimalizálás ezért nálunk azzal kezdődik, hogy megnézzük, nálad melyik a szűk keresztmetszet.
A gép nem tudja biztosan, ki vagy
A cégnév több szervezetre is illik, vagy sehol nincs egyetlen, hivatkozható definíciód. A válaszmotor ilyenkor nem kihagy: nem tud azonosítani, ezért inkább azt nevezi meg, akiben biztos. A javítás az entitás-architektúra — egy kanonikus definíció, következetes névhasználat és a külső azonosítók összekötése.
A tartalmad emberi szemnek készült
Ha az állításaid képen, JS-ből betöltött blokkban vagy körülírásban élnek, a kivonatoló réteg nem talál idézhető mondatot. Ami nincs benne a kiszolgált HTML-ben, az a válaszba sem kerül be. A javítás: önmagában is megálló megfogalmazás és a hozzá tartozó strukturált adat.
A hozzáférési réteg némán kizár
A robots-szabályok, a botkezelés és a szolgáltatói védelem gyakran azokat a klienseket is kizárják, amelyek a válaszmotorok forrásait gyűjtik — anélkül, hogy erről bárki döntött volna. Ezt motoronként megmérjük, és kimondjuk, melyik kizárás szándékos és melyik véletlen.
Mit építünk fel?
A munkát szállítható tételekre bontjuk. Mindegyik kódban vagy tartalomban landol, nem prezentációban.
- Entitás-architektúra: kanonikus definíció, következetes névhasználat, a külső azonosítók összekötése.
- Gépileg olvasható tartalom: önállóan is idézhető állítások és a hozzájuk tartozó strukturált adat a kiszolgált HTML-ben.
- Hozzáférési réteg: a robots- és botkezelési szabályok motoronkénti átvizsgálása, a nem szándékos kizárások feloldása.
- Mérés: azonos módszerű kiindulási és ismételt mérés, hogy a változás ne vélemény kérdése legyen.
Honnan tudod, hogy működik?
Onnan, hogy ugyanazt kétszer mérjük. A munka előtt rögzítünk egy kiindulási állapotot — mely kérdésekre, mely motorokban, milyen gyakran nevez meg a válasz —, a javítások után pedig ugyanazzal a módszerrel megismételjük. Az eredményt sávval adjuk meg, nem egyetlen számmal: a generált válasz futásonként ingadozik, és egy pont-érték ezt eltakarná. Összevont pontszámot nem képezünk.
A mérési módszertan részletesen
A teljes diagnózis: kilenc ok, ellenőrzéssel és javítással →
Miért az AVE Studio az AI-láthatósághoz?
Az AVE Studio azon dolgozik, hogy a márkádat megnevezzék és idézzék az AI-válaszmotorok. Nem tanácsot adunk erről, hanem megoldást szállítunk: entitás-architektúrát, gépi olvashatóságot, hozzáférési réteget és válaszképes tartalmat — kódban, a te rendszeredbe. Ez a GEO, az AEO és a KEO munka.
Méréssel kezdünk, mert enélkül nem tudni, mi hatott — de a mérés az eszköz, nem a cél. Helyezést nem garantálunk, mert generált válaszban senki nem tud. Amit vállalunk: kiindulási mérés, ellenőrizhető beavatkozás kódban, azonos módszerű újramérés, és a nyers adat a tiéd marad. A módszertani követelményeinket nyilvános, 18 pontos mércében rögzítettük.
Honnan tudom, hogy most látszom-e az AI-válaszokban?
Csak méréssel. Egyetlen kérdés egyszeri lefuttatása nem elég: ugyanaz a kérdés két futásban más választ adhat, tehát egy képernyőkép se azt nem bizonyítja, hogy látszol, se azt, hogy nem. Ismételt, rögzített kérdéspanelre van szükség, motoronként külön. Az AVE Studiónál a belépő egy ingyenes felmérés — nem önkiszolgáló eszköz, hanem kérésre futtatjuk —, a teljes képhez pedig árazott mérés jön.
Miért nem elég, ha jó a Google-helyezésem?
Mert a válaszmotorok nem a Google-helyezésedet olvassák fel. Más index mögül dolgoznak, más forrásokat idéznek, és a válasz egy részét keresés nélkül, a modell memóriájából állítják össze. A jó helyezés segít, de nem elegendő feltétel — a mérésben rendszeresen látunk erős Google-jelenlétű cégeket, akiket a válaszmotor egyszer sem nevez meg. Ezért vált külön szakmává az AI keresőoptimalizálás: a válaszmotorok saját rétegét kell rendbe tenni, nem a helyezést.
Mennyi idő alatt változik az AI-láthatóság?
Nem ígérünk határidőt, mert az index- és modellfrissítési ciklusokat nem mi irányítjuk. A retrieval-oldali javítások — indexelhetőség, hozzáférés, gépi olvashatóság — hetes nagyságrendben szoktak megjelenni a mérésben; a modell memóriájába kerülés ennél lényegesen lassabb, és nem minden esetben következik be. A különbséget a kiindulási és az újramérés mutatja meg, nem a becslés.
Mennyibe kerül az AI-láthatósági munka?
Az AI keresőoptimalizálást műszer-alapon árazzuk: minden tétel önálló, rögzített hatókörű instrumentum, nem átalánydíjas retainer. A belépő a mérés, arra épül a javítás, és a folyamatos mérésnek külön havidíja van. A tételes lista és az aktuális árak a GEO-szolgáltatás oldalán élnek; ajánlatot a mérés eredményéből adunk, nem becslésből.
Gyakori kérdések az AI-láthatóságról
Tizenkét kérdés az AI-láthatóságról: mi az, mitől függ, és mi az, ami ténylegesen befolyásolható belőle.
Mi kell ahhoz, hogy az AI megértse a weboldalamat?
Három dolog: egyértelmű azonosíthatóság, önmagában is megálló szöveg és nyitott hozzáférés. Az elsőt az entitás-architektúra adja, a másodikat a gépileg olvasható tartalom és a strukturált adat, a harmadikat a robots- és botkezelési szabályok. Ha bármelyik hiányzik, a másik kettő is kevesebbet ér.
Melyik AI-motorokban érdemes láthatónak lenni?
Ott, ahol a vevőid kérdeznek — ezt nem tippeljük, hanem megmérjük. A magyar és európai B2B kérdések java részét ma a ChatGPT, a Google AI-összefoglalói, a Gemini, a Claude és a Perplexity adja. A motorok eltérő forrásokból dolgoznak, ezért a mérés motoronként külön fut, és az eredményük sem vonható össze egyetlen számmá.
Mérés nélkül is lehet AI-láthatóságot építeni?
Építeni lehet, tudni nem. A javítások jó része önmagában is védhető: egy tiszta entitás-definíció vagy egy nyitott hozzáférési réteg akkor is helyes, ha senki nem méri. De hogy a munka hatott-e, arra mérés nélkül nincs válasz, mert a válaszmotorok kimenete magától is ingadozik. Ezért kezdünk kiindulási méréssel.
Számít a strukturált adat, a schema.org az AI-láthatóságban?
Számít, de nem varázsszó. A strukturált adat azt teszi egyértelművé, hogy ki vagy, mit árulsz és mihez kapcsolódsz — ez az azonosíthatóság feltétele. Önmagában viszont nem tesz idézhetővé: ha a szöveg nem áll meg a saját kontextusa nélkül, vagy a hozzáférés zárva van, a jelölés kevés. A három réteget együtt kell rendbe tenni.
Kell-e llms.txt fájl a weboldalamra?
Hasznos, de nem kötelező és nem is elegendő. Az llms.txt egy javasolt, még nem szabványosított fájl, amely a nyelvi modelleknek mutatja meg a site szerkezetét — olcsó és nem árt. A tényleges hozzáférést azonban a robots.txt és a szerver botkezelése dönti el, és a mérésben ezek okozzák a valódi kieséseket, nem az llms.txt hiánya.
Blokkoljam vagy engedjem az AI-crawlereket?
Ez üzleti döntés, és külön kell hozni tanítási és keresési célra. Ha azt szeretnéd, hogy a válaszmotor idézzen, a kereső-crawlereit engedni kell — blokkolva a jelenlét nem hiányos lesz, hanem nulla. A modell tanítására használt crawlerek külön kérdés, ott van legitim ok a kizárásra. Az AVE Studio ezt robots-mátrixként méri fel, botonként, hogy a döntés ne véletlenül szülessen.
Mit ér a Wikipedia- vagy Wikidata-jelenlét?
Az azonosításban sokat, a láthatóságban önmagában keveset. Egy Wikidata-elem stabil horgonyt ad annak, hogy melyik cégről van szó — ez különösen fontos, ha a neved összekeverhető. De a Wikidata nem tesz ajánlottá: a válaszmotor akkor nevez meg, ha talál rólad használható forrást a kérdéshez. A kettő más problémát old meg.
Ki foglalkozik ezzel Magyarországon, és mit csinál az AVE Studio másképp?
Egyre többen: klasszikus SEO-ügynökségek bővítik ezzel a kínálatukat, és megjelentek AI-láthatóságra szakosodott műhelyek is. Versenytárs-rangsort nem közlünk, mert a mérést mi végezzük — magunkat nem soroljuk. Az AVE Studio abban tér el, hogy a mérés után szállít is: a javítás kódban landol — entitás-architektúra, hozzáférési réteg, válaszképes tartalom —, nem prezentációban. A mérés ehhez a műszer, nem a termék. Ha másik szolgáltatót választasz, mindkettőt kérd tőle: mérést és kódban átadott javítást.
Tovább
Beszéljünk róla
Írj vagy hívj. Egy rövid beszélgetésből általában kiderül, hogy nálad melyik réteg a szűk keresztmetszet — és az is, ha egyelőre nem érdemes belevágni.