Minden márkának két célközönsége lett: az ember és a mesterséges intelligencia

Nem nyit meg tíz böngészőlapot. Nem olvas végig három termékösszehasonlító oldalt. Megkérdezi az AI-asszisztenst, melyik légtisztítót érdemes választania allergiás gyerek mellé. Feltesz még két pontosító kérdést, majd megrendeli azt a készüléket, amelyet az AI ajánl. Az egész tizenegy percig tart. Ezalatt összesen három márkával találkozik. Számára csak ez a három létezik.

Ez nem jövőkép. Ez történik most.

Csak a ChatGPT naponta nagyjából 50 millió vásárlással kapcsolatos kérdést kap (OpenAI, 2026), miközben a fogyasztók 73 százaléka már ma is használ AI-t a vásárlási folyamat valamelyik szakaszában (Riskified). Két év alatt 25-ről 58 százalékra nő azok aránya, akik inkább AI-t kérdeznek, mint hagyományos keresőt használnak (iparági felmérések, 2023–2025).

A vevő felületet vált. Ezzel együtt a döntéshozatal lélektana is megváltozik.

Az igazán érdekes kérdés nem az, hogy az emberek használják-e az AI-t döntéseikhez. Hanem az, hogy miért bíznak meg benne.

A viselkedéstudomány évtizedek óta ismeri azokat a pszichológiai mechanizmusokat, amelyek bizalmat építenek. Az AI-asszisztens újdonsága nem az, hogy új mechanizmusokat teremt, hanem az, hogy egyetlen felületen egyesíti őket.

Itt működik az a mechanizmus, amely a következő évtizedben eldönti, hol születnek meg a tranzakciók.

Egy AI-val folytatott vásárlási beszélgetés átlagosan 8–14 percig tart. Egy hagyományos keresés ezzel szemben többnyire 1–3 perc alatt véget ér (Similarweb, a Marketing Week nyomán). Ez a különbség azonban nem egyszerűen idő kérdése. Hanem befektetés.

A vásárló elmondja a helyzetét. Pontosítja az igényeit. Visszakérdez. Finomítja a feltételeket. Az AI minden válasszal egyre személyre szabottabb ajánlást ad. Mire a beszélgetés végére érnek, a döntés jelentős része már megszületik.

A viselkedés-gazdaságtan három, jól ismert mechanizmussal magyarázza ezt.

Amikor a vásárló végül átkattint egy webáruházba, már nem egyszerű látogató. A döntés nagy része mögötte van. A webshop sok esetben már nem meggyőzi, hanem kiszolgálja.

A számok pontosan ezt mutatják.

2025 márciusában az AI-ból érkező látogatók még 38 százalékkal rosszabbul konvertálnak, mint az átlagos látogatók az amerikai kiskereskedelmi oldalakon. Egy évvel később már 42 százalékkal jobban. Tizenkét hónap alatt 80 százalékpontos fordulat következik be (Adobe Analytics).

Ráadásul ezek a látogatók átlagosan 87 százalékkal több időt töltenek az oldalon, és látogatásonként 37 százalékkal nagyobb bevételt termelnek (Adobe Analytics, 2026).

A 2025-ös ünnepi szezonban a globális online rendelések mintegy ötödét — hozzávetőleg 262 milliárd dollár értékben — már valamilyen AI-rendszer befolyásolja (Salesforce).

És ez még csak az átmeneti állapot.

Ma a fogyasztók 65 százaléka gond nélkül rábízza az AI-ra az árak összehasonlítását. Ugyanakkor csupán körülbelül 14 százalékuk engedné meg, hogy az AI önállóan rendeljen a nevében (Riskified/YouGov).

Ezt könnyű úgy értelmezni, hogy az emberek még nem bíznak az AI-ban.

Valójában azonban egészen más történik.

A felhasználók nem egyik napról a másikra adják át a döntéseiket, hanem lépésről lépésre.

Először az összehasonlítást bízzák rá. Utána a szűkítést. Később a kosár összeállítását. Végül — megfelelő biztosítékok mellett — magát a vásárlást is.

A kutatások azt mutatják, hogy a bizalom feltételei világosak. A felhasználók fizetés előtti jóváhagyást szeretnének, költési limiteket, valamint azonnali visszavonási lehetőséget (Bidease; Checkout.com, 2026).

Közben a technológiai háttér is gyorsan épül. 2025 és 2026 között öt különböző ügynök-fizetési protokoll jelenik meg az OpenAI, a Google, a Visa és a Mastercard ökoszisztémájában.

Az előrejelzések ugyan eltérnek egymástól, az irány azonban megegyezik.

A Bain & Company szerint 2030-ra az amerikai e-kereskedelem 15–25 százaléka AI-ügynökökön keresztül zajlik majd. A Morgan Stanley becslése szerint addigra az online vásárlók fele használ valamilyen AI-ügynököt vásárlásra.

A pontos arány ma még bizonytalan. Az irány már nem.

Az útfüggőség logikája egyszerű: a tranzakciót jellemzően az a platform nyeri meg, ahol a döntés megszületik.

Ha a vásárló tizenegy percet tölt egy AI-asszisztenssel, megfogalmazza az igényeit, közösen végiggondolja a lehetőségeket, majd kialakít egy számára megfelelő megoldást, akkor egy hagyományos landing oldal már rendkívül nehezen tudja visszafordítani ezt a döntést.

A valódi versenyelőny ezért már nem a kattintás megszerzésében rejlik.

Hanem abban, hogy ki lehet jelen abban a beszélgetésben, ahol maga a döntés megszületik.

A legtöbb márka ma még úgy építi a marketingjét, mintha a vásárlási döntések továbbra is kizárólag emberek és keresők között születnének. Médiára költ. Kreatív kampányokat készít. Emberi márkát épít.

Ez önmagában nem hiba. Csakhogy ma már nem elég.

Az AI megjelenésével a márkának nemcsak az emberek tudatában kell rögzülnie, hanem a gépek memóriájában is. Ennek hiánya három egymásra épülő szinten jelentkezik.

Ha az AI nem találja meg a márkát, nem hivatkozik rá, vagy egyszerűen nem említi meg, a veszteség messze túlmutat egy elmaradt kattintáson.

A vásárló egy tízperces beszélgetés során többnyire mindössze néhány márkával találkozik. Ha ezek között nem szerepelsz, akkor számára ebben a döntési helyzetben gyakorlatilag nem is létezel.

A klasszikus keresőben létezett második oldal. Az AI válaszában többnyire nincs.

Az AI-rendszerek nem csupán keresnek az interneten. Memóriájuk is van.

Amit a modell a betanítása során megtanul, az meghatározza, milyen magabiztosan ajánl egy márkát, milyen összefüggéseket társít hozzá, és milyen tudást örökölnek a rá épülő AI-ügynökök.

Itt válik igazán fontossá az idő.

Egy nagy nyelvi modell mindig a világ egy korábbi állapotából tanul. A tudásbázisa jellemzően négy–tizenhat hónappal korábbi pillanatképet tükröz (publikált modell-tudáshatárnap-adatok).

Ha egy márka két egymást követő tanítási ciklusból kimarad, versenyhátránya nem egyszerűen kommunikációs kérdéssé válik. A versenytárs addigra helyet foglal a gépi memóriában. Ezt a helyet utólag nem lehet médiaköltéssel visszavásárolni.

Az emberi figyelem megvásárolható. A gépi emlékezet nem.

Tegyük fel, hogy a modell ismeri a márkát. Még ez sem garancia arra, hogy ajánlani vagy megvásárolni is képes.

Az Adobe kutatása szerint az amerikai termékoldalak átlagosan csupán kétharmad részben géppel értelmezhetők. Az oldal tartalmának közel egyharmada egy AI-ügynök számára gyakorlatilag láthatatlan.

A PayPal 2026-os kereskedői felmérése hasonló problémát mutat: a kereskedőknek csupán körülbelül egyötöde rendelkezik olyan termékkatalógussal, amelynek nagy része strukturált, géppel feldolgozható formában érhető el.

Az AI nem találgat. Amit nem tud egyértelműen értelmezni, azt nem ajánlja. És amit nem tud ajánlani, azt nem is tudja megvenni.

A BCG kutatása szerint a márkamarketing tőkeként működik. Minden ma meg nem épített dollárnyi márkaérték később átlagosan 1,92 dollárból szerezhető vissza (BCG, 2025).

Ugyanez a logika jelenik meg most a gépi térben is. Csakhogy van egy lényeges különbség.

Az emberi oldalon elvesztett piaci részesedés megfelelő költségvetéssel sok esetben visszaszerezhető. A gépi memória más szabályok szerint működik. Nem kampányokban gondolkodik. Hanem tanítási ciklusokban.

Ha egy modell egyszer már megtanulta a versenytársad történetét, azt nem lehet egy következő negyedéves médiabüdzsével kitörölni.

Ezért válik stratégiai kérdéssé a gépi márkaépítés. Nem azért, mert az AI átveszi a marketing helyét. Hanem azért, mert a marketingnek megjelenik egy új színtere, ahol ugyanúgy fel kell építeni a márka jelenlétét, mint korábban a keresőkben vagy a közösségi médiában.

A márkaérték eddig elsősorban azt jelentette, mit gondolnak az emberek egy vállalatról. Az AI korszakában azonban megjelenik egy második dimenzió is.

Nemcsak az számít, mit tudnak rólad az emberek. Hanem az is, mit tudnak rólad a gépek.

Ezt nevezzük gépi márkaértéknek (Machine Equity). Nem új marketinges divatszó, hanem új vagyonelem.

A gép egyáltalán találkozik-e a márkáddal? Megjelenik-e hiteles forrásokban? Szerepel-e olyan helyeken, amelyeket a modellek feldolgoznak?

Ha a válasz nem, akkor a történet itt véget ér. Amit a gép nem lát, azt nem tudja figyelembe venni.

A gép nemcsak látja a márkát, hanem érti is. Felismeri, hogy kihez tartozik. Összekapcsolja a termékeket, szolgáltatásokat, tulajdonságokat és kapcsolódó fogalmakat. Magabiztosan tud róla beszélni — internet nélkül, tisztán az emlékezetéből is.

A legmagasabb szint akkor valósul meg, amikor egy AI-ügynök már nemcsak ismeri a márkát, hanem képes vele műveletet is végrehajtani. Megtalálja a terméket. Értelmezi az árat. Ellenőrzi a készletet. Kosárba teszi. Majd — a felhasználó jóváhagyásával — meg is vásárolja.

A gépi márkaérték nem három különálló elem. Önerősítő rendszer.

A láthatóság növeli a gép által feldolgozható tudást. A tudás növeli annak esélyét, hogy a modell ajánlja a márkát. Az ajánlásokból újabb vásárlások születnek. A vásárlások új adatokat és új hivatkozásokat hoznak létre. Ezek ismét erősítik a láthatóságot.

A kör bezárul.

Ezért nem elegendő csupán AI-optimalizált tartalmakat gyártani. És önmagában az sem elég, ha strukturált adatokat publikálsz. A valódi versenyelőnyt az jelenti, ha a teljes körfolyamat működik.

A láthatóság tudássá válik. A tudás ajánlássá. Az ajánlás tranzakcióvá. A tranzakció pedig újra erősíti a láthatóságot.

Ez a gépi márkaérték kamatos kamata.

A klasszikus marketing jellemzően kampányokban gondolkodik. A gépi márkaérték viszont infrastruktúra.

Nem egy kreatív ötlet. Nem egy egyszeri optimalizálás. Nem egy SEO-projekt új neve. Hanem egy folyamatosan épülő rendszer, amelynek célja, hogy a márka a gépek számára is értelmezhető, megbízható és cselekvésre alkalmas legyen.

És ahogy a klasszikus márkaérték, a gépi márkaérték is mérhető — de becsületesen csak portfólióként, nem egyetlen számként. Mindhárom rétegnek saját mérőórája van, minden érték tartománnyal érvényes, és a rétegek eredménye nem keverhető egyetlen „márkaerő-pontszámmá”.

Azok a vállalatok, amelyek ezt időben felépítik, nem egyszerűen jobb pozíciót szereznek a modellekben. Olyan előnyre tesznek szert, amelyet a később érkezőknek már lényegesen drágább lesz ledolgozni.

A reklámügynökségek csaknem egy évszázadon át ugyanarra az alapfeladatra építik a működésüket: megérteni az embert, majd hatni a döntéseire.

Ez a feladat nem tűnik el. Az emberek továbbra is vásárolnak, érzelmek alapján döntenek, és történetekhez kapcsolódnak.

Csakhogy a döntési folyamatban megjelenik egy új szereplő. A gép.

Ettől kezdve a marketingnek két közönsége van. Az egyik ember. A másik mesterséges intelligencia. A kettő nem egymás helyére lép. Egymás mellett létezik.

Ezért a marketingnek is ki kell egészülnie egy második kompetenciával. A klasszikus marketingképességek mellé olyan mérnöki tudásra van szükség, amely érti, hogyan dolgoznak a nagy nyelvi modellek, hogyan épülnek fel a tudásgráfok, miként értelmezik az AI-rendszerek az entitásokat, és milyen technikai feltételei vannak annak, hogy egy márka valóban géppel olvashatóvá váljon.

Ez már nem marketing. De nem is pusztán informatika. A kettő metszete.

Ezért a következő évek meghatározó szakembere nem kizárólag kreatív, és nem is kizárólag mérnök. Olyan ember, aki mindkét világ nyelvét beszéli. Érti a márkát. És érti a modellt is.

Ahogy minden új technológiai hullámnál, itt is gyorsan megjelennek a túlzó ígéretek.

Lesznek, akik garantált AI-ajánlásokat ígérnek. Mások azt állítják majd, hogy biztosan bekerültetnek egy modelltanító adatbázisba. Vagy egyetlen számmal próbálják mérni egy márka AI-sikerét.

Ezeket az ígéreteket érdemes fenntartásokkal kezelni.

Ma senki sem tudja garantálni, hogy egy adott modell pontosan milyen adatokat használ fel a következő tanítási ciklusban. Garantálni csak a saját munkát lehet. Azt, hogy a márka adatai rendezettek. A forrásai hitelesek. Az entitásai következetesek. A technikai infrastruktúrája megfelelő. És amikor megjelenik egy új modellgeneráció, az eredmény újra mérhető.

Ez ugyanaz a különbség, mint a jó PR és a PR-garancia között. Az első szakmai munka. A második marketingfogás.

A gépi márkaépítésnek is el kell jutnia oda, hogy ezt a különbséget a piac egyértelműen értse.

Véleményem szerint két-három éven belül az AI-beszélgetésen átfolyó vásárlási döntések aránya ugyanolyan sztenderd vezetői mutató lehet, mint akár a piaci részesedés: az először említett és idézett márkák, amelyek stabil pozíciót tudnak felépíteni a modellek memóriájában, olyan „alapértelmezett válasz”-előnyt élveznek majd, amelyet a később érkezőknek szerkezetileg drága lesz megtámadni. Az ügynökségek pedig két táborra szakadnak — akiknek van kódolási valamint AI képességük, és akik tőlük rendelik meg.

Addig is két őszinte kérdés, amellyel viszonylag egyszerű megválaszolni, hogy mennyire felkészült egy márka az AI világára:

Mert a mesterséges intelligencia nem új csatorna, amelyen elérjük az embert. Célközönség, amely maga is dönt, emlékszik — és hamarosan vásárol.

A következő évtized marketingjét ezért nem csak az dönti el, mit mond a márkád az embereknek. Hanem az is, mit tud róla a mesterséges intelligencia.

Mert mostantól minden márkának két célközönsége van. Az ember. És a gép.