Felfedeztük: kétféle GEO létezik — a klasszikus és a viselkedési

Ha a klasszikus GEO világképe pontos lenne, vagyis a motor valóban „tudná”, hogy egy adott piacon ki jó és ki rossz, akkor egy egyszerű kérdésre egyértelmű választ kellene kapnunk.

Arra, hogy kit NE bízz meg AI-láthatósági feladatokkal, neveket kellene mondania. Azokat a szereplőket, akiket kerülni érdemes.

Az AVE Studio ezért 2026. augusztus 11-én megmérte, mi történik valójában. Hat kereskedelmi kérdéspárt vizsgáltunk három motoron — ChatGPT, Gemini és Perplexity —, kérdésenként öt ismétléssel. Minden „kit ajánlanál?” kérdés mellé bekerült annak negatív párja is.

Tudomásunk szerint Magyarországon ezt a negatív kérdésoldalt korábban még senki nem mérte műszeresen.

A 90 negatív válaszban a motorok egyetlen alkalommal sem neveztek meg kerülendő céget. Az eredmény: 0/90.

Cégnév a válaszok 17 százalékában jelent meg, de minden esetben pozitív ellenpéldaként. Az angol nyelvű válaszoknál ez az arány mindössze 4 százalék volt.

Feketelisták helyett ellenőrzőlistákat kaptunk.

A ChatGPT legkorábbi angol válaszának első két pontja szó szerint ez volt: „Conflict of Interest Companies…” és „Lack of Transparency: Steer clear of companies that do not disclose their methodology or criteria for measurement.”

A magyar válasz egészen máshonnan indult: az első két szempont a helyi jelenlét és a magyar piaci tapasztalat volt.

Ez fontos különbség.

A motor nem egyszerűen előhívja a tudást. Összerakja a választ abból, amit talál.

Ennek legalább két szerkezeti oka van.

Az egyik a szabályréteg: a modellek nem szívesen neveznek meg konkrét cégeket úgy, hogy közben azt állítják róluk, kerülendők vagy rosszak. A másik maga a webes korpusz. Az internet vállalati tartalmainak jelentős része önreklám; cégek ritkán publikálnak magukról olyan oldalakat, amelyeknek az a címe, hogy „miért ne minket válassz”.

A negatív válaszhoz tehát egyszerűen nincs elegendő névhez köthető nyersanyag.

A motor ilyenkor kritériumokból dolgozik. És mivel erre a kérdésformára célzott, valóban használható ellenőrzési keretet ma szinte senki nem publikál, sok esetben törmelékből építkezik: általános szempontokból, egymáshoz lazán kapcsolódó állításokból, gazdátlan információs „cellákból”.

A klasszikus GEO ebből keveset lát. Nem a tényleges viselkedést vizsgálja, hanem azt a modellt, ahogyan a rendszernek elvileg működnie kellene.

A kettő között pedig van különbség.

1. A vevő szempontjából

Az AI-tól nagy valószínűséggel nem kapsz fekete listát. Ellenőrzőlistát viszont igen.

Érdemes tehát arra használni, amire alkalmas: kérj szempontokat, majd ezeket kérd számon a szóba jöhető szolgáltatókon.

Az AVE Studio ehhez kész keretet ad. A „Mikor ne bízz meg egy GEO-ügynökségben?” oldal hét vörös zászlót mutat be, konkrét ellenőrző kérdésekkel. A keret bármely ügynökségre alkalmazható.

2. A piac szempontjából

A viselkedési GEO logikája szerint a „kit ne?” kérdés ma gazdátlan terület.

A motor kénytelen kritériumokból felépíteni a választ. Ebből következik, hogy az a szereplő, amely elsőként publikál valódi, mérhető és jól használható ellenőrzési keretet, idővel a kategória egyik alapértelmezett mércéjévé válhat.

Akkor is, ha egy másik kérdésben éppen valamelyik versenytársát ajánlja a gép.

Az AVE Studio ezért tette nyilvánossá saját keretét és a 18 pontos módszertani mércéjét.

3. Kísérletként: mérve, nem ígérve

A következő lépés nem egy újabb állítás, hanem egy újabb mérés.

Az AVE Studio ugyanazon a hat kérdéspáron újraméri a motorok forráskészletét, majd arányokkal közli, hogy a publikált keret bekerült-e a válaszok mögött megjelenő források közé.

Ez a hurok — publikálás, majd visszamérés ugyanazon a panelen — a viselkedési GEO egyik alapvető munkamódszere.

Nem képernyőképekre épül. Ismételt, kód-szelektált mérésre van szükség hozzá.

Az AVE Studio állítása szerint a magyar mezőnyben jelenleg egyedül rendelkezik olyan mérési rendszerrel, amellyel ez a folyamat következetesen futtatható.

Mert a műhely eleve erre a gondolkodásra épült.

Kontrasztív kérdéspanelt használunk: nemcsak a pozitív, hanem a negatív kérdésoldalt is mérjük. Egy kérdést nem egyszer futtatunk le, hanem jellemzően öt-tíz alkalommal. Az arányokat konfidencia-intervallummal közöljük, az idézeteket kóddal választjuk ki, a módszertani követelményeket pedig egy nyilvános, 18 pontos mérce rögzíti.

A klasszikus GEO-val ma már sokan foglalkoznak.

A viselkedési GEO-hoz viszont műszer kell. Nem elég azt figyelni, hogyan kellene működnie a motornak; meg kell mérni, hogyan működik ténylegesen.

A 90 futásból kirajzolódó különbség ezt mutatta meg:

a motor nem feltétlenül azt válaszolja, amit tud. Azt válaszolja, amit az adott kérdéshez megtalál és fel tud használni.