Hogyan mérjük az AI-láthatóságot

Mit mérünk, és miért

Az AI-asszisztensek nem egy rögzített indexből válaszolnak. Abból válaszolnak, amit abban a másodpercben lehívtak, és abból, amit már tudnak — ezért mindkettőt mérjük: megjelensz-e az élő válaszokban, és hordoz-e a modell egy helyes változatot rólad. Azt is mérjük, hol van valójában a citációs terep, és a bizonyítékok szerint az nagyrészt a saját domaineden kívül van: 2025 decemberében az AI-láthatóság legerősebb mért korrelátuma a YouTube-jelenlét volt (nagyjából 0,737-es korreláció), a domain-tekintély jóval gyengébb (Ahrefs). És elválasztjuk a megnevezést a puszta linkeléstől — mert 2026 júniusában a becslések szerint az AI-citációk 61,7%-a „ghost citation" volt: a forrásként használt oldal, miközben a márkát soha nem nevezték meg a válaszban (Semrush). Ehhez a valósághoz mérünk, nem az on-page SEO megszokásaihoz.

A hét mérési szempont

Az élő AI-láthatóság — hogy megjelensz-e, amikor a modell keres — hét átlátható dimenzióra bomlik, nem egyetlen fekete-doboz számra. Mindegyik látható és ellenőrizhető.

Megjelenés a válaszban

Megjelensz-e egyáltalán az élő válaszban? Amikor a kategóriádban kérdezik az AI-t és az keres, ott vagy a válaszban — vagy hiányzol, miközben egy versenytársat megnevez.

Hely a válaszban

Mennyire elöl jelensz meg? Elöl, top-ajánlásként, vagy a válasz végén elrejtve. A hely dönti el, eljut-e hozzád a vevő.

Megnevezés, nem csak forrás

A neved mondja, vagy csak az oldaladat használja? A válasz meríthet az oldaladról úgy, hogy a neved sosem mondja ki — ez a „ghost citation". Elválasztjuk a megnevezést a puszta forrásléttől.

Hogyan beszél rólad

Milyen keretben említ a válasz? Kedvezően, semlegesen vagy rosszul — és milyen kontextusban. A rossz említés nem ajánlás.

Válasz-stabilitás

Mindig ugyanazt mondja? Az AI-válaszok futásról futásra mozognak. Többször kérdezzük, és tartományt jelentünk, nem egy szerencsés egyetlen választ.

Citációs lábnyom

Mely forrásokból építkezik — és köztük vagy-e? A válasz néhány megbízható oldalból áll össze; követjük, hol van ez a terep, és birtoklod-e bármely részét.

Szándék-lefedettség

A vevő valódi kérdésein át hol bukkansz fel? Felfedezés, összehasonlítás, „melyik a legjobb X-re", kifogások — egyetlen promptban látszani nem ugyanaz, mint az egész úton.

A hét szempontot külön-külön közöljük, mindegyiket saját megbízhatósági tartománnyal. Nem vonjuk össze őket egyetlen pontszámmá: ahhoz kalibrált súlyozás kellene, és csak valós mérésből származó súlyokat vagyunk hajlandók közzétenni.

Az ingadozást is mérjük

Tedd fel ugyanazt a kérdést egy AI-nak kétszer, és a válasz elmozdul — a szóhasználat, néha még a nevek is. Egyetlen válasz: zaj. Ezért nem egyetlen választ jelentünk: fogjuk a valódi promptokat, amelyeket a vevők a kategóriádban használnak, több modellen feltesszük, megismételjük, és az eredményt tartományként, megbízhatósági intervallummal közöljük — a jelet és az ingadozását együtt. Ugyanez az őszinteség végigfut az egész oldalon: a Model Mindshare-mérő egy szintet mutat egy skálán, sosem egy megígért számot.

Amit nem ígérünk

Nem ígérünk garantált százalékot, garantált rangsort vagy garantált említést. Mintavételezett jel, nem az összes valaha feltett kérdés cenzusa, és nem csavarozható rá a kattintási számaidra — különböző mérésfajták, egymás mellett tartva. Jelentjük, ami mozdul, és kimondjuk, amit nem tudunk. A hitelesség a korlátokból fakad, nem azok ellenére.

A playbookok

Hogyan készül el a munka, módszerről módszerre:

• A KEO playbook →A hiteles, kanonikus, olvasható, idézhető nyilvántartás felépítése, amelyből az AI-modellek tanulnak.
• Hogyan mérjük a Model Mindshare-t →Prompt-portfólió, modellenkénti ismétlések, internet nélkül (closed-book), megnevezés-vs-felidézés, megbízhatósági intervallum.