Egy beszerzési vezető ma könnyen úgy indítja a beszállítókeresést, hogy beírja a ChatGPT-be: „Mely hazai cégek gyártanak egyedi hidraulikus hengereket kis szériában?” A válaszban négy-öt név szerepel, rövid indoklással. Ha a te cégednek nincs ott a neve, könnyen előfordul, hogy az ajánlatkérés el sem jut hozzád, és erről semmilyen riport nem fog szólni.
Erre a helyzetre született a GEO, vagyis a Generative Engine Optimization. A fogalom körül sok a túlzás és a félreértés. Az útmutató ezért ahhoz tartja magát, amit a nyilvános források és az ügyfélmunkánk tapasztalatai alapján valóban tudni lehet: mit jelent a GEO, miért üzleti kérdés, miben más, mint a SEO, mi bizonyított belőle és mi nem, és hogyan érdemes elkezdeni.
Röviden
Mi az a GEO? Generatív keresőoptimalizálás: azok a tartalmi, technikai és hitelességi fejlesztések, amelyek javítják az esélyét, hogy egy vállalkozás pontos információkkal jelenjen meg a ChatGPT, a Google AI Overviews, a Gemini vagy a Perplexity válaszaiban.
Miért fontos egy vállalkozásnak? Sok vásárló ma AI-asszisztenstől kér ajánlást, mielőtt szolgáltatót választ. Akit a válasz nem említ vagy pontatlanul ír le, könnyen kimarad a mérlegelt cégek közül.
Miben különbözik a SEO-tól? A SEO a keresési találatokban való láthatóságot és az onnan érkező forgalmat támogatja, a GEO azt, hogy az AI által összeállított válaszban szerepel-e a cég, és helyes-e, amit állítanak róla. Az alapjuk közös, a GEO a SEO-t egészíti ki.
Hogyan mérhető az eredményessége? Rögzített kérdéskészlettel, amelyet rendszeresen lefuttatunk a főbb AI-platformokon, kiegészítve a webanalitika adataival. A Search Console a Google AI Overviewsban és AI Mode-ban való megjelenések számát mutatja, kattintást és kiváltó keresést nem. Garantált megjelenés nincs, a változás és a versenytársakhoz mért helyzet viszont követhető.
Mit érdemes elsőként megtenni? Első lépésként érdemes összeállítani 10–15 valódi vevői kérdést, majd megvizsgálni, hogy a főbb AI-asszisztensek hogyan válaszolnak ezekre, megemlítik-e a vállalkozást, és milyen forrásokra támaszkodnak.
Mi az a GEO?
A GEO (Generative Engine Optimization), magyarul generatív keresőoptimalizálás, olyan tartalmi, technikai és hitelességi fejlesztések összessége, amelyek célja, hogy egy vállalkozás, márka vagy weboldal nagyobb eséllyel jelenjen meg pontos és releváns információkkal a generatív mesterséges intelligencia által készített válaszokban, például a ChatGPT, a Google AI Overviews, a Gemini vagy a Perplexity felületein.
A GEO nem helyettesíti a hagyományos keresőoptimalizálást (SEO), hanem kiegészíti azt: az AI által összeállított válaszokban való megjelenésre, a márkáról közölt információk pontosságára és a hivatkozott forrásokra is figyel.
A kifejezést egy 2023-as tudományos tanulmány tette ismertté, azóta pedig az AEO (answer engine optimization) és az AI Visibility kifejezésekkel együtt kering a szakmában.
Két fogalom, amelyet következetesen megkülönböztetünk
GEO – a munka: azoknak a tartalmi, technikai és hitelességi fejlesztéseknek az összessége, amelyek javíthatják a megjelenés esélyét az AI-válaszokban.
AI Visibility – a mérhető eredmény: milyen gyakran, milyen kontextusban és milyen pontossággal jelenik meg egy vállalkozás a vizsgált AI-válaszokban.
Hogyan kezeljük a GEO-t a W5labs-nél?
A W5labs olyan digitális rendszereket tervez és fejleszt, amelyek a vállalkozások növekedését szolgálják, és ebben a rendszerben a GEO egy mérhető részterület. A mérési és döntéstámogatási részt a saját Growth Visibility Score (GVS) módszertanunk adja: ezzel vizsgáljuk, hogy egy vállalkozás mennyire látható a keresőkben és az AI-rendszerekben, milyen digitális hiányosságok akadályozhatják a növekedését, és mely fejlesztések élveznek prioritást. Számunkra a GEO végső célja az, hogy a vállalkozás ott legyen, amikor a potenciális ügyfél összeállítja a szóba jöhető partnerek listáját.
Miért üzleti kérdés az AI-láthatóság?
Sok vásárlónál a döntés ma egy AI-asszisztenssel folytatott beszélgetésben kezdődik, és ami ott elhangzik, befolyásolja, mely cégek kerülnek fel a szóba jöhető szállítók listájára. Az AI-láthatóság ezért az ügyfélszerzés és a versenyképesség kérdése is. Három szempontból érdemes ránézni.
Új üzleti lehetőségek
Amikor egy potenciális ügyfél szolgáltatót keres, és az AI-asszisztens néhány nevet ajánl, jellemzően ebből a rövid listából indul a további vizsgálódás. A kérdés az, hogy a vállalkozásod szerepel-e ezekben az ajánlásokban azokra a kérdésekre, amelyeket a célcsoportod ténylegesen feltesz.
Versenyképesség
Egy AI-válasz ritkán szól egyetlen cégről. Ha a rendszer a versenytársakat részletesebben, frissebb adatokkal vagy erősebb forrásokra hivatkozva mutatja be, az előnyt jelent nekik a döntés előtti összehasonlításban, akkor is, ha a te ajánlatod jobban illene az igényhez.
Üzleti kockázatok
Elavult telephelycím, megszűnt termék, egy tanúsítvány, amelyről a rendszer nem tud. Egy hibás vagy hiányos állítás miatt előfordulhat, hogy egy érdeklődő meg sem keres. Ez a veszteség a webanalitikában sem látszik, hiszen a látogatás el sem indul. A leggyakoribb kockázatok:
Elvesztett érdeklődők: aki nem szerepel az ajánlásokban, azt a potenciális ügyfél jó eséllyel meg sem keresi.
Bizalomvesztés: egy rossz cím vagy egy már nem kínált szolgáltatás bizonytalanságot kelt a döntéshozóban.
Elmaradó értékesítési lehetőségek: a pontosabban bemutatott versenytárs előnybe kerül az összehasonlításban.
Felesleges ráfordítás: a téves árra vagy megszűnt termékre hivatkozó érdeklődők kezelése az értékesítés és az ügyfélszolgálat idejét viszi.
Döntéshozói kérdés | Mire adhat választ a GEO? |
|---|---|
Milyen üzleti eredményt támogathat? | Segíthet abban, hogy a vállalkozás bekerüljön a potenciális ügyfelek által mérlegelt szolgáltatók közé. |
Milyen problémát segíthet megelőzni? | A vállalkozásról megjelenő pontatlan, elavult vagy hiányos információk időben felismerhetők és javíthatók. |
Milyen költséget vagy kockázatot csökkenthet? | Segíthet elkerülni a rosszul priorizált fejlesztéseket, a felesleges tartalomgyártást és a hibás információkból eredő félreértéseket. |
Milyen döntést támogat? | Megmutatja, mely tartalmi, technikai vagy hitelességi fejlesztésekkel érdemes először foglalkozni. |
Az AI-láthatóság javítása nem garantál több forgalmat vagy bevételt. Azt viszont befolyásolhatja, hogy a vállalkozás bekerül-e abba a szűk körbe, amelyből a vevő végül választ.
Tudod, hogy a ChatGPT ajánlja-e a vállalkozásodat?
A W5labs Growth Visibility Score (GVS) módszertanával megvizsgáljuk, hogyan jelenik meg a vállalkozásod a keresőkben és az AI-rendszerekben, milyen információk hiányoznak rólad, és mely digitális fejlesztések segíthetik a láthatóságod javítását. Az első lépés az ingyenes GVS-pillanatkép, amely három területen ad előzetes képet.
Miben más a GEO, mint a SEO?
A SEO az organikus keresési láthatóságot, a releváns forgalmat és a konverziókat támogatja. A GEO azt vizsgálja és javítja, hogy a vállalkozás megjelenik-e az AI által generált válaszokban, pontos-e, amit ott állítanak róla, melyik forrásra hivatkozik a rendszer, és hogyan áll a versenytársakhoz képest. Az alapok közösek, a GEO a meglévő digitális láthatósági stratégiát egészíti ki.
Szempont | SEO | GEO |
|---|---|---|
Cél | Organikus keresési láthatóság, releváns forgalom és konverziók | Megjelenés, pontos állítások és hivatkozások az AI által generált válaszokban |
Mérés | Helyezés, megjelenés, kattintás, konverzió | Megjelenési arány, pontosság, hivatkozott források, láthatóság a versenytársakhoz képest |
Tartalmi egység | Oldal, téma és keresési szándék | Állítás, tény, entitás (cég, termék, szolgáltatás) |
Alap | Indexelhetőség, tartalom, linkek, felhasználói élmény | Ugyanez, kiegészítve egyértelmű entitásokkal és ellenőrizhető tényekkel |
Üzleti hatás | Látogatás, érdeklődés és vásárlás a weboldalon | Bekerülés a döntés előtti válaszokba, néha kattintással, néha csak említéssel |
Egy példa a különbségre
SEO esetén azt vizsgáljuk, hogy egy ipari gyártó weboldala milyen helyen jelenik meg az „egyedi hidraulikus henger gyártás” keresésre.
GEO esetén azt is megvizsgáljuk, hogy amikor egy beszerző a ChatGPT-től kér ajánlást magyar hidraulikushenger-gyártókra, az adott vállalat szerepel-e a válaszban, pontos információk jelennek-e meg róla, és milyen forrásokra hivatkozik a rendszer.
A Google álláspontja ebben egyértelmű. A generatív AI-funkciókra való optimalizálásról szóló útmutatója szerint a Google Keresés szemszögéből az AI-keresésre való optimalizálás a keresési élményre való optimalizálás, vagyis továbbra is SEO. Ugyanitt óvatosságra int azokkal a külső eszközökkel szemben, amelyek rangsorolási sikert ígérnek vagy a Google „belső” mutatóira hivatkoznak, és azt javasolja, hogy a tanácsaikat a hivatalos irányelvekhez mérjük.
Ezzel egyetértünk, ezért a GEO-t sem kezeljük külön varázsszerként. Két dolgot viszont érdemes hozzátenni. A ChatGPT, a Perplexity vagy a Claude nem a Google rendszere, saját forrásválasztással és saját válaszokkal dolgoznak, így a láthatóságot náluk külön kell megnézni. A mérés egysége is megváltozik: egy oldal lehet az első helyen a Google-ben, miközben egy AI-válasz elavult adatot mond a cégről.
Hogyan áll össze egy AI-válasz?
A keresőre épülő AI-funkciók jellemzően a keresőindexből keresnek elő releváns oldalakat, ezekből állítják össze a választ, és hivatkozásokat is mutatnak hozzá. A Google a saját AI-funkcióinál, vagyis az AI Overviewsnál és az AI Mode-nál, két technikát nevez meg.
Retrieval-augmented generation (RAG): a rendszer a keresőindexből kér le releváns oldalakat, és ezek tartalmára alapozva generálja a választ, kattintható forrásokkal.
Query fan-out: a modell egy kérdés mögé több kapcsolódó lekérdezést is indít, hogy több irányból gyűjtsön információt. A gyártós példánál ez lehet a „hidraulikus henger gyártó Magyarország”, a „kis szériás hengergyártás” vagy a „henger egyedi méretre átfutási idő”.
Ez a leírás a Google rendszereire vonatkozik. A ChatGPT, a Perplexity vagy a Claude webes keresése szintén támaszkodhat valós idejű forráskeresésre, de saját keresési háttérrel, forrásválasztással és megfogalmazással dolgoznak, és a belső működésükről kevesebb nyilvános részlet ismert. A Google modelljét ezért nem érdemes egy az egyben rájuk vetíteni.
A Google AI-alapú keresési funkcióinak egyszerűsített működési modellje. Az egyes rendszerek eltérő módon kereshetnek, választhatnak forrásokat és állíthatnak össze válaszokat.
Ebből két gyakorlati következtetés adódik. Egy téma teljes, jól szervezett lefedése többet ér, mint egyetlen kulcsszó. A Google útmutatója szerint ahhoz, hogy egy weboldal támogató hivatkozásként megjelenhessen az AI-funkciókban, indexeltnek és a keresési találatokban kivonattal megjeleníthetőnek kell lennie. Ezért a hagyományos SEO technikai alapjai az AI-keresésben is meghatározók.
A fenti kép egyszerűsítés. Az egyes AI-rendszerek eltérően keresnek, választanak forrást és fogalmaznak, és a belső működésüket nem ismerjük teljes részletességgel. Amire egy cégnek ráhatása van, az három kérdés: el tudja-e érni a rendszer a tartalmat, tudja-e értelmezni, és elég megbízhatónak tartja-e ahhoz, hogy felhasználja. A GEO-munka nagy része ezért a tartalom elérhetőségéről, érthetőségéről és hitelességéről szól.
Mit mutat a kutatás?
A GEO-ról szóló első rendszeres vizsgálat szerint bizonyos tartalmi módszerek érezhetően javíthatják egy forrás láthatóságát a generatív válaszokban, a hatás viszont területenként eltér.
A Princeton Egyetem és partnerintézményei kutatóinak „GEO: Generative Engine Optimization” tanulmánya, amelyet a KDD 2024 konferencián fogadtak el, akár 40 százalékos láthatósági javulást mért egyes tartalmi módszerekkel. Ez a szám a szerzők saját kérdéskészletén és tesztkörnyezetében mért legjobb eredmény, nem átlag, és nem azt jelenti, hogy egy élő AI-rendszerben bármelyik weboldal ennyit javulna. A szerzők maguk is hangsúlyozzák, hogy a módszerek hatékonysága témakörönként változik.
Gyakran idézett szám a Gartner 2024-es előrejelzése is, amely szerint a hagyományos keresések volumene 2026-ra 25 százalékkal csökkenhet az AI-asszisztensek miatt. Ez előrejelzés volt, nem mért adat. Hogy a saját piacodon mennyire teljesült, azt a saját keresési és látogatottsági adataidból érdemes megnézni.
A kutatás tehát azt támasztja alá, hogy a tartalom minősége és szerkezete számít. Arra viszont nincs bizonyíték, hogy bármilyen trükk garantált eredményt hozna.
A GEO négy munkaterülete
A GEO-munkát négy területre bontjuk. Mindegyiknél ugyanazt nézzük: mi a cél, mi a gyakori probléma, mi a konkrét javítás, és miért számít üzletileg.
1. Technikai alapok
Cél: az AI-rendszerek elérjék és fel tudják dolgozni a cég legfontosabb információit.
Gyakori probléma: a termékspecifikációk, kapacitásadatok és tanúsítványok csak PDF-ben vagy űrlap mögött érhetők el, a cég, a szolgáltatások és a telephelyek neve oldalanként eltér. Például a teljes termékkatalógus egyetlen 40 oldalas PDF, a weboldalon csak egy letöltés gomb van.
Konkrét javítás: az oldal legyen indexelhető és bejárható, a fontos tartalom HTML-ben is elérhető, a megnevezések pedig következetesek. A PDF megmaradhat, de az üzletileg kritikus adatok (méretek, anyagok, tűrések, átfutási idő) strukturált HTML-oldalakon is szerepeljenek. Érdemes azt is ellenőrizni, hogy nosnippet vagy noindex beállítás nem zárja-e ki a fontos oldalakat a Google AI-funkcióiból, a Search Console URL-ellenőrző eszközével pedig megnézni, mit lát belőlük a Google.
Üzleti jelentőség: amit a rendszer nem ér el, arról nem is tud beszélni, így a cég szakmai tudása kimaradhat a döntés előtti válaszokból.
A strukturált adat segíthet abban, hogy a keresők és AI-rendszerek egyértelműbben társítsák az adatokat a céghez, de a Google szerint nem feltétele az AI-funkciókban való megjelenésnek.
2. Tartalom
Cél: valódi vevői kérdésekre adott pontos, szakmailag megalapozott válaszok.
Gyakori probléma: általános, bárhol megtalálható szövegek, amelyekből hiányzik a cég saját tapasztalata, vagy éppen az AI-nak szánt, tömegesen gyártott oldalak.
Konkrét javítás: a Google útmutatója kifejezetten a „non-commodity” tartalmat emeli ki, vagyis azt, amely saját tapasztalatból, első kézből származó tudásból épül. Egy gyártónál ilyen lehet, mikor éri meg egyedi hengert gyártatni szériatermék helyett, és mitől függ az átfutási idő. A fejezet elején a rövid válasz, utána a részletek, a táblázat és a példa.
Üzleti jelentőség: a potenciális ügyfél ugyanazokra a kérdésekre kap választ, amelyeket az értékesítés naponta hall, így a cég szakértelme már a döntés előtt látszik.
A szerkezet elsősorban az olvasót szolgálja. A Google azt is jelzi, hogy nem kell a tartalmat apró darabokra szabdalni vagy kifejezetten az AI-nak átírni, a rangsor vagy az AI-válaszok befolyásolására tömegesen gyártott oldalak pedig a spam-irányelveit sértik.
3. Hitelesség
Cél: a cégről független, ellenőrizhető források is egybehangzó képet adjanak.
Gyakori probléma: a cégről csak a saját weboldala állít bármit, a Google Cégprofilban és a szakmai katalógusokban elavult vagy eltérő adatok szerepelnek, a referenciák nem nyilvánosak.
Konkrét javítás: egységes alapadatok a külső profilokon, nyilvános referenciák és esettanulmányok, valós szakmai megjelenések.
Üzleti jelentőség: a weboldalon kívüli hiteles említések növelhetik annak esélyét, hogy a keresők és AI-alapú rendszerek konzisztens és ellenőrizhető képet alakítsanak ki a vállalatról, és ugyanez a döntéshozó bizalmát is erősíti.
A mesterségesen gyártott említések a Google szerint kevésbé hasznosak, mint amilyennek látszanak, a minőségi és spamszűrő rendszerei éppen az ilyen manipuláció kiszűrésére épülnek.
4. Mérés
Cél: kiderüljön, hol tart a vállalkozás, és mi változott a fejlesztések után.
Gyakori probléma: egy-egy alkalmi ChatGPT-lekérdezésből levont következtetések, rögzített mérési körülmények nélkül.
Konkrét javítás: rögzített kérdéskészlet, azonos feltételekkel ismételt lekérdezés és rendszeres visszamérés. A részleteket a következő fejezet mutatja be.
Üzleti jelentőség: a rendszeres mérés segít követni, hogyan változik az AI-láthatóság a fejlesztések után, és mely beavatkozásokkal érdemes tovább foglalkozni.
A négy terület egymásra épül. Hozzáférhetőség nélkül a tartalom nem jut el a rendszerekig, hitelesség nélkül nem válik megbízható forrássá, rendszeres mérés nélkül pedig nem követhető, hogyan alakul a láthatóság a fejlesztések után.
Hogyan mérhető az AI-láthatóság?
Az AI-láthatóság alakulásának követéséhez rendszeres mérés szükséges. Az AI-rendszerek válaszai nem determinisztikusak: ugyanarra a kérdésre eltérő időpontokban, sőt egymás utáni lekérdezéseknél is különböző válasz születhet. Egyetlen alkalmi lekérdezésből ezért nem érdemes következtetést levonni. Megbízható képet az ad, ha egy rögzített kérdéskészletet azonos feltételekkel, rendszeresen futtatunk le, és szükség esetén ugyanazt a kérdést többször is feltesszük.
Mit kell rögzíteni egy következetes AI Visibility-méréshez?
a vizsgált kérdés pontos szövegét,
az AI-platformot,
a mérés időpontját és releváns körülményeit (például a nyelvet, a földrajzi beállítást, és hogy bejelentkezve kérdeztünk-e),
a vállalkozás megjelenését vagy hiányát,
a válaszban megjelenő versenytársakat,
a vállalkozásról közölt állítások pontosságát,
a hivatkozott forrásokat.
Ezekből az adatokból egy GEO-mérés jellemzően öt szempontot értékel:
AI Visibility: a vizsgált kérdések mekkora részében jelenik meg a vállalkozás az AI-válaszokban.
Brand Accuracy: mennyire pontos, friss és teljes, amit a rendszerek a vállalkozásról állítanak.
Competitor Visibility: mely versenytársak és milyen gyakran jelennek meg ugyanazokban a válaszokban.
Referral Traffic: érkezik-e mérhető látogatás az AI-platformokról (például a chatgpt.com vagy a perplexity.ai felől) a weboldalra.
Lead Generation: keletkezik-e azonosítható érdeklődés az AI-platformokról érkező forgalomból.
Az első három szempont a válaszok rendszeres lekérdezéséből jól mérhető. Az utolsó kettőnél az adatok csak korlátozottan érhetők el. Az AI-felületekről érkező látogatások egy része hivatkozó forrás nélkül jelenik meg az analitikában, és sok érdeklődő az AI-válasz elolvasása után a cég nevére keresve vagy telefonon jelentkezik. Ezek a mutatók ezért irányt jeleznek, a teljes üzleti hatást nem tudják hiánytalanul visszakövetni.
A mérések a meghatározott kérdéskészletre, AI-platformokra és vizsgálati időszakra vonatkoznak. Az eredmények elsősorban a változások és a versenytársakhoz viszonyított helyzet követésére alkalmasak, nem reprezentálják automatikusan a teljes AI-keresési piacot. Egy mért változás mögött a saját fejlesztések mellett az AI-rendszerek frissítései és a versenytársak lépései is állhatnak, ezért az eredményeket ezek figyelembevételével értelmezzük.
Egyszerű kezdőmérés és a GVS-módszertan
Egy cég maga is elindulhat egy 10–15 kérdésből álló készlettel, amelyet a célcsoportja ténylegesen feltesz, és amelyet havonta lefuttat a főbb AI-asszisztenseknél. Ez jó kiindulópont, de kevés kérdésre és kézi rögzítéssel ad képet. A GVS ennél szélesebb: a keresési és AI-láthatóság mellett azt is vizsgálja, hol akad el a vevő útja. A GVS-oszlop paraméterei csomagonként eltérnek, ezért mindegyiknél jelöljük, melyik szolgáltatásra vonatkozik.
Szempont | Saját kezdőmérés | W5labs GVS |
|---|---|---|
Kérdések száma | 10–15 kérdés | GVS-riport: körülbelül 30 kérdés. Havi követés: az alapdíjban legfeljebb 45 kérdés, igény szerint bővíthető. |
Mérés módja | Kézi lekérdezés, havonta ismételve | GVS-riport: legalább hétnapos alapmérés. Havi követés: napi AI-láthatósági ellenőrzés a ChatGPT-ben, a Google AI Overviewsban és a Perplexityben. |
Vizsgált terület | Megjelenés és pontosság az AI-válaszokban | Hat súlyozott terület: AI-láthatóság (30%), kereshetőség (20%), technikai teljesítmény (15%), üzenet és tartalom (15%), konverziós út és mérhetőség (12%), bizalom és hozzáférhetőség (8%) |
Eredmény | Kiinduló kép és teendőlista | GVS-riport: 0–100 pontos GVS, A–F besorolás és a fejlesztések prioritási sorrendje |
Mit mutat a Google Search Console?
Röviden: a Search Console generatív AI-teljesítményjelentése azt mutatja meg, hányszor jelent meg a webhelyedre mutató link a Google Keresés generatív AI-funkcióiban, vagyis az AI Overviewsban és az AI Mode-ban. Az adatok oldalakra, országokra, eszközökre és dátumokra bonthatók. Kattintási adatot és a megjelenést kiváltó kereséseket a jelentés nem mutat, és a két AI-funkció adatait sem bontja külön. A ChatGPT-ről, a Perplexityről vagy a Gemini alkalmazásról nem ad adatot. A Search Console és a saját kérdéskészlettel végzett mérés ezért eltérő információt ad, és nem helyettesítik egymást: az egyik a Google AI-funkcióiban való megjelenések számát mutatja, a másik azt, hogy mit mondanak rólad az egyes AI-rendszerek.
Részletesebben: a Google 2026. június 3-án jelentette be a generatív AI-teljesítményjelentést, eleinte a webhelyek egy részénél. A Search Console súgója szerint 2026. augusztus 31. óta világszerte minden webhely számára elérhető, de csak akkor jelenik meg, ha a webhely elegendő megjelenést kapott a Google generatív AI-funkcióiban. Egyetlen mutatót mér, a megjelenéseket: hányszor jelent meg a webhelyedre mutató link a Google Keresés generatív AI-funkcióiban. A súgó jelenleg az AI Overviewst és az AI Mode-ot sorolja ide, a Search Labs kísérleteit nem, a Discover generatív AI-funkcióiról pedig külön jelentés készül. Az adatok oldalakra, országokra, eszközökre és dátumokra bonthatók, és a keresés típusa szerint szűrhetők szöveges vagy multimodális (például Google Lensszel indított) keresésre.
A hagyományos teljesítményjelentéstől több ponton eltér. A generatív AI-jelentés adatai a meglévő teljesítményjelentés „Web” keresési típusában is benne vannak, és ugyanazok a korlátozások vonatkoznak rájuk, például a táblázat 1000 soros határa. A hagyományos jelentés kattintásokat, átlagos pozíciót és lekérdezéseket is mutat, a generatív AI-jelentés viszont csak megjelenéseket, lekérdezésenkénti bontás nélkül. A Google leírása szerint az AI-funkciókból érkező kattintások a „Web” keresési típus összesített adataiban szerepelnek, ezek külön szűrésére a dokumentáció nem ír le lehetőséget. A funkció új, a működése és az elérhető adatok köre változhat, ezért a leírás a cikk utolsó frissítésekor (2026. november) érvényes állapotot tükrözi.
Hogyan nézhet ki a GEO egy gyártócégnél?
Az alábbi példa egy kitalált vállalkozásról szól. Nem egy konkrét ügyfélmérés eredménye, hanem azokat a hiányosságokat mutatja be, amelyekkel B2B és gyártóipari weboldalakon gyakran találkozunk.
Vegyünk egy közepes méretű dunántúli gyártót, amely egyedi hidraulikus hengereket készít kis és közepes szériában. A weboldala rendezett, a Google-ben a saját nevére az első helyen jön, a szakmai kifejezésekre is tisztes helyen áll. Ha viszont a főbb AI-asszisztenseket a beszerzők tipikus kérdéseivel tesztelnénk, könnyen más kép rajzolódna ki.
A B2B beszerzés több szereplős, és mindenki mást kérdez. A mérnök azt, ki tud adott nyomásra és lökethosszra hengert gyártani. A beszerző azt, mennyi az átfutási idő és van-e minimális rendelési mennyiség. A vezető azt, kiknek dolgoztak már és milyen tanúsítványaik vannak. Egy ilyen cégnél jellemzően csak az alapadatokra érkezik pontos válasz. A műszaki paraméterek egy PDF-katalógusban vannak, az átfutási időről nincs szöveges információ, a tanúsítványok pedig egy képként feltöltött oklevélen szerepelnek. Ezeknél a kérdéseknél azok a versenytársak kerülhetnek előnybe, amelyek ugyanezeket az adatokat HTML-oldalakon, kérdésekre felelő formában közlik.
A teendőlista egy ilyen helyzetben nagyon konkrét feladatokból áll:
Probléma | GEO-beavatkozás | Üzleti jelentőség |
|---|---|---|
A műszaki paraméterek csak PDF-katalógusban szerepelnek | A kulcsparaméterek termékcsaládonként strukturált HTML-oldalakon is elérhetők | A beszerzők és az információfeldolgozó rendszerek könnyebben hozzáférnek a döntéshez szükséges adatokhoz |
Az átfutási időről és a rendelési feltételekről nincs szöveges információ | Külön oldal az átfutási időről, a minimális rendelési mennyiségről és a rendelés menetéről | A beszerző az első körben választ kap a leggyakoribb kérdésére, és nem csak a versenytárs adatai alapján dönt |
A tanúsítványok csak képként feltöltött oklevélen láthatók | A tanúsítványok szövegesen és strukturált adattal is szerepelnek | A minőségi követelmények már a szállítóválasztásnál ellenőrizhetők |
Nincs nyilvános referencia a fő iparágakból | Két esettanulmány a legfontosabb iparágakból | A „kiknek dolgoztak már?” kérdésre ellenőrizhető válasz születik |
Néhány hét múlva ugyanazokkal a kérdésekkel érdemes visszamérni, mi változott. Az iparági összefüggéseket részletesen ebben a cikkünkben fejtettük ki: Mit jelent az AI Visibility egy gyártócég számára?
Ha egy gyártó szakmai tudása nem érhető el könnyen feldolgozható, ellenőrizhető formában, kisebb eséllyel válhat az AI-alapú válaszok részévé.
Mi bizonyított, és mi nem?
A jó SEO, a pontos és ellenőrizhető tartalom és az egyértelmű cégadatok bizonyítottan számítanak, a különleges „AI-trükkök” hatása viszont jellemzően nem igazolt.
Garantált megjelenés nincs. Ugyanarra a kérdésre más időpontban vagy más rendszertől eltérő válasz érkezhet.
Az llms.txt a Google Keresésre nincs hatással. A Google útmutatója szerint a Google Keresés nem használja az llms.txt-t és a hasonló, AI-nak szánt fájlokat, ezért ott se nem segítenek, se nem ártanak. Hogy más rendszereknél mit érhet, arról külön cikkben írtunk: Mi az az llms.txt, és kell-e a weboldaladnak?
A tartalom feldarabolása önmagában nem cél. A Google rendszerei egy oldalon belül több témát is képesek értelmezni, a jó szerkezet elsősorban az olvasónak szól.
A mesterséges említésgyártás hosszú távon nem működik. A hiteles, valós szakmai jelenlétet nem lehet kiváltani vele.
30 napos kezdőterv
A kezdőterv egy hónap alatt vezet el a kiindulási méréstől az első visszamérésig. Minden hétnél látszik, mi az ellenőrizhető eredmény, és miért fontos az adott feladat üzletileg.
Hét | Feladat | Eredmény | Üzleti érték |
|---|---|---|---|
1. Felmérés | 10–15 valós vevői kérdés összeállítása szerepenként, lekérdezés a ChatGPT-ben, a Geminiben, a Perplexityben és a Google AI Overviewsban | Kitöltött mérési táblázat: minden kérdésre és platformra a megjelenés, a pontosság, a hivatkozott források és a versenytársak | Kiderül, mely potenciális ügyfélkérdéseknél maradhat ki a vállalkozás az AI-ajánlásokból |
2. Technikai alapok | Indexelhetőség, sitemap, robots.txt és Search Console ellenőrzése, a PDF-ben rejlő kritikus adatok HTML-be emelése | Indexelési hibák a Search Console-ban javítva, a kritikus adatok HTML-oldalon élesítve | Feltárjuk és elkezdjük megszüntetni azokat a kritikus akadályokat, amelyek nehezítik a tartalom elérését és értelmezését |
3. Tartalomfejlesztés | A 3–5 legfontosabb oldal átdolgozása: rövid válasz a fejezetek elején, táblázat, GYIK, frissített referenciák | A 3–5 átdolgozott oldal élesítve, a módosítások dátummal dokumentálva | Érthetőbbé és láthatóbbá válnak a vállalkozás szakmai kompetenciái, kapacitásai és referenciái |
4. Visszamérés | Alapadatok egységesítése a külső profilokon, majd ismételt lekérdezés ugyanazokkal a kérdésekkel | Egységes cégadatok a külső profilokon, összehasonlítás a kiinduló méréssel és a következő hónap prioritási listája | Látszik, mi változott, és meghatározhatók a következő fejlesztési prioritások |
Az első 30 nap célja elsősorban a kiinduló állapot dokumentálása, a legfontosabb technikai és tartalmi akadályok javítása, valamint az első összehasonlítható visszamérés elvégzése. Az AI-láthatóság érdemi változása ennél hosszabb időt is igénybe vehet, ezért a fejlesztések hatását rendszeresen, azonos mérési feltételek mellett érdemes követni.
Miért nem elég elemezni?
A GEO-elemzés akkor válik üzleti értékké, amikor a javítások el is készülnek, és a visszamérés megmutatja, hogyan alakult utánuk a láthatóság. Sok cégnél itt szakad meg a folyamat: egy szolgáltató elkészíti a riportot, a fejlesztő pedig kap egy PDF-et, amelynek a hátterét nem ismeri.
Nálunk a stratégia, a kreatív munka, a fejlesztés és a support egy felelős partnernél, egy projektvezetés alatt kapcsolódik össze, így az elemzés és a megvalósítás nem válik el egymástól. A stratégiai munkában a GVS-módszertannal felmérjük a kiindulópontot, a versenytársakat és a prioritásokat. A kreatív munkában elkészítjük a kérdésekre felelő szakmai tartalmakat, esettanulmányokat és referenciákat. A fejlesztés során megvalósítjuk a technikai javításokat, az információs architektúrát, a strukturált adatot és a PDF-ben rejlő adatok HTML-be emelését. A support keretében pedig üzemeltetjük és továbbfejlesztjük az elkészült rendszert.
A GVS folyamatos munka, egy audit csak a kezdete
Az AI-válaszok hónapról hónapra változnak, a versenytársak is fejlesztenek, ezért egy egyszeri felmérés gyorsan elavul. A GVS-t ezért folyamatos mérési, fejlesztési és optimalizálási folyamatként építettük fel.
A havi együttműködésben nem nyers mérési adatokat kapsz, hanem szakértőink által ellenőrzött, üzleti szempontból értelmezett riportot. Ez megmutatja:
mi változott a legutóbbi mérés óta,
milyen új problémák vagy lehetőségek jelentek meg,
melyik az első három teendő,
mi valósult meg a javaslatokból (a GVS Growth csomagban),
mi a következő javasolt lépés.
A GVS-követés ezen felül naponta figyeli a versenytársakat és az AI-válaszokban rólad megjelenő állításokat, és ha jelentős változást észlel, heti figyelmeztetést küld.
A havi monitoring és a fejlesztési javaslatok a rendszeres munka részei. A tényleges fejlesztési munkát ettől külön kezeljük: hogy azt a cég saját csapata, egy partnere vagy a W5labs végzi, és mennyi tartozik belőle a havidíjba, az a választott csomagtól vagy az egyedi megállapodástól függ. Az aktuális csomagokat a GVS-oldalunkon találod.
A visszamérés minden alkalommal ugyanazokkal a kérdésekkel és mérési feltételekkel történik, így az egymást követő riportok összehasonlíthatók, és látszik, mely beavatkozásokkal érdemes tovább foglalkozni.
Összegzés
A GEO a SEO-ra épül, a Google saját AI-funkcióinál lényegében azonos vele, a többi AI-rendszer miatt viszont külön mérést igényel. Üzleti szempontból három kérdést dönt el: bekerül-e a vállalkozás az ajánlásokba, hogyan jelenik meg a versenytársakhoz képest, és elveszít-e érdeklődőket hibás vagy hiányos információk miatt.
A négy munkaterület, a technikai alapok, a tartalom, a hitelesség és a mérés akkor támogathatja az üzleti célokat, ha az elemzésből elkészült javítás és rendszeres visszamérés lesz. A W5labs-nél ezért a GEO egy nagyobb rendszer része, amelyben a stratégia, a kreatív munka, a fejlesztés és a support egymásra épül: a feltárt problémákból megvalósítható feladatok születnek, és a változásokat rendszeresen visszamérjük.
Következő lépés
Tudod, mit mond a vállalkozásodról a ChatGPT és a többi AI-rendszer?
Az ingyenes GVS-pillanatkép három területen mutatja meg a kiinduló helyzetet: az AI-láthatóságot, a mobilsebességet, valamint attól függően, hogy van-e fizikai üzleted, a Google Cégprofilt vagy az üzenetet. Minden területről a saját mért adataidat kapod rövid értelmezéssel, és legalább egy kérdést, amelyet magad is kipróbálhatsz az AI-rendszerekben. Az eredményt 4–5 munkanapon belül e-mailben küldjük, ehhez nem kell hozzáférést adnod a Google-fiókjaidhoz.
Ha pedig azt is szeretnéd átbeszélni, mit jelentenek az eredmények a vállalkozásod növekedésére nézve, és milyen fejlesztési irányok lehetnek relevánsak, kérj egy ingyenes, 30 perces szakmai konzultációt.
Megnézem a vállalkozásom AI-láthatóságát →
30 perces szakmai konzultációt kérek →
Források
Google Search Central: Optimizing your website for generative AI features on Google Search
Search Console súgó: Generative AI performance report (Search)
Google Search Central: Creating helpful, reliable, people-first content
Aggarwal et al.: GEO: Generative Engine Optimization (arXiv, KDD 2024)
Gartner: Search Engine Volume Will Drop 25% by 2026 (előrejelzés, 2024)




