Az AI Láthatósági Index dekódolása SaaS márkák számára

Miért nem az számít már, hogy hányadik vagy a Google-ben

Van egy kínos pillanat, amit egyre több SaaS-marketinges él át mostanában. Megnyitja a Search Console-t, látja, hogy a kulcsszavak szépen tartják az első oldalt, a domain authority nő, a backlinkek rendben — aztán megkérdezi a ChatGPT-t, hogy „melyik a legjobb projektmenedzsment-eszköz távoli csapatoknak?”, és a saját terméke meg sem jelenik a válaszban. Helyette három versenytárs neve, egy rövid indoklás, egy kész shortlist. Pár másodperc alatt.

Ez a pillanat a digitális tekintély új térképének a kezdőpontja. Mert a vásárló nem fog tovább görgetni. Nem nyit meg tíz fület. Nem hasonlítgat össze összehasonlító oldalakat. Megkapta a választ, és a következő dolga már az, hogy demót foglal — annál a háromnál, amelyiket az AI ajánlott.

A Similarweb 2026-os Generative AI Brand Visibility Indexe szerint az amerikai fogyasztók 35%-a már a termékfelfedezés fázisában AI-asszisztenshez fordul, szemben a 13,6%-kal, akik klasszikus keresőt használnak. Vagyis a shortlist gyakran azelőtt összeáll, hogy bárki egyáltalán beírna valamit egy keresőmezőbe. Ha a márkád nincs benne ebben a válaszban, akkor nem rosszabb pozícióban vagy. Egyszerűen nem létezel abban a beszélgetésben.

Mit takar pontosan az „AI Láthatósági Index”

Bontsuk szét a fogalmat, mert sokan dobálóznak vele, kevesen mérik tisztességesen.

Az AI Láthatósági Index nem egy szám, hanem egy összetett mutató. Lényegében arra ad választ, hogy milyen gyakran és milyen kontextusban jelenik meg a márkád, amikor egy nagy nyelvi modell a te kategóriádról beszél. Két alappillére van:

Az első a Share of Voice (SOV) az LLM-ekben — vagyis hogy a kategóriád releváns kérdéseire adott válaszokban a te márkád hány százalékban szerepel az összes említett márkához képest. A képlet egyszerű: a saját említéseidet elosztod az adott promptkészletben szereplő összes márkaemlítéssel, megszorzod százzal. Ha az AI egy kategória 200 válaszában összesen 200 márkát említ, és ebből 50 a tiéd, akkor az AI SOV-d 25%. Ennyire profán.

A második a hivatkozási gyakoriság (citation frequency) — vagyis hányszor és milyen forrásként hivatkozik rád a modell, amikor alátámasztja az állításait. Ez a kettő együtt rajzolja ki, hogy a piac AI-szemmel téged tekintély-e a kategóriádban, vagy csak egy a sok zajos szereplő közül.

És itt jön a lényeg, amit nehéz megemészteni egy klasszikus SEO-fejjel: a válaszban való szereplés maga lett a konverziós esemény. Nincs kattintás. Nincs megjelenés a hagyományos értelemben. Nincs munkamenet a Google Analyticsben. A felhasználó útja már nem a weboldaladon keresztül vezet — az említés az utazás.

A ranking mint hiúsági mutató

Évekig a „hányadik vagy a Google-ben” volt a Szent Grál. Volt is értelme: a tíz kék link egy menü volt, a felhasználó választott belőle, te pedig azért küzdöttél, hogy az első három között legyél.

Ez a logika most omlik össze. A generatív kereső nem menüt ad, hanem ajánlást. Nem listáz, hanem dönt helyetted. A „tíz kék link” korszaka lényegében lezárult — a kereső már nem egy könyvtár, hanem egy concierge, aki helyetted gondolkodik.

Ez nem azt jelenti, hogy a SEO halott. A klasszikus organikus forgalom továbbra is hoz látogatókat, és a jól strukturált, tekintélyes tartalom pont az az alapanyag, amiből az LLM-ek a válaszaikat építik. De a mérőszám változott meg. Az a kérdés, hogy „rangsorolok-e”, átadta a helyét annak, hogy „idéznek-e“. És ez két különböző játék.

A számok alátámasztják a váltás súlyát: az LLM-vezérelt forgalom éves szinten nagyjából 800%-kal nőtt, egyes vállalatoknál pedig az AI által generált hivatkozások a sales-qualified leadek akár 32%-át befolyásolják. Ez már nem egy „figyeljünk rá” típusú trend. Ez pipeline.

Hogyan mérhető az, ami állítólag mérhetetlen

A leggyakoribb ellenvetés: „de hát az AI minden alkalommal mást válaszol, hogy mérnéd ezt?” Jogos. Az LLM-ek nem determinisztikusak — ugyanazt a promptot ötször lefuttatva öt kicsit más választ kapsz. Pont ezért nem egyetlen válasz számít, hanem a gyakoriság sok futtatáson keresztül.

A komoly mérés így néz ki a gyakorlatban:

Összeállítasz egy promptkészletet — platformonként jellemzően 50–200 kérdést —, amely lefedi a kategóriád négy fontos kérdéstípusát: a branded kérdéseket (a te neveddel), a kategóriakérdéseket („legjobb X eszköz”), a probléma–megoldás kérdéseket, és a versenytárs-összehasonlításokat. Ezt a készletet rendszeresen, sok ismétlésben lefuttatod a fontos modelleken, és méred, milyen arányban bukkansz fel.

A 2026-os mezőnyben hat platformot érdemes figyelni: a ChatGPT-t, a Google Geminit, a Perplexityt, a Claude-ot, a Grokot és a Google AI Overviews-t. És mindegyik másképp viselkedik, ezt fontos érteni:

• A Perplexity és a Copilot a válaszok többségében külső linkeket is megjelenít — itt a klasszikus „forrásként szerepelni” logika még erősen él.
• A Claude sűrűn említ márkákat, de jellemzően nem ad külső linket — vagyis itt a név a valuta, nem a link.
• A ChatGPT hajlamos a jól ismert, beágyazott márkákat preferálni; a Perplexity ezzel szemben egy válaszban több márkát is felsorol.

A forrásminták is árulkodóak. Egy nagyjából 30 millió hivatkozást vizsgáló elemzés szerint a ChatGPT erősen támaszkodik a Wikipédiára és a Redditre, a Perplexity szintén Reddit-nehéz, a Google AI Overviews pedig Redditet és YouTube-ot húz be. És van egy érdekes elmozdulás: a LinkedIn 2025 vége és 2026 eleje között a top 20-on kívülről a szakmai kérdések leggyakrabban idézett forrásává nőtte ki magát. Ez B2B SaaS-kontextusban kőkemény stratégiai jelzés.

A jó hír: ezt ma már nem kézzel kell csinálnod. Olyan platformok, mint a Profound, a Semrush AI Visibility Toolkit, a Peec AI, a Scrunch vagy az Otterly, automatizálják a promptmonitorozást és a SOV-számítást több modellen keresztül.

Miért élet-halál kérdés ez pont a SaaS-nak

A GEO (Generative Engine Optimization) minden iparágat érint, de a SaaS-t különösen mélyen, és ennek konkrét oka van: a szoftvervásárlás kutatás-intenzív műfaj.

Gondolj bele, hogyan választ egy cég CRM-et vagy analitikai eszközt. Funkciókat hasonlítgat, integrációkat ellenőriz, értékeléseket olvas, social proofot keres, mielőtt elköteleződne. Ez pontosan az a fajta sokrétegű, döntés előtti kutatómunka, amit ma egyre inkább nem tíz fülön, hanem egyetlen AI-beszélgetésben végeznek el. A vásárló nem böngészik — shortlistet készít. És a shortlistet az AI állítja össze neki.

Ez a B2B SaaS számára egyszerre veszély és lehetőség. Veszély, mert ha kimaradsz, a versenytárs narratívája épül be a vásárló fejébe — anélkül, hogy te egyáltalán tudnál arról, hogy a beszélgetés lezajlott. Lehetőség, mert ezek a kategóriát definiáló, magas vásárlási szándékú kérdések pont azok, ahol egy jól felépített AI-jelenlét közvetlenül pipeline-ná fordul.

Mit csinálj most: a tudásvár felépítése

A klasszikus link-alapú gondolkodás helyett a GEO egy „tudásvárat” (knowledge moat) épít — egy olyan, következetes, jól strukturált tartalmi és tekintélyalapot, amiből az LLM-ek szívesen és pontosan idéznek. A gyakorlatban ez néhány dolgot jelent:

Először is strukturáld a tartalmat AI-olvasásra. Tiszta kérdés–válasz formátumok, definíciók, összehasonlító táblázatok, jól tagolt logika. Az AI azt idézi, amit könnyen ki tud emelni és újra tud hasznosítani.

Másodszor építs harmadik feles tekintélyt. Az értékelések, vélemények, díjak és független említések növelik a modell szemében az észlelt hitelességet — az AI a recenzió-aggregátorokon edződött, és kedveli az erős értékelési profillal rendelkező márkákat. Egy átgondolt, premium minőségű PR- és linképítési stratégia itt közvetlenül a citation-frekvenciádra dolgozik.

Harmadszor tölt be a hiányokat. A jó GEO-eszközök megmutatják, mely promptoknál idézik a versenytársat, de téged nem. Ez egy konkrét, megcélozható tartalmi to-do lista.

És tarts realista időhorizontot. A mérhető citation-javulás jellemzően 60–90 nap alatt jön be következetes munkával, a bevételi attribúció pedig inkább 3–6 hónap, ahogy az AI-befolyásolta vásárlói utak végigfutnak.

A benchmark, amihez mérheted magad

Hova kell eljutni? A korai adatok szerint a jól teljesítő márkák a maguk kategóriájában legalább 15%-os AI SOV-t visznek, az élmezőny a speciálisabb vertikumokban 25–30%-ot ér el, és sokan a 30% körüli összesített AI SOV-ot tűzik ki célként.

De a legfontosabb mondatot a végére hagytam: a trendvonal többet ér, mint az abszolút szám. Egy márka, amelyik 60 nap alatt 8%-ról 14%-ra megy fel, jó irányba gyorsul. Egy másik, amelyik beragadt 22%-on, miközben a versenytárs 10%-ról 19%-ra kúszik fel, veszít — még akkor is, ha papíron nagyobb a száma.

Ezért nem elég egyszer megnézni, hogy bent vagy-e az AI válaszaiban. Mérni kell, hónapról hónapra, mint régen a rankinget. Csak most a kérdés már nem az, hogy hányadik vagy egy listában, amit senki nem olvas el — hanem az, hogy ott vagy-e a válaszban, amit mindenki elhisz.