01Mi a különbség egy hagyományos SEO-audit és egy AI-láthatósági audit között?

A két vizsgálat nem ugyanazt a kérdést teszi fel, még ha felületesen hasonlítanak is egymásra. A hagyományos SEO-audit alapvetően azt nézi, hogy egy oldal megtalálható és versenyképes-e a klasszikus keresőtalálatok között. Az AI-láthatósági audit ennél egy szinttel feljebb kérdez: nem azt, hogy hol állsz a listán, hanem azt, hogy egyáltalán bekerülsz-e abba a mondatba, amit a mesterséges intelligencia a felhasználónak válaszol.

A kettőt nem egymás helyett, hanem egymásra építve érdemes alkalmazni. Technikai hozzáférhetőség nélkül nincs megbízható AI-feldolgozás — de a kifogástalan technikai állapot önmagában még nem garantálja, hogy a rendszer valóban ajánlani is fogja a márkát. Aki csak SEO-szemüvegen át nézi a saját AI-jelenlétét, az a probléma felénél megáll. Ehhez a témához kapcsolódik bővebben a Roth Creative keresőoptimalizálási szolgáltatása is, amely a két rétegű vizsgálatot egységes folyamatként kezeli.

02Kiinduló AI-láthatóság és válaszmegjelenések felmérése

Minden komoly audit egyetlen alapkérdéssel indul: most, ebben a pillanatban, hogyan látja a márkát a mesterséges intelligencia? Ehhez dokumentálni kell a jelenlegi állapotot — nem egy-két találomra beírt kérdéssel, hanem strukturáltan, több felületen, több megfogalmazásban.

Vizsgálandó felületek

A kérdéskészletnek is átgondoltnak kell lennie. Egy jó audit kategóriakereséseket, probléma­központú kérdéseket, szolgáltatóválasztási és összehasonlító kérdéseket, helyi kereséseket, ár- és megtérülési kérdéseket, márkaneves rákeresést, valamint bizalmi és vásárlás előtti döntési kérdéseket egyaránt tartalmaz. A teszteket célszerű több megfogalmazással és több időpontban is megismételni, mivel az AI-válaszok nem állandóak — egy egyszeri lekérdezés önmagában félrevezető lehet.

Ez a fejezet önmagában is egy külön szakterület: a mérés komplexitásáról és arról, hogyan lehet ezt üzletileg is értelmezhető mutatóvá alakítani, részletesebben ír Az AI Láthatósági Index dekódolása SaaS márkák számára című anyag.

03Technikai hozzáférhetőség és AI-feltérképezhetőség

Mielőtt bármilyen tartalmi vagy márkaépítési kérdésről beszélnénk, egy egyszerű, gyakran elsikkadó dolgot kell tisztázni: a keresők és az AI-rendszerek egyáltalán hozzáférnek-e a fontos oldalakhoz. Ide tartozik a robots.txt beállításainak, a noindex/nofollow utasításoknak, az XML-webhelytérképnek, a kanonikus címkéknek, a JavaScripttel betöltött tartalmaknak, a szerveroldali megjelenítésnek és a hibás állapotkódoknak az átvizsgálása — csakúgy, mint az árva, belső link nélküli oldalak vagy a képekbe zárt, gépileg olvashatatlan szövegek felderítése.

Fontos árnyalat: a robots.txt ellenőrzése önmagában nem elég biztonság. A Google dokumentációja is egyértelművé teszi, hogy a robots.txt elsősorban a feltérképezést szabályozza, és nem megbízható eszköz egy oldal indexelésének megakadályozására — ehhez más, célzottabb megoldások (pl. noindex metacímke) szükségesek. Ez a réteg unalmasnak tűnhet a márkaépítéshez képest, de gyakorlatilag ez az az alap, ami nélkül a többi erőfeszítés láthatatlan marad. Ehhez kapcsolódik a keresőmarketing ügynökségi szolgáltatás is, amely a technikai alapokat is részévé teszi a folyamatnak.

04Márkaentitás és információs következetesség vizsgálata

Az AI-rendszereknek egyértelműen fel kell ismerniük, ki a vállalkozás, mivel foglalkozik, hol működik, kik a szakértői, és milyen témákban tekinthető hitelesnek. Ez az úgynevezett entitás-tisztaság, és sokkal törékenyebb, mint elsőre tűnik.

Az audit ezen a ponton végigmegy a hivatalos cégnév következetes használatán, a márkanév és a domain kapcsolatán, a szolgáltatási területek egyértelmű megfogalmazásán, a székhely és kapcsolati adatok pontosságán, az alapító és a szakértők bemutatásán, a közösségi és szakmai profilok összekapcsolásán, valamint azon, hogy a különböző céges adatbázisokban és külső oldalakon szereplő információk mennyire egyeznek egymással.

„Ha a weboldal egyik oldalán a vállalkozás keresőoptimalizálási ügynökségként, máshol webfejlesztőként, egy harmadik helyen pedig általános marketingcégként mutatkozik be, az AI nehezebben azonosítja a márka elsődleges szakterületét.”

Egy márka nem attól válik egyértelmű entitássá, hogy sokszor leírja a saját nevét — ehhez következetes adatok, külső megerősítések, valódi szerzői információk és strukturált jelölések szükségesek. Az entitásjelek fontosságáról részletesen ír a Felfedezhető a márkád a ChatGPT keresőjében? című útmutató.

05Tartalmi minőség és idézhetőség

Nem elég, hogy van tartalom — az a kérdés, hogy a tartalom alkalmas-e gépi feldolgozásra és forrásként történő felhasználásra. Egy jó audit megnézi, hogy az oldal közvetlenül megválaszolja-e a célközönség kérdését, hogy a lényegi válasz már az első bekezdésekben megjelenik-e, hogy világosak-e a címsorok, és hogy elkülönülnek-e egymástól a tények, a vélemények és az ajánlások.

Ugyanilyen fontos, hogy vannak-e konkrét adatok, valódi példák és esettanulmányok, hogy az állításokhoz kapcsolódnak-e ellenőrizhető források, szerepel-e szerző és frissítési dátum, és felismerhető-e mögötte egyedi, testre szabott szakértői tapasztalat — nem csak összefésült, általános megfogalmazás.

Idézhető szövegegységek

A szakmai cikkeknek nem egyszerűen hosszúnak kell lenniük — olyan információt kell adniuk, amit az AI pontosan ki tud emelni, és amelynek felhasználását indokoltnak tekinti. Egy hosszú, de kásás szöveg gyakran rosszabbul teljesít, mint egy rövidebb, de pontosan tagolt válasz. Az idézhetőség és a bizalomépítés kapcsolatáról bővebben ír a Perplexity-hivatkozások és a márkabizalom című cikk.

06Tapasztalat, szakértelem, tekintély és megbízhatóság (E-E-A-T)

Ez az a réteg, amit egy automatizált eszköz a legnehezebben tud önmagában értékelni. Egy scanner felismeri a hiányzó címsort vagy a törött linket, de nem tudja teljes értékűen eldönteni, hogy a bemutatott szakmai tapasztalat valódi és meggyőző-e, vagy csak jól hangzó marketingszöveg.

Az auditnak ezért emberi szemmel is végig kell mennie a névvel vállalt szakértői szerzőségen, a részletes szakmai bemutatkozáson, az ellenőrizhető referenciákon, a konkrét esettanulmányokon, a saját kutatásokon és adatokon, az ügyfélvéleményeken, a szakmai szereplőkön és publikációkon, valamint azon, hogy van-e átlátható kapcsolatfelvételi lehetőség és rendben vannak-e a jogi, adatvédelmi oldalak.

A lényegi kérdés mindig ugyanaz: a weboldal csak állítja a szakértelmet, vagy bizonyítani is képes azt? Ennek a rétegnek a mélyebb kifejtését adja az AI SEO audit emberi tapasztalattal című elemzés.

07Strukturált adatok és szemantikai webhelyarchitektúra

A strukturált adatok nem garantálják, hogy a márka bekerül egy AI-válaszba, de segítenek a keresőrendszereknek pontosabban értelmezni, kik és mik szerepelnek az oldalon. A Google saját dokumentációja szerint a strukturált adatok révén a kereső jobban megérti az oldal tartalmát és az azon szereplő entitásokat.

*csak akkor, ha a kérdések/válaszok vagy értékelések ténylegesen, teljes terjedelmükben láthatók az oldalon.

Az ellenőrzésnek ki kell terjednie a jelölések szintaktikai helyességére, a látható tartalommal való egyezésre, a duplikációkra, az összekapcsolt entitásazonosítókra, valamint arra, hogy nincs-e olyan állítás a schema-ban, amely a látható oldalon nem jelenik meg. A strukturált adat feladata, hogy a valós tartalmat írja le pontosabban — nem az, hogy olyat állítson, ami az oldalon nincs is ott.

08Versenytárselemzés és AI-forrástérkép

Egy audit nem teljes, ha csak a saját weboldalt nézi. Fel kell térképezni azokat a versenytársakat és külső forrásokat is, amelyek jelenleg rendszeresen felbukkannak az AI-válaszokban ugyanazokra a kérdésekre. Melyik márkákat ajánlja az AI ugyanarra a problémára? Kik kapnak közvetlen hivatkozást, és milyen oldaltípusokból idéznek tőlük? Vannak-e olyan kérdések, amelyekre jelenleg egyik versenytárs sem ad kielégítő választ — vagyis szabad terület, amit érdemes elsőként elfoglalni?

A jó audit eredménye nem egy egyszerű versenytársi névsor, hanem egy valódi forrástérkép: megmutatja, mely vállalati oldalak, szakmai portálok, adatbázisok és szerzői profilok alakítják az adott témában létrejövő AI-válaszokat. A tapasztalat azt mutatja, hogy a legjobb lehetőségek gyakran nem a legnagyobb, legversenyzettebb kulcsszavaknál rejtőznek, hanem a részletes, vásárlási döntéshez közeli kérdéseknél, ahol kevesebben adnak igazán jó választ.

09AI-hivatkozások, forgalom és üzleti eredmények mérése

A professzionális audit nem áll meg a „láthatóbbak lettünk” megállapításnál — azt is bizonyítania kell, hogy a változás valódi üzleti eredményt hozott. Ehhez világos mérési keretrendszer kell: márkaemlítések és forráshivatkozások száma, idézett oldalak száma, megjelenési részesedés, a helyes és pontatlan állítások aránya, AI-eredetű látogatások, márkanévre irányuló keresések, minősített érdeklődők, ajánlatkérések és végső soron az AI-forrásból származó bevétel.

A mérés komplexitásáról és arról, hogyan lehet ezt egyetlen, vezetőség számára is érthető mutatóvá sűríteni, bővebben ír az AI Láthatósági Index című anyag.

10Súlyozott hibajegyzék és prioritási rendszer

A gyenge audit több száz problémát sorol fel anélkül, hogy megmondaná, mivel érdemes kezdeni. A jó audit minden egyes megállapításhoz súlyossági szintet, várható üzleti hatást, megvalósítási nehézséget, felelőst, becsült erőforrásigényt és mérési módot is rendel.

11A professzionális audit kézzelfogható eredménytermékei

Egy audit értéke jórészt azon múlik, mi konkrétan kerül a megrendelő kezébe a végén. Nem elég egy általános „minden rendben, csak legyen több tartalom” típusú visszajelzés.

• Vezetői összefoglaló az üzleti kockázatokról és lehetőségekről
• Kiinduló AI-láthatósági pontszám
• Platformonkénti kérdés- és válaszmátrix
• Márkaemlítési és hivatkozási kimutatás
• Technikai feltérképezési jelentés
• Márkaentitás- és adatkonzisztencia-vizsgálat
• Tartalmi és idézhetőségi elemzés
• Versenytársi megjelenési részesedés
• Hiányzó tartalmak és kérdések listája
• Strukturáltadat-javaslatok
• Külső tekintély- és forrástérkép
• Mérési és jelentési rendszer
• 30-, 60- és 90-napos végrehajtási terv
• Feladatokhoz rendelt felelősök és teljesítménymutatók

A vezetőség számára készült változat legyen rövid és döntésorientált, a szakmai melléklet pedig tartalmazza a részletes technikai megállapításokat. A végrehajtási terv gyakorlati beágyazásáról bővebben ír az AI-láthatóság vezetőknek című cikk.

12Miből ismerhető fel egy felszínes vagy gyenge AI-láthatósági audit?

Ahogy a témában nő a kereslet, úgy szaporodnak a gyorsan összedobott, felszínes „AI-auditok” is. Érdemes néhány figyelmeztető jelet fejben tartani.

„Az AI-láthatóság valószínűségek, forráskapcsolatok és folyamatosan változó válaszrendszerek területe. Komoly szolgáltató ezért nem garantált pozíciót, hanem mérhető fejlődést, jobb forrásalkalmasságot és következetes végrehajtást ígér.”