Ha valaki ma megkérdezi a ChatGPT-t, a Geminit vagy a Perplexityt, hogy kit ajánl egy adott szolgáltatásra egy adott városban, nem egy találati listát kap, hanem egy kész mondatot. Ez a mondat vagy tartalmazza a cégedet, vagy nem, és ha tartalmazza, akkor is olyan jelzőkkel írja le, amiket nem te választottál. A mondat pedig változik. Nem naponta, de fél év alatt biztosan. A kérdés csak az, hogy erről a változásról a saját mérésedből értesülsz, vagy egy ügyfél mondja el neked véletlenül.
Miért nem elég ránézni néha az AI-válaszokra?
Azért, mert az emlékezeted nem összehasonlítható adat. Ha havonta egyszer beírsz valamit a ChatGPT-be, és úgy érzed, hogy „ez most rosszabb volt, mint múltkor”, akkor nincs semmid, amiből eldöntheted, hogy tényleg romlott-e a helyzet, vagy csak az adott futtatás sikerült szerencsétlenre.
Tovább a témában: Mit tegyél, ha az AI negatívan vagy pontatlanul beszél a cégedről · Márkaemlítés-figyelés az AI-ban és a neten
Hivatalosan igazolt: a nagy nyelvi modellek szolgáltatói (az OpenAI és az Anthropic API-dokumentációja is leírja) nem determinisztikus generálást használnak. Ugyanaz a bemenet ugyanazon a modellen is adhat eltérő kimenetet, és ez a beállított mintavételi paraméterektől függ. Ehhez jön az, hogy a webes keresésre képes felületek (ChatGPT keresés, Gemini, Perplexity, Copilot) minden futtatáskor friss forrásokat is behúzhatnak, tehát a bemenetük sem azonos.
Ebből az következik, hogy figyelőrendszert csak akkor tudsz építeni, ha rögzíted a mérés minden elemét: mit kérdezel, hol kérdezed, mikor kérdezed, és hová írod le, amit kaptál. Ez nem bonyolult, de a fegyelem benne a lényeg, nem az eszköz.
Milyen prompt-készletet érdemes futtatni?
15-25 fix kérdés, amit szó szerint ugyanúgy teszel fel minden hónapban. A készlet akkor jó, ha lefedi azt a négy helyzetet, amiben egy vásárló egyáltalán az AI-hoz fordul, és minden kérdés önmagában is értelmes lenne egy embernek feltéve.
A négy csoport, amiből érdemes összeállítani:
- Márkanevesek: „Mivel foglalkozik a [cégnév]?”, „Megbízható a [cégnév]?”, „Mik a [cégnév] szolgáltatásai?”, „Hol található a [cégnév]?”. Ezek azt mérik, hogy a modell tényszerűen ismer-e.
- Kategóriakérdések márkanév nélkül: „Kit ajánlasz [szolgáltatás] ügyben Székesfehérváron?”, „Milyen cégek foglalkoznak [szolgáltatás]-sal Magyarországon?”. Ezek azt mérik, hogy egyáltalán bekerülsz-e a válaszba.
- Összehasonlítók: „Mi a különbség a [cégnév] és a [konkurens] között?”, „Melyiket válasszam, ha [feltétel] fontos?”. Itt derül ki, milyen tulajdonságokkal társít a modell.
- Kockázati kérdések: „Vannak negatív vélemények a [cégnév]-ről?”, „Mire kell figyelni, ha a [cégnév]-t választom?”. Ezek fogják meg a legkorábban, ha valami kellemetlen forrás bekerült a képbe.
A készletet érdemes egyszer véglegesíteni, és utána nem babrálni. Ha átfogalmazol egy kérdést, a következő hónapban nem tudod megmondani, hogy a válasz azért más, mert a világ változott, vagy mert te változtattál a kérdésen. Ha új kérdés kell, vedd fel újként, és kezdd nála a mérést nulláról.
Saját tapasztalat: 15 kérdés alatt túl kevés adat gyűlik ahhoz, hogy az ingadozást el tudd választani a trendtől, 25 fölött pedig a kézi futtatás annyi időt visz el, hogy a harmadik hónapban abbamarad. A használható tartomány valahol e között van.
Mit jelent a válaszok természetes ingadozása?
Azt, hogy ugyanarra a kérdésre ugyanazon a napon is más szöveget kaphatsz, anélkül hogy bármi történt volna. Ezt a szórást ismerned kell, különben minden hónapban riasztást fogsz látni ott, ahol semmi sincs.
A megkülönböztetés gyakorlati módja az ismételt mintavétel. Ne egyszer futtasd le a kérdést, hanem három-öt alkalommal, új beszélgetésben, és azt jegyezd fel, hogy az öt futtatásból hányban szerepelt a céged. Ha múlt hónapban ötből négyszer szerepeltél, most pedig ötből háromszor, az szinte biztosan zaj. Ha ötből ötről ötből nullára estél, az nem az.
Három dolgot érdemes külön mérni, mert külön is mozognak:
- Megjelenés: egyáltalán szerepel-e a céged a válaszban (igen/nem, futtatásonként).
- Pozíció a felsorolásban: hányadikként említ, ha felsorol.
- Leírás tartalma: milyen szolgáltatást, milyen helyszínt, milyen jellemzőt társít hozzád, és ez pontos-e.
A harmadik a legfontosabb és a legritkábban mért. Ha a modell azt írja rólad, hogy olyan szolgáltatást nyújtasz, amivel három éve felhagytál, az nagyobb üzleti kár, mint ha egy listában a második helyről a negyedikre csúsztál.
Szakmai feltételezés: a hirtelen, egyszerre több promptot érintő elmozdulások mögött jellemzően nem a te oldalad változása áll, hanem modellfrissítés vagy a válaszhoz behúzott forráskészlet cseréje. Ezt kívülről nem tudod bizonyítani, de a mintázatból következtethetsz rá: ha egyszerre minden kérdésnél változik valami, az nem a te tavaly óta változatlan aloldalad miatt van.
Milyen gyakran érdemes mérni?
Havonta egyszer, ugyanabban az időszakban. Ez a cikk saját álláspontja, és tudatosan tér el mindkét gyakori véglettől.
A heti figyelés azért nem működik a legtöbb cégnél, mert a válaszok szórása nagyobb, mint az egy hét alatt reálisan bekövetkező valódi változás. Négy egymást követő heti mérésből kettő szinte biztosan mutat majd „romlást”, ami két hét múlva magától visszaáll. Ez látszatmunkát termel, és rossz döntéseket szül: elkezded átírni a tartalmat olyasmi miatt, ami magától rendeződött volna.
A negyedéves ritmus ellenben túl lassú. Ha egy téves állítás bekerül a rólad szóló válaszokba, három hónap alatt sok érdeklődő találkozik vele, és a javításhoz szükséges tartalmi munka is időt vesz igénybe. A havi mérés ad annyi különbséget két adatpont között, hogy értelmezhető legyen, és annyi reakcióidőt, hogy a hiba ne éljen fél évig.
Saját tapasztalat: a mérés akkor marad fenn hosszú távon, ha ugyanahhoz a hónapon belüli fix ponthoz kötöd, például a havi riportkészítés napjához. Ami külön feladatként létezik a naptárban, azt a harmadik hónapban elhalasztod.
Hogyan nézzen ki a kézi változat?
Egy táblázat, egy fix futtatási sorrend, és semmi más. A kézi verzió nem kevésbé komoly, csak lassabb: nagyjából 20 kérdés esetén másfél-két óra havonta.
- Nyiss egy táblázatot ezekkel az oszlopokkal:
datum,felulet,prompt_id,futtatas_sorszam,emlitve,pozicio,leiras_kivonat,hivatkozott_forrasok,megjegyzes. - Minden kérdést új, üres beszélgetésben tegyél fel. A korábbi üzenetek befolyásolják a választ, és ettől a mérésed a saját beszélgetésedet méri, nem a valóságot.
- Kapcsold ki a személyre szabást, ahol lehet (memória, korábbi beszélgetések figyelembevétele), és lehetőleg ne a saját, bejelentkezett fiókodban mérj. Egy vásárló nem a te előzményeiddel érkezik.
- Futtasd le ugyanazt a kérdést háromszor, és mindhármat külön sorként rögzítsd.
- Másold be a válasz releváns részét szó szerint a
leiras_kivonatoszlopba. Ne foglald össze. Fél év múlva a saját összefoglalódból nem fogod tudni visszakeresni, mikor jelent meg egy téves állítás. - Ha a felület megadja a hivatkozott forrásokat, azokat is írd le. Ez lesz a legértékesebb oszlopod, amikor beavatkozásra kerül sor.
- Ugyanezt legalább két felületen csináld végig, mert eltérő forráskészletből dolgoznak, és jellemzően nem egyszerre mozdulnak.
Hogyan lehet félautomatává tenni?
Úgy, hogy a futtatást és a mentést gépre bízod, az értelmezést pedig megtartod magadnak. A teljes automatizálás itt csapda: a szövegek jelentését kell megítélni, azt pedig kockázatos gépi egyezésre bízni.
A félautomata változat lelke egy egyszerű adatszerkezet, amit verziókövetve tárolsz:
{ "datum": "2026-09-08", "felulet": "chatgpt-search", "prompt_id": "kat-03", "futtatas": 2, "emlitve": true, "pozicio": 3, "forrasok": ["pelda.hu/szolgaltatasok"], "valasz": "..." }
Egy futtató szkript végigmegy a prompt-készleten, meghívja a választott modell API-ját (webes keresést engedélyezve, mert enélkül mást mérsz, mint amit a felhasználó lát), és soronként egy JSON-t ír egy naplófájlba. Ezután egy összehasonlító lépés kiszámolja hónapról hónapra:
- a megjelenési arányt promptonként (hány futtatásból hányban szerepeltél),
- az átlagos pozíciót ott, ahol felsorolás volt,
- a forráslisták különbségét (mely hivatkozás tűnt el, melyik jelent meg),
- a leírások szöveges eltérését az előző hónaphoz képest, egyszerű különbség-nézetben.
A kimenet legyen egy rövid összefoglaló, ami e-mailben vagy csevegőalkalmazásban érkezik hozzád, és amiben csak a küszöböt átlépő tételek szerepelnek. Ha minden hónapban húsz sort kapsz, két hónap múlva nem olvasod el.
Fontos korlát, hivatalosan igazolt: az API-n keresztüli válasz nem feltétlenül azonos a webes felület válaszával, mert eltérő rendszerelőírás, eltérő keresőréteg és eltérő személyre szabás áll mögötte. A gépi mérés trendkövetésre kiváló, de érdemes negyedévente kézzel is ellenőrizni néhány kérdést a valódi felületen.
Milyen küszöbnél kell tényleg beavatkozni?
Akkor, ha az eltérés két egymást követő mérésben is megmarad, vagy ha az állítás ténybeli hiba. Ez a két szabály önmagában kiszűri a zaj nagy részét.
Használható küszöbök, három szinten:
- Azonnali beavatkozás, egyetlen mérés alapján is: a válasz olyat állít rólad, ami nem igaz (megszűnt szolgáltatás, rossz cím, rossz nyitvatartás, összekever egy másik céggel), vagy negatív állítást tesz azonosítható forrás nélkül.
- Két hónap után beavatkozás: a megjelenési arány egy kategóriakérdésnél legalább a felére esett, vagy egy korábban stabilan hivatkozott saját oldalad eltűnt a forrásokból, és a következő hónapban sem jött vissza.
- Csak megfigyelés: a pozíció egy hellyel mozdult, a megfogalmazás átfogalmazódott, de a tartalom ugyanaz, vagy az öt futtatásból eggyel kevesebbszer szerepeltél.
Az arányszám itt fontosabb, mint az abszolút szám. Egy olyan kérdésnél, ahol eddig is csak ötből egyszer szerepeltél, a nullára esés kevesebbet mond, mint ott, ahol ötből ötről estél háromra.
Mi a teendő, ha megszólalt a riasztás?
Először a forrást ellenőrizd, ne a saját szövegedet írd át. A leggyakoribb hiba az, hogy a riasztás után rögtön tartalmat kezdesz gyártani, holott a válasz azért változott, mert egy hivatkozott oldal elérhetetlenné vált vagy átköltözött.
Ellenőrzőlista, ebben a sorrendben:
- Futtasd le újra a kérdést ötször, két különböző felületen. Ha a második körben visszaáll, tedd el megfigyelésre, és ne csinálj semmit.
- Nézd meg, milyen forrásokra hivatkozik most a válasz, és hasonlítsd össze az előző havi listával.
- Ellenőrizd, hogy az eltűnt saját forrásoldalad elérhető, indexelhető és változatlan URL-en van-e. Átirányítás, megváltozott cím, kizáró szabály a robots.txt-ben, véletlen noindex: mind ide tartozik.
- Nézd meg a Search Console-ban, hogy az adott oldal indexelési állapota nem változott-e ugyanabban az időszakban.
- Ha téves állítás jelent meg, keresd meg, honnan származhat: régi aloldal, elavult katalógusadat, pontatlan cégprofil, harmadik fél cikke. A javítás ott kezdődik, ahol a hibás adat fizikailag van.
- Ellenőrizd a strukturált adataidat és a cégprofilodat: a szervezet neve, tevékenysége, helyszíne és elérhetősége minden felületen egyezzen. Az ellentmondó adat magától is elmozdítja a leírásokat.
- Ha a saját oldalad rendben van, és a hiba mégis marad, akkor tartalmi választ adj: egy egyértelmű, tényszerű, jól strukturált oldal arról a kérdésről, amiben a modell téved.
- Rögzítsd a naplóban, mit tettél és mikor. A következő havi mérésnél ez lesz az egyetlen módod arra, hogy a beavatkozás hatását egyáltalán értékelni tudd.
Amit nem érdemes csinálni: a szolgáltatók felé küldött visszajelzés a legtöbb esetben nem ad kiszámítható javítási utat, tehát számolni vele nem lehet. Ugyanígy nem érdemes ígéretet tenni senkinek arra, hogy egy adott beavatkozás után a válasz megváltozik. A saját oldalad rendbetétele segítheti a helyzetet, és jó eséllyel hat is, de garanciát semmilyen technikai lépés nem ad arra, hogy egy generatív rendszer mit fog mondani.
Milyen hibák teszik használhatatlanná a figyelőrendszert?
Négy dolog, és mindegyik a fegyelemről szól, nem a technikáról.
- Változtatod a promptokat. Ettől a régi és az új adat nem összehasonlítható, és a teljes archívumod értéktelenné válik.
- Egyetlen futtatásból vonsz le következtetést. A szórás ismerete nélkül a mérésed nagyjából annyit ér, mint egy érmefeldobás.
- A saját, bejelentkezett fiókodban mérsz. A memória és a korábbi beszélgetések torzítanak, méghozzá pont a te javadra, ami a legrosszabb fajta hiba.
- Nem mented a nyers választ. Az összefoglalt megjegyzésből fél év múlva semmi nem rekonstruálható.
Ha ezt a négyet elkerülöd, akkor egy évnyi mérés után olyan idősorod lesz, amiből tényleg látszik, mikor és mi változott abban, amit a gépek mondanak rólad. Ez pedig lényegesen több, mint az az érzés, hogy „mostanában mintha ritkábban említene”.
Források és további olvasnivalók
- Google Search Central: dokumentáció a keresésről és az AI-alapú felületekről
- Google Search Console súgó: teljesítményjelentés és URL-ellenőrző eszköz
- OpenAI API dokumentáció: mintavételi paraméterek és a webes keresés használata
- Anthropic API dokumentáció: modellviselkedés és eszközhasználat
- Microsoft Bing Webmaster Tools dokumentáció
- Schema.org: Organization és LocalBusiness típusok
- W3C: strukturált adatokra vonatkozó ajánlások
- Google Business Profile súgó: cégadatok pontossága
- Egy AI-válasz futtatásról futtatásra ingadozik, ezért egyetlen mérés soha nem bizonyíték semmire.
- A havi ritmus a reális kompromisszum: a heti figyelés zajt termel, a negyedéves túl későn szól.
- Fix prompt-készlet, fix megfogalmazás, fix tárolási forma nélkül a régi és az új mérés nem összehasonlítható.
- Riasztási küszöbnek a két egymás utáni méréskor is megmaradó eltérés a használható szabály.
- Riasztás után először azt nézd meg, tényleg megváltozott-e a forrásoldal, és csak utána nyúlj a tartalomhoz.
Gyakori kérdések
Elég egyetlen AI-felületen mérni?
Nem érdemes, mert a felületek eltérő forráskészletből dolgoznak, és jellemzően nem egyszerre mozdulnak. Legalább kettőt válassz, és mindkettőn ugyanazt a prompt-készletet futtasd. Ha csak egyre van kapacitásod, azt válaszd, amelyikről az ügyfeleid visszajelzései alapján a legtöbben érkeznek.
Hány futtatás kell promptonként ahhoz, hogy megbízható legyen az adat?
Három futtatás a használható minimum, öt már jól elkülöníti az ingadozást a valódi elmozdulástól. Egyetlen futtatásból nem lehet következtetést levonni, mert a modellek nem determinisztikusak, és a webes keresést használó felületek minden alkalommal más forrásokat is behúzhatnak.
Miért nem jó hetente mérni, ha úgyis automatizálom?
Mert a válaszok szórása nagyobb, mint az egy hét alatt reálisan bekövetkező valódi változás, tehát rendszeresen olyan riasztást kapnál, ami két hét múlva magától rendeződik. Ez rossz döntésekhez vezet: elkezded átírni a tartalmat olyasmi miatt, ami nem is történt meg. A havi ritmus ad elég különbséget két adatpont között ahhoz, hogy értelmezhető legyen.
Mit tegyek, ha az AI valótlant állít a cégemről?
Ez az egyetlen eset, amikor egyetlen mérés alapján is azonnal cselekedj. Először keresd meg, honnan származhat a hibás adat: elavult saját aloldal, pontatlan cégprofil, régi katalógusbejegyzés, harmadik fél cikke. A javítás ott kezdődik, ahol a hibás adat fizikailag van, nem egy új blogcikkben.
Látom a Search Console-ban, hogy hányszor említett az AI?
Nem közvetlenül. A Google nem bontja külön jelentésbe az AI-alapú válaszfelületek megjelenéseit, tehát a Search Console-ból az említések száma nem olvasható ki. A saját prompt-alapú méréseddel viszont a Search Console indexelési adatai jól kiegészítik egymást: ha egy hivatkozott oldalad eltűnik a forrásokból, ott ellenőrizheted, indexelhető-e még.
Meddig érdemes megőrizni a mentett válaszokat?
Legalább egy évig, lehetőleg határidő nélkül. A nyers, szó szerinti válasz az egyetlen dolog, amiből fél év múlva rekonstruálható, mikor jelent meg egy állítás, és mikor tűnt el egy forrás. A tárolt szöveg mennyisége elhanyagolható, a visszakereshetőség viszont az egész rendszer értékét adja.
Források és további olvasnivalók
Ezen az oldalon a hivatalosan igazolt információt elsődleges forrásokból építjük fel; a saját tapasztalatot és a szakmai becslést mindig külön jelöljük a szövegben.