Az AI-SEO (vagy ahogy sokan hívják: GEO, illetve AEO) audit lényege, hogy megnézzük, egy weboldal mennyire olvasható, értelmezhető és idézhető gépi rendszerek számára: a Google AI Overviews és AI Mode, a ChatGPT Search, a Perplexity vagy a Gemini szempontjából. Az alábbi folyamat az, ahogy én magam végigmegyek egy ilyen vizsgálaton. Nem egyetlen eszköz futtatása, hanem nyolc, egymásra épülő szakasz.
Mi az AI-SEO audit első lépése?
Az első lépés a technikai alapellenőrzés: ha az oldal lassú, JavaScriptből renderel mindent, vagy hibás státuszkódokat ad, akkor minden további optimalizálás bizonytalan talajon áll.
Konkrétan ezeket nézem végig:
- Státuszkódok és átirányítások: van-e átirányítási lánc, 404-re mutató belső link, vegyes http/https tartalom.
- Renderelés: a fő tartalom megjelenik-e JavaScript nélkül is. Ezt egyszerűen ellenőrizheted, ha kikapcsolt JS mellett nézed meg az oldalt, vagy megnézed a nyers HTML-t. Saját tapasztalat: a legtöbb crawler, ami nem a Google, jóval kevésbé türelmes a kliensoldali rendereléssel, ezért a szerveroldali vagy statikus megoldás biztonságosabb.
- Sebesség és stabilitás: Core Web Vitals mérőszámok, különösen az INP és az LCP. Ezek elsősorban felhasználói élmény kérdései, de a crawl-hatékonyságra is hatnak.
- Mobil megjelenítés: nem külön mobil verzió, hanem valódi reszponzív tartalom-egyezés.
Hogyan ellenőrzöd az indexelést és a robots-beállításokat?
Az indexelési szakasz azt tisztázza, hogy a fontos oldalak egyáltalán bekerültek-e a keresők indexébe, és hogy a robots.txt nem zárja-e ki véletlenül azokat a botokat, amelyeket be szeretnél engedni.
Gyakorlati lépések:
- Google Search Console, Oldalak jelentés: mennyi az indexelt és mennyi a kizárt oldal, és mi a kizárás oka. A leggyakoribb valódi probléma nem a büntetés, hanem a "Feltérképezve, jelenleg nincs indexelve" kategória, ami tipikusan gyenge vagy duplikált tartalomra utal.
- A robots.txt soronkénti átnézése. Itt dől el, hogy az AI-crawlerek mit láthatnak. Hivatalos információ: az OpenAI dokumentációja szerint a
GPTBota tanításhoz, azOAI-SearchBota ChatGPT keresési felületéhez gyűjt tartalmat, ezek külön user-agentek. Az AnthropicClaudeBot, a PerplexityPerplexityBotnéven jelenik meg. Ezek engedélyezése vagy tiltása üzleti döntés, de tudatosnak kell lennie. - Sitemap-ellenőrzés: minden benne szereplő URL 200-as, kanonikus és indexelhető-e. Egy elavult sitemap, tele átirányított URL-ekkel, felesleges zajt visz a rendszerbe.
- Kanonikus jelzések: van-e önmagára mutató canonical, illetve nincs-e ellentmondás a canonical, a sitemap és a belső linkelés között.
Egy tipikus, tudatos robots-részlet így néz ki:
User-agent: OAI-SearchBot
Allow: /
User-agent: GPTBot
Disallow: /kosar/
Szakmai feltételezés: a keresési célú crawlerek beengedése általában előnyös, ha az a cél, hogy a márkád megjelenjen a válaszokban. Ez nem bizonyított összefüggés, de logikusan következik abból, hogy amit a rendszer nem lát, azt nem is idézheti.
Mit vizsgálsz a strukturált adatoknál?
A strukturált adat auditja azt méri fel, hogy a gépek számára egyértelmű-e, milyen típusú tartalomról van szó, ki a szerzője, mikor frissült, és milyen entitáshoz tartozik.
Amit rendszerint végignézek:
- Organization jelölés a kezdőlapon, kitöltött
name,url,logoéssameAsmezőkkel. - Article vagy BlogPosting a cikkeknél, valódi szerzővel (nem "admin"),
datePublishedésdateModifiedértékkel. - BreadcrumbList a navigációs kontextushoz.
- FAQPage ott, ahol tényleg van kérdés-válasz blokk az oldalon. Fontos: a Google 2023-ban erősen szűkítette a FAQ-találatok megjelenítését, tehát ez ma inkább értelmezési segítség, mint kattintásszerző elem.
- Ellentmondás-keresés: a jelölésben szereplő adat egyezik-e a látható tartalommal. Ha nem, az kifejezetten kockázatos.
A validálás a Schema.org szótár és a Google Rich Results Test, illetve a Schema Markup Validator segítségével történik. Hivatalos információ: a Google többször megerősítette, hogy a strukturált adat önmagában nem rangsoroló tényező, de segít a tartalom megértésében és a speciális találati megjelenésekben.
Miért kap külön szakaszt az entitás-vizsgálat?
Az entitás-vizsgálat arra keresi a választ, hogy a nyelvi modellek és a tudásgráfok egyértelműen be tudnak-e azonosítani: ki vagy, mivel foglalkozol, hol működsz, és mi köt hozzád.
Ez a gyakorlatban négy dolgot jelent:
- Névkonzisztencia: a cégnév, a jogi forma és a cím pontosan ugyanúgy szerepel-e a weboldalon, a Google Cégprofilban, a közösségi oldalakon és a szakmai katalógusokban. Ha az egyik helyen "Kft.", a másikon "KFT", a harmadikon semmi, azzal apró bizonytalanságot építesz.
- Kapcsolódási pontok: a
sameAsmezővel összekötött profilok. Ezek olyan hidak, amelyek mentén egy rendszer meg tudja erősíteni, hogy ugyanarról a szereplőről van szó. - Külső említések: szakmai portálok, kamarai listák, sajtómegjelenések. Nem linkerővel, hanem az azonosíthatósággal foglalkozunk itt.
- Szerzői entitás: van-e valódi, beazonosítható szerző a szakmai tartalmak mögött, saját aloldallal, hiteles életrajzzal. Ha Székesfehérváron vagy Budapesten dolgozó szakértőről van szó, a földrajzi kötődés is része az entitás-képnek.
Hogyan néz ki a kérdés-teszt több platformon?
A kérdés-teszt a kiindulási állapot rögzítése: előre összeállított kérdéslistát futtatunk le több AI-felületen, és feljegyezzük, hogy megjelenik-e a márka, milyen kontextusban, és melyik forrásra hivatkozik a rendszer.
A módszer, amit használok:
- Kérdéskészlet: 25-40 kérdés, három rétegben. Vannak általános, kategóriaszintű kérdések ("melyik a legjobb megoldás erre a problémára"), döntéstámogató kérdések ("mire figyeljek, ha X szolgáltatót választok") és márkanevesek ("mit tudni a cég nevéről").
- Platformok: legalább Google AI Overviews, Google AI Mode, ChatGPT keresési móddal, Perplexity és Gemini. Érdemes külön kipróbálni a kereséssel dúsított és a keresés nélküli választ, mert a kettő nagyon eltérhet.
- Ismétlés: ugyanaz a kérdés, legalább két-három alkalommal, lehetőleg friss munkamenetben. A generatív válaszok nem determinisztikusak, tehát egyetlen lekérdezés önmagában nem bizonyít semmit.
- Rögzítés: táblázatban vezetjük, hogy a márka megjelent-e, említésként vagy forrásként, és melyik versenytárs szerepelt helyette.
Saját tapasztalat: gyakori minta, hogy a márkanevesített kérdésekre pontos a válasz, a kategóriaszintűekre viszont a cég meg sem jelenik. Ez általában nem technikai hibára, hanem tartalmi hiányra utal: nincs olyan oldal, ami a kategória kérdését önállóan, kimerítően megválaszolná.
Mit ad hozzá a versenytárs-elemzés?
A versenytárs-elemzés azt mutatja meg, hogy akiket az AI-rendszerek helyetted említenek, mit csinálnak másképp: milyen tartalomtípussal, milyen mélységgel és milyen forrásoltsággal.
Nem az összes versenytársat nézzük, hanem azt a három-öt szereplőt, amelyik a kérdés-tesztben ténylegesen felbukkant. Náluk ezt vizsgálom: milyen oldaltípus került be forrásként (blogcikk, összehasonlító táblázat, dokumentáció, GYIK), mennyire konkrét a tartalom (számok, folyamatleírás, ellenőrzőlista), milyen a szerzői hitelesség, és mennyire friss a dátum. Ebből általában kirajzolódik egy tartalmi minta, amit érdemes követni, csak jobban.
Fontos különbség: nem másolni akarunk, hanem megérteni, milyen formátumú tartalmat talál a rendszer idézhetőnek. Egy jól tagolt, kérdés-alapú, konkrét számokat tartalmazó szakasz jó eséllyel könnyebben kiemelhető, mint egy hosszú, folyamatos szövegtömb.
Hogyan áll össze a 90 napos terv?
A 90 napos terv a feltárt hiányokat rakja sorrendbe hatás és ráfordítás alapján, három, egyenként harminc napos szakaszban, mérési pontokkal.
- 1-30. nap, alapok: technikai hibák javítása, robots és sitemap rendbetétele, indexelési problémák megszüntetése, alap sémajelölés (Organization, Article, BreadcrumbList) bevezetése. Ezek jellemzően egyszeri, jól körülhatárolt feladatok.
- 31-60. nap, entitás és tartalom: cégadatok egységesítése minden platformon, sameAs kapcsolatok kiépítése, szerzői oldalak létrehozása, a kérdés-tesztben feltárt tartalmi hiányok pótlása. Ebben a szakaszban születik meg jellemzően három-öt új, mélységi tartalom.
- 61-90. nap, mélyítés és mérés: belső linkelés újrarendezése a témakör köré, a meglévő cikkek frissítése és bővítése, a kérdés-teszt megismétlése ugyanazzal a kérdéskészlettel, GA4-ben az AI-forrású hivatkozó forgalom külön csatornacsoportba rendezése.
A terv minden pontjához tartozik felelős, becsült ráfordítás és egy ellenőrizhető eredmény. Ami nem mérhető, az nem kerül bele.
Mit nem garantál egy AI-SEO audit?
Az audit diagnózis, nem eredmény: feltárja a hiányokat és rangsorolja a teendőket, de nem garantál AI-említést, forrásmegjelölést, helyezést vagy forgalomnövekedést.
Amit őszintén ki kell mondani:
- Nincs garantált megjelenés. A generatív rendszerek válaszai változékonyak, és a szolgáltatók a modelljeiket és a forrásválasztási logikájukat bejelentés nélkül módosítják.
- Nincs garantált időzítés. Az indexelés és az újraértékelés hetekbe telhet, egyes esetekben tovább. Az audit utáni első 30 napban jellemzően nem látszik érdemi elmozdulás.
- Nem helyettesíti a végrehajtást. A leggyakoribb ok, amiért egy audit nem hoz eredményt, nem a hibás diagnózis, hanem az, hogy a javaslatok nagy része nem valósul meg.
- Nem pótolja a valós szakmai tartalmat. Ha nincs mögötted tényleges tapasztalat, amit le lehet írni, akkor a technikai optimalizálás önmagában kevés.
- A mérés is korlátos. Az AI-felületekről érkező forgalom egy része nem, vagy csak részben azonosítható a webanalitikában, tehát a hatás pontos számszerűsítése ma még nem teljesen megoldott.
Ami reálisan elvárható: tiszta helyzetkép, prioritásos feladatlista, összehasonlítási alap a későbbi méréshez, és olyan technikai állapot, ami nem akadályozza a megjelenést. A többi már munka kérdése.
Források és további olvasnivalók
- Google Search Central: Dokumentáció a strukturált adatokról és a feltérképezésről
- Google Search Central Blog: Bejelentések az AI Overviews és az AI Mode működéséről
- Google Search Console súgó: Oldalindexelési jelentés
- OpenAI dokumentáció: GPTBot és OAI-SearchBot crawler-leírás
- Anthropic támogatási dokumentáció: ClaudeBot és a robots.txt kezelése
- Schema.org: Az Organization, Article, BreadcrumbList és FAQPage típusok hivatalos leírása
- W3C: Web Content Accessibility Guidelines (WCAG)
- web.dev: Core Web Vitals mérőszámok dokumentációja
- Az audit sorrendje számít: ha a technikai alap hibás, a strukturált adat és az entitás-munka jó eséllyel elveszik.
- A kérdés-teszt (több platformon, ismételve) adja a kiindulási állapotot, amihez később mérni tudsz.
- Az entitás-tisztázás (ki vagy, mit csinálsz, hol) legalább annyit számít, mint a klasszikus kulcsszavazás.
- A strukturált adat nem rangsoroló tényező, de segíti a gépi értelmezést, ezért érdemes rendben tartani.
- Egy audit hiányokat és prioritásokat ad, nem AI-említést vagy pozíciót: a végeredmény mindig a végrehajtáson múlik.
Gyakori kérdések
Mennyi ideig tart egy AI-SEO audit?
A tényleges vizsgálat egy közepes méretű oldalnál jellemzően egy-két hét, mert a kérdés-tesztet több platformon és ismételve kell lefuttatni. A gyorsított, egynapos verziók általában kihagyják az ismétlést és a versenytárs-összevetést, így a képük pontatlanabb.
Mi a különbség egy klasszikus SEO audit és egy AI-SEO audit között?
A technikai alap nagyrészt közös: indexelés, sebesség, kanonikus jelzések. A különbség a hangsúlyban van: az AI-SEO audit külön foglalkozik az AI-crawlerek hozzáférésével, az entitás-tisztasággal, a tartalom idézhető szerkezetével és a több platformon futtatott kérdés-teszttel.
Engedjem be a GPTBotot a robots.txt-ben?
Ez üzleti döntés. Ha a cél az AI-felületeken való megjelenés, akkor a keresési célú crawlerek (például az OAI-SearchBot) beengedése logikus lépés. A tanítási célú botok tiltása külön mérlegelendő, mert a kettő nem ugyanaz. Fontos, hogy tudatos döntés legyen, ne véletlen beállítás.
Elég csak strukturált adatot tenni az oldalra?
Nem. A strukturált adat segíti a gépi értelmezést, de a Google szerint önmagában nem rangsoroló tényező, és a generatív rendszerek sem pusztán ez alapján választanak forrást. Ha nincs mögötte valódi, mély tartalom, a jelölés önmagában keveset ér.
Honnan tudom, hogy javult-e a helyzet az audit után?
A kérdés-teszt megismétlésével, ugyanazzal a kérdéskészlettel és ugyanazokon a platformokon, jellemzően 60-90 nap múlva. Emellett érdemes a GA4-ben külön csatornacsoportba rendezni az AI-felületekről érkező hivatkozó forgalmat, illetve figyelni a márkanevesített keresések alakulását a Search Console-ban.
Kis honlapnak is van értelme AI-SEO auditot csinálni?
Igen, de arányosan. Egy néhány oldalas honlapnál a hangsúly az entitás-tisztaságon, a cégadatok egységesítésén és néhány jól megírt, kérdés-alapú tartalmon van. A nagy, sok ezer URL-es technikai vizsgálat ilyen méretnél tipikusan nem a szűk keresztmetszet.
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.