Entitás

Anyavállalat és almárkák kapcsolata az AI-válaszokban

Anyavállalat és almárkák az AI-válaszokban. Mikor kösd össze, mikor válaszd szét őket, parentOrganization, brand és ellenőrző promptok.

Scheo · · olvasási idő ~10 perc · Szerző: Schmidt Péter

A lényeg dióhéjban: Az AI a weben talált jelekből rakja össze, melyik márkád kihez tartozik. Ha ezek a jelek ellentmondanak egymásnak, a modell összemossa vagy szétszakítja a márkacsaládot. A Schema.org-jelölés, a kölcsönös Rólunk-szövegek és az összehangolt külső profilok segíthetik, hogy azt a képet mutassa, amelyet te vállalsz.

Ha a céged több néven működik, például van egy anyavállalat, egy leányvállalat és egy külön termékmárka, az AI-válaszokban két tipikus hiba fordul elő. Az egyik, hogy a modell egybemossa a márkákat, és az egyikhez tartozó vélemény, ár vagy probléma átcsúszik a másikra. A másik, hogy egyáltalán nem tudja, hogy a márkák összetartoznak, így az anyacég hitelessége nem ér el az új termékmárkáig. Ebből a cikkből megtudod, mikor melyik helyzet a jobb, és milyen jelekkel terelheted a válaszmotorokat.

Anyavállalat és almárkák kapcsolata az AI-válaszokban
Anyavállalat és almárkák kapcsolata az AI-válaszokban

Miért keveri össze az AI az anyacéget és az almárkákat?

Röviden. Az AI a weben talált, sokszor egymásnak ellentmondó jelekből rakja össze, ki kicsoda. Ha a márkák neve, címe, logója vagy weboldala hasonlít, de a viszonyukat sehol nem mondják ki, a modell találgat.

A nagy nyelvi modellek és a keresésre épülő válaszmotorok (ChatGPT keresés, Google AI-áttekintések, Perplexity, Microsoft Copilot) entitásokban gondolkodnak. Entitás egy azonosítható szereplő, amelyhez név, weboldal, cím, profilok és kapcsolatok tartoznak. Ha két márkád ugyanazon a székhelyen van, mindkét oldalon ugyanaz a telefonszám áll, és a cégjegyzékben csak az anyacég neve jelenik meg, a modell joggal gyanítja, hogy ugyanarról a cégről van szó. Ha viszont az almárka saját domainen fut, és a láblécben sincs utalás az anyacégre, két teljesen független szereplőt lát.

Saját tapasztalat. A leggyakoribb zavart a közös kapcsolati adatok és a régi, átnevezés előtti cikkek okozzák. Egy átnevezett márka régi neve évekig ott marad a sajtóanyagokban és a katalógusokban, és a modell néha mindkét nevet önálló cégként kezeli.

Mikor jó, ha az AI tudja a kapcsolatot?

Röviden. Akkor jó, ha az anyacég neve bizalmat ad az almárkának, és a vevő a döntésénél figyel arra, ki áll a termék mögött.

Néhány tipikus helyzet, amikor érdemes kimondani a viszonyt.

Ilyenkor az a cél, hogy egy „ki gyártja az X márkát?” vagy „megbízható cég az X?” kérdésre adott válasz megemlítse az anyacéget, és a tapasztalatát is hozzákösse az almárkához.

Mikor jobb, ha a márkák külön entitásként jelennek meg?

Röviden. Akkor, ha a márkák más célcsoportnak, más árszinten vagy más ígérettel szólnak, és a kapcsolat összezavarná vagy gyengítené valamelyiket.

A külön entitás azt jelenti, hogy a márkákat nem mossuk össze, és ez nem azonos a titkolózással. A tulajdonviszony a cégjegyzékből bárki számára kideríthető, és az AI is megtalálhatja. Szakmai feltételezés. A kapcsolatot ritkán sikerül elrejteni, ezért reálisabb cél, hogy a modell a két márkát külön termékként, külön ígérettel írja le, akkor is, ha tudja, hogy közös a tulajdonosuk.

Mit jelent a parentOrganization, a subOrganization és a brand tulajdonság?

Röviden. Ez a három Schema.org-tulajdonság gépileg olvasható formában mondja ki, melyik szervezet melyiknek a része, és melyik márka kihez tartozik.

Hivatalosan igazolt. A Schema.org szótárában az Organization típusnak van parentOrganization tulajdonsága, amely a felette álló szervezetet jelöli. Ennek a fordítottja a subOrganization, amely az alá tartozó szervezetre mutat. A brand Brand vagy Organization típusú értéket vár, és a szervezethez, termékhez vagy szolgáltatáshoz tartozó márkát jelöli. Az is hivatalos információ, hogy a Google szerint a strukturált adat segíti a tartalom megértését, de semmilyen megjelenést nem garantál, és ehhez a három tulajdonsághoz a Google nem ígér külön keresési megjelenést.

A gyakorlatban három esettel találkozol.

  1. Leányvállalat (külön jogi személy). Az almárka oldalán az Organization jelölés kap egy parentOrganization hivatkozást, az anyacég oldalán pedig a subOrganization mutat vissza rá.
  2. Termékmárka, külön cég nélkül. Az anyacég Organization jelölésében a brand tulajdonság sorolja fel a márkákat. A termékoldalakon a Product típus brand mezője a márkára, a manufacturer mezője a cégre mutat.
  3. Külön kezelt márka. Saját Organization vagy Brand jelölést kap, saját @id azonosítóval, és a kapcsolat csak ott szerepel, ahol tényleg vállalod.

Az alábbi JSON-LD egy leányvállalat Rólunk oldalára való. A nevek és a címek mintaadatok.

{ "@context": "https://schema.org", "@type": "Organization", "@id": "https://termek.example.com/#org", "name": "Példa Termék", "legalName": "Példa Termék Kft.", "url": "https://termek.example.com/", "parentOrganization": { "@type": "Organization", "@id": "https://csoport.example.com/#org", "name": "Példa Csoport Zrt.", "url": "https://csoport.example.com/" }, "sameAs": [ "https://www.linkedin.com/company/pelda-termek", "https://www.facebook.com/peldatermek" ] }

Az anyacég oldalán ugyanez fordítva áll, a subOrganization értékében ugyanazzal az @id azonosítóval. Az @id állandó azonosító, ezért mindkét oldalon betűre egyezzen, különben a gépi feldolgozó két külön szervezetnek láthatja.

Saját tapasztalat. Gyakori hiba, hogy a jelölés csak az egyik oldalon van meg, vagy a két oldalon eltérő név szerepel, egyszer „Kft.”-vel, egyszer anélkül. Érdemes a teljes jogi nevet a legalName, a hétköznapi márkanevet a name, a régi nevet pedig az alternateName mezőbe tenni.

Hogyan hivatkozzanak egymásra a Rólunk oldalak?

Röviden. A strukturált adat mellé kell egy emberi szemmel is olvasható, kölcsönös szöveges hivatkozás, mert a válaszmotorok jó eséllyel a látható szövegből is tanulnak.

Szakmai feltételezés. Nincs nyilvános, részletes leírás arról, hogy az egyes AI-rendszerek mekkora súlyt adnak a JSON-LD-nek a látható szöveghez képest. Ezért mindkettőt érdemes rendben tartani, és egyezően fogalmazni.

Így építsd fel lépésről lépésre.

  1. Írj az almárka Rólunk oldalára egy egyértelmű mondatot, például „A Példa Termék 2015 óta a Példa Csoport Zrt. tagja.” Az évszám és a jogi név legyen valós, és egyezzen a cégjegyzékkel.
  2. Linkeld az anyacég Rólunk oldalát beszédes horgonyszöveggel, vagyis az anyacég nevével, és ne „ide kattints” felirattal.
  3. Az anyacég Rólunk oldalán legyen egy „Márkáink” vagy „Cégcsoportunk” szakasz. Itt márkánként egy-két mondat mondja el, kinek szól és mit árul, és mindegyiknél legyen link a márka oldalára.
  4. Válaszd szét a kapcsolati adatokat. Ha az almárkának saját ügyfélszolgálata van, a saját telefonszáma és e-mail-címe szerepeljen, az anyacégé csak a céges adatoknál.
  5. A láblécben elég egy rövid sor („a Példa Csoport tagja”), ha a kapcsolatot vállalod. Ha a márkát külön tartod, ezt a sort hagyd el, a jogi adatok az impresszumban úgyis megvannak.

Ha a márkák külön entitásként jelennek meg, a Rólunk oldal a márka saját történetéről, csapatáról és ígéretéről szóljon, és az anyacéget csak az impresszum említse.

Hogyan hangold össze a külső profilokat?

Röviden. Minden márka külső profilján (cégprofil, LinkedIn, közösségi oldalak, katalógusok, Wikidata) ugyanaz a név, weboldal és kapcsolat szerepeljen, mint a saját oldaladon.

A saját oldal sameAs listája ezekre a profilokra mutasson, mindegyik márkáé a sajátjaira. Saját tapasztalat. Gyakran előfordul, hogy az almárka sameAs listájába bekerül az anyacég Facebook-oldala, mert azt kezelik aktívan. Ez összemosáshoz vezethet, hiszen a sameAs azt állítja, hogy a profil ugyanarról az entitásról szól.

Milyen promptokkal derítheted ki, hogyan látja ma az AI a márkacsaládot?

Röviden. Tegyél fel ugyanarról a márkáról több, különböző irányú kérdést több AI-rendszerben, és jegyezd fel, hol keveri össze, és hol hagyja ki a kapcsolatot.

Az ellenőrzést lehetőleg új beszélgetésben futtasd, kikapcsolt memóriával, hogy a korábbi beszélgetéseid ne torzítsák az eredményt. Írd fel a dátumot, a rendszer nevét, és azt, hogy a válasz keresésre támaszkodott-e (látszanak-e források). Saját tapasztalat. A válaszok futásonként és idővel is változnak, ezért egy alkalom csak pillanatkép.

  1. „Ki áll a [almárka] mögött? Melyik cég tulajdonában van?” Megnevezi-e helyesen az anyacéget, vagy kitalál egyet?
  2. „Milyen márkái vannak a [anyacég] cégnek?” Megvan-e mindegyik márkád, és nem került-e közéjük idegen?
  3. „Mi a különbség a [márka A] és a [márka B] között?” Külön célcsoportot és ígéretet ír-e, vagy egy termékként kezeli őket?
  4. „Megbízható cég a [almárka]? Mit írnak róla?” Kinek a véleményeit és panaszait hozza, és nem csúszik-e át a másik márka megítélése?
  5. „Mi a [almárka] weboldala, telefonszáma és címe?” Az almárka saját adatait adja, vagy az anyacégét?
  6. „A [régi márkanév] és a [új márkanév] ugyanaz a cég?” Tudja-e az átnevezést, és jól tudja-e?
  7. „Ajánlj [termékkategória] szolgáltatót Székesfehérváron.” Melyik márkádat említi, és a kérdés szándékához illőt ajánlja-e (prémiumot vagy belépő szintűt)?
  8. „Mutasd be röviden a [anyacég] céget.” Szerepel-e a cégcsoport felépítése, és ha igen, pontosan?

Az eredményt egy egyszerű táblázatban rögzítsd, rendszerenként és promptonként, a helyes, hibás vagy hiányzó minősítéssel és a megjelölt forrással. Ha a válasz forrást mutat, nézd meg, melyik oldalból dolgozott, mert a javítást jellemzően ott a legérdemesebb kezdeni. Pár hónap múlva futtasd le ugyanezt, és hasonlítsd össze. Szakmai feltételezés. Egy változást nem tudsz egyetlen okhoz kötni, mert a modellek frissítése is hat a válaszokra, ezért óvatosan értelmezd.

Milyen hibákat érdemes elkerülni?

Röviden. A legtöbb gondot az ellentmondó jelek okozzák, amikor a saját oldal, a jelölés és a külső profilok mást mondanak.

Szakmai feltételezés. A rendbe tett jelek segíthetik, hogy az AI pontosabban írja le a márkacsaládot. Konkrét megjelenést viszont senki nem garantálhat, mert ezeknek a rendszereknek a működése nem nyilvános, és folyamatosan változik.

Források és további olvasnivalók

A legfontosabbak
  • Az anyacéget akkor érdemes az almárkához kötni, ha a neve bizalmat ad a vevő döntésénél.
  • A külön entitásként kezelt márka azt jelenti, hogy nem mossuk össze őket, a tulajdonviszonyt elrejteni úgysem lehet.
  • Leányvállalatnál a parentOrganization és a subOrganization, saját cég nélküli termékmárkánál a brand tulajdonság a helyes.
  • A JSON-LD, a látható Rólunk-szöveg és a külső profilok ugyanazt a nevet és kapcsolatot mondják, különben a gép találgat.
  • Ugyanazokat a promptokat időnként futtasd le újra több AI-rendszerben, mert egy alkalom csak pillanatkép.

Gyakori kérdések

Kötelező jelölni a strukturált adatban az anyacéget?

Nem kötelező. Akkor érdemes, ha a kapcsolatot nyilvánosan vállalod, és az anyacég neve segíti a vevő döntését. A jelölésnek a valós, a látható szövegben is szereplő viszonyt kell tükröznie.

Mi a különbség a parentOrganization és a brand között?

A parentOrganization két szervezet viszonyát írja le, például egy leányvállalatét és az anyacégéét. A brand egy márkát köt a szervezethez vagy a termékhez, akkor is, ha a márka mögött nincs külön cég.

Elrejthetem az AI elől, hogy két márkám ugyanahhoz a céghez tartozik?

A tulajdonviszony a cégjegyzékből nyilvános, ezért teljesen elrejteni ritkán sikerül. Az viszont jó eséllyel elérhető, hogy a két márka külön ígérettel és külön kapcsolati adatokkal jelenjen meg, és ne mosódjon össze.

Garantálja a helyes jelölés, hogy az AI jól írja le a márkacsaládot?

Nem garantálja. A Google szerint a strukturált adat a megértést segíti, de semmilyen megjelenést nem garantál, és az AI-rendszerek sok más forrásból is dolgoznak.

Milyen gyakran érdemes lefuttatni az ellenőrző promptokat?

Átnevezés, új márka indulása vagy a Rólunk oldalak átírása után mindenképp, egyébként pár havonta. A válaszok futásonként is változnak, ezért az eredményt dátummal és forrással rögzítsd.

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.

A cikk szerzője

Schmidt Péter, online marketing szakértő, a Scheo Tanácsadó Kft. alapítója. Székesfehérvárról, országosan dolgozó csapattal végzünk keresőoptimalizálást, AI-láthatóság mérést, Google és Meta hirdetéskezelést, weboldalkészítést. Amit itt leírunk, azt ügyfélmunkában is használjuk. Rólunk bővebben · Szolgáltatásaink

Kapcsolódó olvasnivaló

Helyi szolgáltatás a környékeden

Országosan dolgozunk, online és személyesen. Válaszd ki a városodat, és nézd meg, hogyan segítünk helyben:

Online marketing & AI SEO KaposvárOnline marketing & AI SEO BékéscsabaOnline marketing & AI SEO EgerOnline marketing & AI SEO ZalaegerszegOnline marketing & AI SEO SzekszárdOnline marketing & AI SEO Salgótarján

Weboldalkészítés városra bontva

Ha először a honlap kell, itt városonként arról írtunk:

Weboldalkészítés BudapestWeboldalkészítés VeszprémWeboldalkészítés DunaújvárosWeboldalkészítés GyőrWeboldalkészítés DebrecenWeboldalkészítés Szeged

Mind a 20 városunk és az összes szolgáltatás →

15 perces AI-láthatósági gyorselemzés - díjmentesen

Megnézzük három, számodra fontos keresőkérdésnél, hogy megjelenik-e a céged a ChatGPT, a Gemini és a Google AI-válaszaiban, mely versenytársakat ajánlják helyetted, és melyik három területen érdemes először javítani. A weboldaladat előzetesen átnézzük, tehát nem sablonos, automata riportot kapsz.

Adataidat kizárólag a kapcsolatfelvételhez használjuk. Kapcsolat: m@rketinges.hu
💬 Konzultáció