- A Google a Dataset típusnál csak a name és a description mezőt kéri kötelezően, a forrás-szerephez viszont a licenc, a készítő, a lefedettség és a letöltési adat is kell.
- Az adatkészlethez tartozzon egy HTML-ben olvasható összefoglaló oldal, mert a válaszmotorok jellemzően a szöveges oldalt dolgozzák fel, és ritkán magát a fájlt.
- A verziószám és a valódi frissítési dátum teszi követhetővé, melyik szám melyik állapotból származik.
- Egy pár soros, egyszeri táblázatot elég a cikkben, sima HTML táblázatként közölni, ahhoz külön adatkészlet-oldal nem kell.
- Hivatalosan nincs dokumentálva, hogy az AI-motorok a Dataset jelölést idézési jelként használnák, ezért ez segítheti az azonosítást, de nem garantálja.
Ha saját felmérést, árfigyelést vagy iparági statisztikát készítesz, a munka akkor térül meg igazán, amikor mások rád hivatkoznak. A gyakorlatban viszont sokszor egy hírportál vagy egy összefoglaló blog veszi át a számaidat, és később a keresők meg az AI-motorok már azt a másodlagos oldalt idézik. A schema.org Dataset típusa, egy jól felépített adatoldal és egy letölthető fájl együtt segítheti, hogy a gépek felismerjék, ki gyűjtötte az adatot először. Ezt senki nem tudja garantálni, de a jól dokumentált adatkészletet sokkal könnyebb eredeti forrásként azonosítani, mint egy cikkbe ágyazott képet.

Mit jelent a Dataset jelölés, és kinek éri meg használni?
A Dataset jelölés egy schema.org szerinti strukturált adat (jellemzően JSON-LD), amely géppel olvasható módon leírja az adatkészleted nevét, tartalmát, készítőjét, licencét, időbeli és területi lefedettségét, valamint a letöltés helyét. Annak éri meg, aki ismételhető módszerrel gyűjtött, saját adatot tesz közzé, és szeretné, ha ezt önálló forrásként kezelnék.
Hivatalosan igazolt. A Google Search Central dokumentációja szerint a Google Dataset Search a schema.org Dataset jelölést és a W3C DCAT szabványt használja az adatkészletek felderítésére. A dokumentáció részletesen leírja, mely mezőket vár el és melyeket ajánl.
Saját tapasztalat. Az adatot közlő magyar oldalak többsége a számokat egy blogcikk közepén, gyakran képként vagy beágyazott grafikonként teszi közzé. Ilyenkor a módszertan, az időszak és a mintanagyság sehol nem szerepel géppel olvasható formában, és a gép nehezen választja el az adatot a szerző véleményétől.
Szakmai feltételezés. Az AI-alapú keresők (a ChatGPT keresése, a Perplexity, a Google AI-áttekintések) nem dokumentálták nyilvánosan, hogy a Dataset jelölést külön idézési jelként használnák. Valószínűnek tartjuk viszont, hogy az egyértelmű szerzőségű, dátumozott, strukturált forrásból könnyebb pontos állítást kivonni, és ez jó eséllyel az idézés esélyét is javítja.
Melyik mezők kötelezők, és melyek ajánlottak a Dataset típusnál?
A Google a Dataset típusnál két mezőt kér kötelezően, a name és a description mezőt, minden más ajánlott. Ha azonban azt szeretnéd, hogy az adatkészleted forrásként működjön, a licenc, a készítő, a lefedettség és a letöltési információ legalább annyira fontos, mint a két kötelező mező.
A két kötelező mező
- name, vagyis az adatkészlet egyedi, leíró neve. Legyen benne a téma, a terület és az év, például „Hazai kisvállalkozói weboldalak mobilos betöltési ideje, 2026”. A „Felmérés eredményei” típusú név semmit nem mond a gépnek.
- description, vagyis a tartalom összefoglalása. A Google dokumentációja 50 és 5000 karakter közötti leírást vár. Írd le, mit mértél, milyen forrásból, milyen időszakban és milyen módszerrel. Reklámszöveg ide ne kerüljön.
Az ajánlott mezők, amelyek a forrás-szerepet erősítik
- license, a felhasználási feltételek URL-je, például a Creative Commons CC BY 4.0 licenc oldala. A hivatkozási kötelezettséget kimondó licenc azt is jelzi, hogy kérsz forrásmegjelölést.
- creator, a készítő szervezet vagy személy, saját url és sameAs mezővel. Ugyanaz a név szerepeljen itt, mint a weboldalad Organization jelölésében.
- temporalCoverage, az időbeli lefedettség ISO 8601 formátumban. Zárt időszakra a
2026-01-01/2026-09-30, folyamatosan bővülő adatra a2026-01-01/..alak használható. - spatialCoverage, a területi lefedettség egy Place típussal, névvel vagy földrajzi koordinátákkal.
- distribution, egy vagy több DataDownload elem, benne az
encodingFormat(példáultext/csv) és acontentUrl, vagyis a fájl közvetlen címe. - version és dateModified, hogy követhető legyen, melyik állapotról van szó.
- variableMeasured és measurementTechnique, a mért változók és a mérési módszer rövid megnevezése.
- identifier (ha van DOI-d vagy más tartós azonosítód), isAccessibleForFree, keywords és citation.
Hogyan néz ki egy teljes Dataset jelölés egy konkrét mintán?
Egy jó Dataset jelölés egyetlen JSON-LD blokk az adatkészlet összefoglaló oldalán, amely minden fontos mezőt kitölt, és pontosan ugyanazt állítja, amit az oldal szövege. Az alábbi minta egy saját mérésen alapuló, kitalált adatkészletet ír le, a nevek és a címek helykitöltők.
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Dataset",
"name": "Hazai kisvállalkozói weboldalak mobilos betöltési ideje, 2026",
"description": "Magyarországi kisvállalkozói weboldalak főoldalának mobilos betöltési mérései iparág és megye szerint. A mérés a PageSpeed Insights API mobil profiljával készült, oldalanként három mérés mediánjával. Az adatkészlet negyedévente frissül.",
"url": "https://www.example.hu/adatok/weboldal-betoltes-2026",
"version": "1.2",
"dateModified": "2026-10-15",
"license": "https://creativecommons.org/licenses/by/4.0/",
"isAccessibleForFree": true,
"keywords": ["weboldal sebesség", "kisvállalkozás", "Core Web Vitals"],
"creator": {
"@type": "Organization",
"name": "Példa Kft.",
"url": "https://www.example.hu"
},
"temporalCoverage": "2026-01-01/2026-09-30",
"spatialCoverage": { "@type": "Place", "name": "Magyarország" },
"variableMeasured": ["Largest Contentful Paint (ms)", "Iparág", "Megye"],
"measurementTechnique": "PageSpeed Insights API, mobil profil, három mérés mediánja",
"distribution": [{
"@type": "DataDownload",
"encodingFormat": "text/csv",
"contentUrl": "https://www.example.hu/adatok/weboldal-betoltes-2026-v1.2.csv"
}]
}
</script>
Néhány döntés ebben a mintában szándékos. A fájl nevében benne van a verziószám, így a régi és az új állapot külön címen érhető el. A leírás a módszert is megnevezi, ezért egy válaszmotor akkor is pontosan tudja visszaadni, honnan jön a szám, ha a módszertani oldalt nem olvassa el. A készítő ugyanaz a szervezet, amely a weboldal többi strukturált adatában szerepel, így a szerzőség egyetlen entitáshoz köthető.
Mitől lesz idézhető az adatoldal az AI-motorok számára?
Az idézhetőséget elsősorban az olvasható összefoglaló oldal adja, mert a válaszmotorok jellemzően HTML-szöveget dolgoznak fel, és ritkán nyitják meg a letölthető fájlt. A jelölés ehhez ad gépi kontextust, de egymagában kevés.
Az oldal első bekezdése mondja ki a két-három legfontosabb megállapítást számokkal, az időszakkal és a készítő nevével, teljes mondatokban. Egy ilyen mondatot egy válaszmotor szó szerint ki tud emelni, és a forrás is benne van. A részletes eredményeket HTML táblázatban közöld, oszlopfejlécekkel és mértékegységgel, a grafikon csak kiegészítés legyen. A képként feltöltött táblázatból a gép legfeljebb bizonytalanul olvas ki számokat.
Érdemes egy külön, rövid részt írni arról, hogyan hivatkozzanak rád. Adj meg egy kész hivatkozási formát a készítő nevével, az adatkészlet címével, a verzióval és az URL-lel. Saját tapasztalat, hogy az átvevő oldalak sokkal gyakrabban linkelnek vissza, ha a hivatkozást nem nekik kell összerakniuk.
Nézd meg a robots.txt fájlodat is. Hivatalosan igazolt, hogy az OpenAI külön robotot használ a keresési funkcióhoz (OAI-SearchBot) és a modelltanításhoz (GPTBot), és ezeket külön lehet engedélyezni vagy tiltani. Ha a keresési robotokat kizárod, az adatoldalad tartalmát az adott szolgáltatás nem tudja frissen feldolgozni.
Milyen ellenőrzőlistát kövess a közzétételnél?
Egy adatkészlet akkor áll készen a közzétételre, ha van olvasható összefoglaló oldala, letölthető fájlja, módszertani leírása, verziószáma, frissítési dátuma és érvényes Dataset jelölése. A lista sorrendje a munka sorrendjét is követi.
- Stabil URL. Az adatkészlet saját, tartós címet kap, amely a következő frissítéskor sem változik. A régi verziók külön archív címen maradnak elérhetők.
- Olvasható összefoglaló oldal. Az első bekezdésben a fő megállapítások, alatta HTML táblázat, a lap tetején a készítő neve és a frissítés dátuma.
- Letölthető CSV. UTF-8 kódolás, egy fejlécsor, oszloponként egyféle adattípus, és a mértékegység az oszlop nevében. Döntsd el és írd le, hogy vessző vagy pontosvessző az elválasztó, mert a magyar nyelvű táblázatkezelők a tizedesvessző miatt gyakran pontosvesszőt várnak.
- Adatszótár. Oszloponként egy mondat arról, mit jelent az adott mező, milyen egységben van, és mit jelent az üres cella.
- Módszertani leírás. Honnan jött az adat, mikor gyűjtötted, mekkora a minta, mit szűrtél ki és miért, milyen korlátai vannak az eredménynek.
- Licenc. Egyértelmű felhasználási feltétel, lehetőleg szabványos licenccel, a hivatkozási elvárással együtt.
- Verziószám és frissítési dátum. Az oldalon, a fájlnévben és a jelölésben is ugyanaz az érték szerepel.
- Változásnapló. Verziónként egy-két mondat arról, mi változott.
- Dataset jelölés. JSON-LD az összefoglaló oldalon, amelynek minden állítása az oldal szövegében is megtalálható.
- Belső linkek. Az adatokra épülő cikkeid az adatkészlet oldalára mutatnak, így a weboldaladon belül is egyértelmű, hol van az eredeti.
Hogyan kezeld a verziószámot és a frissítési dátumot?
A verziószám akkor ér valamit, ha minden tartalmi változásnál nő, és a régi állapot is elérhető marad. Így az, aki egy korábbi számot idézett, később is meg tudja mutatni, honnan vette.
Egyszerű, jól működő rend a kétszintű számozás. Az első szám akkor nő, ha a módszertan vagy az oszlopszerkezet változik, a második akkor, ha új időszak vagy javított adat kerül be. A dateModified mezőt csak valódi tartalmi változáskor frissítsd. Saját tapasztalat, hogy sok rendszer minden újragenerálásnál automatikusan átírja a módosítás dátumát, és ettől a frissítési dátum elveszti a jelentését, mert a látogató és a gép sem tudja, mikor változott ténylegesen az adat.
Ha hibát javítasz egy már közzétett verzióban, a változásnaplóban írd le, melyik sor vagy oszlop érintett. A hibás verziót ne töröld, csak jelöld meg, hogy van újabb.
Mikor nem éri meg adatkészletként kezelni egy pár soros táblázatot?
Ha a táblázatnak nincs önálló módszertana, néhány sorból áll, egyszeri, vagy mások adatát foglalja össze, akkor elég a cikkben sima HTML táblázatként közölni, külön adatkészlet-oldal nélkül. A Dataset jelölés túlzás egy olyan táblázatnál, amely önmagában nem állna meg forrásként.
Néhány tipikus eset, amikor nem érdemes adatkészletet csinálni:
- A táblázat öt-tíz sorban összevet néhány szempontot, és a cikk szövegéből amúgy is kiderül minden.
- Az adat más forrásból származik, te csak rendezted. Ilyenkor az eredeti forrás az adatkészlet, a te oldalad egy cikk, amely hivatkozik rá.
- Saját termékeid vagy szolgáltatásaid listájáról van szó. Erre a Product és az Offer típus való.
- Egyszeri, meg nem ismételhető megfigyelés, amelyhez sem módszertant, sem frissítést nem tudsz adni.
Szakmai feltételezés az a hüvelykujjszabály, amit mi használunk. Ha a módszertant nem tudod legalább öt-hat érdemi mondatban leírni, és nem tervezed frissíteni, akkor az adatod jó eséllyel egy cikk része, nem önálló adatkészlet. Ilyenkor az Article jelölés citation és about mezője jobban illik hozzá.
Hogyan ellenőrizd, hogy a jelölés helyes és megtalálható?
A jelölés szintaktikai ellenőrzésére a Schema.org Markup Validator és a Google Rich Results Test való, a feltérképezést pedig a Search Console URL-ellenőrzése mutatja meg. Egyik eszköz sem jelzi előre, hogy egy AI-motor idézni fog-e.
Lépésről lépésre így érdemes haladni.
- Futtasd le az összefoglaló oldal URL-jét a Schema.org Markup Validatorban, és javíts minden hibát.
- Nézd meg ugyanezt a Google Rich Results Testben, mert ez a Google saját elvárásait is ellenőrzi, például a leírás hosszát.
- A Search Console URL-ellenőrzésével kérd a feltérképezést, és nézd meg, hogy a megjelenített HTML-ben benne van-e a JSON-LD blokk. Ha a jelölést JavaScript illeszti be, itt derül ki, hogy a Google látja-e.
- Nyisd meg a contentUrl címét egy privát böngészőablakban, és ellenőrizd, hogy a fájl bejelentkezés nélkül letölthető, és a fejlécsor helyes.
- Egy idő után keress rá az adatkészlet nevére a Google Dataset Searchben. Hogy mikor jelenik meg, azt a Google nem rögzíti, ezért konkrét időre ne számíts.
Az AI-válaszokban való megjelenést érdemes kézzel figyelni. Tegyél fel a válaszmotoroknak olyan kérdéseket, amelyekre az adatkészleted válaszol, és nézd meg, melyik oldalt hozzák forrásként. Ha következetesen egy átvevő oldalt idéznek, ellenőrizd, hogy a te oldaladon is ugyanolyan világosan, teljes mondatban szerepel-e a megállapítás.
Mi hivatalos, mi tapasztalat és mi feltételezés ebben a témában?
Hivatalosan igazolt, hogy a Google Dataset Search a schema.org Dataset jelölést használja, a name és a description mező kötelező, a többi ajánlott, és az OpenAI keresési robotja külön szabályozható. Saját tapasztalat, hogy a képként közölt táblázat és a minden buildnél frissülő dátum rontja az adat hitelességét, a kész hivatkozási forma viszont növeli a visszalinkelés esélyét. Szakmai feltételezés, hogy a tiszta, strukturált, egyértelmű szerzőségű adatoldalt az AI-motorok nagyobb eséllyel idézik eredeti forrásként, mert ezt egyik szolgáltató sem dokumentálta.
Források és további olvasnivalók
- Google Search Central, Dataset strukturált adatok dokumentációja
- Google Dataset Search súgóoldalai
- Schema.org, Dataset, DataDownload és Place típusok leírása
- W3C, Data Catalog Vocabulary (DCAT) ajánlás
- W3C, Data on the Web Best Practices
- OpenAI dokumentáció, az OpenAI robotjairól (OAI-SearchBot, GPTBot)
- Creative Commons, CC BY 4.0 licenc
Gyakori kérdések
Kötelező a Dataset jelölés ahhoz, hogy az AI idézze az adataimat?
Nem kötelező, és nem is garantálja az idézést. Segítheti, hogy a gépek azonosítsák a készítőt, a licencet és az időszakot, de az idézhetőséget elsősorban az olvasható, teljes mondatos összefoglaló oldal adja.
Melyik két mezőt kéri kötelezően a Google a Dataset típusnál?
A name és a description mezőt. A Google dokumentációja szerint a leírás 50 és 5000 karakter között legyen, a többi mező ajánlott.
Elég, ha csak a CSV fájlt teszem fel a weboldalra?
Nem elég. A válaszmotorok jellemzően HTML-oldalt dolgoznak fel, ezért kell mellé egy összefoglaló oldal a fő megállapításokkal, táblázattal, módszertannal és a Dataset jelöléssel.
Hogyan adjam meg az időbeli lefedettséget?
ISO 8601 formátumban a temporalCoverage mezőben. Zárt időszakra a 2026-01-01/2026-09-30, folyamatosan bővülő adatra a 2026-01-01/.. alak használható.
Mit tegyek, ha hibát találok egy már közzétett adatkészletben?
Javítsd egy új verzióban, növeld a verziószámot, a változásnaplóban írd le, mi változott, és a régi verziót hagyd elérhetőnek egy megjelöléssel, hogy van újabb.
Megéri adatkészletként kezelni egy tízsoros összehasonlító táblázatot?
Általában nem. Ha nincs önálló módszertana és nem frissül, elég a cikkben HTML táblázatként közölni, és az Article jelöléssel hivatkozni a felhasznált forrásokra.
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.