Iparági

AI-SEO szakkereskedésnek és műszaki boltnak: alkatrész-kereséstől a raktárkészletig

AI-SEO szakkereskedésnek: cikkszám, helyettesítő számok, kompatibilitási lista és valós készletjelzés, hogy az AI ajánlani merje a boltodat.

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

A lényeg dióhéjban: Ha a vevő cikkszámmal vagy géptípussal keres beszerzési forrást, a válaszmotor csak azt a boltot ajánlja, ahol a gyártói és helyettesítő számok, a kompatibilitási lista és a készlet- meg átvételi információ gépi olvasásra is kiírt, ellenőrizhető szöveg. A szakkereskedés valódi előnye, a pulti tanácsadás, csak akkor kerül be az AI-válaszba, ha leírt formában létezik.

Egy műszaki boltban a vevő ritkán kezdi azzal, hogy kellene egy szivattyú. Inkább bemondja a típustáblán szereplő számot, lefényképezi a régi alkatrészt, vagy elmondja, melyik gépbe kell. Ez a keresés most átköltözik a chatbotokba: a vevő beírja a cikkszámot, és megkérdezi, hol tudja megvenni, van-e raktáron, és mikor veheti át. Ha a boltod adatai nem olvashatók gépi úton, a válaszban más szerepel.

AI-SEO szakkereskedésnek és műszaki boltnak: alkatrész-kereséstől a raktárkészletig
AI-SEO szakkereskedésnek és műszaki boltnak: alkatrész-kereséstől a raktárkészletig

Ez a cikk arról szól, hogyan alakítod a szakkereskedésed tudását olyan tartalommá és adattá, amit a válaszmotorok fel tudnak használni. A leírt lépések segíthetik a megjelenést, de semmilyen módszer nem garantál ajánlást vagy helyezést.

Mit csinál az AI, amikor valaki cikkszámra keres beszerzési forrást?

Röviden: a modell nem a raktárprogramodba néz bele, hanem szöveget keres, amiben a cikkszám, a terméknév és a beszerezhetőség egy helyen, ellentmondásmentesen szerepel. Ha ez hiányzik, a vevő kérdésére a nagy piacterek vagy a gyártó saját oldala lesz a válasz.

Hivatalosan igazolt: a Google Search Central Product dokumentációja külön mezőt ír le a gyártói cikkszámra (mpn), a kereskedői azonosítóra (sku) és a vonalkódra (gtin), és a kereskedői találatoknál elvárja az ajánlat adatait is. A Schema.org szókincse ugyanezeket a tulajdonságokat definiálja, tehát ez nem találgatás, hanem dokumentált szabvány.

Saját tapasztalat: magyar szakkereskedések oldalain a cikkszám meglepően gyakran csak a termékfotóra van ráírva, PDF-katalógusban lapul, vagy olyan táblázatban, amit a böngésző utólag tölt be. Ilyenkor a látogató megtalálja, a robot nem. Az első és leggyorsabb nyereség szinte mindig az, hogy a szám bekerül sima szövegként a termékoldal törzsébe.

Szakmai feltételezés: a beszerzési forrás ajánlásánál a modellek óvatosabbak, mint egy általános kérdésnél, mert itt a rossz válasz konkrét kárt okoz a felhasználónak. Ez magyarázhatja, miért esnek vissza a bizonytalan adatú boltok akkor is, ha egyébként szerepelnek a klasszikus találati listában.

Hogyan lesz a gyártói cikkszámból strukturált tartalom?

Röviden: minden terméknél három azonosító-réteget írj ki: a gyártó saját száma, a nálad használt raktári szám, és a bevett helyettesítő számok. Ezek szövegben és strukturált adatban is szerepeljenek.

A gyakorlatban ez így néz ki a termékoldalon:

A strukturált adat vázlata ehhez körülbelül ennyi, a JSON-LD blokkba téve:

{"@context":"https://schema.org","@type":"Product","name":"Olajszűrő","sku":"SAJAT-12345","mpn":"W 719/45","gtin13":"4011558712341","brand":{"@type":"Brand","name":"Gyarto Kft."},"isAccessoryOrSparePartFor":[{"@type":"Product","name":"Gepnev 1.9 TDI"}],"offers":{"@type":"Offer","availability":"https://schema.org/InStock","itemCondition":"https://schema.org/NewCondition"}}

Az offers blokkba a saját árad, pénznemed, szállítási és visszaküldési adatod is bekerül, a Google által dokumentált mezőkkel. Fontos szabály: a strukturált adat csak azt ismételheti meg, ami az oldalon látható is. Ha a kódban raktáron szerepel, a látogató pedig üres készletet lát, az hosszú távon többet árt, mint amennyit használ.

Miért nem elég a cikkszám, ha nincs kompatibilitási lista?

Röviden: mert a vevők jelentős része nem cikkszámot, hanem géptípust mond. A kompatibilitási lista fordítja le a géptípust alkatrészszámra, és ez a fordítás önmagában is keresett tartalom.

Két külön oldaltípus kell hozzá. Az egyik a termékoldalon lévő lista: melyik gépekbe, típusokba, évjáratokba való ez a darab. A másik a fordított irányú, melyik gépbe való oldal: egy géptípusra vagy motorkódra épülő gyűjtő, ami felsorolja az abba a gépbe kapható alkatrészeket, kategóriák szerint bontva. Ez utóbbi felel meg annak, ahogy a vevő gondolkodik, és jó eséllyel ez lesz az az oldal, amire a válaszmotor hivatkozik, mert egy kérdésre ad teljes választ.

Amire figyelj a kompatibilitási listánál:

  1. Legyen szövegként olvasható, ne csak legördülő szűrőben élő adat.
  2. Írd oda a korlátozásokat: melyik gyártási időszakra, melyik alváltozatra érvényes, mikor kell megnézni a típustáblát.
  3. Jelöld, ha a lista tájékoztató jellegű, és a felelősség a beazonosításnál közös. Ez nem gyengíti a tartalmat, hanem hitelesíti.
  4. Frissítési dátumot tegyél ki, mert egy alkatrész-kompatibilitás avulhat.

Milyen készlet- és átvételi információ nélkül nem ajánl a válaszmotor?

Röviden: a beszerzési forrás kérdésre a modell azt keresi, hogy a vevő ténylegesen hozzájut-e a darabhoz, és mikor. Négy adat nélkül ez nem dönthető el: készlet, átvétel, határidő, visszaküldés.

Ellenőrzőlista, amit érdemes végigmenni minden termékoldalon és a bolt adatlapján:

Saját tapasztalat: ebből a listából a visszaküldési szabály és a bolti átvétel hiányzik a leggyakrabban, pedig ez a kettő az, ami egy szakboltot előnybe hozhat a nagy piacterekkel szemben. Szakmai feltételezés: a modellek a hiányzó feltételeket nem feltételezik pozitívan, tehát a kimondatlan jó szolgáltatás nem ér semmit.

Hogyan kezelj több ezer terméket úgy, hogy ne keletkezzen vékony tartalom?

Röviden: ne a termékoldalakat próbáld meg egyenként hosszabbá írni. Tedd a kategóriák fölé a szakértői útmutatót, a termékoldalon pedig csak azt add hozzá, ami tényleg egyedi.

Egy ötezer tételes katalógusnál a termékleírások kézi bővítése kivitelezhetetlen, és ha gépiesen történik, egymáshoz megtévesztően hasonló, tartalmilag üres oldalak sokasága lesz belőle. A működő szerkezet háromszintű:

  1. Kategória-szintű útmutató. Minden fontos termékcsoport fölé egy alapos oldal: mire való, hogyan kell beazonosítani a megfelelő darabot, milyen műszaki paraméterek számítanak, mik a tipikus tévedések, mikor kell szakembert hívni. Ezt egyszer kell megírni, és sok száz terméket szolgál ki.
  2. Beazonosító oldalak. Hogyan olvasd le a típustáblát, hol találod a motorkódot, mit jelentenek a számok a régi alkatrészen. Ez pontosan az, amit a vevő az AI-tól kérdez, és ritkán van rá jó magyar nyelvű forrás.
  3. Termékoldal. Itt az azonosítók, a kompatibilitás, a készlet és az átvételi adat a tartalom, plusz két-három mondat, ami csak erre a darabra igaz (mire figyelj a beépítésnél, mivel szokták összekeverni).

A belső linkelés köti össze a hármat: az útmutató lefelé mutat a termékekre, a termékoldal felfelé az útmutatóra. Technikai oldalon érdemes rendezni a szűrők kezelését is, mert a szűrőkombinációkból keletkező végtelen sok URL pontosan azt a hígulást hozza létre, amit el akarsz kerülni. A kanonikus jelölés és a szűrt nézetek indexelésből kivétele itt nem finomhangolás, hanem alapfeltétel.

Hogyan lesz a bolti tanácsadásból idézhető szöveg?

Röviden: a szakkereskedés valódi előnye az, hogy a pult mögött áll valaki, aki tudja, melyik darab jó. Ez a tudás ma szóban létezik, és a gép nem fér hozzá. Le kell írni, különben nem kerül be egyetlen AI-válaszba sem.

Egy egyszerű, működő módszer: két héten át minden eladó jegyzeteli, milyen kérdést tettek fel neki a pultnál, és mit válaszolt. Nem szépen, nem egész mondatokban, csak a lényeget. Két hét alatt összegyűlik ötven-hatvan valódi kérdés. Ebből lesz a tartalmi terv. A leggyakoribb tizenöt kérdésre készül önálló oldal vagy egy útmutató fejezete, a többi a gyakori kérdések közé kerül.

Ami ezt a szöveget értékessé teszi, az nem a hossza, hanem a benne lévő konkrétum, amit gép önmagából nem tudhat: mennyi ideig bírja a gyakorlatban egy adott alkatrész, milyen hibajelenség után szokták cserélni, melyik két cikkszámot keverik össze havonta többször, mit kell hozni a boltba a beazonosításhoz. Egy rövid, szó szerinti idézet az eladótól többet ér, mint három bekezdés általánosság.

Szakmai feltételezés: a válaszmotorok azokat a forrásokat hasznosítják szívesebben, ahol a kérdésre egyértelmű, kiemelhető válasz áll az elején. Ezért érdemes minden szakaszt egy tömör, önmagában is megálló bekezdéssel kezdeni, és utána kifejteni.

Hogyan ellenőrizd, hogy működik-e?

Röviden: mérj több forrásból, mert egyetlen mérőszám sem mutatja meg teljesen az AI-láthatóságot.

Amit érdemes rendszeresen nézni: a szerverlogban az AI-robotok (például a GPTBot vagy a Google-Extended azonosítójú lekérések) mely oldalakat járják be, a Search Console-ban a cikkszámos és géptípusos keresőkifejezések alakulása, a saját oldali kereső naplója (ez mutatja, milyen számokat írnak be a vevők, és mire nincs találat), valamint a bolti és telefonos visszajelzés arról, honnan jött a vevő. Ezenkívül havonta érdemes kézzel feltenni tíz-tizenöt tipikus kérdést a nagyobb chatbotoknak, és rögzíteni, mi jelenik meg. Ez nem reprezentatív mérés, de a változás iránya látszik belőle.

Milyen hibákat érdemes elkerülni?

A sorrend, ha most kezdenél neki: előbb az azonosítók és a készlet- meg átvételi adatok rendbetétele minden terméknél, utána a kompatibilitási és géptípus-oldalak, végül a kategória fölötti szakértői útmutatók. Az első kettő technikai munka, a harmadik a szakmai tudásod írásba öntése, és hosszabb távon az hozza a nehezebben másolható előnyt.

Források és további olvasnivalók

A legfontosabbak
  • A cikkszám csak akkor létezik az AI számára, ha olvasható szövegként és strukturált adatban is szerepel, nem csak képen vagy PDF-ben.
  • A helyettesítő és OE-számok, valamint a kompatibilitási lista teszik megtalálhatóvá a terméket akkor is, ha a vevő a régi számot vagy a géptípust mondja be.
  • Valós készletjelzés, személyes átvétel, szállítási határidő és visszaküldési szabály nélkül a modellek jó eséllyel elkerülik a bolt ajánlását.
  • Több ezer terméknél a kategória fölé tett szakértői útmutató védi ki a vékony tartalmat, nem a termékleírások felduzzasztása.
  • A pultnál elhangzó tanácsot le kell írni, mert a gép csak azt tudja idézni, ami szövegként létezik.

Gyakori kérdések

Elég, ha a cikkszám csak a strukturált adatban szerepel?

Nem. A strukturált adat csak azt erősítheti meg, ami az oldalon látható szövegként is ott van. Ha a szám csak a JSON-LD blokkban szerepel, az ellentmond a dokumentált elvárásnak, és a vevő sem találja meg az oldalon belüli kereséssel.

Mi legyen, ha egy alkatrész nincs raktáron?

Írd ki őszintén, hogy beszerzésre vár, és add meg a reális beszerzési időt sávban. A bizonytalan határidő kimondása jobb, mint a hallgatás, mert így is eldönthető, hogy a vevőnek megéri-e várni.

Hány szó legyen egy termékleírás, hogy ne legyen vékony tartalom?

Nincs szó-küszöb. Egy rövid termékoldal is teljes értékű, ha pontos azonosítókat, kompatibilitási adatot és készletinformációt tartalmaz. A hosszúságot a kategória fölé tett útmutató adja hozzá, nem a leírás felduzzasztása.

Fel kell tüntetni a versenytárs gyártók helyettesítő számait is?

A kereszthivatkozási számok feltüntetése bevett gyakorlat a műszaki kereskedelemben, és jelentősen javítja a megtalálhatóságot. Fontos egyértelműen jelezni, hogy ezek csereszabatos megfelelők, és nem az adott gyártó termékét árulod más néven.

Blokkoljam az AI-robotokat, ha nem akarom, hogy a tartalmamat használják?

Ez üzleti döntés. Ha a cél az, hogy a boltod megjelenjen az AI-válaszokban beszerzési forrásként, akkor a keresésre használt robotok kizárása ezt ellehetetleníti. A tanító célú és a keresési célú robotok külön is kezelhetők a robots.txt-ben.

Mennyi idő alatt látszik bármilyen változás?

Erre nincs megbízható általános szám. A technikai adatok javítása viszonylag gyorsan bejárásra kerülhet, a tartalmi építkezés hatása lassabb, és semmilyen beavatkozás nem garantálja, hogy egy adott válaszban megjelensz.

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

Kapcsolódó

Hogyan keresnek a B2B döntéshozók AI-val

Kapcsolódó

Hogyan keres üzleti szolgáltatót az, aki AI-asszisztenst használ

Kapcsolódó

Ügynöki vásárlás: mire készítsd fel a webshopodat

Helyi szolgáltatás a környékeden

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

Online marketing & AI SEO TatabányaOnline marketing & AI SEO KaposvárOnline marketing & AI SEO BékéscsabaOnline marketing & AI SEO EgerOnline marketing & AI SEO ZalaegerszegOnline marketing & AI SEO Szekszárd

Weboldalkészítés városra bontva

Ha először a honlap kell, itt városonként arról írtunk:

Weboldalkészítés SzékesfehérvárWeboldalkészítés BudapestWeboldalkészítés VeszprémWeboldalkészítés DunaújvárosWeboldalkészítés GyőrWeboldalkészítés Debrecen

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