Tartalomfrissítés hatásának mérése előtte-utána összehasonlítással

Scheo · 2026-10-18 · olvasási idő ~10 perc · Szerző: Schmidt Péter

Egy cikk frissítése után szinte mindig jön a kérdés, hogy megérte-e. A Search Console grafikonja felfelé megy, és könnyű ezt a frissítésnek tulajdonítani. Csakhogy ugyanabban a hónapban beindulhatott a szezon, lefuthatott egy Google-alapfrissítés, vagy egyszerűen nőtt a keresési kereslet az egész témában. Ebben a cikkben egy olyan mérési rendet mutatok, amellyel tisztességesen el tudod választani a frissítés hatását a háttérzajtól, Search Console- és GA4-adatokra építve, egy egyszerű kontrollcsoporttal és az AI-válaszokban való megjelenés követésével.

A szövegben háromféle jelölést használok. A (Hivatalosan igazolt) ott áll, ahol a Google vagy az adott szolgáltató dokumentációja ezt rögzíti. A (Saját tapasztalat) a gyakorlatban bevált módszert jelöli. A (Szakmai feltételezés) logikus következtetést takar, amit nyilvános adat nem bizonyít.

Miért félrevezető az egyszerű előtte-utána grafikon?

Az egyszerű előtte-utána összevetés minden változást a frissítésnek tulajdonít, holott a forgalmat a szezon, a keresési kereslet és a Google rangsorolási frissítései is mozgatják. Ha egy kerti témájú cikket márciusban frissítesz, áprilisban szinte biztosan több kattintást látsz, akkor is, ha egy betűt sem írtál volna át.

Három zavaró tényező szokott torzítani.

• Szezonalitás. A legtöbb téma keresési igénye évszakonként, ünnepekhez vagy fizetésnapokhoz kötve hullámzik.
• Algoritmus-frissítés. Egy alapfrissítés (core update) az egész oldal láthatóságát elmozdíthatja, a frissített cikktől függetlenül.
• Oldalszintű változás. Új belső linkek, sebességjavítás, sablonváltás vagy egy erős új hivatkozás az egész domainre hat.

A megoldás az, hogy a frissített cikk változását mindig egy viszonyítási ponthoz méred. Ez lehet a tavalyi azonos időszak, és lehet egy kontrollcsoport, vagyis olyan hasonló cikkek köre, amelyekhez nem nyúltál.

Mit rögzíts, mielőtt egyetlen szót is átírsz?

Frissítés előtt mentsd el a cikk kiinduló állapotát, vagyis legalább 28 napnyi Search Console-adatot oldal és lekérdezés szerint, a GA4 organikus mutatóit és a cikk akkori szövegét. Utólag ezek egy része már nem rekonstruálható.

1. Search Console, oldalszinten. A Teljesítmény jelentésben szűrj az URL-re, és exportáld a kattintásokat, megjelenéseket, CTR-t és átlagos pozíciót napi bontásban. (Hivatalosan igazolt) A Search Console 16 hónapnyi adatot őriz meg, ezért ha éves összevetést tervezel, a régebbi időszakot is érdemes most lementeni.
2. Search Console, lekérdezésszinten. Mentsd le, mely lekérdezésekre jelent meg a cikk. A frissítés gyakran itt hat először, az oldal új lekérdezésekre kezd megjelenni, mielőtt a kattintások látványosan nőnének.
3. GA4. Az organikus forgalomra szűrt nyitóoldal-jelentésből jegyezd fel a munkameneteket, az elköteleződési arányt és a cikkhez tartozó kulcseseményeket (például űrlapküldés, telefonszám-kattintás).
4. A tartalom pillanatképe. Mentsd el a régi szöveget, a címet, a meta leírást, a címsorokat és a strukturált adatot. Később csak így tudod megmondani, pontosan mi változott.
5. Az AI-láthatóság alapállapota. Futtasd le a rögzített kérdéskészletedet (erről lejjebb írok), és jegyezd fel, idézi-e valamelyik AI-felület a cikket.

Hogyan naplózd a frissítés dátumát?

A frissítést egy egyszerű táblázatban naplózd, napra pontosan, és minden sorba írd be, mit változtattál. A dátum nélküli frissítés utólag nem mérhető, mert nem tudod, hol húzd meg az előtte és az utána határát.

(Saját tapasztalat) Jól bevált, ha a napló egy sora tartalmazza az URL-t, a frissítés dátumát, a változtatás típusát (új szakasz, adatfrissítés, címcsere, GYIK, strukturált adat), a terjedelmét (kicsi, közepes, nagy), a kontrollcsoport URL-jeit és egy megjegyzést az egy időben történt oldalszintű változásokról.

(Hivatalosan igazolt) A GA4-ben megjegyzést (annotációt) is rögzíthetsz a jelentések idővonalán, így a frissítés napja a grafikonon is látszik. Ez kényelmes, de a saját táblázatodat ne váltsa ki, mert abban több részletet rögzíthetsz, és más eszközök adataival is összefésülheted.

Érdemes ellenőrizni, mikor látta a Google a frissített változatot. Az URL-vizsgálat eszköz mutatja az utolsó feltérképezés dátumát. (Szakmai feltételezés) Az „utána" időszakot észszerűbb ettől a naptól számolni, mint a közzététel napjától, mert a keresőben addig a régi változat élt.

Mekkora összehasonlítási időablakot válassz?

A legtöbb cikknél jó kiindulás a 28 nap előtte és a 28 nap utána, a frissítés utáni első 7-14 nap kihagyásával. A két ablak ugyanazon a hétköznapon kezdődjön, mert a keresési forgalom heti ritmusa különben torzítja az összevetést.

• Átmeneti időszak. (Saját tapasztalat) A frissítés utáni napokban a pozíciók gyakran ingadoznak, ezt az időszakot ne számold bele egyik ablakba sem.
• Kis forgalmú cikk. Ha a cikk naponta csak néhány kattintást hoz, 28 nap kevés, mert a véletlen ingadozás nagyobb lehet a valódi hatásnál. Ilyenkor dolgozz 56 vagy 90 napos ablakkal, vagy figyeld inkább a megjelenéseket és a lekérdezések számát.
• Éves összevetés. Szezonális témánál vesd össze az „utána" időszakot a tavalyi azonos időszakkal is. Ha tavaly ugyanekkora volt a növekedés, a frissítés hatása valószínűleg kisebb, mint amit a grafikon mutat.

(Hivatalosan igazolt) A Search Console adatai néhány nap késéssel véglegesednek, ezért a legutolsó napokat ne vedd bele a számításba.

Hogyan szűrd ki a szezonalitást és az algoritmus-frissítéseket?

A szezonalitást az éves összevetés és a kontrollcsoport együtt kezeli, az algoritmus-frissítéseket pedig úgy szűröd ki, hogy a mérési ablakot a Google által közölt frissítések köré tervezed. Ha egy alapfrissítés belelóg az ablakba, az eredményt csak fenntartással kezeld.

(Hivatalosan igazolt) A Google a nagyobb rangsorolási frissítések kezdetét és végét a Google Search Status Dashboardon teszi közzé. Ezeket a dátumokat is vezesd be a naplódba.

(Saját tapasztalat) Három gyakorlati szabály vált be.

1. Fontos cikket lehetőleg ne frissíts egy éppen zajló alapfrissítés alatt, mert utána nem fogod tudni szétválasztani a két hatást.
2. Ha a frissítés és egy alapfrissítés mégis egybeesik, a kontrollcsoport mutatja meg, mennyit mozdult az egész oldal. A cikk saját hatását a két változás különbsége adja.
3. Nézd meg a keresleti oldalt is. A Google Trends relatív görbéje jelzi, ha a téma iránti érdeklődés általában nőtt vagy csökkent.

Hogyan képezz egyszerű kontrollcsoportot?

Kontrollcsoportnak válassz 5-10 olyan cikket ugyanarról az oldalról, amely témában, típusban és forgalmi szintben hasonlít a frissítettre, és amelyhez a mérési időszakban nem nyúlsz. A frissítés hatását az adja, mennyivel változott többet a frissített cikk, mint a kontrollcsoport.

Ez a statisztikában ismert különbségek különbsége (difference-in-differences) módszer egyszerűsített változata. Laboratóriumi pontosságot nem ad, mert a cikkeket nem véletlenszerűen osztod csoportokba, a puszta előtte-utána számnál viszont jóval megbízhatóbb.

Mi alapján válaszd ki a kontrollcikkeket?

• hasonló témakör vagy kategória, hogy ugyanaz a szezon hasson rájuk;
• hasonló tartalomtípus (útmutató, összehasonlítás, fogalommagyarázat);
• hasonló kiinduló forgalom, nagyjából a fele és a kétszerese közötti sávban;
• hasonló kor, hogy ne egy friss és egy évek óta álló cikket hasonlíts össze;
• a mérési időszakban semmilyen tartalmi vagy belső linkes változtatás nem éri őket.

Hogyan számolj vele?

Egy kitalált számpéldán mutatom meg a logikát. A frissített cikk kattintásai a 28 napos „előtte" ablakban 400, az „utána" ablakban 520, ez 30 százalékos növekedés. A kontrollcsoport összesített kattintásai ugyanebben a két ablakban 2000-ről 2240-re nőttek, ami 12 százalék. A frissítésnek tulajdonítható becsült többlet tehát nagyjából 18 százalékpont, a grafikon által sugallt 30 helyett.

Ha több frissítést mérsz, ugyanezt a számítást Search Console-exportból táblázatban is elvégezheted, vagy a Search Console API-val automatizálhatod. Egy oldalszintű, napi bontású lekérdezés váza így néz ki.

POST https://searchconsole.googleapis.com/webmasters/v3/sites/{siteUrl}/searchAnalytics/query

{"startDate": "2026-08-01", "endDate": "2026-08-28", "dimensions": ["date"], "dimensionFilterGroups": [{"filters": [{"dimension": "page", "operator": "equals", "expression": "https://pelda.hu/cikk/"}]}]}

A kontrollcsoport cikkeire ugyanezt futtatod le, majd összeadod az értékeket. (Szakmai feltételezés) Ha a kontrollcsoport egyik cikke kiugróan mozdul (például bekerül egy kiemelt találatba), vedd ki, mert egyetlen szélsőérték is eltolhatja az összesített számot.

Melyik mutatókat nézd, és milyen sorrendben?

A mutatókat érdemes a keresési láthatóságtól a látogatói viselkedés felé haladva olvasni. Előbb a megjelenéseket és a lekérdezéseket nézd, aztán a pozíciót és a CTR-t, végül a kattintást, a munkamenetet és a kulcseseményt. Egy frissítés gyakran előbb a láthatóságban mutatkozik meg, és csak később a forgalomban.

• Megjelenések és lekérdezésszám. Ha nő az egyedi lekérdezések száma, a cikk új keresési szándékokat kezdett lefedni.
• Átlagos pozíció. (Hivatalosan igazolt) Ez a mutató a legjobb helyezések átlaga, ezért ha a cikk sok új, hátrébb rangsorolt lekérdezésre is megjelenik, az átlag romolhat, miközben a forgalom nő. Önmagában ne vonj le belőle következtetést.
• CTR. A cím- és a meta leírás-módosítás hatását leginkább ez mutatja, azonos pozíciósávban vizsgálva.
• GA4 munkamenetek és elköteleződés. Itt derül ki, hogy a több látogató tényleg olvas-e, vagy hamar elhagyja az oldalt.
• Kulcsesemények. Üzleti szempontból ez számít a legtöbbet. Ha a cikk több érdeklődőt hoz, az többet ér egy szebb pozíciógörbénél.

(Hivatalosan igazolt) A Google AI-funkcióiból (AI Overviews, AI Mode) származó megjelenések és kattintások a Search Console Teljesítmény jelentésében a webes keresés adatai között szerepelnek, külön szűrő nélkül. A Search Console-ból tehát önmagában nem látod, hogy egy kattintás AI-áttekintésből jött-e.

Hogyan követheted az AI-válaszokban való megjelenés változását?

Az AI-láthatóságot három forrásból tudod összerakni, egy rögzített kérdéskészlet rendszeres lefuttatásából, a GA4-ben látható AI-hivatkozó forgalomból és a szervernapló AI-crawler-találataiból. Egyik sem ad teljes képet, együtt viszont jól jelzik az irányt.

Rögzített kérdéskészlet

(Saját tapasztalat) Állíts össze 10-20 kérdést, amelyekre a frissített cikknek jó választ kell adnia, és futtasd le őket változatlan formában a frissítés előtt és után, például havonta. Jegyezd fel, hogy a ChatGPT, a Perplexity, a Gemini és a Google AI-áttekintése megemlíti vagy forrásként linkeli-e a cikket. Az AI-válaszok futtatásonként is változnak, ezért egy kérdést érdemes többször lefuttatni, és az arányt figyelni (például öt futásból háromszor idézte).

Hivatkozó forgalom a GA4-ben

Az AI-felületekről érkező kattintások a GA4-ben jellemzően hivatkozó (referral) forgalomként jelennek meg. A munkamenet forrására egy ilyen reguláris kifejezéssel szűrhetsz.

chatgpt\.com|perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai

Ezt a nyitóoldal dimenzióval kombinálva látod, hogy a frissített cikk kap-e több AI-ból érkező látogatót. (Saját tapasztalat) A ChatGPT a kimenő linkekhez gyakran utm_source=chatgpt.com paramétert fűz, így ez a forrás elég megbízhatóan azonosítható. Más felületeknél a hivatkozó adat hiányozhat, ilyenkor a forgalom egy része közvetlen (direct) forgalomként jelenik meg.

AI-crawlerek a szervernaplóban

(Hivatalosan igazolt) Az OpenAI dokumentálja a saját crawlereit (például OAI-SearchBot és ChatGPT-User), és a Perplexity is közzéteszi a PerplexityBot és a Perplexity-User felhasználói ügynököt. (Szakmai feltételezés) Ha a frissítés után ezek gyakrabban kérik le a cikket, különösen a felhasználói kérésre induló ügynökök, az arra utalhat, hogy a cikk gyakrabban kerül be a válaszok forrásai közé. Ez közvetett jel, idézést nem bizonyít.

Mikor mondhatod ki, hogy a frissítés működött?

Akkor mondhatod ki óvatosan, hogy a frissítés javított, ha a cikk érezhetően jobban teljesített a kontrollcsoportnál, a hatás az éves összevetésben is megmarad, és nem esett egybe vele alapfrissítés vagy oldalszintű változás. Egyetlen jó hét még nem eredmény.

Lezárás előtt ezt az ellenőrzőlistát érdemes végigvenni.

• Megvan a kiinduló állapot mentése és a frissítés pontos dátuma.
• Az URL-vizsgálat szerint a Google a frissített változatot látta.
• Az átmeneti időszakot kihagytad, és a két ablak ugyanazon a hétköznapon kezdődik.
• A kontrollcsoporthoz nem nyúltál a mérés alatt.
• A Google Search Status Dashboard szerint nem futott alapfrissítés az ablakban, vagy ezt jelölted.
• Az éves összevetés nem magyarázza meg a növekedést.
• A GA4 kulcsesemények iránya egyezik a Search Console jelzéseivel.
• Az AI-kérdéskészlet eredményeit ugyanazzal a módszerrel rögzítetted előtte és utána.

(Szakmai feltételezés) Ha az eredmény vegyes, például nő a megjelenés, de nem nő a kattintás, az gyakran azt jelzi, hogy a cikk új, információs lekérdezésekre is megjelenik, amelyekre a találati oldal vagy az AI-áttekintés már helyben választ ad. Ilyenkor érdemes a címet és a bevezetőt azokhoz a kérdésekhez igazítani, amelyeknél a látogatónak tényleg megéri továbbkattintani, majd újra mérni. Egyik módszer sem garantál növekedést, de így legalább látod, mire érdemes a frissítésre szánt időt fordítani.

Források és további olvasnivalók

• Google Search Central, Search Console súgó (Teljesítmény jelentés, URL-vizsgálat eszköz)
• Google Search Central, AI features and your website
• Google Search Status Dashboard
• Google Search Console API dokumentáció (Search Analytics: query)
• Google Analytics súgó (GA4 forgalomszerzési jelentések, megjegyzések)
• OpenAI dokumentáció, Overview of OpenAI Crawlers
• Perplexity dokumentáció, Perplexity Crawlers