AI láthatóság monitorozás: így követsd, mit mond rólad az AI

Az AI-keresésben való láthatóság mérése legalább annyira fontos, mint a hagyományos SEO-metrikák — csak épp más eszközöket és más gondolkodásmódot igényel. Mit mérj pontosan? Hogyan állítasz fel egy alapvonalat, amihez a haladást viszonyíthatod? És mi a teendő, ha egy AI-motor tévesen idéz vagy pontatlan információt közöl rólad? Ebben a cikkben végigmegyünk a GEO-mérés gyakorlati kérdésein.

Miért nem elég a Google Search Console?

A Google Search Console kiváló forrás a hagyományos Google-keresési metrikákhoz: pozíció, CTR, impresszió, keresési megjelenítés típusa. Ezekből — ahogy egy korábbi cikkünkben is írtuk — az AI Overviews jelenlétére is lehet következtetni. Amit viszont a Search Console nem mutat meg, az a ChatGPT vagy a Perplexity válaszaiban való megjelenésed: ezek a rendszerek nem a Google indexét használják, saját retrieval- és generálási folyamatuk van, amelyről a Google natúr módon semmilyen adatot nem lát vagy oszt meg.

Ez azt jelenti, hogy az AI-láthatóság méréséhez motoronként külön kell gondolkodni: a Search Console egy darabot ad a képből (a Google-oldalt), de a teljes AI-láthatósági kép csak akkor áll össze, ha a ChatGPT-t, a Perplexityt és a Google AI Overviews-t is külön, tudatosan figyeled.

Ez nem azt jelenti, hogy a Search Console feleslegessé válik — épp ellenkezőleg. A hagyományos rangsorolási adatok továbbra is jó előrejelzői annak, mely oldalak valószínűbb forrásjelöltek egy AI-válaszban, hiszen az AI-motorok (különösen a Google AI Overviews) jelentős részben a már meglévő keresési index minőségi szignáljaira épülnek. A Search Console tehát az alap, amire az AI-specifikus mérés ráépül — nem helyettesíti azt.

Mit monitorozz: citation rate, említések, pontosság, sentiment

Négy fő mutatót érdemes rendszeresen követni:

1. Citation rate (hivatkozási arány): a releváns, iparágadhoz kötődő lekérdezéseknek hányadrészénél idézi vagy linkeli az AI az oldaladat. Ha 80 lekérdezést követsz, és 12-nél jelensz meg forrásként, a citation rate 15%. Ez az alapmetrika, amelyre a többi ráépül.
2. Említések: hányszor kerül szóba a márkád neve vagy a konkrét terméked az AI válaszában anélkül, hogy közvetlen link is tartozna hozzá. Egy név szerinti említés link nélkül is építi a márkaismertséget, még ha közvetlenül nem mérhető kattintást nem is hoz.
3. Pontosság: az AI helyesen adja-e vissza a rólad szóló tényeket — árat, szolgáltatási kört, elérhetőséget, szakterületet. A hibás információ (elavult ár, rossz kategória, megszűnt szolgáltatás) közvetlenül árt a márkádnak, ezért ez a mutató nem hagyható figyelmen kívül csak azért, mert nehezebb automatizálni.
4. Sentiment (hangnem): az AI pozitív, semleges vagy kritikus kontextusban hozza-e szóba a márkádat. Ez a legszubjektívebb mutató, de a rendszeresen visszatérő mintázatok — például ha egy versenytárs mellett folyamatosan „megbízhatóbb alternatívaként" jelensz meg — érdemi jelzésértékkel bírnak.

Hogyan állíts fel baseline-t?

A folyamat három lépésből áll. Először válassz 50–100 olyan lekérdezést, amely ténylegesen relevánsan az iparágadhoz és a szolgáltatásaidhoz kapcsolódik — ne általános, hanem olyan kérdéseket, amilyeneket a te potenciális ügyfeleid ténylegesen feltennének egy AI-asszisztensnek. Másodszor, fusd le ezt a lekérdezés-készletet a fő AI-motorokon (ChatGPT, Perplexity, Google AI Overviews), és rögzítsd lekérdezésenként, hogy megjelensz-e forrásként, és ha igen, milyen formában: közvetlen link, név szerinti említés link nélkül, vagy egyáltalán nem szerepelsz. Harmadszor, dokumentáld ezt az állapotot dátummal együtt — ez lesz a viszonyítási alapod.

A Dexurónél ezt a baseline-mérést végezzük el minden ügyfélnél a munka indulásakor, majd havi rendszerességgel megismételjük ugyanazt a lekérdezés-készletet, és riportban mutatjuk meg a citation rate elmozdulását, az új említéseket és a szerepváltásokat a baseline-hoz képest. Ez teszi lehetővé, hogy a GEO-munka hatását ne becslésként, hanem mért adatként lehessen kezelni. Ha még nem tisztázott, pontosan hogyan számítjuk ki a hivatkozási arányt, a Hogyan mérd az AI hivatkozási arányt? cikkünk lépésről lépésre bemutatja.

Mit tegyél, ha az AI tévedést mond rólad?

Ha egy AI-motor helytelenül idéz vagy pontatlan információt közöl, két dolgot tehetsz párhuzamosan. Először: jelezd a hibát az adott szolgáltató visszajelzési csatornáján, ha van ilyen — a legtöbb chat-alapú eszköznek van beépített „nem pontos" vagy hüvelykujj-lefelé visszajelzési lehetősége egy-egy válaszra, bár ennek hatása egyedi válaszra vonatkozik, nem garantál rendszerszintű javítást. Másodszor, és ez a hatékonyabb út: publikálj friss, pontos, egyértelműen strukturált tartalmat az adott témáról a saját oldaladon — olyan forrást, amelyet a rendszer a jövőbeli lekérdezéseknél felhasználhat a pontatlan információ helyett.

Fontos a türelem: sem az AI-motorok indexei, sem a modellek nem frissülnek azonnal. Egy korrekció begyűrűzése hetekbe, néha hónapokba telhet, attól függően, hogy az adott motor milyen gyakran frissíti a retrieval-forrásait, illetve mikor kerül sor a modell újratanítására vagy finomhangolására. A rendszeres monitorozás pontosan azért fontos, hogy lásd, mikor és hogyan változik a helyzet — nem pedig azért, hogy egyetlen ellenőrzés alapján ítéletet mondj.

Érdemes különbséget tenni két típusú hiba között. Az egyik, amikor az AI elavult, de valaha helyes információt ismétel — ez tipikusan azért történik, mert a modell betanítási adatai vagy a keresési index még nem tartalmazza a friss állapotot. A másik, amikor az AI olyan állítást tesz, amely soha nem volt igaz — ez ritkább, és gyakran arra utal, hogy a rendszer több, egymásnak ellentmondó forrást kevert össze, vagy egy nem hiteles harmadik féltől származó oldalról vett át hibás adatot. Az utóbbi esetben különösen fontos, hogy a saját, hiteles oldaladon egyértelműen, elsődleges forrásként szerepeljen a helyes információ.

A mérés szerepe: alap a folyamatos munkához

Az AI-láthatóság mérése nem helyettesíti a hagyományos SEO-metrikákat, hanem kiegészíti azokat egy olyan réteggel, amelyet a Search Console és a hagyományos analitika nem lát. A cél, hogy egy meghatározott időtávon — jellemzően több hónapon át — látható, dokumentált emelkedést tudj kimutatni a baseline-hoz képest. Ez az, ami a GEO-munkát mérhetővé és beszámolhatóvá teszi, ahelyett hogy megérzésre kellene hagyatkozni. Ha még bizonytalan vagy abban, mi is pontosan a GEO és miért van egyáltalán szükség erre a fajta mérésre, érdemes elolvasnod a Mi az a GEO? alapcikkünket is.