A SEO-ban hosszú éveken át viszonylag egyszerű volt a mérési logika: megnéztük, milyen helyezést ért el egy oldal, hány megjelenést és kattintást szerzett, majd összekötöttük ezt a forgalommal és a konverziókkal.
Az AI-alapú keresés ezt a modellt kezdi szétfeszíteni.
Egy márka ma úgy is hatással lehet a vásárlási döntésre, hogy a felhasználó soha nem kattintott a weboldalára. Elég lehet, hogy a ChatGPT, a Google AI Mode, az AI Overviews vagy egy másik AI-rendszer megemlíti, ajánlja vagy megbízható választásként mutatja be.
A Search Engine Journal Kevin Indig 2026 első felét összegző kutatásaira hivatkozva arra jutott: az AI hatása gyorsabban növekszik, mint amilyen gyorsan megtanuljuk mérni.
91%: ugyanaz a forrás nem jelenik meg minden AI-ban
Az egyik legérdekesebb adat az AI-keresők közötti különbséget mutatja.
Kevin Indig elemzése szerint az általa vizsgált idézetek 91%-a csak egyetlen platformon jelent meg a ChatGPT, a Perplexity és a Google AI Overviews közül. Vagyis nagyon kicsi volt az átfedés a különböző AI-rendszerek által kiválasztott források között.
Ez alapjaiban kérdőjelezi meg azt a gondolkodást, amelyet a klasszikus Google-rangsorolásból hozunk magunkkal.
Régen ezt kérdeztük:
„Hányadik vagyok erre a kulcsszóra?”
AI-keresésnél sokkal inkább ezeket kell kérdezni:
- megemlíti-e az AI a márkámat;
- milyen kontextusban említi;
- pozitív vagy negatív a megjelenés;
- ajánlja-e a konkurensek előtt;
- melyik AI-platformon jelenek meg;
- milyen kérdésekre kapcsolja össze a márkámat egy termékkel vagy szolgáltatással?
Egyetlen „AI ranking” tehát könnyen félrevezető lehet.
Az AI-láthatóságot inkább mintavétellel kellene mérni
Indig szerint az AI promptkövetés inkább hasonlít egy közvélemény-kutatáshoz vagy fókuszcsoportos vizsgálathoz, mint a hagyományos SEO rank trackinghez. Ennek oka, hogy az AI-válaszokat befolyásolhatja többek között a használt modell, a prompt megfogalmazása, a személyre szabás, a modellfrissítés és a generatív rendszerek természetes változékonysága.
Ez például azt jelentheti, hogy nem egyetlen kérdést kell naponta százszor ellenőrizni.
Érdemes inkább létrehozni egy reprezentatív promptkészletet.
Egy elektromosroller-webshop esetében például:
„Melyik elektromos roller jó munkába járáshoz?”
„Melyik megbízható elektromosroller-márka?”
„Milyen rollert vegyek 300 ezer forintig?”
„Melyik elektromos roller jó rossz magyar utakra?”
„Mi a legjobb alternatíva a Xiaomi roller helyett?”
Ezután nemcsak azt kell mérni, szerepel-e link a weboldalunkra, hanem azt is, hányszor jelenik meg maga a márka, milyen pozícióban és milyen véleménnyel.
A márkanév fontosabb lehet, mint maga a hivatkozás
Ez talán az egyik legfontosabb változás.
A hagyományos SEO-ban a link központi szerepet kapott.
AI-környezetben azonban előfordulhat:
Az AI ajánlja a márkádat, de a felhasználó nem kattint.
Ez mégsem feltétlenül értéktelen megjelenés.
Indig kutatásai szerint a márkaemlítések és az ajánlások bizonyos üzleti helyzetekben erősebb kapcsolatot mutathatnak a tényleges vásárlási döntéssel, mint önmagában az, hogy egy weboldal forrásként szerepelt-e az AI-válaszban.
A kutatási összefoglaló szerint a résztvevők közel háromnegyede alapvetően az AI-lista első ajánlását választotta, de egy korábban már ismert és megbízhatónak tartott márka jelenléte felülírhatta ezt a sorrendet.
Ez óriási jelentőségű.
Az AI Search ugyanis nem feltétlenül pusztán forgalomszerző csatorna.
Márkaépítési csatorna is lehet.
A SEO egyik új kérdése: „Ismer-e engem az AI?”
Tegyük fel, hogy valaki ezt kérdezi:
„Melyik magyar webáruházból érdemes irodaszert rendelni?”
Két webáruház közül:
- az egyik technikailag kiváló SEO-val rendelkezik;
- a másikról rendszeresen írnak szakmai oldalakon, magazinokban, fórumokon és értékelőoldalakon.
AI-alapú ajánlásnál már nem biztos, hogy kizárólag az dönt, melyik kategóriaoldal áll előrébb egy klasszikus Google-találati listában.
Az AI-rendszerek több forrást és kapcsolódó keresést is felhasználhatnak a válasz kialakításához. A Google például hivatalosan is leírja, hogy az AI Overviews és AI Mode úgynevezett query fan-out technikával több kapcsolódó keresést indíthat, majd több forrásból állíthatja össze a választ.
Ebből következik, hogy egy márka online jelenléte egyre kevésbé korlátozódik a saját weboldalára.
Fontossá válhat:
- hol említik;
- milyen témával kapcsolatban említik;
- milyen források hivatkoznak rá;
- milyen vélemények jelennek meg róla;
- mennyire következetesek a róla elérhető információk.
Közben az AI Search elképesztő méretűvé vált
Ez már nem egy néhány SEO-s által tesztelt kísérleti technológia.
A Google 2026 májusában azt közölte, hogy az AI Overviews havi több mint 2,5 milliárd felhasználót ér el, míg az AI Mode már meghaladta az 1 milliárd havi felhasználót.
A Google szerint az AI Mode kérdései ráadásul lényegesen összetettebbek lehetnek a hagyományos kereséseknél, és a szolgáltatás használata gyorsan növekszik.
Vagyis az AI-láthatóság mérése már nem valamilyen távoli „jövő SEO-ja”.
2026-ban ez már a jelen problémája.
Search Console: a mérés javul, de még nem tökéletes
A Search Engine Journal cikke szerint a Search Console sem ad teljes képet az új keresési környezetről.
Itt azonban fontos egy pontosítás.
A gyakran idézett állítás, hogy a Google Search Console az adatok körülbelül 75%-át nem mutatja meg, nem a Google hivatalos állítása.
Kevin Indig 10 amerikai B2B webhely mintegy 450 millió megjelenését és 4 millió kattintását vizsgálta. Az aggregate és query szintű Search Console API-adatok összevetése alapján azt találta, hogy a konkrét keresőkifejezésekre lebontott adatokból átlagosan a megjelenések körülbelül 75%-a hiányzott a privacy filtering miatt. A vizsgált webhelyek között a különbség jelentős volt.
Ez tehát érdekes és komoly figyelmeztetés, de:
nem azt jelenti, hogy minden weboldal Search Console-adatainak pontosan 75%-a használhatatlan.
A Google már külön AI-riportot is bevezetett
A mérési helyzet 2026 júniusában fontosat változott.
A Google elindította a Search Console új Generative AI performance jelentéseit, amelyek külön mutathatják egy webhely megjelenéseit többek között az AI Overviews és AI Mode felületeken. A rendszer első körben csak a webhelyek egy részénél vált elérhetővé.
Az új jelentésben többek között követhető:
- az AI-megjelenések száma;
- mely URL-ek szerepeltek;
- mely országokból történt a megjelenés;
- milyen eszközön;
- és hogyan változott az AI-láthatóság időben.
Ez jelentős előrelépés.
Viszont még ez sem feltétlenül válaszolja meg a marketinges számára a legfontosabb kérdést:
„Az AI-ajánlás miatt vásárolt tőlem az ügyfél?”
És pontosan ez az attribúciós probléma.
Az AI megszakítja a hagyományos vásárlói útvonalat
Korábban egy egyszerű folyamatot könnyebb volt mérni:
Google → kattintás → weboldal → vásárlás
AI-val viszont történhet ez:
ChatGPT → márka megismerése → három nappal később márkanévre keresés → webshop → vásárlás
Vagy:
AI Mode → termékajánlás → nincs kattintás → később közvetlenül beírja a domainnevet → vásárlás
Ebben az esetben a klasszikus analitika könnyen a Google branded searchnek vagy akár direct forgalomnak tulajdoníthatja a vásárlást, miközben az első valódi impulzust az AI adta.
Ezért válik egyre nehezebbé pontosan meghatározni az AI ROI-ját.
A kiadók is érzik az attribúciós problémát
A kérdés már szabályozói szintre is eljutott.
A brit Competition and Markets Authority 2026 júniusában olyan követelményeket írt elő a Google számára, amelyek több kontrollt biztosítanak a kiadóknak arra, hogyan használhatja fel a Google a tartalmaikat AI-alapú keresési funkciókban. A szabályozás megfelelőbb forrásmegjelölést és világos linkeket is elvár az AI által generált találatokban.
Ez jól mutatja, hogy a probléma már nem kizárólag SEO-kérdés.
Egyszerre szól:
forgalomról, szerzői tartalomról, márkaértékről, attribúcióról és üzleti modellről.
Mit kellene mérni 2026-ban?
A klasszikus SEO-mutatókat természetesen nem kell kidobni.
Továbbra is fontos:
- organikus kattintás;
- megjelenés;
- CTR;
- pozíció;
- konverzió;
- bevétel.
De érdemes melléjük új AI-láthatósági mutatókat is felvenni.
1. Brand mention rate
Az AI-válaszok hány százalékában jelenik meg a márkánk?
2. Recommendation rate
Hányszor ajánlja ténylegesen a márkát, és nem csak megemlíti?
3. Recommendation position
Első, második vagy ötödik ajánlásként szerepelünk?
4. Sentiment
Pozitív, semleges vagy negatív kontextusban jelenünk meg?
5. Competitor share of voice
A konkurensekhez képest milyen gyakran szerepelünk?
6. Citation share
Hányszor használja forrásként saját weboldalunkat?
7. AI referral traffic
Mennyi közvetlen forgalom érkezik AI-platformokról?
8. Branded search
Növekszik-e azok száma, akik később közvetlenül a márkánkra keresnek?
Ez már jóval komplexebb mérési rendszer, mint egy hagyományos kulcsszópozíció-jelentés.
És mit jelent mindez SEO szempontból?
Nem azt, hogy a hagyományos SEO meghalt.
A Google kifejezetten azt mondja, hogy AI Overviews és AI Mode esetén is a hagyományos SEO-alapelvek maradnak érvényesek, és nincs szükség különleges AI-schema vagy speciális technikai trükk használatára.
Továbbra is fontos:
- az indexelhetőség;
- a technikailag megfelelő weboldal;
- a belső linkelés;
- az eredeti és hasznos tartalom;
- a megfelelő strukturált adatok;
- a pontos termék- és céginformációk.
A változás inkább abban van, mit tekintünk sikernek.
Régen:
Első vagyok erre a kulcsszóra.
Ma egyre inkább:
Ha valaki ezt a problémát felteszi egy AI-nak, a márkám bekerül-e a válaszba?
És még fontosabb:
Ha bekerül, megbízható választásként ajánlja-e?
A következő SEO-verseny valójában bizalmi verseny lehet
A Search Engine Journal által bemutatott kutatások legfontosabb üzenete ezért nem az, hogy újabb száz AI SEO technikát kell megtanulni.
Sokkal inkább az, hogy a márka, a hitelesség és a külső online jelenlét értéke felértékelődik.
A jövő egyik legerősebb pozíciója nem feltétlenül az lesz:
„A Google első helyén vagyunk.”
Hanem:
„Ha valaki megkérdezi az AI-t, kit ajánl ebben a témában, minket is név szerint megemlít.”
És ennek mérése jelenleg jóval nehezebb, mint egy Google-helyezés ellenőrzése.
Ez az AI-keresés egyik legnagyobb marketinges kihívása 2026-ban: a hatás már jól látható, de az attribúciós rendszer még csak most próbál felzárkózni hozzá.
Források
- GSC Data Is 75% Incomplete – The Gradient Group (gradientgroup.com)
- Google I/O 2026: Sundar Pichai’s opening keynote (blog.google)
- Alphabet investor presentation: June 2026 (blog.google)
