Közérthető fogalomtár: AI-láthatóság.

Az AI-láthatóság azt mutatja meg, mit mond a vállalkozásodról egy AI-asszisztens, ha valaki vásárlási szándékú kérdést tesz fel, de nem nevezi meg előre a cégedet. Három szempontja van: említ-e, milyen helyre sorol, és hogyan mutat be.

Itt nincs hagyományos találati lista, amelynek az élére kerülhetnél. Az asszisztens egy választ ad, amelyben a vállalkozásod vagy szerepel, vagy kimarad.

Lásd még: GEO (optimalizálás generatív keresőkre), AEO (válaszmotor-optimalizálás), Helyezés az ajánlásban

A GEO a vállalkozásról elérhető nyilvános információk javításával támogatja az AI-válaszokban való megjelenést. A SEO a keresési találatok között elért helyezéssel foglalkozik, a GEO pedig azzal, hogy a generált válasz megemlítse a céget.

Az eszközei részben átfednek a SEO-val, de a súlyuk eltérhet. Fontos az egységes cégadat, a strukturált adat, a független említés és a részletesen elérhető információ. A kulcsszavak elhelyezése önmagában kevesebbet mond.

Lásd még: AEO (válaszmotor-optimalizálás), AI-láthatóság, Strukturált adatok (sémajelölés)

Az AEO a közvetlen választ adó felületekre összpontosít, például a kiemelt kivonatokra és asszisztensi válaszokra. A cél a tartalom egyértelmű, felhasználható válaszként való megjelenése.

A GEO és AEO elnevezése gyakran összemosódik. Gyakorlati különbségként az AEO a közvetlen válaszformára, a GEO a generált válaszban való felhasználásra és hivatkozásra összpontosít.

Lásd még: GEO (optimalizálás generatív keresőkre), Google AI áttekintések, Forráshivatkozás

A nagy nyelvi modell a tanítás során megtanult minták és az aktuális kérésben kapott információk alapján állít elő szöveget. A ChatGPT, a Gemini, a Perplexity és a Claude ilyen modellekre épülő termékek.

A láthatóság szempontjából két információforrás számít. A modell tanítás során megszerzett tudása csak újabb tanítással frissül, a válaszadáskor lekért webes információ viszont gyorsan változhat. A megjelenésed mindkettőtől függhet.

Lásd még: Tanítási adatok, Forrásalapú válaszadás, Információ-visszakeresés

A tanítási adatok azok a szövegek, amelyekből a modell tanult. Ha a vállalkozásod több független forrásban következetesen szerepel, a modell könnyebben alkothat róla egységes képet. Az ellentmondó vagy hiányos leírások ezt megnehezítik.

A modell tanítási adatait nem szerkesztheted. A nyilvános weben megjelenő saját adataidat viszont frissítheted, és ezeket egy későbbi adatgyűjtés már figyelembe veheti.

Lásd még: Nagy nyelvi modell (LLM), Márkaemlítés, Egységes név, cím és telefonszám (NAP)

Az AI-áttekintés a Google egyes kereséseknél megjelenő generált összefoglalója, forráshivatkozásokkal. A hagyományos találatoktól külön megjelenést jelent.

Az AI-áttekintésben való hivatkozás eltér a hagyományos keresőhelyezéstől. Hátrébb rangsorolt oldal is lehet forrás, miközben az első találat kimarad.

Lásd még: Forráshivatkozás, Zero-click, Google AI-mód

Az AI Mode a Google beszélgetéses keresési felülete, ahol további kérdésekkel pontosíthatod az igényedet.

A láthatóságot több egymást követő kérdésen át is érdemes vizsgálni. Egy vállalkozás megjelenhet a beszélgetés elején, majd egy későbbi pontosítás után kimaradhat az ajánlásokból.

Lásd még: Google AI áttekintések, Prompt

A válaszmotor források alapján összefoglalót fogalmaz. Ilyen működés jelenhet meg a Perplexity, az AI-áttekintések és egyes asszisztensi válaszok esetében.

A felhasználó kattintás nélkül is megkaphatja a választ, ezért az említés és a weboldallátogatás eltérő eredmény.

Lásd még: AEO (válaszmotor-optimalizálás), Zero-click, Google AI áttekintések

Kattintás nélküli válasznál a felhasználó nem nyit meg weboldalt. Így az említés önmagában nem hoz létre analitikai munkamenetet.

Az analitika önmagában nem mutatja meg, javul-e az AI-láthatóságod. Ehhez kérdéseket kell feltenni az asszisztenseknek, és megvizsgálni a válaszaikat.

Lásd még: Google AI áttekintések, Kérdésenkénti követés

Az AI-hivatkozás egy válaszban megnevezett vagy linkelt forrás. A helyi SEO-ban a cégadatlapot is nevezik hivatkozásnak, amely a nevet, címet és telefonszámot közli. A két fogalmat külön kezeld.

A cégjegyzékek adatai segíthetnek a vállalkozás azonosításában. Az AI-válaszban megjelenő forráshivatkozás ehhez az azonosításhoz, valamint a hivatkozott oldal tartalmához és érthetőségéhez kapcsolódhat.

Lásd még: Egységes név, cím és telefonszám (NAP), Google AI áttekintések, Márkaemlítés

A forrásalapú válasz konkrétan lekért dokumentumokra támaszkodik, nem csak a modell korábbi tudására. Ezért egy asszisztens olyan vállalkozást is megnevezhet, amelyről a tanítása során nem kapott információt.

A forrásalapú válaszadáshoz nem kell megvárni a modell újratanítását. Az szükséges, hogy az elérhető oldalon világos, felhasználható információ szerepeljen a vállalkozásról.

Lásd még: Információ-visszakeresés, RAG (információ-visszakereséssel támogatott válaszgenerálás), Hallucináció

A visszakeresés során a rendszer a kérdés után releváns forrásokat keres, így nem kizárólag a tanítás során megtanult információra támaszkodik.

A válaszadáskor végzett keresés miatt az AI-láthatóság a modell frissítése nélkül is változhat. Olyan külső változások is hathatnak rá, amelyekre nincs ráhatásod.

Lásd még: RAG (információ-visszakereséssel támogatott válaszgenerálás), Forrásalapú válaszadás, Nagy nyelvi modell (LLM)

A visszakereséssel kiegészített generálásnál a rendszer előbb forrásokat keres és kiválaszt, majd ezek felhasználásával fogalmaz választ.

Ezért fontos, hogy a tények szövegesen, egyértelműen, a hozzájuk kapcsolódó címsor közelében szerepeljenek. A csak képen vagy nehezen elérhető kódban tárolt adat kevésbé használható.

Lásd még: Információ-visszakeresés, Forrásalapú válaszadás, Strukturált adatok (sémajelölés)

A hallucináció kitalált vagy hibás információ, amelyet a rendszer tényszerűen közöl: például rossz nyitvatartás, nem létező szolgáltatás vagy régi cím.

A fontos tények több hiteles forrásban is egyezzenek. Ez csökkentheti az ellentmondásokat, de önmagában nem zárja ki az AI tévedését.

Lásd még: Egységes név, cím és telefonszám (NAP), Forrásalapú válaszadás, Entitás

Az entitás a név mögötti azonosítható szereplő vagy fogalom. Két hasonló nevű cég két külön entitás. Egyetlen cég több névváltozata viszont ugyanazt az entitást jelenti, ha a rendszer össze tudja kapcsolni az adatokat.

Az egyértelmű azonosítás alapvető az AI-láthatósághoz. A hivatkozások és az ajánlások értelmezése is attól függ, hogy a rendszer tudja-e, melyik vállalkozásról van szó.

Lásd még: Tudásgráf, Egységes név, cím és telefonszám (NAP), Strukturált adatok (sémajelölés)

A tudásgráf a szereplőket és a kapcsolataikat tárolja: például a vállalkozás kategóriáját, helyszínét, szolgáltatásait és szakmai minősítéseit.

A strukturált adatokkal kifejezetten megadhatod a vállalkozásod kapcsolatait, így a rendszereknek nem kell ezeket pusztán a szövegből kikövetkeztetniük.

Lásd még: Entitás, Strukturált adatok (sémajelölés)

A weboldalba illesztett JSON-LD adatok egyértelműen leírhatják a tartalom tárgyát. Ilyen típus a LocalBusiness, a Service, a FAQPage, a Review vagy az Organization.

A strukturált adat önmagában nem tesz igazzá egy állítást, és nem garantál helyezést. A szerepe az, hogy csökkentse a bizonytalanságot a vállalkozás és a tartalom értelmezésében.

Lásd még: Tudásgráf, Entitás, RAG (információ-visszakereséssel támogatott válaszgenerálás)

A NAP-egyezőség azt jelenti, hogy a cégnév, a cím és a telefonszám ugyanúgy szerepel a weboldaladon, a Google Cégprofilban és a cégjegyzékekben.

Az eltérő adatok miatt a rendszer ugyanazt a céget több külön vállalkozásnak tekintheti. Ha nem tudja, melyik adat aktuális, könnyebben ajánlhat helyette egy egyértelműen azonosítható versenytársat.

Lásd még: Entitás, Forráshivatkozás, Google Cégprofil

Márkaemlítés minden független utalás a vállalkozásodra nyilvános szövegben: sajtóban, fórumon, összefoglalóban, partneroldalon vagy értékelésben. Akkor is említés, ha nem tartalmaz linket.

A független említések azt jelzik a modellnek, hogy mások is fontosnak tartják megnevezni a vállalkozásodat. Ez más információ, mint amit saját magadról teszel közzé.

Lásd még: Forráshivatkozás, Tanítási adatok, Entitás

A Google Cégprofil a vállalkozás kategóriáját, szolgáltatási területét, nyitvatartását, jellemzőit, fotóit és értékeléseit tartalmazza. A cég azonosításához és ellenőrzéséhez is fontos nyilvános forrás.

Ezek az adatok az AI-láthatóságot támogató információk. Egy teljes Cégprofil segít azonosítani a vállalkozásodat, de önmagában nem garantál AI-ajánlást.

Lásd még: Egységes név, cím és telefonszám (NAP), Entitás, Helyi mérési adatok

A prompt az asszisztensnek elküldött pontos szöveg. A megfogalmazás befolyásolja a választ, ezért az időbeli összehasonlításhoz változatlan kérdéseket kell használni.

A méréshez használt kérdésből kihagyjuk a vizsgált cég nevét. Ha előre megneveznénk, az asszisztens róla beszélne, és a saját kérdésünket mérnénk a láthatóság helyett.

Lásd még: Kérdésenkénti követés, AI-láthatóság

Ugyanazokat az ügyfélkérdéseket tesszük fel ugyanazoknak az asszisztenseknek, rendszeres időközönként. Minden választ eltárolunk, így a változást össze lehet hasonlítani a kérdés átírásából eredő különbség nélkül.

Az AI-válaszokat közvetlenül kell vizsgálni. A kattintás nélkül megjelenő említések az analitikádban nem látszanak.

Lásd még: Prompt, Zero-click, Láthatósági pontszám

Az első ellenőrzés a legegyszerűbb: szerepel a vállalkozásod a válaszban, vagy nem.

A névegyeztetésnek a rövidítéseket, a jogi forma elhagyását és az eltérő szórendet is kezelnie kell. A pusztán karakterre pontos összehasonlítás valódi említéseket is kihagyhat.

Lásd még: Helyezés az ajánlásban, A válasz hangvétele, AI-láthatóság

Ha a válasz rangsorolt listát ad, a helyezés külön mérhető. Az első és a nyolcadik említés eltérő eredmény, ezért külön értéket kell kapnia.

Nem minden válasz rangsorol. Ha a szöveg sorrend nélkül említi a vállalkozásodat, az említés és a hangvétel mérhető, helyezés viszont nincs. Ilyenkor nem találunk ki pozíciót.

Lásd még: Említés, A válasz hangvétele

A harmadik szempont a hangvétel: pozitívan, semlegesen vagy negatívan írnak-e a vállalkozásodról. Egy fenntartásokkal kísért említés kevesebbet érhet egy határozott ajánlásnál.

A hangvételt magából az AI-válaszból értékeljük, nem az ügyfélértékelésekből. Azt vizsgáljuk, amit egy leendő ügyfél valóban elolvasna.

Lásd még: Említés, Helyezés az ajánlásban

A megjelenési arány, vagyis a share of voice a céged említéseinek aránya az adott kategória összes említéséhez képest. Az AI-válaszoknál ehhez minden vállalkozás minden említését ismerni kellene, amit egyik eszköz sem lát teljes egészében.

A Recometric nem közöl teljes piaci megjelenési arányt. Ehelyett az azonos válaszokból származó, versenytársankénti említésszámot mutatja meg.

Lásd még: Említés, Versenytársak követése

A versenytársaknál ugyanazt a három szempontot értékeljük ugyanazokban a válaszokban. Nem teszünk fel nekik külön, eltérő feltételekkel megfogalmazott kérdést.

Az összehasonlíthatóság alapja azonos kérdés, asszisztens és időpont, különböző cégnevekkel.

Lásd még: Említés, Említési részesedés

A helyi mérési adatok nyilvánosan ellenőrizhető információk: a Cégprofil, a kategória, a szolgáltatási terület és az ezek közötti egyezés.

Ezeket külön mutatjuk az AI-válaszok értékelésétől. Így látható marad, hogy az ellenőrzött cégadat vagy az asszisztensek válasza változott-e.

Lásd még: Google Cégprofil, Egységes név, cím és telefonszám (NAP), Láthatósági pontszám

A láthatósági pontszám több mérési eredményt foglal össze egy 0 és 100 közötti számban. Akkor hasznos, ha látod, mely asszisztensek válaszoltak, milyen eredménnyel, és mennyit adtak hozzá a weboldal és a Cégprofil adatai.

A Recometric Score™ 4 asszisztens válaszaira, a weboldalauditra és a Google Cégprofil adataira épül. Az összetevők súlyát külön megmutatjuk, a felhasznált adatokat pedig tároljuk, így a pontszám újraszámítható.

Lásd még: Említés, Helyi mérési adatok, Lefedettség

A lefedettség a használható eredményt adó ellenőrzések aránya. Az asszisztensek időnként elérik a kérési korlátot, túllépik az időkeretet vagy visszautasítják a választ, ezért egy mérés részleges is lehet.

A részleges mérésnél jelezni kell a hiányzó adatokat és az ebből adódó bizonytalanságot. A hiányzó választ nem szabad rossz eredményként elszámolni.

Lásd még: Láthatósági pontszám, Kérdésenkénti követés