Országos mérés: mit lát az AI a magyar kkv-webből?

Több mint kétezer magyar kis- és középvállalkozás weboldalát mértem meg egységes módszerrel, 14 szakmában, több mint 130 településen. Nem véleményeket gyűjtöttem, hanem azt néztem meg, hogy egy AI-asszisztens ténylegesen mit tud kiolvasni ezekből az oldalakból. A rövid válasz: az alap sok helyen megvan, a válaszhoz szükséges rétegek viszont szinte üresek. Itt a teljes tanulság, ábrákkal.

Mit mértem pontosan, és mit nem?

A kiindulópont fix lista: magyar kkv-k, saját domainnel, 14 szakmában, az ország egészéről. Minden vállalkozás nyitóoldalát lekértem, és a nyers HTML-forrást vizsgáltam meg. A nyers forrás nem szőrszálhasogatás: a strukturált adat olyan elemben él, amelyet a megtisztított HTML kidob. Vagyis, aki tisztított forráson mér, minden oldalról azt jelenti, hogy nulla strukturált adata van. Ez egyszerűen nem igaz, és ezt a hibát egyszer már drágán megfizettem.

Amit a mérés vizsgál: elérhető-e az oldal, van-e strukturált adat, és milyen típusú, van-e valódi llms.txt fájl, van-e szolgáltatáslista, kötődik-e ár megnevezett szolgáltatáshoz, van-e online foglalás, milyen technológiára épül az oldal, és bekerül-e a vállalkozás a saját piacán a visszakeresett források közé.

Amit a mérés nem vizsgál, arról nem is állítok semmit. Nincs benne Google-értékelés és véleményszám, tehát a vélemények erejéről ez a mérés nem közöl adatot. Nincs benne rangsor sem: a használt eszköz nem keresőmotorként rangsorol, hanem jelentés szerint válogat, ezért rangsort levezetni belőle félrevezető lenne. És nincs benne ígéret: az olvashatóság nem ajánlás, erre külön fejezetben visszatérek.

Három szabály tartja egyben az egészet. Az első: ami nem mérhető, az nem nulla. Egy oldal, amely hibaüzenetet adott vagy biztonsági fal mögött állt, „nem mérhető” jelölést kap, nem rossz pontszámot. A második: a robots.txt, a sitemap.xml és az llms.txt nem tartalmi oldal. Nincs címük és nincs H1-ük, szándékosan, tehát ha tartalomként számolod őket, minden hiánymutatód felfújódik. A harmadik: a mérés gyűjt, a pontozás később történik. Így egy szabálymódosítás újraszámolja a történelmet, nem érvényteleníti. A teljes súlyozás és az ellenőrzőpontok listája a módszertan oldalon van, és a hét dimenzió logikáját a 7 dimenziós mérésről szóló írásban szedtem szét.

Hol állnak ma a magyar kkv-k az AI által olvasható jelekkel?

A legfontosabb üzenet nem az, hogy a magyar kkv-web rossz állapotban van. Az alapréteg a többségnél ott van: a megosztási és kanonikus jelek tízből hét oldalon rendben vannak, és a vállalkozások körülbelül fele már tesz ki valamilyen strukturált adatot. A szakadék nem itt van, hanem eggyel beljebb: pont azoknál a jelöléseknél, amelyekből egy válaszmotor idézni tud.

Érdemes külön kiemelni a legalsó két sort. A kérdés-válasz séma nem ugyanaz, mint egy GYIK-oldal. Sok magyar oldalon van kérdés-válasz rovat, csak éppen olyan formában, amelyből egy válaszmotor nem tud kiemelni semmit. Ugyanez igaz az értékelésekre: a vállalkozások jó része kap véleményeket külső felületeken, a saját oldalán viszont ennek nincs AI számára olvasható nyoma, tehát a saját oldala nem erősíti azt, amit máshol már kiérdemelt. Hogy ez a jelölés mire jó, és hogyan kell megírni, azt a kérdés-válasz sémáról és az Organization és LocalBusiness jelölésről szóló írásokban vezetem végig.

Miért az ár a legdrágább néma hiány?

Ha egyetlen számot kellene kiemelnem a mérésből, ez lenne az. A vállalkozások túlnyomó többsége közzéteszi, hogy mit kínál. Ár viszont csak elenyésző kisebbségnél kötődik megnevezett szolgáltatáshoz olyan formában, amely kiolvasható. A tölcsér minden lépcsőjén elvész a fele:

Nézd meg ugyanezt a vásárló felől. Beírja egy asszisztensbe, hogy „mennyibe kerül egy fogkőeltávolítás Szegeden”, vagy hogy „mit kér egy könyvelő egy kft-re havonta”. A modellnek ilyenkor idéznie kell valamit. Magyar kkv-któl viszont szinte nincs mit: az ár vagy letölthető PDF-ben van, vagy képen, vagy olyan táblázatban, amelyben a szolgáltatás neve és a szám nincs összekötve. Ez nem titkolózás. Ez formátumhiba.

És itt jön a mérés legfontosabb önkorrekciója. Az első változatban készült egy országos árindex is: fogd a szakma összes oldalán található forintösszeget, és vedd a mediánt. Az eredmény magabiztosnak látszott, és értelmetlen volt. Egy ingatlaniroda oldalán a lakás árát is beszippantotta, egy autószerviznél a jármű árát. Amint egy szakma mediánja több százezer forint lett, kiderült, hogy az index nem szolgáltatási díjat mér, hanem minden számot egy kalapba tesz. Az árindex ezért nincs publikálva, és a fájl magában hordozza a figyelmeztetést, hogy később se lehessen tényként idézni. Ami helyette maradt, az jobb: nem az, hogy mennyi a piaci ár, hanem az, hogy a piac milyen kis része közli az árat idézhetően. Ezt az adat teljes mértékben alátámasztja, az árindexet viszont egy ügyfél egyetlen kattintással megcáfolhatta volna.

Egy szám, amelyet egy ügyfél egyetlen kattintással meg tud cáfolni, nem érv. Kockázat.

Az llms.txt-illúzió: miért ötszöröz egy hanyag mérés?

Az llms.txt az a fájl, amelyet ma a legtöbbször „AI-láthatóságként” adnak el. Megmértem az elterjedtségét kétféleképpen, és a két eredmény között ötszörös a különbség. Nem azért, mert a piac változott, hanem azért, mert a hanyag teszt mást mér, mint amit hisz róla.

Ez a tanulság kétfelé vág. A piac felől: a formátum valódi elterjedtsége elenyésző, nem a piac ötöde, ahogy egy felületes teszt sugallja. Felém pedig ugyanez visszafelé is igaz. Egy korábbi kiadásban a megengedő mérés száma szerepelt, és ezt most nyilvánosan javítom. Nem háromhavi változás történt, hanem mérési hiba volt, és ezt így is kell kimondani, különben trendet hirdet az ember ott, ahol csak a mérőműszere lett jobb.

Aki most azon kapja magát, hogy az llms.txt-re költött, annak van egy kellemetlen második hír is. Az OtterlyAI 90 napos mérése szerint az AI-robotok látogatásainak mindössze nagyságrendileg egy ezreléke érinti ezt a fájlt, a Google pedig kimondta, hogy a rendszerei nem használják. A részleteket az llms.txt-ről szóló írásban szedtem szét. A fájl nem káros, csak nem az, aminek eladják. Az a réteg, amelyet a modellek tényleg olvasnak, az érvényes strukturált adat, a tiszta HTML és a konzisztens cégadat, ahogy azt a Google saját dokumentációja is leírja.

Mikor nem segít a saját oldal?

Van a mérésnek egy olyan eredménye, amely a saját üzletem ellen szól, és éppen ezért érdemes kimondani. A visszakeresési réteget is megvizsgáltam: szakma és település párokra lekérdezve azt, hogy egy értelem szerinti válogatásba mely források kerülnek be. A legtöbb szakmában a nyomon követett független vállalkozások többsége bekerül. Van viszont egy sáv, ahol nem: a szálláshely- és wellnesspiacokon a lista nagy részét aggregátorok töltik meg, és több piacon egyetlen független szolgáltató sem került be.

Ez szakpolitikai és üzleti szempontból is súlyos, nekem viszont a legszűkebb következménye van: ezekben a szakmákban az „építsd rendbe az oldaladat, és az AI megtalál” tanács nem igaz. Egy panziósnak a saját oldala akkor is fontos, de a válogatásba nem attól kerül be. Oda a portálokon meglévő jelenlét és a véleménytömeg visz be, tehát ott másról kell beszélni, vagy el kell engedni a munkát. A vendéglátás és szálláshely sajátosságait a vendéglátásról és szállodákról szóló írásban járom körül.

Lassult vagy gyorsult a magyar kkv-web?

A látogatószám soha nem nyilvános, a modellezett forgalmi becslések pedig magyar kkv-méretben használhatatlanok. Van viszont egy valódi, ingyenes és hivatalos réteg: a Chrome böngésző anonim, valós felhasználói mérése, a Chrome UX Report. Ez nem forgalmat ad, hanem azt, amit a saját vásárlóid tapasztalnak: mennyi idő alatt jelenik meg a lényeg a képernyőn. Ráadásul már a szerepeltetés is jelzés, mert egy oldal csak akkor kerül bele, ha elég sok valódi látogatója van.

A mért kkv-knak nagyjából kétötödéről van ilyen adat, és egy részüknél félévnyi, heti bontású történet is. Ez utóbbi a cikk legkényelmetlenebb ábrája.

Ez a réteg azért értékes, mert dátumozott és ellenőrizhető. Egy vállalkozásnak, amelynek az oldala az elmúlt félévben mérhetően lassabb lett a saját vásárlói számára, nem véleményt lehet mondani, hanem tényt. És ez nem sértés: elég hozzá egy sablonfrissítés, egy új képgaléria vagy egy rosszul megírt beépülő modul. Fontos határ viszont, hogy a lefedettség nem véletlenszerű. Csak a népszerűségi küszöb fölötti oldalak kerülnek be, tehát ha egy vállalkozás nincs benne, az annyit jelent, hogy kicsi vagy nem mért, és soha nem azt, hogy rossz.

Mire épül a magyar kkv-web?

A nyitóoldal forrásában felismerhető technológiai nyomokból elég erős monokultúra rajzolódik ki. Az oldalak körülbelül fele egyetlen rendszeren, WordPressen fut. Ez implementációs szempontból jó hír: egyetlen jól megírt recept a piac felét lefedi.

Ugyanebből a rétegből előjön egy váratlan megfigyelés is, amely már nem AI-láthatósági kérdés. Az oldalak túlnyomó többsége mér: ötből négyen fut valamilyen Google-analitika. Sütikezelő eszközt viszont csak minden ötödik oldalon találtam. A két szám együtt megnevezhető, konkrét megfelelési kitettséget ír le, és ez az a fajta eredmény, amely akkor esik ki egy mérésből, ha az ember nem csak azt keresi, amit előre elhatározott.

Melyik szakma áll jól, és melyik nem?

A szakmák közötti szórás nagyobb, mint az országos átlagból gondolnád, és nem ott van a különbség, ahol a legtöbb pénz forog. A sorrend a strukturált adat szerint:

Két olvasat érdemel figyelmet. Az egyik: az egészségügyi szolgáltatók állnak a legjobban, mert náluk az online időpont és a szolgáltatáslista már üzleti alapkövetelmény, tehát a strukturált adat mellékhatásként megjelent. A másik fordított: az ár láthatóságában pont más a sorrend. A fitnesz szakma technikailag a középmezőnyben van, árat viszont minden harmadik oldalán idézhetően kitesz, mert a bérlet ára eleve termék. Az állatorvosoknál és az ügyvédeknél az idézhető ár gyakorlatilag nincs jelen. Ez nem hanyagság, hanem szakmai szokás, a következménye viszont ugyanaz: aki árat kérdez egy asszisztenstől, ezekről a szakmákról nem kap választ.

Az olvashatóság nem ajánlás. Mit lehet ebből állítani?

Ez a projekt legkeményebb szabálya, és ezen a mintán újra letesztelődött. Kettéválasztottam a vállalkozásokat aszerint, hogy a saját piaci lekérdezésük visszahozta-e őket, majd összevetettem a két csoport AI által olvasható jeleit. Az eredmény lapos volt: a visszakeresett és a nem visszakeresett csoport között a strukturált adat és a sémahasználat gyakorlatilag azonos. Aki olvashatóbb volt, nem került be nagyobb eséllyel.

Ezt nem söpröm a szőnyeg alá, mert ez a saját termékem ellen szól, és mert pontosan ez adja a mérés értékét. Tehát:

Az ajánlást más mozgatja: a véleménytömeg, a márka ismertsége, az aggregátorokon meglévő jelenlét. Ezt a szétválasztást a GEO-pontszám és az AI-ajánlás, illetve a vélemények számáról szóló írásban fejtem ki. Saját, több modellre kiterjedő próbám ugyanezt erősítette meg: tizenöt helyi fogászati rendelőből nullát adtak vissza az ingyenes asszisztensek egy szokványos ajánláskérésre, és ezt a nulla a tizenötből írásban dokumentáltam.

Mit tanultam magáról a mérésről?

A cikk eddigi része arról szólt, mit mutat az adat. Ez a rész arról, hogy miért hiszek neki. Minden pont alatt egy valódi hiba van, amelyet a saját mérésemben találtam, és ki is javítottam.

Ez a hét sor többet ér, mint bármelyik ábra fölötte. Egy AI-láthatósági szám pontosan annyira jó, amennyire a mérőműszere, és a legtöbb piaci „AI-láthatósági pontszám” éppen ezeken a hibákon bukik el: tisztított forráson mér, hibaüzenetet pontoz, technikai fájlokat számol tartalomnak. Egy ilyen mérés magabiztos és használhatatlan. Az ingyenes tesztelőkről ugyanezt írtam le az ingyenes AI-láthatósági tesztelőkről szóló cikkben.

Miért most számít ez, és nem két év múlva?

A felfedezés oldalán a változás mért tény, nem jóslat. A BrightLocal 2026-os felmérése szerint az amerikai fogyasztók 45%-a keres AI-eszközzel helyi vállalkozást, egy évvel korábban ez az arány 6% volt. Az amerikai felnőttek 49%-a használ AI-csevegőt a Pew Research Center mérése szerint. Magyarországon a legerősebb jelzés az utazásból jön: a Visa közép-európai felmérése szerint a magyar utazók több mint fele használ AI-t az utazástervezéshez, ami egy év alatt több mint hétszeres növekedés.

Amit ez nem jelent: a keresés nem omlott össze. A Graphite és a Similarweb közös, negyvenezernél több nagy oldalra kiterjedő elemzése szerint az organikus keresési forgalom néhány százalékkal esett, nem negyedével, ahogy egy sokat idézett 2024-es jóslat állította. Ami viszont valóban történik, az a válasz elnyelése: az Ahrefs mérése szerint az AI-összefoglalók 58%-kal csökkentik az első helyen álló találat átkattintását, és az AI-ból érkező forgalom alacsony bázisról, de nagyon meredeken nő, az SE Ranking százezer oldalt vizsgáló elemzése szerint tizenhatszorosára két év alatt. Kevesebb kattintás ugyanannyi keresésből, és egy új, kicsi, de gyorsan hízó csatorna, amely láthatóan jobban konvertál.

A felkészülés költsége viszont most a legalacsonyabb. Amíg egy szakmában a versenytársak többségének nincs idézhető ára és kérdés-válasz sémája, addig aki ezt megteszi, nem a mezőny közepére ér fel, hanem egyedül áll abban a mezőben, amelyből a modell idézni tud.

Mit tegyél, ha ez rólad szól?

A sorrend nem mindegy. Ez a mérésből következő sorrend, nem általános jó tanács.

1. Először az ár. Minden fontos szolgáltatásod mellé kerüljön oda a szám, szövegként, a szolgáltatás nevével egy blokkban. Ne PDF, ne kép, ne külön táblázat. Ez a legkisebb munka, amely a legnagyobb hiányt szünteti meg.
2. Utána a cégazonosító jelölés. Név, cím, telefonszám, nyitvatartás, szolgáltatások, strukturált formában, és mindenhol ugyanúgy, mint a katalógusokban és a cégprofilodban.
3. Harmadszor a kérdés-válasz réteg. Az öt-hét kérdés, amelyet a vásárlóid tényleg feltesznek, kész válasszal és a hozzá tartozó jelöléssel. Ez az, amiből egy asszisztens szó szerint idézni tud.
4. Negyedszer a máshol megszerzett bizalom hazahozása. Ha vannak véleményeid külső felületeken, annak a saját oldaladon is legyen AI számára olvasható nyoma.
5. Ötödször a sebesség. Nézd meg, mit tapasztalnak a saját vásárlóid, és ha az elmúlt félévben lassult az oldal, keresd meg, mi került rá.

Ha azt szeretnéd látni, hogy ebből mi hiányzik nálad, arról szól az audit. Ugyanaz a mérés fut le a te oldaladon, mint ebben a cikkben a kétezren, csak nevesítve: melyik réteg áll, melyik nem, és milyen sorrendben érdemes hozzáérni.

A magyar kkv-web nem elavult. Csak nem olvasásra készült, hanem böngészésre. Ez a kettő 2026-ban már nem ugyanaz.

Kindl Dávid · Közzétéve: 2026. szeptember 17.