Szerzői attribúció és E-E-A-T magyar vállalkozásoknál

Az AI-modellek nemcsak azt mérik, mit mond az oldal, hanem azt is, ki mondja — és mennyire ellenőrizhető ez a személy. Az E-E-A-T (Tapasztalat, Szakértelem, Autoritás, Megbízhatóság) nem checklista, hanem az oldal hitelességének belső útlevele. Magyar és közép-európai vállalkozásoknál ez különösen éles kérdés: az AI-modelleket jórészt angol nyelvű forrásokon tanították, ezért a helyi szerzők és cégek hitelessége kevésbé „betanult” — annál fontosabb, hogy az oldal aktívan jelezze ezt.

Mi az E-E-A-T, és miért fontos az AI-nek?

Az E-E-A-T betűszó négy fogalmat takar: Experience (Tapasztalat), Expertise (Szakértelem), Authoritativeness (Autoritás) és Trustworthiness (Megbízhatóság). Az első E — a Tapasztalat — 2022-ben került be, és éppen azt jelzi, hogy nem elég tudni valamiről: az kell, hogy a szerző ténylegesen megtapasztalja azt, amit leír. Egy fogorvos cikke a gyökérkezelésről azért hiteles, mert ő maga elvégezte a beavatkozást — nem csupán olvasott róla.

Az AI-modelleknek nincs közvetlen módjuk arra, hogy emberi módon ítéljék meg a tartalmat. Ehelyett jelekre támaszkodnak: van-e megnevezett szerző, szerepel-e ez a szerző más, független oldalakon, egyezik-e a név és a szakterület a strukturált adatban megadottakkal, és ellenőrizhető-e mindez külső forráson — például LinkedIn-profilon, szaktestületi adatbázison vagy Wikidata-entitáson — keresztül. Ezért az E-E-A-T nem önmagában a tudásszinted kérdése, hanem az, hogy az oldal mennyire teszi láthatóvá és ellenőrizhetővé ezt a tudást a gépek számára.

A 7 dimenziós AI-láthatóság mérési módszertan szerint az E-E-A-T hitelességi jelek a hatodik dimenzión belül kapnak helyet, 5%-os súllyal — kisebb részarányban, mint a strukturált adat vagy a külső jelenlét, de nem elhanyagolható tényezőként. A kis súly nem azt jelenti, hogy felesleges; azt jelenti, hogy az AI-modell az entitás hitelességét részben a többi dimenzióból is leolvassa. Ahol hiányzik az E-E-A-T, ott a magas külső jelenlét némileg kompenzálhat — de fordítva ez nem igaz: egy megnevezett, ellenőrizhető szerző nélküli oldal bizonyos témakörökben (egészség, pénzügy, jog) érzékelhetően hátrányba kerül.

Hogyan mutasd meg a szerző tapasztalatát az oldalon?

Az E-E-A-T-ot az oldal négy szinten tudja érvényesíteni: szöveges szerzői jelöléssel, strukturált adattal, külső hivatkozásokkal és a tartalom belső következetességével.

Szöveges szerzői jelölés. A legalapvetőbb lépés: minden szakcikk vagy blogbejegyzés aljára kerüljön rövid szerzői azonosító — név, szakterület, egy-két mondat releváns háttérrel. A „Kindl Dávid · AI-láthatósági elemző” például elegendő belépő; a terjedelem másodlagos, az egyértelműség az elsődleges. Ha a szerző neve és szakterülete minden cikknél következetesen szerepel, az AI-modell idővel entitásként kezeli — nem puszta szövegként.

Strukturált adat — Person séma. A szerzői jelölésnek géppel olvasható formában is meg kell jelennie. Ez azt jelenti, hogy a cikk JSON-LD blokkjában az author mező egy Person típusú entitást hivatkozzon, amelynek van neve, URL-je és lehetőség szerint sameAs hivatkozása egy ellenőrizhető külső forrásra. Például:

"author": {
  "@type": "Person",
  "name": "Kindl Dávid",
  "url": "https://mi-terkep.com/rolunk/",
  "sameAs": "https://www.linkedin.com/in/davekindl88/"
}

Ez a néhány sor azt mondja a modellnek: itt van egy valódi személy, akit független platformon is meg lehet találni, és a neve következetesen szerepel. Ezt az egyezést — oldal, séma, külső forrás — értékeli az AI hitelességi jelként.

Külső hivatkozhatóság. A sameAs értéke annyit ér, amennyire az adott külső forrás valóban elérhető és egyező. LinkedIn-profil esetén a név legyen azonos az oldalon megadottal. Szaktestületi tagságnál a nyilvános adatbázisban is ugyanaz a személy szerepeljen. Wikidata-entitás létrehozásakor az entitás neve és az oldal szerző-neve között ne legyen eltérés — a „Kovács Péter” és a „Dr. Kovács Péter” az AI-nek két különböző entitás lehet, ha nem egyértelműsítjük. Arról, hogyan érdemes Wikidata-entitást felvinni egy magyar cégnek, a megtalál az AI, de téged választ-e cikkben is szó esik az entitás-következetesség kapcsán.

Tartalmi konzisztencia. Az E-E-A-T egyik alulmért jele az, hogy a tartalom tartalmaz-e valódi, első kézből szerzett tapasztalatot. Ez nem feltétlenül hosszú szöveg — elég egy-egy konkrét mérés eredménye, saját esettanulmány-hivatkozás, vagy olyan állítás, amely szó szerint más forrásból nem másolható. Az AI-modellek nem képesek emberi módon értékelni az élményt, de felismerik a konkrétságot: egy általános tanácsot tartalmazó cikk és egy saját mérésen alapuló megállapítás között — legalábbis a kiemelhetőség és idézhetőség szempontjából — érzékelhető különbség van.

Melyik E-E-A-T jel a legfontosabb az AI-modellek számára?

Ha rangsort kellene felállítanom, a megnevezett szerző és az ellenőrizhető entitás-hivatkozás számít a legtöbbet. Nem a bio hossza, hanem az, hogy a név következetesen szerepel-e az oldalon, a sémában és legalább egy külső platformon. Az AI-modellek entitásokat azonosítanak, nem önértékelő mondatokat.

Ezt a logikát a GEO-pontszám és az AI-ajánlás cikkben is kifejtem: a hitelességi jelek nem ígérnek ajánlást, hanem annak előfeltételét teremtik meg. Egy oldal, amelyen nincs megnevezett szerző, nem feltétlenül kerül ki az AI-válaszból — de egy szorosan meghatározott, bizonyított tudást igénylő témában (például orvosi kérdéseknél, jogi magyarázatoknál vagy pénzügyi elemzéseknél) egyértelműen hátrányba kerül azokkal az oldalakkal szemben, amelyek ezt biztosítják.

Magyar vállalkozásoknál az E-E-A-T kiépítésekor különösen fontos, hogy a szerző neve ne csak magyarul, hanem latin betűkkel is egyértelműen szerepeljen, és a szakterület leírása az AI-modell által ismert angolszász fogalomkészlettel is összevethető legyen. A „fogorvos” megnevezés akkor egyértelmű, ha a sémában "jobTitle": "fogorvos / dentist" formában jelenik meg, vagy ha a LinkedIn-profil szintén a szakterületet jelöli. Ez nem túlkomplikálás — ez a félreérthetőség elkerülése egy olyan AI-modellnél, amelyet jórészt nem magyar szövegeken tanítottak.

Az HTTPS és a jogi oldalak (impresszum, adatvédelmi tájékoztató) szintén az E-E-A-T keretébe tartoznak — ezek a Megbízhatóság (Trustworthiness) alá esnek. Ezek hiánya az AI számára nem katasztrofális, de jelzésértékű: egy céges oldal impresszum nélkül kevésbé ellenőrizhető entitás. A magyar jogszabályok szerint amúgy is kötelező az impresszum — ha már kötelező, érdemes úgy strukturálni, hogy géppel is olvasható legyen.

Az E-E-A-T jelek nem épülnek fel egy nap alatt, és az AI sem értékeli őket azonnal. Ahogy a külső jelenlét és a vélemények tömege is lassan gyűlik, a szerzői hitelesség is idővel válik beazonosíthatóvá. Az idő legcélszerűbb befektetése: a megnevezés és a séma ma kerüljön az oldalra, a külső hivatkozhatóság a következő hetekben épüljön ki, a tartalmak pedig fokozatosan kapjanak egyre konkrétabb, saját tapasztalaton alapuló elemeket. A folyamat részleteit a merd meg ingyen, megjelensz-e az AI-válaszokban cikkben is végigkövetem — ott azt is megmutatom, hogyan ellenőrizheted, hogy az eddig felépített hitelességi jelek láthatók-e a modellek számára.

Az E-E-A-T nem varázslat. Nem garantál AI-ajánlást, és nem kárpótol gyenge külső jelenlétért vagy blokkolt robotért. Amit tesz: csökkenti annak kockázatát, hogy az oldal ellenőrizhetetlen, névtelen tartalomként legyen besorolva — ez pedig olyan versenykörnyezetben, ahol sok magyar cég még egyetlen hitelességi jelet sem tölt ki a sémájában, valódi előny.

Kindl Dávid · Közzétéve: 2026. július 2. · Frissítve: 2026. július 5.