Ugyanaz a modell, kereséssel és keresés nélkül — ezt látja rólad az MI kétféle módban
Ha ma megkérdezed a ChatGPT-t, hogy melyik a legjobb fogorvos a városodban, más választ kapsz, mint amikor ugyanazt a kérdést API-n keresztül küldöd be — és mindkét válasz igaz, csak mást mér. Az egyik azt mutatja, mit tud rólad a modell pusztán a betanult emlékezetéből, a másik azt, amit a vásárlóid ténylegesen látnak a képernyőjükön. A kétmódú mérés éppen azért erős, mert egyszerre mutatja meg mindkettőt: a mechanizmust, amelyen a tévedés és a láthatatlanság alapul, és a valós felhasználói élményt, amely a forgalmat mozgatja. Ha csak az egyiket méred, fél képet kapsz — fél kép alapján pedig minden döntés félremegy.
Ez a különbség nem elvi apróság. Éles számokon is látszik: a SOCi 2026-os Local Visibility Index-e szerint a ChatGPT helyi ajánlási rátája mindössze 1,2%, a Geminié 11% — szemben a Google hagyományos helyi hármas találatának 35,9%-ával. Ezek a számok azonban vegyesek: egyszerre tartalmazzák a keresés nélküli és a keresésalapú módot. Amikor szétválasztjuk a kettőt, egészen más kép bontakozik ki.
Mit jelent a „keresés nélküli” üzemmód, és miért veszélyes félreérteni?
Amikor egy modellt API-n keresztül kérdezel, vagy az alkalmazást úgy használod, hogy nem futtat élő webes keresést, a válasz kizárólag a betanított adatokból érkezik. A modell ilyenkor az emlékezetéből húzza elő, amit valaha látott rólad — vagy amire a leghasonlóbb adatokból következtetni tud. Ezt nevezzük keresés nélküli, vagyis mechanizmusmérési módnak.
A keresés nélküli mód két okból kritikus. Először azért, mert megmutatja, hogy a modell egyáltalán tudja-e, hogy létezel — szerepeltél-e a tanítóanyagában egy évvel ezelőtt is. Másodszor azért, mert ebben az üzemmódban a modell hajlamos adatokat kitalálni, ha nem elég biztos a válaszban. Ez a hallucináció nem véletlen: a modell nem tud hallgatni, inkább mond valamit. A saját mérésemből, amelyet 2026 májusában végeztem tizenöt budapesti fogászati klinikán négy ingyenes modellnél, 48 lekérdezésben, pontosan ez derült ki: a modellek keresés nélkül vagy egyáltalán nem ajánlottak helyi rendelőt, vagy magabiztosan kitalált neveket adtak meg — ezt részletesen leírtam a nulla a tizenötből — MI-ajánlás a fogászatban cikkben.
A mechanizmusmérés tehát az alapállapotot mutatja: mit tud rólad a modell élő segítség nélkül. Ez fontos diagnózis, de nem azt méri, amit a vásárlód lát. Mert 2026-ban a legtöbb fogyasztói alkalmazás — a ChatGPT-től a Geminin át a Perplexityig — helyi ajánlási kérdéseknél automatikusan élő webes keresést futtat. A vásárló ilyenkor nem a modell belső emlékezetéből kap választ, hanem friss webes forrásokból.
Mit mutat az élő kereséses üzemmód, és miért ez a vásárlói valóság?
Amikor a ChatGPT-t, a Geminit vagy a Perplexityt nyitott böngészőből, kijelentkezve kérdezed meg, hogy melyik a legjobb szemészklinika a városodban, a modell az esetek nagy részében valós időben keres az interneten, és a keresési eredmények alapján állítja össze a választ. Ez az élő kereséses mód, amely 2026-ban a fogyasztói alkalmazásoknál helyi ajánlási kérdésekben már alapértelmezett.
Ebben az üzemmódban a modell elsősorban nem a betanított emlékezetét használja, hanem azt olvassa, amit a webes keresés éppen visszaad: Google Business Profile adatokat, véleményeket, katalógusoldalakat, cikkeket. A Search Engine Land elemzése szerint a Google AI Mode kifejezetten friss webes forrásokból szintetizál — ezért az ajánlás szorosan követi, hogy mi szerepel a Google indexben a keresés pillanatában.
Ebből következik a legfontosabb gyakorlati tanulság. Ha a vásárlód ma megkérdezi a ChatGPT-t, hogy kihez forduljon, nem azt kapja, amit a modell tavaly tanult rólad — hanem azt, amit most talál a neten. Ez azt jelenti, hogy az élő kereséses eredmény valójában proxy-mérés a valós online jelenlétre: a Google Business Profil adataira, a véleményszámra, a katalógusbejegyzésekre és a friss, indexelt tartalmakra. Ahol ezek erősek, ott az élő kereséses válasz megnevezi a céget. Ahol hiányoznak, ott a modell vagy kihagyja, vagy — ami rosszabb — kitalálja.
A kétmódú mérés tehát arra is választ ad, hogy a két üzemmód miért különbözik. Ha valaki keresés nélkül láthatatlan, de kereséssel megjelenik, annak az az oka, hogy a cég online jelenléte újabb keletű, mint a tanítóanyag — vagy éppen most javult. Ha valaki kereséssel is láthatatlan, ott mélyebb probléma van: a webes lábnyom gyenge, nincs Google Cégprofil, vagy a véleményszám a bizalmi küszöb alatt van.
Hogyan néz ki egy kétmódú mérés a gyakorlatban?
A mérés menete egyszerű, de a pontosság a részleteken múlik. Három lépés van, és mindkét üzemmódban elvégezheted. Az első az ügyfélkérdések összeállítása: nem a cég nevére kérdezünk rá, hanem úgy, ahogy egy ismeretlen vásárló fogalmazna. „Melyik a legjobb lakberendező Győrben?” vagy „Kihez forduljak ügyvédi segítségért Pécs belvárosában?” — ezek az igazi kérdések, amelyeken az ajánlás múlik.
A második lépés a keresés nélküli mérés: ugyanezeket a kérdéseket olyan helyen tesszük fel, ahol a modell nem futtat élő keresést. Ez technikailag helyi Claude Code subagent, API-hívás vagy régebbi modell, ahol a keresés nincs bekapcsolva. A metódust minden eredménynél jelöljük: „keresés nélküli mód, helyi subagent, 2026-06-22” — így a szám soha nem keveredik össze a kereséses eredménnyel. Ez a módszertani fegyelem nem bürokratikus előírás, hanem az egyetlen garancia arra, hogy a mérés megismételhető és összehasonlítható maradjon.
A harmadik lépés az élő kereséses mérés: kijelentkezve, böngészőből, ingyenes alkalmazásból (ChatGPT free, Gemini, Perplexity) ugyanazokat a kérdéseket tesszük fel. Ezt is jelöljük: „chatgpt.com, kijelentkezve, élő kereséssel, 2026-06-22”. Az eredményt összehasonlítjuk a keresés nélküli mérés eredményével, és a különbségből vonjuk le a következtetést.
A teljes módszertant — a hét dimenzió súlyozásával, a bot-hozzáféréstől a külső jelenlétig — a módszertan oldalon írtam le tételesen. Az önellenőrzés első lépéseit, amelyeket te is ingyen elvégezhetsz, a hogyan mérd meg ingyen, megjelensz-e az MI válaszaiban cikkben szedtem össze.
Hogyan értelmezd a két szám különbségét?
A kétmódú mérés négy lehetséges eredményt ad. Mindegyik más következtetéshez vezet, és más beavatkozást igényel.
Láthatatlan mindkét módban. Ez a legsúlyosabb eset. A modell sem a betanított emlékezetéből, sem élő kereséssel nem tudja megnevezni a céget. Ennek általában az az oka, hogy a webes lábnyom minimális: nincs Google Business Profile, kevés vagy hiányzó a vélemény, alig van külső említés, a honlap pedig botok számára alig olvasható. A technikai hét dimenzió mindegyike gyenge. A legfontosabb első lépés nem a honlap szövegének átírása, hanem a Google Cégprofil létrehozása és a külső jelenlét tudatos építése.
Keresés nélkül láthatatlan, kereséssel megjelenik. Ez a leggyakoribb eset a pár éve beindult, növekvő vállalkozásoknál. A modell belső emlékezete a frissebb cégekről alig tud, mert a tanítóanyag jellemzően 12–24 hónappal korábbi állapotot tükröz. Az élő kereséses üzemmódban viszont a cég megjelenik, mert a webes jelenlét — vélemények, katalógusbejegyzések, friss tartalom — már elég erős. Ez pozitív jel: a vásárlók, akik ma kérdeznek, megtalálják a céget. A következő lépés az entitásadatok tisztázása és a külső jelenlét erősítése, hogy a jövőbeli tanítóanyagba is bekerüljön.
Keresés nélkül megjelenik, kereséssel nem. Ez a ritkább, de figyelmeztető eset. A modell ismeri a céget a múltból — lehet, hogy egykor sokat írtak róla, vagy régóta szerepel katalógusokban —, de az élő webes jelenlét azóta meggyengült. A vélemények stagnálnak, a honlap nem frissül, a Google Cégprofil elavult. Az élő keresés frissebb, versenyképesebb riválisokat talál. Ez az az eset, ahol a meglévő hírnevet aktívan karban kell tartani.
Megjelenik mindkét módban. A legjobb kiindulóhelyzet, de nem érdem, csak állapot. Az ajánlás oka ilyenkor szinte mindig a hosszú jelenlét, a nagy véleményszám vagy az erős katalógusbejegyzések — nem a honlap technikai állapota. A technikai munka ilyenkor arra jó, hogy javítsa a megjelenés tartalmát: amit a modell mond, az pontos, naprakész és idézhető legyen, ne csak nagyjából igaz.
Miért a kétmódú mérés a módszertani minimum?
Mert az egyoldalú mérés szinte mindig félrevezet. Ha csak a keresés nélküli eredményt nézed, azt hiheted, hogy a vásárlóid is ilyen láthatatlan képet kapnak — holott az élő kereséses mód teljesen mást mutat. Ha csak az élő kereséses eredményt nézed, nem érted, miért ajánl a modell pont téged, és miért nem a szomszédot — mert az élő keresés mögötti logikát a modell mechanizmusa magyarázza meg.
Az egységes módszertani keretben a két szám egymást értelmezi. A keresés nélküli eredmény megmutatja a tanítóanyagban elfoglalt helyet — ezt nem lehet gyorsan változtatni, de meg lehet érteni. Az élő kereséses eredmény a mai webes jelenlét erejét mutatja meg — ezt viszont tudatosan lehet építeni: véleményekkel, katalógusbejegyzésekkel, friss és géppel olvasható tartalommal.
A SOCi Local Visibility Index 2026 adatai pontosan ezt a kettős képet rajzolják meg: az MI által ajánlott helyek átlagosan 4,3 csillagot érnek el sok friss, megválaszolt véleménnyel — nem azért, mert a honlapjuk jobb, hanem azért, mert a külső jelenléten múló bizalmi jelek erősebbek. Ez a kereséses módban mért valóság. A keresés nélküli mérés ugyanezt igazolja vissza: ahol gyenge a külső jelenlét, ott a modell keresés nélkül sem tudja magabiztosan megnevezni a céget — helyette kitalál valamit, vagy hallgat.
Mindez azt jelenti, hogy a kétmódú mérés nem kétszer annyi munka, hanem kétszer annyi információ egyetlen méréssel. Az eredmény: egyszerre látod a diagnózist (mechanizmusmód) és a prognózist (élő kereséses mód), és pontosan tudod, melyik beavatkozás melyikre hat.
Ha dátumozott, ellenőrizhető kétmódú mérést szeretnél a saját cégedről — keresés nélküli és élő kereséses eredménnyel együtt, versenytársakkal összehasonlítva —, a kapcsolat oldalon jelezd. Megmutatom, mit lát rólad az MI ma, és hol van az a szabad terep, amelyet a versenytársaid még nem foglaltak el.
