Hét dimenzió dönti el, tud-e rólad idézni az AI. Itt mind a hét nyilvános.

Ez a lap leírja, pontosan mit és hogyan mérek, amikor megnézem, mit mond a ChatGPT és a Gemini egy vállalkozásról. Magyarországon szinte senki nem teszi közzé a módszerét. Én megteszem, mert egy mérés annyit ér, amennyire ellenőrizhető. Itt látható a hét dimenzió, a súlyok, a próba menete és a saját, dátumozott eredményeim is, beleértve azt, ahol az oldal maga még gyenge.

A felkészültségi pontszám hét, külön súlyozott dimenzióból áll össze. Mindegyik egy konkrét kérdésre felel: meg tudja-e találni az AI az oldalt, el tudja-e olvasni, és tud-e róla idézhetőt mondani. A súlyok nem önkényesek: korrelációs vizsgálatokra és szakmai konszenzusra támaszkodnak, és negyedévente felülvizsgálom őket, mert a robotok nevei és a modellek viselkedése gyorsan változik.

Fontos, hogy két különböző dolgot mérek, és a kettőt élesen szétválasztom. Az egyik a felkészültség: ezt méri a hét dimenzió, és ez nagyrészt a tulajdonos kezében van. A másik az ajánlás: az, hogy a modellek egy valódi kérdésre tényleg kimondják-e a cég nevét. Ez utóbbi részben a vállalkozáson kívül dől el, és nem ígérhető meg. Aki a kettőt összemossa, olyat ad el, ami nem az övé.

Mit mér a 7 dimenzió?

A táblázat a teljes súlyozást mutatja. Ahol automatikus a mérés, ott [Auto] jelzés áll: ezeket lekéréssel, böngésző nélkül ellenőrzöm, így gyorsan és visszakereshetően ismételhetők.

Dimenzió	Súly	Mit vizsgál	Ellenőrizhető?
D1 · Elérhetőség és feltérképezhetőség	20%	Eléri-e az AI robotja az oldalt, és látszik-e a tartalom JavaScript nélkül.	[Auto]
D2 · Strukturált adatok	15%	Megnevezi-e az oldal magát az AI-nak érthetően: Organization, sameAs hivatkozások, FAQ-jelölés.	[Auto]
D3 · Válaszkész tartalom	15%	Kiemelhető-e önálló, idézhető válasz a fejléc utáni első néhány mondatból.	[Auto]
D4 · Entitás és NAP-konzisztencia	15%	Egyezik-e a név, a cím és a telefonszám az oldalon, a jelölésben és a katalógusokban.	[Auto] + kézi ellenőrzés
D5 · Külső jelenlét	25%	Beszélnek-e a cégről máshol: vélemények, katalógusok, független említések, sajtó.	Részben automatikus, részben kézi keresés
D6 · E-E-A-T jelek	5%	Látszik-e a hitelesség: HTTPS, megnevezett szerző, jogi oldalak, hivatkozott források.	[Auto]
D7 · Tartalmi mélység	5%	Van-e érdemi, témába vágó tartalom és belső összekötés a fontos oldalak között.	[Auto]

A legnagyobb súly nem véletlenül a külső jelenléten van. Az ellenőrzések túlnyomó része viszont a saját honlapon van, mert azt tudja a tulajdonos a leggyorsabban rendbe tenni. A részletes ellenőrzőpontokat a hogyan működik oldalon és a hét dimenzió bemutatásában írom le bővebben.

Az automatikus és a kézi ellenőrzés között azért teszek különbséget, mert ez is az őszinteséget szolgálja. Az [Auto] jelölésű pontokat (a robot-hozzáférést, a JavaScript nélküli olvashatóságot, a strukturált adatot, a HTTPS-t, a belső összekötést) egyszerű lekéréssel, böngésző nélkül vizsgálom. Ezek olcsók, gyorsak és bárki által ismételhetők: ugyanazt a kérdést ugyanúgy felteszem, és ugyanazt a választ kapom. A külső jelenlét (D5) és a NAP-egyezés (D4) viszont kézi keresést is igényel, mert ezek a vállalkozáson kívül, máshol jönnek létre. Ahol kézi munka van, ott azt jelzem, és nem adom ki automatikus mérésnek.

A GEO-pontszám nem egyenlő az AI-ajánlással.

Ez a lap legfontosabb mondata. A magas felkészültségi pontszám azt jelenti, hogy az AI megtalálja és el tudja olvasni az oldalt, de nem azt, hogy ajánlani fogja. Az ajánlást a külső jelenlét (D5), a vélemények tömege és a márka kora uralja, és ez nagyrészt a honlapon kívül dől el. Egy ismert klinika gyenge oldallal is felbukkan, mert régóta sok helyen szerepel; egy makulátlanul felépített új oldal mégis láthatatlan marad, ha máshol senki nem beszél róla. A technikai felkészültség tehát a jogosultságot teremti meg, nem a győzelmet.

Az adatok ezt alátámasztják. Egy nagymintás elemzés szerint a külső márkaemlítések a legerősebb előrejelzői annak, hogy egy AI idéz-e egy céget: erősebbek, mint a visszamutató linkek (lásd az Ahrefs korrelációs vizsgálatát). Egy hétezer hivatkozást vizsgáló jelentés szerint a megnevezett források jó részét a Wikipédia és a fórumok adják, nem a cégek saját honlapjai (lásd a Digital Bloom 2025-ös idézési jelentését). Ezért nem ígérem soha, hogy „az AI ajánlani fog”. A tartható keret más: a versenytársaid véletlenül láthatók az AI-ben, én szándékosan teszlek láthatóvá téged. A részletes mechanikát a GEO és ajánlás különbségéről szóló írásban bontom ki.

Hogyan zajlik egy mérés?

A felkészültséget a hét dimenzió szerint pontozom, a honlapból és a nyilvános jelekből. Az ajánlást viszont úgy nézem meg, ahogy egy vásárló tenné. Felteszem ugyanazt a kérdést (például hogy melyik a legjobb fogászati klinika egy adott városban) több AI-modellnek, és rögzítem, ki kerül be név szerint a válaszba. A válaszokat dátumozom és elmentem, hogy később bárki visszanézhesse őket.

Nem egyetlen modellt kérdezek, mert az torzítana. Minden modell mást felel: az egyik a tanítóanyagából emlékszik egy ismert névre, a másik élő keresésből szed össze találatokat, a harmadik a véleményekre támaszkodik. Ezért csak a több modellből összeálló kép őszinte. Egyetlen képernyőkép könnyen félrevezet. A dátumozott, több modellből vett mérés sokkal nehezebben.

A saját, dátumozott mérésem 2026 májusából egyértelmű volt. Négy nyilvánosan elérhető modellnek tettem fel azonos vásárlói kérdéseket, országos, kerületi és belvárosi szinten, összesen 48 lekérdezésben. Tizenöt budapesti fogászati rendelőt vizsgáltam helyi szinten, és egyetlen olyan rendelő sem volt, amelyet a modellek megbízhatóan, név szerint ajánlottak volna. Ehelyett a modellek többnyire különböző neveket soroltak, sokszor olyanokat, amelyeket egymástól is eltérően adtak vissza.

Frissítés: 2026. október 30. Ugyanezt a próbát nagyobb mintán megismételtem. 41 helyi piacon (kilenc szakma, 23 település) három-három hétköznapi magyar kérdést tettem fel a ChatGPT-nek, a Gemininek és a Perplexitynek, bejelentkezés nélkül, minden kérdéshez új beszélgetést indítva. 289 értékelhető válasz jött. Ugyanarra a kérdésre a ChatGPT és a Gemini 119 esetből csak 22-ben tette ugyanazt a vállalkozást az első helyre. Egy alkalmazáson belül a kérdés átfogalmazása után 238 kérdéspárból 87-ben maradt ugyanaz a vállalkozás az első helyen. Ezért kérdezek több modellt, és minden kérdést több megfogalmazásban, többször.

A mérés korlátai: egyetlen nap, kérdésenként és alkalmazásonként egy futtatás. A Perplexitynél 122 kérdésből 79-nél elértem a bejelentkezés nélküli használat korlátját, ezért tőle csak 43 válasz értékelhető. A válaszokban szereplő neveket egyszer gyűjtöttem ki, második, független kódolás nélkül, így egy-egy összevonási hiba előfordulhat. Az eredmény egyetlen nap pillanatképe, a mért arányok nem állandók.

Ez nem hiba a modellekben. Ez a kiindulási helyzet a legtöbb magyar kkv-nál. A helyi ajánlási ráták önmagukért beszélnek: a SOCi 2026-os Local Visibility Indexe szerint (több százezer üzleti telephely vizsgálata alapján) a ChatGPT a helyi vállalkozásoknak csak 1,2 százalékát, a Gemini 11 százalékát, a Perplexity 7,4 százalékát nevezi meg, miközben a Google helyi hármasában ugyanezek a cégek 35,9 százalékban jelennek meg (forrás: SOCi Local Visibility Index, 2026). Az AI tehát sokkal válogatósabb, mint a hagyományos keresés. Nyilvános, rögzített véleményszám-küszöb nincs. Bizalmi küszöb működik: az ajánlott helyek átlagosan 4,3 csillagon állnak, és a profiladatok pontossága is számít (a ChatGPT és a Perplexity esetében az üzleti adatok pontossága 68 százalék, a Google-térképre építő Gemininél 100, ugyanonnan). A teljes próbát és a számokat a fogászati mérésről szóló írásban közlöm.

Az is mérhető, miért nem látszik egy cég. Az AI-válaszok megnevezett forrásainak nagy része nem a cégek saját oldala: a ChatGPT idézeteiben önmagában a Wikipédia aránya 47,9 százalék, a Perplexitynél a fórumok adják a hivatkozások közel felét (forrás: Digital Bloom idézési jelentése), vagyis a vélemények, a katalógusok és a független említések döntenek. A nyelv is számít: egy 1,3 millió hivatkozást vizsgáló elemzés szerint a tartalmukat másik nyelvre lefordító oldalak akár 327 százalékkal több AI-hivatkozást szereztek az adott nyelv keresésein, mint fordítás nélkül (forrás: Weglot nyelvi vizsgálata). A magyar piacon ez fordítva is igaz: a magyar vásárlókért magyarul érdemes láthatóvá válni.

A saját eredménylap

Tisztességtelen volna mások oldalát mérni, a sajátomat meg eltakarni. Ezért itt áll ennek a lapnak a felkészültségi képe, dimenziónként, a legutóbbi dátumozott mérés alapján. A saját oldalon mérhető kép ma erős; a külső jelenlét (D5) viszont még épül, ezt külön jelölöm.

100

D1 · Elérhetőség

100

D2 · Strukturált adatok

D3 · Válaszkész tartalom

D4 · Entitás és NAP

épül

D5 · Külső jelenlét

D6 · E-E-A-T jelek

D7 · Tartalmi mélység

A D5-ös gyűrű külön jelölést kapott, mert ez a legőszintébb pontja a lapnak. A külső jelenlét a teljes súly 25 százaléka, és egy frissen indult oldalon ez szükségszerűen alacsony: független említések, vélemények és katalógus-jelenlét nélkül nincs mit mérni rajta. Pontosan ez az a munka, amit az ügyfeleknél is végzek: a külső jelenlét felépítése hónapok kérdése, nem napoké. Az indulásnál tehát nem szépítem a képet. A számokat a rubrika méri, dátummal vállalom őket, és ha egy dimenzió romlik, itt írom ki.

A D5 hiánya számokban is látszik. 2026. október 30-án a saját módszeremmel megmértem az MI-Térkép AI-láthatóságát: tizenhárom vásárlói kérdést (például „Ki tud segíteni, hogy a ChatGPT ajánlja a cégemet?”) tettem fel bejelentkezés nélkül a ChatGPT-nek és a Gemininek. Egyik sem nevezte meg az MI-Térképet egyetlen válaszában sem; mindkettő más szolgáltatókat sorolt fel. A márkára vonatkozó két kérdésre („Mi az az MI-Térkép?”, „Megbízható?”) viszont mindkettő az MI-Térképről írt, a saját oldalaim alapján. A honlap tehát olvasható és idézhető, a külső jelenlét viszont még nem elég ahhoz, hogy a modellek maguktól is ajánlják az MI-Térképet. Minden kérdést alkalmazásonként egyszer tettem fel, így ez is pillanatkép.

Ugyanezen a napon a rubrikával az élő oldalt is újramértem. A D3 (válaszkész tartalom) az augusztusi 92 pontról 72-re esett, mert az októberi főoldal-átalakítás után nem maradt kérdés-válasz blokk a főoldalon, és ezért a pontozási szabályaim szerint pontlevonás jár. A saját szabályom szerint ezt is itt teszem közzé, nem hallgatom el.

Mérés dátuma: 2026-10-30. Az itt látható gyűrűk a legutóbbi teljes mérést tükrözik erre az oldalra. Minden újramérésnél frissülnek a számok és a színek, felfelé és lefelé egyaránt, ahogy az adat indokolja.

Miért nyilvános mindez?

Egy módszerről mindenkinek lehet véleménye. Az számít, hogy ellenőrizhető-e. Egy AI-láthatósági pontszám pontosan annyit ér, amennyinek a tulajdonos utána tud nézni. Ha a súlyokat, az ellenőrzéseket és a próba menetét eltitkolnám, akkor csak egy számot kapnál tőlem, amit vagy elhiszel, vagy nem. Inkább leírom, mit nézek, hogy bárki utána tudjon járni, és vitatkozni is tudjon vele.

Ez fordítva is kötelez. Ha a saját pontszámom romlik, az oldal kiírja: a gyűrűk a legutóbbi mérésből frissülnek, nem a marketingszöveghez igazodnak. A hitelesség ezen az oldalon nem díszítés. Egy túlzó állítás, amit a vásárló percek alatt megcáfol, nemcsak a mérést rontaná le, hanem mindent, ami utána jön. Ezért az itt közölt minden számhoz forrás tartozik a lap alján, a saját méréseimet pedig dátummal és a próba leírásával vállalom.

A jelenség egyébként mérhetően most kezd élessé válni. A kutatások szerint a megnevezett források és a hagyományos keresés első oldala nagyrészt átfedik egymást, vagyis aki a klasszikus keresésben sem látszik, az az AI-válaszokban is nehezen jelenik meg (a témakör tágabb képe a Search Engine Land összefoglalójában és a Princeton GEO-tanulmányában olvasható). Ha kíváncsi vagy a saját kiindulási helyzetedre, a kapcsolat oldalon kérhetsz ingyenes mini-ellenőrzést, vagy megnézheted az árakat.

Kérek egy ingyenes mini-ellenőrzést Elolvasom: SEO vagy GEO?

Gyakori kérdések

Lemásolhatja valaki ezt a módszertant?

Igen, tessék. A súlyokat, az ellenőrzéseket és a próba menetét szándékosan teszem közzé. A nehéz rész úgysem a módszer ismerete, hanem a végrehajtás: a mérés következetes ismétlése és főleg a külső jelenlét hónapokig tartó, tisztességes felépítése.

Miért nincs külső jelenlét (D5) pontszám az induláskor?

Mert ez az oldal újszülött, és a külső jelenlét valódi említésekből, véleményekből és katalógus-jelenlétből épül, nem a honlapról állítható be. A D5-ös gyűrű ezért előzetesen nullán áll, és pontosan ezt a munkát végzem az ügyfeleknél is: hónapok kérdése, nem napoké.

Milyen gyakran frissül a mérés?

A felkészültségi pontszám a build folyamatából számítódik, nem kézzel írom. A teljes újramérést havonta futtatom ugyanazzal a hét dimenzióval, és a lap alján mindig ott a frissítés dátuma. Ha a saját pontszámom romlik, az oldal kiírja.

Miért nem egyetlen AI-modellt kérdez meg a mérés során?

Mert az torzítana. Minden modell mást válaszol: az egyik a tanítóanyagából emlékszik egy ismert névre, a másik élő keresésből szed össze találatokat, a harmadik a véleményekre támaszkodik. Ezért csak a több modellből összeálló, dátumozott kép őszinte. Egyetlen képernyőkép könnyen félrevezető.

Melyik dimenzió a legfontosabb a hét közül?

A külső jelenlét (D5) 25 százalékos súllyal szerepel az értékelésben, és ez nem véletlen. A korrelációs vizsgálatok szerint a független márkaemlítések a legerősebb előrejelzői annak, hogy egy AI idéz-e egy céget. Ugyanakkor az ellenőrzések zöme a saját honlapon történik, mert azt tudja a tulajdonos a leggyorsabban rendbe tenni.

Források

Frissítve: 2026. október 30.