A GEO-pontszám nem egyenlő az MI-ajánlással

Egy oldal elérheti a maximális technikai pontszámot, a ChatGPT mégsem ajánlja a vásárlóknak. Fordítva is igaz: a gyenge, elavult oldallal rendelkező, de régóta ismert márkákat a mesterséges intelligencia gondolkodás nélkül név szerint említi. A pontszám azt méri, hogy az MI megtalálja és el tudja-e olvasni az oldalt — nem azt, hogy ajánlani fogja-e. Ez a piac legnagyobb félreértése, és érdemes őszintén beszélni róla, mielőtt bárki pénzt költ rossz ígéretre.

A GEO-pontszám, vagyis a technikai MI-felkészültség mérőszáma, és a tényleges MI-ajánlás két külön dolog. Aki összemossa a kettőt, az vagy nem érti a működését, vagy szándékosan ferdít. Megnézem, miért — és mit jelent ez a gyakorlatban egy magyar kkv számára.

Miért nem elég a jó pontszám?

Mert az ajánlást nem az oldal technikai állapota dönti el, hanem a külső jelenlét. A nemzetközi mérések szerint az MI-hivatkozások nagyjából 85%-a harmadik féltől származó forrásból jön — független oldalakról, fórumokról, sajtóból, katalógusokból —, nem a cég saját honlapjáról. Vagyis hiába tökéletes a honlap szerkezete, ha az MI a döntéseit jórészt máshonnan meríti.

Három tényező uralja az ajánlást, és egyik sem a honlapon dől el. Az első a véleménytömeg: rögzített, nyilvános véleményszám-küszöb nincs — bizalmi küszöb működik. A SOCi 2026-os felmérése szerint az MI által ajánlott helyek átlagosan 4,3 csillagon állnak, sok friss, megválaszolt véleménnyel; kevés vélemény mellett a kihagyás vagy a hibás találgatás a jellemző. A második a márka kora és ismertsége — ami régóta sok helyen szerepel, az benne van a modellek tanítóanyagában. A harmadik az aggregátorok és katalógusok jelenléte, mert a modellek gyakran ezekre támaszkodnak.

Érdemes elképzelni, mit jelent ez a gyakorlatban. Amikor egy vásárló megkérdezi a ChatGPT-t a legjobb helyi szolgáltatóról, a modell nem a cégek honlapját böngészi végig. Inkább azokra a jelekre támaszkodik, amiket korábban sok forrásból rakott össze: értékelésekre, fórumbejegyzésekre, sajtócikkekre, szakmai katalógusok adataira. Ha egy dunántúli fogászatról sehol máshol nincs említés, a modell számára gyakorlatilag nem létezik — bármilyen szép is a honlapja.

A számok kijózanítók. A helyi ajánlási ráta a ChatGPT-nél mindössze 1,2%, a Gemininél 11%, a Perplexitynél 7,4% — miközben a Google helyi hármas találata az esetek 35,9%-ában megjelenik. A mesterséges intelligencia tehát jóval válogatósabb, mint a hagyományos helyi keresés. Saját, dátumozott mérésem ezt élesben is megmutatta: tizenöt budapesti fogászati klinikából a vizsgált ingyenes modellek egyetlenegyet sem ajánlottak helyi szinten, név szerint és megbízhatóan (2026. májusi mérés, négy modell, 48 lekérdezés). A pontszám ezt nem jelzi előre — a külső jelenlét hiánya jelzi.

Akkor mire jó a technikai munka?

Mert a technikai felkészültség a belépő. A jogosultságot adja meg, nem az ajánlást. Ha az MI-robotok elé akadály kerül — letiltott crawler, JavaScript mögé rejtett tartalom, hiányzó strukturált adat —, akkor a modell az oldalt el sem éri, vagy nem látja idézhetőnek. Ilyenkor a legnagyobb hírnév sem segít a részletes, konkrét válaszokban: a modell esetleg ismeri a márkát, de a saját oldaláról egy mondatot sem tud pontosan idézni.

Másként fogalmazva: a hírnév beviszi a céget a beszélgetésbe, a technikai felkészültség pedig azt dönti el, hogy az MI mit tud róla mondani, és honnan. A kettő nem helyettesíti egymást. Akadálytalan hozzáférés, tiszta strukturált adat és válaszkész tartalom — ez a három együtt teszi lehetővé, hogy az MI egyáltalán megtalálja az oldalt, és idézhető forrásként kezelje.

Van ennek egy ritkán emlegetett előnye is. A hírnév lassan épül, és nehéz megvásárolni — a technikai felkészültség viszont a cég kezében van, és napok alatt javítható. Egy frissen induló vállalkozás a tanítóanyagban nem tud versenyezni egy húsz éve működő márkával. A strukturált adatban, a tiszta hozzáférésben és a válaszkész tartalomban viszont igen. Itt nem a régiség dönt, hanem a gondosság — és ez az a terep, ahol egy kisebb szereplő is felzárkózhat.

Pontosan ezt méri a hét dimenzió: a crawler-hozzáféréstől a strukturált adaton és a válaszkész tartalmon át a külső jelenlétig, dimenziónként eltérő súllyal. A legnagyobb súlyt nem véletlenül a külső jelenlét kapja — ez az, ami a legtöbb magyar kkv-nál a leggyengébb, és ez építhető fel a leglassabban. A teljes súlyozást és a dimenziók logikáját a módszertan oldalon írom le tételesen. Aki a SEO és a GEO viszonyára kíváncsi, annak a SEO vs GEO összevetés ad keretet, a folyamat lépéseit pedig a hogyan működik oldalon követheti végig.

Hogyan hangzik ez ügynöki ígéretként, és hogyan őszintén?

A különbség egyetlen mondaton múlik. Az egyik becsap, a másik teljesíthető. Érdemes a kettőt egymás mellé tenni, mielőtt bárki szerződést ír alá.

A kétes ígéret így hangzik:

• „Garantált MI-megjelenés 30 nap alatt.”
• „A ChatGPT automatikusan ajánlani fogja a cégét.”
• „Megemeljük a pontszámot, és máris bekerül a válaszokba.”

Ezek elől érdemes futni. Egyik sem garantálható, mert az ajánlást a külső jelenlét és a véleménytömeg uralja — olyan tényezők, amelyek hónapok alatt épülnek fel, és részben a cégen kívül dőlnek el.

Az őszinte ígéret szerényebb, de tartható:

• Mérhető előrelépés a hét dimenzióban, írásban dokumentálva, hétről hétre.
• A külső jelenlét tudatos építése — vélemények, említések, katalógusok —, ami hónapok alatt hoz eredményt, nem napok alatt.
• Tiszta, ellenőrizhető kiindulási kép arról, mit mond ma az MI a vállalkozásról, és hol van a rés.

A versenytársai véletlenül láthatók a mesterséges intelligencia előtt — a hírnevük sodorta őket oda. A cél az, hogy a vállalkozása szándékosan legyen láthatóvá téve: méréssel, nem ígérettel.

Ma már nem az a kérdés, hogy fontos-e az MI-láthatóság, hanem az, hogy ki építi tudatosan, és ki bízza a véletlenre. A jó pontszám ehhez szükséges alap. De önmagában nem ajánlás — és aki ajánlást ígér tőle, az olyat ad el, ami nem az övé.

Kindl Dávid · Közzétéve: 2026. május 28. · Frissítve: 2026. június 4.