Megtalálja az MI — de Önt választja? A felcserélhetőség mérése

Tegyük fel, hogy a nehezén már túl van: a mesterséges intelligencia eléri a honlapját, érti, mit kínál, és név szerint említi, amikor a vásárló a kategóriájáról kérdez. Ez nagy szó, mert a legtöbb magyar kkv idáig sem jut el. Itt jön azonban a kérdés, amelyet szinte senki nem tesz fel: ha bent van a szóba jöhető cégek halmazában, Ön az egyetlen kézenfekvő válasz, vagy egy a tizennégy felcserélhető találat közül, amelyek között a modell érdemi különbség nélkül válogat? Jelen lenni és kiválasztva lenni nem ugyanaz, és ezt a második réteget eddig senki nem mérte.

Ez a cikk arról szól, hogy a láthatóságnak van egy magasabb foka, amelyről ritkán esik szó. Az első kérdés — „elér-e az MI?” — felkészültség. A második — „engem választ-e, amikor döntenie kell?” — megkülönböztethetőség. Megnézem, mi a kettő közötti különbség, miért mérhető, és miért éppen ez a réteg dönti el, hogy a cég valódi szereplő-e az MI-válaszban, vagy csak név a sorban. A felkészültség és az ajánlás viszonyát a GEO-pontszám és az MI-ajánlás írásban szedtem szét; itt egy réteggel feljebb lépek.

Miért nem elég jelen lenni a válaszban?

Mert a jelenlét és a kiválasztás két külön dolog, és a kettő közötti különbség akkor válik élessé, amikor a modellt nem felsorolásra, hanem döntésre kérik. Egy semleges kérdésre — „mely cégek jönnek szóba ebben a kategóriában?” — sok cég bekerül a válaszba. Amint azonban a kérdés élesedik — „melyiket válasszam, és miért?” —, a lista összeszűkül, és a modell azt emeli ki, amelyhez konkrét, megkülönböztető okot talál. Aki a felsorolásban még ott volt, a döntésnél kihullhat, ha nincs mögötte egyetlen kézzelfogható, idézhető különbség sem.

Ennek erős, független alátámasztása van. A Bain 2026. márciusi, több mint egymilliárd MI-hivatkozást elemző tanulmánya szerint a nagy nyelvi modellek „elsimítják az általános üzenetet, és az ismétlődő mintázatokat erősítik fel” — a jellegtelen, bárkire ráhúzható pozicionálás algoritmikusan hátrányba kerül (Bain, 2026). A Bain egy másik, 2026. áprilisi elemzése szerint a márkanélküli kérdések 89 százalékát harmadik fél forrásai töltik ki — ahol a cég nem hagy egyértelmű, sajátos nyomot, ott a modell mást emel be helyette —, és a B2B-vásárlók egyre inkább magában az MI-ben állítják össze a szállítói rövidlistát, mielőtt bármelyik honlapot megnyitnák. A kiválasztás tehát feljebb csúszott a folyamatban, és ott dől el, hogy ki marad a listán.

Mit jelent a felcserélhetőség próbája?

Van egy egyszerű, kijózanító teszt, amelyet bárki elvégezhet gondolatban. Ha a cég pozicionálását ki lehetne cserélni öt versenytársáéval, és senki nem venné észre a különbséget, akkor a cég felcserélhető. A modell pontosan így bánik vele: ha nem talál okot arra, hogy miért éppen ezt a céget emelje ki, akkor a legkönnyebben idézhetőt választja — azt, amelyik számot, nevet, konkrét eredményt kínál.

Hadd illusztráljam egy általános, névtelen példán, mert a mintázat tanulságos. Vegyünk egy jól ismert budapesti klinikát — erős márkával, vonzó honlappal, kényelmes szolgáltatáscsomaggal. A mesterséges intelligencia a kategória kérdéseire négyből négyszer megnevezi: jelen van, látható. Aztán jön a döntési kérdés — „melyik a legjobb, és miért?” —, és a modell egy versenytársat választ helyette, azzal az indokkal, hogy ott konkrét, számszerű eredmény áll a háttérben, megnevezett képességgel. A jól ismert klinika nem azért hullik ki, mert rossz, hanem mert a honlapja kényelmet és általános fölényt ígér („a legjobb a városban”), míg a versenytárs számot mond. Ahol a modellnek konkrét fogódzót adnak, ott azt idézi. Ez nem egyetlen cég hibája, hanem a felcserélhetőség természete, és a legtöbb honlap pontosan ebbe a csapdába sétál bele.

Mit mutat a két mérési mód?

A megkülönböztethetőséget két módban mérem, mert a kettő mást mond. Az első a „keresés nélküli” mód: a modell betanult tudására támaszkodik, élő keresés nélkül. Ez a mechanizmust méri — azt, hogyan gondol a modell a cégre, amikor csak az emlékezetéből dolgozik. A második a kereséssel támogatott mód: ez azt mutatja meg, mit lát a vásárló valójában, amikor ma, élesben kérdez, és a modell friss forrásokból válaszol.

A két mód együtt négymezős képet rajzol ki.

A leginkább tanulságos cella az, ahol a jelenlét magas, a megkülönböztethetőség viszont alacsony: a cég ott van a válaszban, de minden fej-fej melletti összevetést elveszít. Ez a „jelen, de felcserélhető” állapot, és éppen ez a leggyakoribb. A modell megnevezi a céget, de ha választani kell, mást emel ki. A két mód közötti eltérés maga a tanulság: az, hogy egy cég szerepel a betanult tudásban, még nem jelenti, hogy az élő keresés őt választja — és fordítva. Hogy mind a hét részmetrikát milyen súllyal mérem, azt a hét dimenzió írásban és a módszertan oldalon írom le tételesen.

Mit lehet ezzel kezdeni?

A mérés nem önmagáért van. Ha kiderül, hogy a cég jelen van, de felcserélhető, akkor a feladat világos: kell egy védhető, az MI által idézhető különbség. Nem szlogen, hanem konkrétum — megnevezett képesség, számszerű eredmény, pontosan körülírt vásárlói helyzet, amelyre a cég a kézenfekvő válasz. A modell a számot, a nevet, a konkrétumot idézi; az általános fölényállítást figyelmen kívül hagyja. A megkülönböztethetőség nem a hangerőből fakad, hanem a pontosságból. Hogy mindez miért nem a klasszikus keresőoptimalizálás helyett, hanem arra ráépülve működik, azt a SEO és GEO oldalon járom körül.

Bekerülni a válaszba a belépő. Kiválasztva lenni a tét. A versenytársai felcserélhetők — és aki egyetlen védhető, idézhető különbséget tud felmutatni, az kilép a sorból. Nem a leghangosabbat választja a modell, hanem a legkonkrétabbat.

Ma már nem az a kérdés, hogy megtalálja-e Önt az MI, hanem az, hogy Önt választja-e, amikor döntenie kell. A felkészültség beviszi a céget a beszélgetésbe; a megkülönböztethetőség dönti el, hogy a végén az Ön nevét mondja-e ki a modell, vagy a versenytársáét. A felcserélhetőségről készült mérhető, dátumozott kép többet ér, mint tíz magabiztos szlogen, mert a szlogent a modell elsimítja, a konkrétumot pedig idézi. Ha kíváncsi, hol tart ma a cége ezen a skálán, megmutatom a kiindulási képet. Kérek egy ingyenes mini-ellenőrzést.

Kindl Dávid · Közzétéve: 2026. június 12.