Jelenjen meg az AI válaszaiban is — ne csak a Google-ben

A modell nem oldalt rangsorol, hanem részletet idéz

A klasszikus keresőben egy oldal egészben verseng egy kulcsszóért. Egy generatív asszisztens ezzel szemben jellemzően úgy dolgozik, hogy keres, majd a találatokból kiemel néhány bekezdésnyi részletet, és abból fogalmazza meg a választ — a forrást pedig hivatkozásként megjelöli.

Ennek gyakorlati következménye van a szövegírásra. Az a bekezdés kerül be a válaszba, amelyik önmagában is megáll: kimondja a tárgyát, tartalmazza a lényeget, és nem hivatkozik olyasmire, ami három bekezdéssel feljebb szerepel. A „ahogy fentebb írtuk” típusú szerkezet emberi olvasónak természetes, kiemelt részletként viszont értelmezhetetlen.

Ezért írjuk a tartalmat kérdés–válasz logikában, konkrét számokkal és nevekkel: nem azért, mert az AI szereti a listákat, hanem mert egy önmagában is teljes bekezdést sokkal könnyebb idézni.

A struktúra nem díszítés, hanem a kinyerhetőség feltétele

A szemantikus HTML és a JSON-LD ugyanazt a célt szolgálja: egyértelművé teszik, mi micsoda. Egy helyesen jelölt oldalon nem kell kitalálni, hogy az 250 000 Ft egy ár, hogy a Budapest egy telephely, vagy hogy egy szövegrész kérdés és a rákövetkező a válasza — ez ki van mondva.

A strukturált adat ráadásul kettős hasznot hoz: ugyanaz a Schema.org jelölés, amely a Google gazdag találati megjelenését lehetővé teszi, a nyelvi modelleknek is tiszta tényeket ad. Ez az a pont, ahol az AI SEO és a hagyományos SEO nem verseng egymással, hanem ugyanaz a munka.

Az llms.txt-ről őszintén

Az llms.txt egy közösségi javaslat: a webhely gyökerében elhelyezett, Markdown formátumú fájl, amely tömören összefoglalja az oldal tartalmát és felépítését az AI-botok számára. A logikája a robots.txt-re hasonlít.

Fontos azonban tisztán látni: ez nem hivatalos szabvány, és a nagy AI-szolgáltatók egyike sem jelentette be, hogy kötelezően figyelembe venné. Aki garantált eredményt ígér tőle, többet állít, mint amit ma bárki tudhat.

Miért készítjük el mégis? Mert néhány kilobájtnyi munka, nem ronthat el semmit, és ha az elfogadása mégis megindul, az oldal már készen áll. A valódi munkát ettől függetlenül a tiszta struktúra, a strukturált adatok és az idézhető tartalom végzi — az llms.txt ezek kiegészítése, nem helyettesítője.

Hogyan mérhető egyáltalán az AI-láthatóság

Erre nincs Search Console. Ami rendelkezésre áll, az három, egymást kiegészítő jel:

• Szervernapló: a GPTBot, OAI-SearchBot, PerplexityBot és Google-Extended látogatásai megmutatják, hogy egyáltalán olvassák-e az oldalt, és melyik aloldalakat.
• Hivatkozási forgalom: a ChatGPT-ből, Perplexityből vagy Copilotból érkező kattintások külön forrásként azonosíthatók az analitikában.
• Rendszeres kézi tesztelés: a szakterület tipikus kérdéseit feltesszük a nagy asszisztenseknek, és rögzítjük, ki jelenik meg a válaszban — ez ma a legmegbízhatóbb visszajelzés.