A Google kereső új korszaka

Közzéve: 2026-09-09 Olvasási idő: ~2 perc
Google kereső kereső

Hogyan készítsd fel a weboldalad a generatív AI-motorokra, avagy GEO útmutató 2026

A generatív motoroptimalizálás (GEO – Generative Engine Optimization) a weboldalak olyan szintű strukturálása, amely lehetővé teszi a nagy nyelvi modellek (ChatGPT Search, Perplexity, Google Gemini) számára a tartalom közvetlen forrásként való beemelését és szintetizálását. Míg a klasszikus SEO a kék linkek rangsorolására fókuszál kulcsszavak alapján, a GEO az entitások azonosítását, a szemantikai adathálót és a közvetlen válaszblokkokat helyezi előtérbe.

1. A technológiai hozzáférés: indexelhetőség és sebesség

A mesterséges intelligencia keresőmotorjai valós időben futtatnak webes lekérdezéseket a háttérben.

  • Robotok beengedése: A robots.txt fájlban explicit módon engedélyezni kell a fő AI-ágenseket (GPTBot, PerplexityBot, Google-Extended). A tiltásuk automatikus láthatatlanságot jelent a modern lekérdezésekben.

  • TTFB (Time to First Byte) határértékek: Az LLM-ek valós idejű kereső rendszerei szigorú időtúllépési (timeout) korlátokkal dolgoznak. A lassú osztott tárhelyek helyett NVMe-alapú dedikált VPS infrastruktúra és modern szerveroldali gyorsítótárazás szükséges, 200 ms alatti TTFB értékkel.

  • Tiszta DOM és szöveges hozzáférés: A strukturált adatoknak és az érdemi tartalomnak közvetlenül a HTML DOM-ban kell megjelenniük, felesleges kliensoldali JavaScript-függönyök nélkül.

2. Szemantikus entitáshálózat (JSON-LD sémaadatok)

A nyelvi modellek nem kulcsszavakat egyezetnek, hanem tudásgráfokban (Knowledge Graph) elhelyezkedő entitásokat vizsgálnak. A Schema.org szabvány a közvetlen híd a weboldal és az AI adatbázisa között.

A legfontosabb entitásmezők a kódban:

  • Organization & legalName: a pontos jogi név, székhely és adószám.

  • founder & knowsAbout: az alkotók és szakértők nevesítése a hitelesség (E-E-A-T) igazolására.

  • sameAs: a külső, hiteles pontok összekapcsolása (Google Vállalkozásprofil, releváns domainek, kamarai adatok).

  • areaServed: a lokális és regionális működési kör rögzítése.

Példa:
JSON
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "BonsAI Digital",
  "legalName": "BonsAI HorizON Kft.",
  "url": "https://bonsaidigital.hu",
  "taxId": "32422289-2-41",
  "areaServed": ["Budapest", "Pest megye", "Magyarország"],
  "sameAs": [
    "https://bonsaihorizon.hu"
  ]
}

3. Tartalmi architektúra: a Direct Answer modell

A mesterséges intelligencia nem olvassa végig a többszörösen összetett, körmondatos felvezetőket.

  • Közvetlen definíciók a bekezdés élén: Minden témát, aloldalt és szolgáltatást 1-2 tömör, deklaratív mondattal kell nyitni. Az LLM-ek ezeket emelik ki definíciós blokként a felhasználói kérdésekre.

  • Tagolt listák és összehasonlító táblázatok: A strukturált információkat a modellek nagyobb valószínűséggel szintetizálják tényként, mint a folyó szövegbe rejtett adatokat.

  • Transzparens árazás: Az AI-motorok előnyben részesítik azokat a szolgáltatókat, amelyek konkrét irányárakat, induló projektköltségeket tüntetnek fel, mert ezekre közvetlenül tudnak hivatkozni a felhasználói összehasonlítások során.

4. Külső megerősítés és entitás-szinkron

Az AI algoritmusok nem pusztán a saját weboldalt vizsgálják, hanem az internet egyéb pontjaival vetik össze az állításokat. A Google Vállalkozásprofil (GBP) adatainak karakterre pontosan egyezniük kell a weboldal láblécében és a sémakódban található székhellyel, cégnévvel és szolgáltatási kategóriákkal. Viszlát Google kereső, helló AI-mód!

További cikkeink