Hogyan végezzen GEO-auditot: kövesse nyomon az AI-alapú keresési láthatóságát

Bevezető

A legtöbb marketingcsapat ugyanúgy ellenőrzi az AI-láthatóságát: valaki megnyitja a ChatGPT-t, beírja, hogy „a legjobb [kategória] [városban]”, és elolvassa a választ. Ha a márka megjelenik, mindenki megnyugszik. Ha nem, valaki pánikba esik a Slack-csatornán. Akár így, akár úgy, szinte semmit sem tudunk meg belőle – egy egyszeri, egyetlen platformon futtatott parancs csupán anekdota.

A GEO-audit az anekdotát egy megismételhető méréssel váltja fel. A GEO – generatív motoroptimalizálás – az a tudományág, amelynek célja, hogy a márka pontosan megjelenjen az AI által generált válaszokban. Ez az útmutató végigvezeti Önt a teljes audit öt lépésén: egy fix parancssor-panel felépítése, annak következetes futtatása a különböző platformokon, a válaszok pontozása, a válaszok forrásainak feltérképezése, valamint a folyamat ütemezett újrafuttatása. A végén egy olyan kiindulási alapot kap, amelyet meg tud védeni, és egy olyan folyamatot, amelyet a következő hónapban is megismételhet anélkül, hogy elölről kellene kezdenie.

Mit mér valójában egy GEO-audit?

Az ok, amiért ezt most komolyan kell venni, egyszerű: a mesterséges intelligencia által generált válaszok észrevétlenül vásárlási csatornává váltak. Azok a potenciális ügyfelek, akik korábban tíz kék linket nyitottak meg, ma már egyetlen szintetizált választ olvasnak el, és annak alapján cselekszenek. A válaszban szereplő márkák osztják fel a keresletet; mindenki más a maradékot osztja fel egymás között. A legtöbb vállalatnak fogalma sincs arról, hogy ezen a vonalon melyik oldalon áll.

A lépések bemutatása előtt érdemes pontosan meghatározni a mérési egységeket, mert ezek nem rangsorok.

A GEO-audit négy dolgot mér. Először is az említés: egyáltalán megemlíti-e az asszisztens a márkádat, amikor egy vásárló olyan kérdést tesz fel, amilyet a te vásárlóid is feltennének? Másodszor a hivatkozás: a te weboldaladra vagy valaki máséra mutat-e, amikor állításokat tesz rólad? Harmadszor, a leírás: amikor rólad beszél, igaz-e, amit mond – a kategóriád, a helyszíned, az árkategóriád, az alapszolgáltatásod? Negyedszer, a forrásfüggőség: mely harmadik fél oldalaira támaszkodik az asszisztens, amikor kialakítja a válaszát, és azok az oldalak azt mondják-e, amit te szeretnél, hogy mondjanak?

Ez a négy tényező egymástól függetlenül viselkedik. Előfordulhat, hogy egy márkát mindenhol emlegetnek, de sehol sem hivatkoznak rá. Előfordulhat, hogy hivatkoznak rá, de rosszul írják le. Előfordulhat, hogy jól írják le, mert egy elavult értékelési oldal éppen ebben a negyedévben dicsérő szavakat használ. Ha mindezt egyetlen „AI-pontszámba” átlagoljuk, elrejtjük azokat a problémákat, amelyeket leginkább látnunk kell. Ha a négy tényezőt külön kezeljük, az ellenőrzés diagnosztikai jelleget ölt: minden hibatípusnak más a megoldása.

Még egy dolog, amiben meg kell egyeznünk a kezdés előtt: az audit egy mozgó rendszer pillanatképe. A modellek frissülnek, a keresési források változnak, és a válaszok eltérnek. Az érték nem egy-egy futtatásban rejlik, hanem abban, hogy később újra lefuttatjuk ugyanazt a tesztet, és megnézzük a különbséget. Az alábbi lépésekben szereplő minden arra szolgál, hogy ez az ismétlés olcsó és megbízható legyen.

1. lépés: Készítsen egy rögzített kérdéspanelt

Az audit alapja egy 20–30 kérdésből álló panel, amelyeket úgy írtak meg, ahogy a valódi vásárlók beszélnek, nem pedig úgy, ahogy a marketingcsapatod beszél. Ez nehezebb, mint amilyennek hangzik, mert a belső csapatok rendszerint olyan kérdéseket írnak, amelyek a saját márkás szókincsüket tartalmazzák – amit egyetlen vásárló sem használ, és ami értelmetlenné teszi az auditot.

Egy jó kérdéssor ötféle kérdéstípust ötvöz. Kategóriakérdések: „Mely jakartai ügynökségek foglalkoznak generatív keresőmotor-optimalizálással?” Problémakérdések: „Miért nem említi soha a ChatGPT a cégemet?” Összehasonlító kérdések: „Hasonlítsa össze az X három legjobb lehetőségét!” Helyi vagy nyelvspecifikus kérdések, minden olyan nyelven, amelyet a vásárlói ténylegesen használnak. És specifikációs kérdések, amelyek megneveznek egy funkciót, árkategóriát vagy követelményt, mert ezek azok a kérdések, amelyek a legközelebb állnak a vásárláshoz. Itt segít egy kulcsszó-kutatási eszköz: azok a keresési kifejezések, amelyeket az emberek már beírnak a Google-ba, a legjobb alapanyagot jelentik azokhoz a kérdésekhez, amelyeket majd az asszisztensbe fognak beírni.

Íme egy kis kivonat egy valós panelből egy B2B szolgáltató márka esetében:

• „Melyek a legjobb GEO-ügynökségek egy közepes méretű e-kereskedelmi vállalat számára?” – „Mennyibe kerül egy GEO-audit, és mit kell tartalmaznia?” - „A [márka] vagy a [versenytárs] a jobb a nemzetközi SEO szempontjából?” - „Agensi digital di Jakarta yang paham AI search?” (ugyanaz a szándék, a vásárló másik nyelvén) - „Miért ajánlja a Perplexity a [versenytársat], de nem a [márkát]?”

Figyeljük meg, hogy ezek közül egyik sem említi a márka szlogenjét, a termékneveket vagy a belső terminológiát. Pont ez a lényeg.

Három szabály biztosítja a panel hitelességét. A kérdéseket értékesítési beszélgetésekből és ügyfélszolgálati jegyekből állítsa össze, ne brainstormingokból – a vásárlók ugyanazt a megfogalmazást használják az értékesítővel, mint az asszisztenssel. Vegyünk fel néhány olyan kérdést, amelyekben biztosan nyerni fogunk, és néhányat, amelyekben várhatóan veszíteni fogunk; egy olyan panel, amelyet simán megnyerünk, semmit sem árul el. És rögzítsük a listát. A leggyakoribb hiba, ami ezeknél az ellenőrzéseknél előfordul, az, hogy havonta csendben könnyebb kérdésekre cserélik őket, ami miatt bármilyen trendvonal felfelé ível. Egyezzenek meg egyszer a panelről, írják le, osszák meg az érdekelt felekkel, és ne nyúljanak hozzá a futások között.

2. lépés: Futtasd a kérdőívet minden platformon, következetesen

Minden kérdést futtasson minden olyan platformon, amelyet a vásárlói használnak. A mai márkák többsége számára ez a ChatGPT-t, a Gemini-t, a Google AI Overviews-t, a Google AI Mode-ot, a Perplexity-t, a Copilot-ot, a Claude-ot és a Grok-ot jelenti – de hagyja, hogy a saját elemzései és ügyfélbázisa döntsön, ne a szokásai.

A következetesség fontosabb, mint a lefedettség. Minden platformhoz használjon tiszta munkamenetet: ne alkalmazzon bejelentkezéshez kötött személyre szabást, ahol elkerülhető, ne adjon egyedi utasításokat, és minden futtatásnál használja ugyanazokat a hely- és nyelvi beállításokat. Jegyezze fel ezeket a beállításokat egyszer, és használja újra őket, mert ezek befolyásolják a válaszokat. Minden kérdést futtasson háromszor platformonként, ne csak egyszer – egyetlen futtatás elcsábíthat vagy elriaszthat, míg három futtatás feltárja, hogy a válasz valójában mennyire stabil. Ha egy kérdés három futtatásból kétszer a márkáját adja vissza, az más eredmény, mint ha háromból háromszor.

Ne hagyjon ki nyelveket! Ugyanaz a kérdés angolul és indonézül két teljesen különböző szűkített listát eredményezhet, mivel a modellek által lekért alapforrások nyelvenként eltérőek. Bármely márka, amely egynél több nyelvű piacon értékesít, gyakorlatilag nyelvenként egy-egy ellenőrzést hajt végre.

Minden lépésnél vezessen naplót: kérdés, platform, futtatás száma, dátum, a teljes válasz szövege vagy egy képernyőkép. Az első héten unalmasnak tűnik a naplózás, de a harmadik hónapban ez lesz a legértékesebb dokumentum a birtokában, amikor valaki megkérdezi, miért változott egy szám.

Egy egyszerű naplózási struktúra is elegendő. Futásonként egy sor, oszlopokkal a dátum, a platform, a kérdés azonosítója, a futás száma, az említés (igen/nem), az esetleges hivatkozott URL, a leírás összefoglalása, a látható források és a teljes válaszra mutató link számára. Ebben a szakaszban a táblázatok jobbak, mint a műszerfalak; a formátum változni fog, ahogy megtanulod, miről kérdeznek valójában az érdekelt felek, és a táblázatok könnyen alkalmazkodnak a változásokhoz.

3. lépés: Értékelje az említéseket, hivatkozásokat és leírásokat

Minden válaszhoz rögzítsen négy mezőt.

Említés: megnevezték-e a márkát, igen vagy nem. Hivatkozás: tartalmazott-e a válasz linket a webhelyére, és ha hivatkozott valahova, akkor hova. Leírás: rövid megjegyzés arról, hogyan jellemezték a márkát – kategória, helyszín, pozícionálás, árkategória. Források: mely külső oldalakra támaszkodott láthatóan a válasz, ahol a platform azokat megjeleníti.

Két mintára érdemes külön figyelni. A hivatkozás nélküli említés azt jelenti, hogy a modell ismeri a nevedet, de nem kapcsolta össze a saját forrásaiddal – ez általában arra utal, hogy a saját weboldalad nem a legjobb válasz a feltett kérdésre. A helytelen leírással kísért hivatkozás mindkettőnél rosszabb: az asszisztens magabiztosan irányítja hozzád a vásárlókat, miközben tévesen állítja, hogy mivel foglalkozol, hol található a vállalkozásod, vagy mennyibe kerülnek a szolgáltatásaid. A csapatok ezt a problémát alábecsülik. Az a segéd, amely megemlíti a nevét, de tévesen adja meg a helyszínét, az árkategóriáját vagy a fő szolgáltatását, nagyobb kárt okoz, mint az, amelyik kihagyja Önt, mert ez nagy léptékben csalódott vásárlókat eredményez.

Ellenállj annak a kísértésnek, hogy a platformokat egyetlen átlaggá összegezd. A platformok annyira eltérően viselkednek, hogy az átlag puszta kitaláció. Ügyfeleinkkel végzett munkánk során rendszeresen találkozunk azzal, hogy egy márka több száz Google AI Overviews és AI Mode válaszban megjelenik, miközben ugyanaz a kérdéspanel a Copilot, a Perplexity, a Gemini és a ChatGPT együttesében is csak néhány tucat említést eredményez. Egy márka, amely csak az összesített számot nézi, azt hinné, hogy AI-láthatósága „mindenhol közepes”, miközben valójában erős a Google felületein, és szinte teljesen hiányzik az önálló asszisztensekből – ez két, teljesen eltérő megoldást igénylő probléma.

4. lépés: A válaszok alapjául szolgáló források feltérképezése

Ez az a lépés, amely a mérést munkatervvé alakítja.

Amikor egy asszisztens forrásra hivatkozik a kategóriáddal kapcsolatos állításhoz, írd le a forrást. Egy teljes panel áttekintése során összeáll egy lista: értékelő platformok, összehasonlító cikkek, iparági címjegyzékek, a Wikipédia, Reddit-szálak, híradások, saját webhelyeid. Ez a lista jelenti a valódi csatateret. A modellek nem találnak ki véleményeket a márkákról; csupán összegyűjtik és összefoglalják, amit az interneten már elhangzott.

Olvassa át a forráslistáját három kérdés alapján. Melyik oldalt irányítjuk közvetlenül vagy kapcsolatainkon keresztül? Melyik oldal pontatlan, elavult vagy nem említi a márkánkat – és mi lenne szükséges a kijavításukhoz? És mely források jelennek meg a versenytársaknál, de nálunk nem?

Egy gyakorlati példa: tegyük fel, hogy a „legjobb X Y-hoz” összehasonlító kérdés következetesen egy jól ismert értékelő oldalra és egy iparági címjegyzékre támaszkodik. A márkád mindkettőn hiányzik; három versenytárs viszont mindkettőn szerepel. Az ellenőrzés pontosan megmutatta neked: az asszisztensek nem hagynak figyelmen kívül, hanem hűen tükrözik azt az internetet, amelyen hiányzol a kérdés szempontjából fontos két oldalról. A megoldás ugyanolyan pontos: szerezz pontos, naprakész jelenlétet ezen a két oldalon. A honlap szövegének átírása semmilyen módon nem változtatta volna meg ezt a választ.

Ez is az oka annak, hogy a GEO és a klasszikus SEO végül a eszköztáruk nagy részét megosztják egymással: a rangsoroló források általában azok a források, amelyeket a rendszer lekérdez. A digitális PR, a megbízható kiadványokban megjelenő vendégcikkek, a pontos címjegyzék-bejegyzések és a valódi ügyfelektől származó értékelések nem túl látványos munkák, de éppen ezek azok, amelyek befolyásolják az AI-válaszokat. Ez egyben az Arfadia tevékenységének középpontját is képezi azoknál a márkáknál, amelyek az AI-keresésben való jelenlétüket építik.

5. lépés: Javítsd ki, majd futtasd újra a terv szerint

Egy olyan audit, amely csupán egy diavetítéssel zárul, semmit sem változtat meg. Alakítsa át az eredményeket egy javítási listává, hatékonyság szerint sorba rendezve: először javítsa ki a téves leírásokat a nagy tekintélyű forrásokon, majd építse ki jelenlétét azokon a forrásokon, amelyek a kategóriára vonatkozó válaszokat generálják, végül erősítse meg saját oldalait, hogy azok legyenek a legjobban megtalálható válaszok azokra a kérdésekre, amelyekre Önnek kell a válasz.

Ezután futtassa újra ugyanazt a vizsgálatot – ugyanazokkal a kérdésekkel, ugyanazokon a platformokon, ugyanazokkal a beállításokkal, ugyanazokkal a három futtatásokkal – rögzített időközönként. A legtöbb márka számára a havi gyakoriság megfelelő; a negyedéves a minimum. Hasonlítsa össze a futtatásokat egymással, platformonként, mutatóként. Amit keres, az nem egy emelkedő szám. Hanem a konkrét válaszok változását: azt a összehasonlító kérdést, amelyben most már szerepel a márkád, azt a leírást, amely végre pontos, azokat a Perplexity-válaszokat, amelyek most már a te webhelyedet idézik egy hároméves értékelés helyett.

Korán határozza meg az elvárásokat az érdekelt felekkel: az AI-válaszok változása hetekkel vagy hónapokkal lemarad az alapul szolgáló munkától, mert a modellek és azok lekérdezési rétegei a saját ütemezésük szerint frissülnek. Egy hónapos javítások után egy változatlan első újrafuttatás normális, nem pedig ítélet.

A jelentések megérdemelnek egy külön említést. Azok az érdekelt felek, akik hozzászoktak a SEO-jelentésekhez, az AI-ben a rangkövetővel egyenértékű megoldást fognak kérni: egy számot, ami emelkedik. Adj nekik valami jobbat – egy rövid jelentést platformonként, a négy mutató külön-külön feltüntetve, két vagy három szó szerinti válaszkivonattal, valamint a javítási listával és annak állapotával. A szó szerinti kivonatok többet tesznek a hitelességért, mint bármelyik diagram, mert senki sem vitatja azt a képernyőképet, amelyen egy asszisztens tévesen írja le a cégedet.

Az is segít, ha a klasszikus SEO-mérést párhuzamosan futtatja, ahelyett, hogy helyette használná. A rangsorok, az organikus forgalom és az AI-láthatóság különböző kérdésekre adnak választ: hol áll az eredményoldalakon, és mit mondanak rólad a gépek, ha közvetlenül megkérdezik őket. A kettő egyre inkább megosztja az adatokat, így ha egymás mellett követi nyomon őket – a kulcsszavak pozícióit a rangkövetőben, az említéseket és hivatkozásokat az auditnaplóban –, láthatja, melyik tényező melyik eredményt befolyásolta.

Automatizálható-e a GEO-audit?

Részben. A panel futtatása és a válaszok naplózása automatizálható, és nagy panelek esetén ezt érdemes is megtenni – ugyanazok az AI-alapú SEO-eszközök, amelyek a láthatóságot követik nyomon, be is állíthatják a futtatások ütemezését. A válaszok elolvasását nem szabad automatizálni, legalábbis nem teljesen: annak megítélése, hogy egy leírás finoman téves-e – a megfelelő szolgáltatás, a rossz piac; a megfelelő ár, a rossz szint –, még mindig emberi feladat, és éppen itt rejtőznek a legdrágább hibák. Ésszerű megoldás az automatizált adatgyűjtés emberi értékeléssel, ugyanazon a rögzített gyakorisággal.

Gyakori hibák, amelyek észrevétlenül tönkreteszik a GEO-auditokat

A sikertelen ellenőrzések többsége ugyanazon néhány ok miatt bukik meg. A kérdéssor módosítása a futtatások között, ami hamis előrehaladást eredményez. Egyetlen platform – általában a ChatGPT – tesztelése, majd az eredmények általánosítása az „AI”-ra. Egyszeri tesztelés három helyett, és a zaj után való hajszolás. Az említések sikerként való értelmezése anélkül, hogy ellenőriznék, pontos-e a leírás. A nyelvek figyelmen kívül hagyása, majd az a következtetés, hogy a márka láthatatlan, holott csupán angolul nem jelenik meg. És mindennek egyetlen pontszámba történő átlagolása, ami elrejti az egyetlen olyan információt, amely alapján érdemes cselekedni.

Mindezek folyamatbeli hibák, nem pedig az eszközökkel kapcsolatos hibák. Ezenkívül könnyen elkerülhetők, ezért is jobb egy fegyelmezett, manuális audit, mint egy hanyag, automatizált.

Mennyi időbe telik, mire a javítások megjelennek az AI-válaszokban?

Hetekre vagy hónapokra számítson, nem napokra. A saját oldalakat gyorsan újra be lehet járni, de a legtöbb kategóriaválaszt meghatározó harmadik féltől származó források a saját ütemtervük szerint frissülnek, és a modell viselkedése késéssel követi ezeket. Ez érv amellett, hogy az ellenőrzést most kezdjük el, ahelyett, hogy várnánk: a kiindulási alap felépítése egy hetet vesz igénybe, és minden hónap, amikor nincs ilyen, egy olyan eltéréssel járó hónap, amelyet nem láthat.

Záró gondolatok

A GEO-audit nem valami izgalmas feladat. Ez egy rögzített lista a vásárlók kérdéseiből, amelyet gondosan végig kell futtatni az ügyfelei által használt asszisztensekön, figyelmesen elolvasva az említéseket, hivatkozásokat, leírásokat és forrásokat, majd a következő hónapban ugyanúgy újra lefutni. Azok a márkák, amelyek ezt megteszik, megtudják, hol állnak valójában, és mit kell kijavítaniuk. Azok a márkák, amelyek továbbra is csak egyes kérdéseket ellenőriznek, továbbra is csak megérzésekre támaszkodnak adatok helyett.

Tessar Napitupulu, az Arfadia alapítója és vezérigazgatója.

Ez a terület még annyira fiatal, hogy a legtöbb kategóriában egyáltalán nincs kialakult alapérték – ami azt jelenti, hogy az adott kategóriában az első csapat, amely őszintén elvégzi a méréseket, általában az első is, amely javulást ér el. A témában megjelent két könyvem, az indonéz digitális környezetről szóló „Found Before They Search” és a GEO-val és az AI-láthatósággal foglalkozó „Cited or Silent” egyaránt ugyanabból a kiindulópontból indul ki, mint ez az útmutató: nem nyerhetsz olyan játékot, amelynek eredménytábláját nem vagy hajlandó elolvasni.

Állítsd össze a kérdőívet, rögzítsd, futtasd le, és hagyd, hogy a válaszok megmutassák, hol van még tennivaló.