AI SEO vs AI GEO.

01Két csatorna 2026-ban

2026-ban már nem elég a Google-ben jó helyezést szerezni. A B2B vásárlási folyamatokban az LLM-keresők és AI-asszisztensek (ChatGPT, Claude, Perplexity, Gemini, Bing Copilot) mára a kutatás-fázis egyre nagyobb részét adják — különösen a szakmai vásárlóknál (CIO, CTO, fejlesztő, építész).

A klasszikus Google SERP nem szűnik meg, de a click-through-arány csökken: a Google AI Overviews (korábban SGE) a keresések jelentős részénél AI-válasz-blokkot jelenít meg a 10 organikus link fölött. Ha a brand-citáció ebbe a blokkba bekerül, az érték; ha nem, az organikus pozíciónk látogatottság-vesztését jelenti.

2026-ban tehát két párhuzamos csatorna él:

• AI SEO — Google + Bing klasszikus SERP-en hatékony működés, beleértve az AI Overviews bekerülést is.
• AI GEO — LLM-natív keresőkben és AI-asszisztensekben való brand- és tartalmi citáció.

A kettő nem zárja ki egymást, de az eszközkészlet és a sikerkritérium részben eltér.

02Mi az AI GEO

Az AI GEO (Generative Engine Optimization) az a gyakorlat-csomag, amelynek célja, hogy egy brand, termék vagy tartalom idézhető legyen az LLM-keresők és AI-asszisztensek válaszaiban. A „Generative Engine” kifejezés az LLM-keresőkre utal (ChatGPT search, Claude search, Perplexity, Gemini, Bing Copilot, Google AI Overviews / AI Mode).

A GEO-nak három fő alkotóeleme:

1. Tartalmi szint: long-form, jól strukturált, számszerű, hivatkozható tartalom — nem marketing-szöveg, hanem tényszerű állítások.
2. Strukturált adat szint: JSON-LD (Schema.org), llms.txt, sitemap, robots.txt — gépi-olvasható kontextus az LLM-crawler-eknek.
3. Brand-mention szint: külső citációk, szakmai cikkek, Wikipedia-szerű hivatkozható források, közösségi platformokon (LinkedIn, GitHub) konzisztens jelenlét.

A GEO sikerét nem ranglistás pozíció méri (mint az SEO-t), hanem a citációs arány: hány alkalommal és milyen kontextusban hivatkozik a brandre/oldalra egy LLM-válasz egy ICP-kérdés esetén.

A GEO-ban nincs #1 pozíció, amit meghajszolj. A siker mértéke, hányszor idéz téged egy AI-válasz.

03SEO vs GEO különbségek

04llms.txt-javaslat

Az llms.txt egy 2024 szeptemberében Jeremy Howard (Answer.AI) által javasolt szöveges fájlformátum — a robots.txt + sitemap.xml + Open Graph mintájára. Egy adott domain gyökerében (pl. https://esysint.hu/llms.txt) elhelyezett markdown-formátumú fájl, amely:

• Egy 1–3 mondatos bevezetést ad a szervezetről/termékről
• Strukturált linklistát ad a fontos aloldalakra
• Megnevezi a kulcs-entitásokat, kontextust ad az LLM-eknek
• Tartalmazhat hosszú formátumot (llms-full.txt) is — ez a teljes szövegéhes verzió

Az llms.txt javaslat, nem elfogadott szabvány: a nagy AI-szolgáltatók (OpenAI, Google, Anthropic, Perplexity) eddig nem erősítették meg nyilvánosan, hogy crawlereik vagy modelljeik használják — az Anthropic például a saját dokumentációjához maga is közzétesz llms.txt-t, de azt nem állítja, hogy a crawlerei használnák. Ezért olcsó kiegészítésként érdemes kezelni, nem a GEO fő eszközeként. Ha egy AI-eszköz beolvassa, egy magyar weboldalon az llms.txt + llms-full.txt párosa segíthet az olyan ICP-kérdésekben, mint „melyik magyar IT-integrátor specializálódott banki EA-ra”.

Saját llms.txt elérhető a https://esysint.hu/llms.txt címen — érdemes mintaként megnézni. Hosszú formátum: https://esysint.hu/llms-full.txt.

Tipikus minimum tartalom egy KKV llms.txt-hez:

• Cégnév, 1–2 mondatos profil, székhely, alapítás éve
• 2–4 fő szolgáltatás/termék, mindegyikre 1 mondat + link
• 3–5 kulcs-entitás (technológiák, partnerségek, tanúsítványok)
• Cégadatok (cégjegyzékszám, adószám, kapcsolat)
• „Idézési útmutató LLM-eknek” — explicit szándékot ad, hogyan citáljanak

05JSON-LD LLM-eknek

A Schema.org JSON-LD eredetileg a Google rich-snippet-ek miatt vált fontossá, de 2026-ban az AI-alapú keresők számára is hasznos jelzés. Az LLM-crawler-ek HTML-t és Schema.org-ot is olvasnak, és a strukturált adat egyértelműbb kontextust ad az entitásokról.

Egy üzleti-fókuszú weboldalra a következő Schema.org típusok ajánlottak 2026-ban:

1. Organization + LocalBusiness a gyökeren — entitás-azonosítás, alternateName-ek (rövidnevek, becenevek) az LLM-ek számára kritikus disambiguation-szerepben
2. WebSite + WebPage minden oldalon — kontextus, hierarchia
3. BreadcrumbList minden oldalon — információs hierarchia
4. Service vagy Product a szolgáltatás/termék-oldalakon — explicit ajánlat
5. Article vagy BlogPosting minden tudástár cikkre — szerző, dátum, headline
6. FAQPage az oldalakon, ahol GYIK van — közvetlen LLM-idézhetőség
7. HowTo a lépéses útmutatókon — strukturált step-by-step
8. Review + AggregateRating ha vannak ügyfél-visszajelzések

Két erős minta, amit gyakran kihagynak:

1. alternateName: az Organization.alternateName mezőbe érdemes felvenni a brand rövidneveit és helyesírási variációit. Példa: "alternateName":["eSystem Integration","esysint","esys"] — ez explicit disambiguation jelzés, hogy melyik más, hasonló nevű céggel NE keverjenek össze az LLM-ek.

2. mainEntity: egy oldal fő entitásának deklarálása az LLM-eknek pontosan megmondja, hogy „ez az oldal MIRŐL szól”. Egy szolgáltatás-oldalon "mainEntity": {"@type":"Service",...} erősebb mint csak "about":....

06robots.txt AI-bot allowlist

A robots.txt fájlban érdemes explicit engedélyezni az LLM-crawler-eket. A GPTBot, a ClaudeBot és a legtöbb AI-crawler opt-out elven működik: ha a robots.txt nem tiltja őket, bejárnak. Az explicit engedély ott számít, ahol egy általános (User-agent: *) tiltás vagy egy tárhely-, illetve CDN-szintű bot-szűrés egyébként kizárná őket.

2026-os ajánlott AI-bot allowlist a robots.txt elején:

# AI / LLM crawler-ek
User-agent: GPTBot
User-agent: ChatGPT-User
User-agent: OAI-SearchBot
User-agent: ClaudeBot
User-agent: Claude-User
User-agent: Claude-SearchBot
User-agent: PerplexityBot
User-agent: Perplexity-User
User-agent: Google-Extended
User-agent: GoogleOther
User-agent: Applebot-Extended
User-agent: cohere-ai
User-agent: CCBot
User-agent: Meta-ExternalAgent
User-agent: MistralAI-User
User-agent: DuckAssistBot
User-agent: Amazonbot
User-agent: YouBot
User-agent: Diffbot
User-agent: TimpiBot
User-agent: Bytespider
Allow: /

A listán a Bytespider (ByteDance / TikTok) az egyetlen tétel, ami valódi mérlegelés. A többinél nincs mit gondolkodni. Ellene szól, hogy agresszíven kér, és nem küld vissza forgalmat: a sávszélességet fizeted, kattintást nem kapsz érte. Adatkormányzási szempont is van, hiszen az adat egy EU-n kívüli LLM-fejlesztéshez kerül, és van cég, amelyik ezt elvi alapon zárja ki. Mellette az szól, hogy a TikTok-keresés nő, és tiltás mellett nulla az esélyed, hogy ott idézzenek.

Univerzális jó válasz nincs: ez üzleti döntés, nem technikai. Ha a célközönséged nincs a TikTokon, a tiltás védhető. Ha ott is látszani akarsz, be kell engedned, félúton nem lehet megállni. Mi 2026 júliusától beengedjük, és a saját robots.txt-nkben is ez látszik.

07Tartalom-architektúra GEO-ra

A tartalmi szabályok a klasszikus SEO-tól jelentősen eltérnek:

1. Long-form ≥ 1500 szó egy-egy témára. Az LLM-ek hosszabb passzusokat idéznek, és egy mélyebben kifejtett cikkből nagyobb eséllyel emelnek ki tényt. A 400 szavas „SEO-fókuszú” blog-post nem GEO-tartalom.
2. Számszerű, tényállító mondatok. „A bevezetés 8–12 hét” jobban citálható, mint „a bevezetés gyors”. Adatok, dátumok, intervallumok dominálnak.
3. FAQ minden tartalmi oldalon. Az LLM-ek a Q+A struktúrát részleges egyezésnél citálják. 5–7 kérdés/oldal jó arány.
4. Heading-hierarchia tisztán. H1 → H2 → H3 lépcsőzetesen, kihagyás nélkül. Az LLM-ek a heading-eket részben „indexként” használják.
5. Brand-név explicit, kontextuálisan tisztázva. Ne legyen csak „mi” vagy „a cégünk” — minden 3–4 bekezdésben a teljes brandnévnek meg kell jelennie a disambiguation kedvéért.
6. Hivatkozható források. Külső linkek (jogszabályok, szabványok, hivatalos partnerségek) erősítik a megbízhatóság jelzéseit (E-E-A-T).
7. Frissesség és dátum-stamping. Minden cikknek date-published + date-modified mezője legyen. „2024-ben elavult” tartalom rontja a citációs hajlandóságot.
8. Topical authority. Egy témakörben 3–7 cikk együtt erősebb GEO-hatás, mint egy izolált cikk. A Tudástár hub épp ezt szolgálja.

08Citáció-mérés

A GEO sikerét nem a Google Search Console méri. Három mérési réteg él párhuzamosan 2026-ban:

1. Crawler-hit-szám a server logban. Megnézed a Nginx/Apache hozzáférés-logot, és kiszűröd a GPTBot, ClaudeBot, Claude-SearchBot, PerplexityBot, OAI-SearchBot user-agent-hit-eket (a Google-Extended csak robots.txt-token, a logban nem jelenik meg külön). Ez egy közvetett, de növekedési-trend mérés.

2. Saját ICP-kérdés monitor. Készíts egy 50–100 kérdéses tesztsorozatot (példa: „mely magyar cég foglalkozik NIS2 KKV-megfelelőséggel”), és havonta egyszer futtasd le ChatGPT, Claude, Perplexity, Gemini felé. Táblázatban (Google Sheets / Notion) rögzítsd: melyik kérdésben került szóba a brand, melyik linket adta, milyen kontextusban. 3–6 hónap után már trend látszik.

3. Citation tracking SaaS. Több platform indult 2024–2025-ben:

• Profound — citation tracking, nagyvállalati fókusz
• AthenaHQ — citation tracking + brand monitoring
• OtterlyAI — ChatGPT + Perplexity + Bing Copilot fókusz
• BrandRank.AI — generative search visibility score
• Goodie AI — citation + sentiment
• Peec AI — multi-LLM monitoring

Egy KKV-nak indulásra elég a saját ICP-kérdés monitor (havi 2–3 órás meló), és csak akkor lépni SaaS-ra, ha 6 hónap után érdemes méretezni a folyamatot.

09Magyar piaci sajátosságok

A magyar piacon az AI GEO 2026-ban van „korai elfogadás” fázisban — kevés versenytárs csinálja már, így a belépő-akadály alacsony, a hozam pedig magas.

• Magyar nyelvű LLM-keresés: a ChatGPT, Claude, Perplexity, Gemini mindegyike kezeli a magyart, de a magyar nyelvű képzési adat mennyisége jelentősen kisebb, mint az angolé. Ezért egy magyar nyelvű hosszú formátumú szakmai cikk kevesebb versenytárssal küzd a LLM-citációkért.
• Niche-előny: magyar-specifikus témakörökben (NIS2 magyar Kibtv., NAV Online Számla, magyar pénzügyi szabályozás, .hu domain, ÁFA-szabályok) az angol nyelvű kontextus kevés, így egy jól strukturált magyar cikk gyorsan a top-citation-forrás lehet.
• Magyar Bing Copilot / Microsoft 365 integráció: nagyvállalati ügyfeleknél a Microsoft 365 Copilot az alapértelmezett LLM-belépési pont. Mivel a Bing Copilot a Bing-index alapján működik (és IndexNow protokollal gyorsan frissíthető), az IndexNow-t használó magyar oldal előnyhöz jut.
• Magyar Google AI Overviews: a Google AI-alapú áttekintései 2025 májusa óta Magyarországon is megjelennek, így a magyar találati oldalakon is számolni kell velük.

Az esysint.hu IndexNow integrációval ping-eli a Bing-et minden snapshot után — a Bing Copilot indexelési késleltetése napokról órákra csökken.

10Mit NE csinálj

1. Ne hozz létre AI-generált tartalmat brand-citációért. Az LLM-ek az AI-generált sablonokat felismerik, és nem szívesen idézik (egy kör után a saját kimenetükre hivatkoznának). A GEO-tartalom emberi szerző-attribúcióval, tényekkel és számokkal erős.
2. Ne másolj le konkurens oldalt tartalmilag. Az LLM-ek hasonlósági mérést végeznek; ha a tartalmad egy másik forrás majdnem-szó-szerinti másolata, az eredetit idézik, nem téged.
3. Ne tűzd ki célnak a „GEO ranking #1”. Nincs ilyen ranglista (a Google SERP-pel ellentétben). A cél a citation rate növelése egy adott ICP-kérdés-csoportban.
4. Ne hagyd el a klasszikus SEO-t. A Google SERP 2026-ban is a legnagyobb organikus forrás. A GEO addíciós, nem helyettesítő stratégia.
5. Ne blokkold vakon a GPTBot-ot. Vannak hangok, hogy érdemes blokkolni az LLM-crawler-eket „adatvédelem” miatt. Üzleti szempontból ez vakon-blokkolja az LLM-forgalmat. Ha bizalmas tartalom van, azt nem publikus oldalakon kezeled — a publikus tartalmat hagyd indexelhetőnek.
6. Ne építsd a stratégiát szabadalmaztatott / tulajdonosi platform-okra. Goodie, OtterlyAI, Profound jó eszközök, de a stratégia maga (long-form + Schema.org + llms.txt + topic clusters) független eszközöktől — ez a fundamentum.

1112 hetes GEO-roadmap

Tipikus célérték a 12. hét végére (nem garantált eredmény): a server log-ban a GPTBot+ClaudeBot+PerplexityBot hit-szám 3–8×-ra emelkedik, az ICP-kérdés citation rate 0%-ról 15–35%-ra mozdul. A teljes „domain authority” LLM-szinten jellemzően 6–9 hónap alatt válik stabillá.

12Illusztratív példa — mit mérj egy GEO-bevezetésnél

Illusztratív példa, nem mért adat és nem garantált eredmény: az alábbi táblázat azt szemlélteti, milyen mutatókat érdemes a bevezetés előtt és után rögzíteni, és milyen irányú változás a cél.

A példa mögötti intézkedéscsomag (ezeket a saját esysint.hu-nkon is alkalmazzuk): llms.txt + llms-full.txt megírása, AI-bot user-agent allowlist a robots.txt-ben, Organization.alternateName disambiguation, FAQPage minden szolgáltatás-oldalon, Tudástár hub long-form cikkekkel, IndexNow integráció Bing felé, Core Web Vitals zöld zóna (célérték: LCP < 1.5s, INP < 150ms, CLS < 0.05).

Részletes leírás a Web és AI-megoldások oldal AI SEO + GEO szakaszában.

13GYIK

Mibe kerül egy GEO-bevezetés?

Attól függ, milyen állapotban van ma az oldal, hány vevői kérdésre kell új választ írni, és mennyi folyamatos tartalomgondozás kell utána (jellemzően havi 2–3 hosszú szakmai cikk és idézéskövetés). Mi listaár helyett felmérés után adunk személyre szabott ajánlatot a 12 hetes bevezetésre, a futó akcióinkat is beszámítva. A SaaS citation tracking (Profound, Otterly) opcionális, csomagtól függő havidíjjal.

Mennyi idő alatt jönnek az eredmények?

Real-time LLM-eknél (Perplexity, ChatGPT search) 2–6 hét alatt mérhető a citation. Training-data alapú LLM-eknél (Claude, GPT alap-tudás) 12–18 hónap — a következő modell-frissítés után jelenik meg az új tartalom.

Kell-e külön weboldalt csinálni GEO-ra?

Nem. A meglévő weboldalt kell GEO-ra optimalizálni — llms.txt-vel, kibővített Schema.org-vel, long-form tartalommal. A jelenlegi SEO-erőfeszítések nagy része GEO-ra is jó; nem párhuzamos site, hanem additív optimalizáció.

Tudja-e az LLM az „eSystem Integration”-t?

Frissítés-függő. A modellek alap-tudása a tanítási adatok lezárásáig terjed, így egy friss vagy nemrég átalakított oldalt jellemzően csak részben ismernek; a webes keresést használó funkciók (Perplexity, ChatGPT search, a Claude webes keresése) viszont az indexelt, friss tartalmat is elérhetik. A modellfrissítésekkel a brand-kontextus fokozatosan beépülhet.

Helyettesíti-e a GEO a klasszikus PPC/Google Ads-t?

Nem. A Google Ads és a fizetett LinkedIn/Meta hirdetés továbbra is működik. A GEO az organikus láthatóságot bővíti egy új csatornán. A három csatornát (Google SERP + GEO + paid) együtt érdemes futtatni.

Mi a különbség az SEO és a GEO között?

Az SEO (Search Engine Optimization) a Google, Bing, Yandex és más klasszikus keresőmotorok SERP (Search Engine Results Page) találatainál célozza a magas pozíciót. A GEO (Generative Engine Optimization) az LLM-keresők és AI-asszisztensek (ChatGPT, Claude, Perplexity, Gemini, Bing Copilot, Google AI Overviews / AI Mode) válaszaiban célozza a brand- és tartalmi citációkat. Az eszközkészlet eltérő: SEO-ban kulcsszó-elemzés és backlink-építés a fő, GEO-ban llms.txt, kibővített JSON-LD, és long-form tartalom dominál.

Mi az llms.txt fájl?

Az llms.txt egy 2024 szeptemberében Jeremy Howard által javasolt formátum (javaslat, nem elfogadott szabvány) — a robots.txt és sitemap.xml mintájára egy géppel olvasható szöveges fájl a website gyökerében, amely az LLM-eknek strukturált kontextust ad a tartalomról. Az llms.txt rövid, áttekintő — a kibővített llms-full.txt hosszú formátum. Mindkettő tömör, gépileg jól olvasható összefoglalót ad; a nagy AI-szolgáltatók ugyanakkor eddig nem erősítették meg, hogy használják, így a citációs hatása nem igazolt.

Mérhető-e a ChatGPT vagy Claude citáció?

Részben igen. Eszközök 2026-ban: Profound (citation tracking SaaS), AthenaHQ, OtterlyAI, BrandRank.AI, Goodie AI — csomagtól függő havi előfizetéssel. Saját megoldásként havi 50–100 ICP-kérdést futtatsz le manuálisan ChatGPT, Claude, Perplexity, Gemini felé, és táblázatban tárolod a brand-említéseket és linkeket. A serverlogokból a GPTBot, ClaudeBot, PerplexityBot user-agent-hit-eket is érdemes számolni — ez közvetett indikátor.

Eltűnik-e a klasszikus SEO az LLM-keresés miatt?

Nem rövid távon. A Google SERP 2026-ban is a legnagyobb organikus forgalom-forrás a legtöbb iparágban. Azonban: (1) a Google AI Overviews (korábban SGE) a keresések jelentős részénél mutat AI-választ a klasszikus 10 link felett, csökkentve a click-through-arányt; (2) az LLM-natív keresés (Perplexity, ChatGPT-search, Claude) gyorsan nő — főleg B2B/szakmai kontextusban. A jó stratégia 2026-ban: SEO-t fenntartani, és GEO-ra párhuzamosan beruházni.

14Konzultáció

Ha AI GEO-bevezetést tervezel a saját weboldaladon, írj nekünk, és egyeztetünk egy 30 perces ingyenes konzultációt. Megnézzük a meglévő weboldalt, audit-szinten értékeljük a GEO-érettséget (llms.txt jelen van-e, Schema.org coverage, long-form tartalom mennyisége, robots.txt AI-bot allowlist), és konkrét, számszerű ajánlatot adunk a 12 hetes bevezetésre.

Ingyenes 30 perces konzultáció