A lehetőség, ami aztán szép lassan gyakorlattá, majd szükségessé vált.

Valószínűleg nem lehet megérteni a jelent, ha nem ismerjük a múltat, a jövőt pedig még nehezebb lenne megjósolni, és talán így sem lehet, és meg sem nem próbáljuk.

A katalógusrendszerek, amit a keresőóriások is működtetnek az alexandriai¹, kolostori² és korabeli index rendszereken alapulnak, de még közelebb állnak a modern kori szisztematikusan rendszerezett könyvtári katalógusokhoz: a DDC³ rendszerekhez, azonban, még itt is kevés a hasonlóság. A valóban legközelebbi rokona a keresőmotoroknak, vagy az online keresőszolgáltatások mögött meghúzódó katalógusrendszerezési szisztémáknak az olyan online keresőrendszerek, mint az OPAC, MARC, vagy a Dublin Core⁴.

A SEO térnyerése a 2000-es évek elejétől a mai napig

A Google a PageRank algoritmus bevezetésével kezdte azt a hosszú menetelést, amit máig megtettünk a keresőoptimalizálás területén. 2012-től jöttek a törzsgyökeres változások. A Panda, Penguin, Hummingbird, majd a felhasználói élmény fókuszba helyezése, a technológia és a minőségi linkek, a linkprofil és a különféle felületek, mint mobil, hír, térkép, kép, terméktalálatok. Közben megérkezett az applikáció, mint online felület – magával hozva az ASO-t. A mesterséges intelligencia kezdetleges modelljei, mint RankBrain, a BERT. Közben egyéb keresési módok, mint a voice search, egyre fontosabbá váltak a szemantikailag is minőségi megoldások, mint logikus, egyszerű, és érthető weboldal struktúra, a strukturált adatok, a Core Web Vitals, a DOM, a CLP, LCP, E-E-A-T. Ezek a folyamatok mai napig tartanak, és napi szinten változnak újabb elmeeket integrálva, mint az ASO, a GEO, AEO, SXO és senkisem tudja mi vár még ránk. Ez idáig ennek fényében rengeteg SEO gyakorlat alakult ki.

Meggyőződés, hogy a sok-sok általános praktika mögött, ott van az ember, azaz a SEO-s, ami meghatározza a munkát, így nem lehet egy-egy általános módszert, vagy technikát kiemelni, mert minden gyakorlat mögött ott áll egy személy és mindegyik gyakorlat ugyanúgy eredményeket tud, vagy képes szállítani.

Olyan ez, mint a művészet, tudjuk "mit" kell csinálni, de a fókusz mindig a "hogyan" - on van, és ezt az ember teszi hozzá, ami mindig egyedi, még ha 99%-ban egyezünk is, a döntő a maradék 1% lesz.

Éppen ezért a most említett gyakorlatok sem a "hogyan"-ról fognak szólni, hanem arról, hogy mit csinálhatunk.

A találati lista

A SERP is folyamatosan változik, ami elmondható egyre kevesebb organikus találat jelenik meg, és azok, amik megjelennek többrétegűek lettek, nem csak a klasszikus weboldalakat látjuk, hanem képeket, térképtalálatokat, termékeket, videókat, és már AI által generált kivonatokat is.

Ami nem változott és a talán a legfontosabb minden apróság mellett az az üzlet, ami e mögött van.

Hogyan működik a gyakorlatban egy AI modell?

A GEO botok, mint a ChatGPT, Gemini vagy Perplexity alapvetően kétféleképpen adnak kivonatokat, vagy "válaszolnak" egy-egy keresésre:

Egyrészt előre betanított tudás alapján (saját "adatbázis"). A legtöbb AI nagy szöveges korpuszon, tehát bármilyen lexikális anyagon keresztül tanul, vagy van "tanítva". Ez lesz a tanulási fázis, tehát adatok alapján tanult mintákból készít kivonatokat. Amikor a lekérdezés történik, azaz a keresés a választ a modell állítja össze, azaz nem adatbázisból, vagy azonnali keresésből jeleníti meg a konkrét tartalmakat, hanem a tanult adatok alapján válaszol.

A második opció, ha az, ha az "első nem sikerül", azaz nincs meg a tanulási fázis egy lekérdezés esetén, akkor történik az élő keresés, a browsing, azaz fut egy élő keresés és saját kivonatot készít, általában a találati lista első 6-8 találatából, így LLM (Large Language Model) + webes kereső kombináció készít kivonatokat, és adatokat szolgáltat, tehát nem válaszol.

Ebből a két lehetőségből dolgozik, miközben nincs indexelés, viszont, ami van: egy tanulási fázis, és élő böngészés, indexelés nélkül, majd kivonatolás. Azaz a találasti lista a betanított tudásból, frissítés nélkül, vagy statikus információk kivonatolásából készül.

Ami fontos lehet számunkra, mindkét esetben az az, hogy maga a válasz, a mi tartalmainkból is készüljön, a második esetben pedig az, hogy bekerüljünk a kivonatokban, hiszen ez ma már linkekkel jár és egy második találati listában történő megjelenéssel, amik már kattinthatóak.

Mit tehetünk?

A probléma: ahogy olvastuk, hallottuk a forgalom visszaesés, elsősorban az informális, tartalomgyártó oldalak esetében nagyon érzékenyen érintette a vállalkozásokat is, hiszen a blogos forgalom nagy része, esetenként a 90%-a is eltűnhetett az organikus forgalomból.

Így ami marad az a szolgáltatás és termék alapú tartalmak forgalma, ami jó eséllyel megtartja egy-egy vállalkozás bevételeit, és ez jó hír.

Egy másik cikkben már volt szó erről, ezért itt mélyebben ebbe ne is menjünk bele abba, hogy ez milyen hatással jár és milyen új összefüggéseket tár fel a vállalkozás, vagy a Brand kapcsán. | https://secon.hu/geo-aeo/

Inkább kanyarodjuk vissza: Ma már naponta nőnek ki az új megoldások a "univerzumból" azzal kapcsolatban, mi, hogy alakul át, és mit, hogy kell csinálnunk ahhoz, hogy a webes láthatóságunk ne, vagy csak részben sérüljön.

Külön ügynökségi kategória kezd kialakulni arra vonatkozóan, hogy taníthatóak a különféle AI botok és milyen technológiai megoldások vannak arra, hogy akár egy Brand-re, akár a weboldalak különféle tartalmaira vonatkozólag megalkossuk a megtalálhatósági faktorokat és felépítsük saját módszereinket az AI modellek kapcsán is.

Ahogy fentebb írtuk két megoldás és működési opció van, az első a tanulási fázis, a másik az élő keresés.

Ebből a második az, amivel a jó pozíciókban lévő oldalak a találati listában alapból bekerülnek egy-egy AI kivonatba. Tehát továbbra is nagyon fontos a klasszikus SEO. Számos módszer létezik arra, hogy egy-egy tartalmat, hogy javítsunk fel úgy, hogy minél nagyobb esélyünk legyen bekerülni egy-egy AI kivonatba. Ennek rengeteg előnye van, és egyértelmű kell, hogy legyen egy szakember számára, éppen ezért valójában nem ez lesz az érdekes.

Hanem maga a tanulási fázisban történő optimalizálás. Nem csak GEO, sokkal inkább az AI modellek tanításának optimalizálása. Így nézzük meg a részleteket, hogy mit tehetünk.

Az AI-keresés legfőbb folyamatai

1. Keresés és a szándék értelmezése
2. Lekérdezés és forráskeresés
3. Adatok böngészése és szállítása
4. Válasz "megalkotása" és/vagy kivonatok készítése
5. Válaszadás

Talán a legfontosabb tényező a tartalom stratégiánk megalkotása immár az új technológiai elvárásokhoz mérten.

Web scparing, azaz a tartalomstratégia felépítése.

Azaz adatgyűjtés és versenytárselemzés a tartalomstratégiánk megalkotása szempontjainak figyelembevételével.

A legjobb, ha nézünk egy példát, arra vonatkozóan, hogy fog felépülni és milyen szempontokat kell figyelembe venni ahhoz, hogy eredményeket érjünk el és hatékonyan tudjuk SEO-zni. keresőoptimalizálni a weboldalunkat és tartalmainkat.

A keresés: "Legjobb olasz étterem Boston-ban"

Az adott étterem, a mi éttermünk, azt szeretnénk, ha az AI ajánlaná a keresés során, a mellett, hogy hirdetéseket futtatunk és organikus találatok között is megtalálható.

Mit tegyünk?

1. Amivel dolgozzunk: az eszközök, a kinyert adatok, és a források utóbbi minden esetben piac függő.

Leggyakoribb eszközök: scrapy, octoparse, vagy python + beautifulsoup.

Esetünkben a legjobb források: Éttermeket osztályozó oldalak, vagy a Google Maps, esetleg TripAdvisor. különféle hirdetések

Piac specifikus adatok: éttermek értékelése, nevei, címei, típusai, étlapjai, szolgáltatások.

Kulcs kifejezések és meta adatok: étterem típusa, étlapon szereplő kifejezések, étel típusok, étlap. shema.rog markup adatok.

2. Az adatok elemzése során össze kell gyűjtenünk mindent a konkurenciáktól, ami fontos lehet:

Technikai SEO

Kulcsszavak, (ami lehet kategória, mint olasz étterem, autentikus olasz étterem, belvárosi olasz étterem, gluténmentes olasz étterem, )

On site SEO: azaz a tartalom, hogy épül fel, a klasszikus SEO-s sarokköveken

külső hivatkozások az oldalon, amiket az AI már ismer, azaz a tanulási fázis során adatokat gyűjtött külsős oldalakról

Linkprofil

PR cikkek

3. GEO

A GEO önmagában sokkal többet jelent az tartalmak optimalizálását tekintve, mint eddig az On site SEO, de jó eséllyel egy sokkal "szűkebb" fogalomról van szó, mint a keresőoptimalizálás.

Erről szintén lehetne írni egy terjedelmesebb szöveget, hogy miért is van így, de megelőlegezve a bizalmat, talán minden kedves olvasó érti, hogy miért is állíthatjuk ezt és engedhetjük meg ezt a kijelentést: a GEO még mindig a SEO része és alkategóriája.

Röviden mégis összefoglalva, itt ebben a fázisban nem kell mást tenni, mint keresőbaráttá alakítani a tartalmainkat immár az AI algoritmusok szempontjai alapján, a szó klasszikus értelmében: kereső optimalizálni kell.

4. AI indexelés elősegítése

Az újra optimalizált tartalmaink beküldése indexelésre a keresőmotorokhoz és AI crawling endpointokhoz. Ez az alapvető megoldás, de van, vagy létezhet egy köztes lépcsőfok is a tanulási fázis és az adatok élő összegyűjtése között?

Nagy eséllyel elméleti alapon, a válasz igen!

Egy másodlagos, úgymond manuális tanítási folyamat, amikor mi magunk értetjük meg a modellekkel az optimalizált tartalmainkat és tanítjuk be kézi vezérléssel arra, hogy a mi tartalmainkban milyen információk és válaszok vannak egy-egy lekérdezésre, vagy keresésre. Természetesen itt nyitott kérdések maradnak, ahogy a cikk eleje is említi a "hogyan" a kérdés, - (a mit" -re megvan a válasz ezen a ponton) - és ez nagyban függ az embertől, a SEO-stól.

Ezen túl, az indexeléshez nagyon fontos a linkprofil, azaz a klasszikus Off Site SEO, ami egy olyan tényező, amit semmilyen GEO megoldás nem fog tudni kiváltani, és erős a meggyőződés abban is, hogy a SEO, GEO, ASO nagy részét még mindig a technológia (gyorsaság), és a linkprofil határozza meg a tartalmon túl.

Itt jön be a jövő egyik legfontosabb sarokköve, amiről még mindig kevés szó esik nemzetközi viszonylatban is: a BRAND, azaz a vállalkozás és a "trust" azaz a bizalom, mi nem más, mint maga a márka!

5. Eredmények mérése

Ez a terület egy kicsit változott, a kérdés már nem az, hogy hányadik helyezés a miénk az organikus találatok között, és ez mennyi forgalmat hoz az oldalra, természetesen ez is nagyon fontos maradt, de ha egy kicsit tágítjuk a képet és a márkát is szem előtt tartjuk láthatjuk, hogy a keresőfelületeken nagyon sok találat kell már a forgalom és a piac megnyeréséhez.

Így a legjobb és talán szükséges is, ha szerepelünk lehetőség szerint minden típusú találatban, ami releváns egy-egy keresésre, és természetesen ez már jóval túl mutat a SEO-n is, de még mindig a keresőmarketing kategórián belül maradunk, viszont fontos szemponttá válik a megtalálhatóság mellett a jelenlét, a láthatóság, még ha nem is hoz forgalmat, bizalmat fog építeni. Így a mérés egyik foka lesz a jelenlét és nem csak az AI kivonatokban, hanem minden lehetséges tartalomtípusban:

• Shopping vagy Termék hirdetésekben
• Search hirdetésekben
• Organikus Térkép találatokban
• Organikus keresési találatokban
• Organikus kép találatokban
• Térkép hirdetésekben
• Organikus térkép találatokban
• Organikus videó találatokban
• Organikus termék találatokban

elsősorban a keresők felületein maradva.

És valahol a lista elején immár AI kivonatokban és AI találatokban is.

Természetesen ez keresésfüggő, nem mindegy mit keresünk, blog alapú, informális tartalmat, vagy terméket, esetleg lokális, vagy globális szolgáltatást, de a fenti felsorolás az összes lehetőséget tartalmazza, mint opciót a megjelenési lehetőségekkel kapcsolatban.

Tehát alapvetően meg tudunk jelenni egy információ alapú keresésre biztosan organikus találat típusokban, AI kivonatokban pár hivatkozással, és egy második találati listában, amit maga az AI kivonat tartalmaz.