GEO: A generatív keresők technikai kiszolgálása

Mi a GEO (Generative Engine Optimization)?

A GEO -- Generative Engine Optimization -- egy viszonylag friss fogalom, amely 2024 elején jelent meg a Princeton, Georgia Tech és IIT Delhi kutatóinak közös publikációjában. A hagyományos keresőoptimalizálás (SEO) a Google, Bing és más klasszikus keresők találati listáján való előkelő helyet célozza meg. Az AIO (AI Optimization) a tartalom minőségét formálja úgy, hogy az AI-alapú válaszgeneráló rendszerek -- ChatGPT, Gemini, Perplexity -- forrásként hivatkozzák. A GEO ezektől eltérően kizárólag a technikai rétegre összpontosít.

Mit jelent ez a gyakorlatban? Hiába ír valaki tökéletesen strukturált, szakértői tartalmat, ha a szervere blokkolja az AI crawlereket a robots.txt-ben. Hiába van részletes Schema.org markup, ha a sitemap hiányzik vagy üres. A GEO pillér azt méri, hogy a weboldal technikai beállításai lehetővé teszik-e a generatív AI rendszerek számára a tartalom elérését, feldolgozását és indexelését.

A GEO tehát nem tartalom-optimalizálás. Nem szövegírói feladat. A rendszergazdák, fejlesztők és technikai SEO szakemberek területe: szerverkonfiguráció, fájlok, fejlécek, sémák.

SEO vs AIO vs GEO -- mi a különbség?

A három rövidítés könnyen összemosódik, ezért érdemes tisztán elválasztani őket. Mindhárom más célra szolgál, más eszközökkel dolgozik, és más szakértelmet igényel.

A három terület egymásra épül. Ha a GEO hiányos -- vagyis az AI crawlerek nem tudják bejárni az oldalt --, az AIO erőfeszítések hiábavalók, mert a tartalom el sem jut a feldolgozó rendszerhez. A SEO önmagában is működik a hagyományos keresőkben, de a generatív keresők térnyerésével a GEO és AIO nélkül egyre több forgalom vész el.

A GEO pillér mérési pontjai

Az AI Web teszt audit során a GEO pillér összesen 25 pontot ér. Az értékelés kizárólag automatizált, technikai ellenőrzésekre épül -- nem szubjektív, nem tartalomfüggő. Az alábbi táblázat részletezi az egyes mérési területeket és a hozzájuk tartozó pontszámokat:

Az llms.txt szabvány

Az llms.txt egy viszonylag új fájlformátum, amelyet Jeremy Howard javasolt 2024 szeptemberében. Hasonlóan a robots.txt-hez, a domain gyökerében helyezkedik el (pl. https://pelda.hu/llms.txt), de más célt szolgál. Míg a robots.txt a crawlereknek mondja meg, mit szabad és mit tilos bejárni, az llms.txt az LLM-eknek ad kontextust arról, hogy mit érdemes feldolgozni.

Az llms.txt Markdown formátumot használ. Tartalmazza a weboldal rövid leírását, a legfontosabb oldalak listáját, és opcionálisan további részleteket. Lényege, hogy egy LLM egyetlen fájlból megértse, miről szól az oldal, és hol találja a legrelevánsabb tartalmat.

Gyakorlati példa

Egy magyar kisvállalkozás llms.txt fájlja így nézhet ki:

Az audit 3 pontot ad az llms.txt fájl meglétéért. Nem vizsgálja a tartalmát részletesen -- a lényeg, hogy létezik, elérhető, és nem üres. A jövőben várhatóan ez a szabvány tovább finomodik, ahogy az LLM-szolgáltatók (OpenAI, Anthropic, Google) egyre több kontextust fognak keresni a crawlolás során.

AI crawlerek kezelése a robots.txt-ben

A generatív AI rendszerek saját crawlerekkel járják be az internetet. Ezek a botok a robots.txt fájl alapján döntik el, melyik oldalt olvashatják be és melyiket nem. Ha egy weboldal tulajdonosa blokkolja ezeket a crawlereket, a tartalom nem jut el az AI rendszerekbe -- és az AI válaszokban sem fog megjelenni.

Az audit által vizsgált AI crawlerek

Az AI Web teszt audit a következő botokat ellenőrzi:

• GPTBot -- Az OpenAI crawlere. A ChatGPT és más OpenAI termékek számára gyűjt adatot. A User-agent: GPTBot azonosítóval dolgozik.
• ClaudeBot -- Az Anthropic crawlere a Claude modellcsalád számára. Viszonylag új: 2024 közepétől aktív.
• Google-Extended -- A Google Gemini és Bard betanításához használt crawler. A hagyományos Googlebot-tól független, külön kezelhető.
• PerplexityBot -- A Perplexity AI keresőmotor crawlere, amely valós idejű válaszgeneráláshoz használja a begyűjtött tartalmat.
• Bytespider -- A ByteDance (TikTok anyacég) crawlere, amely egyre aktívabb az AI betanítás területén.
• anthropic-ai -- Az Anthropic másodlagos crawler-azonosítója.
• CCBot -- A Common Crawl projekt botja, amelynek adatait számos AI rendszer betanításához használják.

Hogyan működik a pontozás?

Az audit megvizsgálja a robots.txt fájlt, és megszámolja, hány AI crawler van engedélyezve (nincs kifejezetten blokkolva). A pontszám a következőképpen alakul:

• 1 pont: legalább 1 AI crawler engedélyezett
• 2 pont: legalább 3 AI crawler engedélyezett
• 3 pont: 5 vagy több AI crawler engedélyezett

Példa: engedélyezés

Ha a robots.txt fájlod nem tartalmaz explicit tiltást az AI crawlerekre, az alapértelmezetten engedélyezett. Egy egyszerű, AI-barát robots.txt:

Ez az összes crawlert -- beleértve az AI botokat is -- beengedi. Viszont ha célzottan akarod engedélyezni:

Címsor hierarchia és tartalomszerkezet

Az AI rendszerek számára a HTML címsorok (H1, H2, H3) a tartalom vázát adják. Ahogy egy könyv tartalomjegyzéke segíti az olvasót, a címsor hierarchia segíti a gépet abban, hogy megértse a tartalom struktúráját, a témák egymáshoz való viszonyát és az információk fontossági sorrendjét.

Az audit két szempontot vizsgál, összesen 2 pontért:

• Egyetlen H1 címsor: Az oldalon pontosan egy <h1> tag legyen. Ez a fő téma. Több H1 zavart okoz: a crawler nem tudja eldönteni, melyik az oldal elsődleges témája.
• Logikus H2/H3 sorrend: A H2-es címsorok a fő szekciók, a H3-asok az alszekciók. Tilos szintet ugrani (pl. H1 után közvetlenül H4), mert ez sérült dokumentumszerkezetre utal.

A helyes címsor hierarchia így néz ki:

A hibás szerkezet -- például három H1, vagy H1 → H3 ugrás H2 kihagyásával -- nem feltétlenül látszik a felhasználónak, de az AI crawler számára a tartalom inkoherensnek tűnik. Az LLM-ek a címsorokból építik fel a tartalom „mentális térképét". Ha ez a térkép hiányos, a tartalom feldolgozása pontatlanabb lesz.

Speakable schema és egyéb technikai jelzések

A GEO pillér utolsó három mérési pontja az oldalon megjelenő technikai jelzéseket vizsgálja: Speakable schema, videó beágyazás és Article schema frissítési dátummal. Külön-külön kicsinek tűnhetnek (1-1 pont), de együtt jelzik, hogy az oldal aktívan törekszik a gépi feldolgozhatóságra.

Speakable schema (+1 pont)

A SpeakableSpecification a Schema.org egy speciális típusa, amely megmondja a hangalapú asszisztenseknek (Google Assistant, Alexa, Siri), mely szövegrészeket érdemes felolvasni. A JSON-LD markup CSS selectorokkal vagy XPath kifejezésekkel jelöli ki a felolvasható elemeket.

Példa:

A Speakable schema nem csak a hangkeresés miatt érdekes. Az AI válaszgeneráló rendszerek is figyelembe veszik: ha az oldal egyértelműen kijelöli, melyik szövegrész a „lényeg", az AI könnyebben azonosítja a releváns választ.

Videó beágyazás (+1 pont)

Az audit vizsgálja, hogy az oldalon található-e beágyazott videó tartalom (<video> tag, YouTube/Vimeo embed, vagy VideoObject schema). A videó jelenléte nem közvetlenül a gépi feldolgozhatóságot segíti, hanem tartalmi gazdagságot jelez. A Google „kevert" (multimodális) tartalmat preferálja, és az AI keresők is hajlamosabbak forrásként választani az olyan oldalakat, amelyek szöveget és videót egyaránt tartalmaznak.

Article schema + dateModified (+1 pont)

Az Article típusú JSON-LD markup a tartalom metaadatait írja le: cím, szerző, kiadó, megjelenési dátum. Az audit különösen a dateModified mezőt keresi, mert ez jelzi a frissességet. Egy AI rendszer számára nagy különbség, hogy a cikk utoljára 2019-ben vagy 2026-ban frissült -- a frissebb tartalom nagyobb eséllyel kerül be a válaszokba.

Gyakorlati lépések -- teendők listája

Az alábbi lista a GEO pillér maximális pontszámának eléréséhez szükséges lépéseket tartalmazza, fontossági sorrendben. Haladj felülről lefelé: az első lépések adják a legtöbb pontot, az utolsók pedig finomhangolnak.

1. Ellenőrizd a robots.txt fájlt: Nyisd meg a https://sajatdomain.hu/robots.txt URL-t. Ha 404-es hibát ad, hozd létre a domain webgyökerében. Győződj meg róla, hogy nincs benne Disallow: / az AI crawlerekre. Ha nem akarsz célzottan tiltani, a legegyszerűbb: User-agent: * / Allow: /. Adj hozzá egy Sitemap: sort is.
2. Hozd létre vagy frissítsd a sitemap.xml-t: A sitemap legyen elérhető a /sitemap.xml útvonalon. Tartalmazzon legalább 10 URL-t. WordPress esetén a Yoast vagy Rank Math automatikusan generálja. Egyedi oldalaknál használj sitemap-generátor eszközt, vagy kézzel írd meg az XML-t. A sitemap URL-je legyen hivatkozva a robots.txt-ben is.
3. Készíts llms.txt fájlt: Hozd létre a /llms.txt fájlt a domain gyökerében. Markdown formátumban írd meg: rövid bemutatkozás a cégről/oldalról, majd a legfontosabb oldalak listája linkkel és egysoros leírással. Nem kell hosszú legyen -- 20-30 sor bőven elég.
4. Állítsd be a DNS rekordokat: Az SPF rekordot a TXT DNS-ben kell megadni (pl. v=spf1 include:_spf.google.com ~all). A DMARC-ot szintén TXT rekordként: _dmarc.sajatdomain.hu névre (pl. v=DMARC1; p=none; rua=mailto:dmarc@sajatdomain.hu). Ha már van e-mail szolgáltatásod, valószínűleg az SPF már be van állítva -- a DMARC-ot viszont gyakran elfelejtik.
5. Javítsd a címsorszerkezetet: Ellenőrizd, hogy az oldalon pontosan egy <h1> tag legyen. Nézd végig a H2/H3 sorrendet: ne ugorj szintet, és ne használj címsor tageket pusztán vizuális formázásra (arra CSS van). Ha WordPress témát használsz, gyakori, hogy a widgetek vagy a lábléc tartalmaz rejtett H2/H3 elemeket -- ezeket is ellenőrizd.
6. Adj hozzá Speakable schema-t: A JSON-LD markupot a <head> szekcióba illeszd be. Jelöld ki a cím és a bevezető bekezdés CSS selectorait. Ez egyetlen <script type="application/ld+json"> blokkot igényel -- nem bonyolult, de sok weboldal egyáltalán nem használja.
7. Adj hozzá Article schema-t dateModified mezővel: Ha az oldalon cikkek, blog bejegyzések vannak, minden cikkhez adj hozzá Article típusú JSON-LD-t. A datePublished és dateModified mezők egyaránt kellenek. Ha a tartalom frissül, a dateModified-ot is frissítsd.
8. Ágyazz be videót legalább egy oldalra: Ha van YouTube csatornád vagy bemutatkozó videód, ágyazd be a szolgáltatások vagy rólunk oldalra. Opcionálisan adj hozzá VideoObject schema-t is, bár az audit a beágyazás tényét vizsgálja, nem a sémát.
9. Állítsd be a Permissions-Policy fejlécet: Ez az Nginx vagy Apache szerver konfigurációjában történik. Példa Nginx-hez: add_header Permissions-Policy "camera=(), microphone=(), geolocation=()";. Ez jelzi a böngészőnek és a crawlereknek, hogy az oldal nem kér felesleges böngészőengedélyeket.
10. Ellenőrizd a PSI SEO pontszámot: Futtasd le a Google PageSpeed Insights eszközben az oldaladat, és nézd a SEO kategóriát. A 90 feletti pontszám 2 GEO pontot ér. A tipikus problémák: hiányzó meta description, nem megfelelő viewport meta tag, nem crawlolható linkek. Ezek általában gyorsan javíthatók.

További cikkek a Tudástárból