Mennyit ér a ChatGPT-forgalom? A kattintások mögötti üzleti hatás

1000 Google-ből érkező látogatásra mindössze 18 AI-asszisztensből érkező látogatás jutott az Ahrefs 115 254 weboldalt vizsgáló kutatásában. A Google 2026 szeptemberében a vizsgált weboldalak teljes forgalmának 23,96%-át adta, az AI-asszisztensek együttesen pedig csak 0,43%-át.

Ezek alapján könnyű lenne arra következtetni, hogy a ChatGPT és a többi AI-kereső üzleti jelentősége egyelőre elhanyagolható. Csakhogy az AI-rendszerek nem kizárólag weboldallátogatókat közvetítenek. Termékeket hasonlítanak össze, szolgáltatókat ajánlanak, márkákat ismertetnek meg a felhasználókkal, és olyan vásárlási döntéseket is befolyásolhatnak, amelyek később egy Google-keresésben vagy közvetlen weboldallátogatásban jelennek meg.

Ez pedig egy fontos különbséghez vezet:

Az AI-láthatóság (AI visibility) nem azonos az AI-asszisztensekből közvetlenül érkező weboldalforgalommal (AI referral traffic).

A SEO101-nél ezért két szélsőséges álláspontot is hibásnak tartunk. Azt, hogy a Google szerepét hamarosan teljesen átveszik az AI-keresők, és azt is, hogy a GEO-val egyáltalán nem kell foglalkozni, amíg ilyen alacsony a közvetlen látogatottságuk.

Nézzük meg, mit mutatnak a tényleges adatok, milyen következtetéseket lehet levonni belőlük, és hogyan érdemes egy vállalkozásnak mérnie az AI-keresés üzleti hatását.

1. Mennyi forgalmat hoznak valójában az AI-keresők?

Mit mutat az Ahrefs 115 254 weboldalas kutatása?

Az Ahrefs AI vs. Search Traffic Analysis 115 254 weboldal látogatottsági adatait vizsgálja, 2025 júniusától 2026 szeptemberéig. A minta az Ahrefs Web Analytics rendszerét használó weboldalakból áll.

A 2026. szeptemberi eredmények a következők:

Forgalmi forrás	Részesedés a teljes forgalomból
Hagyományos keresőmotorok összesen	26,82%
Google	23,96%
AI-asszisztensek összesen	0,43%
ChatGPT	0,34%
Meta AI	0,05%
Gemini	0,02%
Claude	0,01%
Perplexity	0,01%

Forrás: Ahrefs Web Analytics, 2026. szeptember. Az értékek kerekítettek, a platformok részaránya ezért nem feltétlenül adja ki pontosan az összesített arányt.

A vizsgált weboldalakon szeptemberben körülbelül 337,7 millió látogatás érkezett hagyományos keresőmotorokból. Ebből a Google 301,8 millió látogatást adott.

Ezzel szemben az összes vizsgált AI-asszisztens együtt körülbelül 5,3 millió látogatást közvetített, amiből a ChatGPT részesedése hozzávetőleg 4,3 millió volt.

A ChatGPT tehát az AI-asszisztensek között egyértelműen dominált a vizsgált mintában, de a Google teljesítményétől még messze elmaradt.

1000 Google-látogatásra hány AI-látogatás jut?

A 23,96%-os Google-részesedést és a 0,43%-os AI-részesedést összehasonlítva:

0,43 / 23,96 × 1000 = 17,95

Vagyis a vizsgált mintában 1000 Google-ből érkező látogatásra körülbelül 18 AI-asszisztensből érkező látogatás jutott.

Ez sokkal szemléletesebb összehasonlítás, mint önmagában a 0,43%.

Ha egy vállalkozás ugyanilyen forgalmi arányokkal rendelkezne, és Google-ből havi 100 000 látogatást kapna, akkor az AI-asszisztensekből körülbelül 1800 látogatás érkezne.

Ez kizárólag számítási példa, nem egy konkrét vállalkozás előrejelzése. Az egyes weboldalak forgalmi összetétele ettől jelentősen eltérhet.

Mennyivel nagyobb ma a Google szerepe?

Az Ahrefs szeptemberi adatai alapján a Google közvetlen forgalmi szerepe körülbelül 55,7-szer nagyobb, mint az összes vizsgált AI-asszisztensé együtt.

A hagyományos keresőmotorok együttesen pedig több mint 62-szer akkora forgalmi részesedéssel rendelkeztek, mint az AI-asszisztensek.

Ez nem jelenti azt, hogy a Google keresési piaci részesedése 23,96%. A szám azt mutatja, hogy a vizsgált weboldalak összes látogatásából mekkora arány származott Google-forrásból.

Ugyanezért a 0,43%-ot sem nevezhetjük az AI-keresők általános piaci részesedésének.

Az Ahrefs adatai egy meghatározott weboldalminta közvetlenül azonosított forgalmi forrásait írják le, nem az internetes keresések teljes piacát.

Növekszik vagy csökken a ChatGPT-forgalom?

Bár a ChatGPT jelenlegi részesedése alacsony, a forgalma már nem tekinthető statikusnak.

Az Ahrefs adatai alapján 2026 augusztusáról szeptemberére:

• a ChatGPT-ből érkező látogatások száma 14,1%-kal nőtt;
• a Gemini forgalma 40,4%-kal emelkedett;
• a Perplexity 3,5%-os növekedést mutatott;
• a Claude forgalma 17,2%-kal csökkent;
• a Meta AI forgalma 10,5%-kal esett vissza.

A ChatGPT növekedése tehát jelentős, de nem minden AI-asszisztens fejlődik azonos ütemben.

A Similarweb 2026 szeptemberében publikált iparági elemzése szerint az AI-platformok 2025 júniusa és 2026 májusa között világszerte átlagosan havi 770,7 millió weboldallátogatást közvetítettek. Ez 117,4%-os növekedést jelentett az előző év azonos időszakához képest.

A két kutatás számai közvetlenül nem hasonlíthatók össze, mert különböző időszakot, mérési populációt és adatgyűjtési módszert használnak.

A Similarweb eredménye mégis fontos: az AI-forgalom nemzetközi szinten számottevő növekedést mutat, miközben az egyes weboldalak teljes forgalmában továbbra is viszonylag kis részt képviselhet.

A gyors növekedés és az alacsony jelenlegi részesedés nem zárják ki egymást.

2. Miért nem tekinthető a 0,43% az AI teljes piaci részesedésének?

Az Ahrefs-minta összetétele és korlátai

A 115 254 weboldalas minta első látásra rendkívül nagynak tűnik. A mintanagyság azonban önmagában még nem biztosítja a reprezentativitást.

Az Ahrefs vizsgálata kizárólag azokra a weboldalakra terjed ki, amelyek az Ahrefs Web Analytics rendszerét használják.

Nincs elegendő nyilvános információ annak bizonyítására, hogy ezek az oldalak a teljes internetet megfelelően reprezentálják ország, nyelv, iparág, weboldalméret vagy üzleti modell szerint.

Az is fontos, hogy a teljes mintára számolt forgalmi részesedést a nagyobb látogatottságú weboldalak jelentősebben befolyásolhatják.

Egy többmilliós havi látogatottságú hírportál és egy néhány ezer látogatót fogadó B2B szolgáltató egészen eltérő felhasználói viselkedést tapasztalhat.

Ezért a 0,43%-ot hasznos iparági viszonyítási pontnak tekintjük, nem pedig olyan aránynak, amelynek minden vállalkozás webanalitikájában meg kellene jelennie.

Átfedő csatornák és eltérő nevezők

Az Ahrefs módszertanának egyik fontos sajátossága, hogy a megjelenített forgalmi kategóriák nem minden esetben zárják ki egymást.

A Search és az AI Search kategóriák a forgalmat küldő forrás alapján készülnek, míg a Direct, Paid, Social, Email, Referral és Unknown csatornatípusokat jelölnek.

Az Ahrefs külön felhívja a figyelmet arra, hogy ezeknek a kategóriáknak az összege szeptemberben 104,4% volt.

Ezért hibás lenne az összes kategóriát egyetlen, 100%-ra összegző forgalmi felosztásként bemutatni.

Szintén figyelni kell arra, hogy a különböző kutatások milyen viszonyítási alapot használnak.

Van, amelyik az AI-látogatásokat a teljes weboldalforgalom arányában vizsgálja, míg mások a hagyományos organikus kereséshez viszonyítják.

A két eredmény egyaránt lehet helyes, de mást jelent.

Iparági, földrajzi és üzleti modell szerinti eltérések

Egy technológiai szolgáltatást kereső B2B döntéshozó, egy utazást tervező család és egy gyorsan megvásárolható terméket kereső vásárló nem feltétlenül ugyanúgy használja az AI-asszisztenseket.

Az összetett vásárlási döntéseknél az AI segíthet a szolgáltatók összehasonlításában, a követelmények összegyűjtésében vagy egy szűkített beszállítói lista elkészítésében.

Ez alapján indokolt feltételezni, hogy bizonyos B2B, SaaS, technológiai és magas megfontolást igénylő piacokon az AI szerepe nagyobb lehet az általános forgalmi átlagnál.

Ugyanakkor ezt nem tekintjük minden ilyen iparágra bizonyított állításnak. Az üzleti hatást cégenként kell megvizsgálni.

Az országspecifikus eltérések miatt különösen óvatosan kell kezelni a globális eredményeket a magyar piacon.

A nemzetközi AI-forgalom növekedéséből nem következik automatikusan, hogy ugyanekkora változás történt a magyar nyelvű keresésekben is.

Mit nem látunk a referral analitikában?

A közvetlen AI referral forgalom akkor mérhető, amikor a felhasználó egy azonosítható AI-forrásból jut el a weboldalra.

Ez azonban nem fedi le az összes AI által befolyásolt felhasználói döntést.

Előfordulhat például, hogy valaki a ChatGPT-től kér szolgáltatói ajánlást, elolvassa a választ, majd később Google-ben keres rá a kiválasztott cég nevére.

Ebben az esetben a webanalitikai rendszer Google-forgalmat fog mérni, nem ChatGPT-referralt.

Máskor a felhasználó közvetlenül írja be a márka domainnevét a böngészőbe, vagy egy teljesen más eszközön tér vissza az ajánlott vállalkozáshoz.

Az ilyen látogatások AI-eredete rendszerint nem bizonyítható a hagyományos analitikából.

A mérési problémához technikai tényezők is hozzájárulnak. Az egyes AI-platformok és alkalmazások eltérően kezelhetik a hivatkozásokat, a referreradatokat és az UTM-paramétereket. Az alkalmazásból böngészőbe történő átmenet vagy egy köztes átirányítás során a forrásazonosítás elveszhet.

A referreradatok változásai akár látszólagos forgalomnövekedést vagy -csökkenést is eredményezhetnek.

A 0,43% tehát nem az AI teljes üzleti befolyását, hanem a vizsgált forrásdefiníció szerint azonosított látogatások arányát mutatja.

3. AI-láthatóság ≠ AI referral forgalom

Mi a különbség a márkaemlítés, az ajánlás és az idézés között?

A GEO, vagyis a generatív keresőrendszerekre történő optimalizálás (Generative Engine Optimization) egyik mérési nehézsége, hogy a márkák különböző módon jelenhetnek meg az AI-válaszokban.

Legalább három eseményt külön kell választani.

Márkaemlítés (brand mention): az AI-rendszer megnevezi a vállalkozást vagy terméket, de nem feltétlenül ajánlja.

Ajánlás (recommendation): az AI-rendszer a márkát releváns választási lehetőségként mutatja be egy konkrét felhasználói problémára.

Forráshivatkozás (citation): az AI-válasz egy weboldalt vagy dokumentumot jelöl meg forrásként.

A három esemény nem egyenértékű.

Egy vállalkozás weboldala szerepelhet forrásként egy válaszban anélkül, hogy az AI-rendszer magát a vállalkozást ajánlaná.

Fordítva is előfordulhat: az AI egy márkát javasol anélkül, hogy annak saját weboldalára hivatkozna.

A hivatkozásból pedig még nem következik kattintás.

Ezért önmagában a márkaemlítések vagy idézések számának növekedése nem elegendő bizonyíték egy GEO-projekt üzleti sikerére.

Hogyan lesz AI-ajánlásból későbbi Google-keresés?

Vegyünk egy elképzelt B2B vásárlási folyamatot.

Egy vállalkozás új készletkezelő szoftvert keres. A döntéshozó megkérdezi a ChatGPT-t, mely rendszerek alkalmasak több telephely és több értékesítési csatorna kezelésére.

Az AI öt lehetséges megoldást ismertet.

A felhasználó nem kattint egyik hivatkozásra sem. Ehelyett néhány nappal később a Google-ben rákeres két korábban ajánlott szoftver nevére, elolvassa az összehasonlításokat, majd ajánlatot kér az egyik szolgáltatótól.

A teljes folyamatban az AI fontos szerepet játszhatott a márkák kiválasztásában, miközben egyetlen ChatGPT referral munkamenet sem keletkezett.

A GA4 a tényleges látogatásnál Google-forgalmat azonosíthat, a CRM pedig Google-ből érkező leadet rögzíthet.

Ha kizárólag az AI referral forgalmat vizsgáljuk, a vásárlási folyamat korábbi szakasza láthatatlan marad.

Ez az AI által befolyásolt forgalom (AI-influenced traffic) egyik lehetséges formája.

Fontos azonban, hogy ezt nem szabad automatikusan az AI-nak tulajdonítani. Egy későbbi márkás Google-keresést reklám, korábbi ügyfélkapcsolat, személyes ajánlás vagy más marketinghatás is kiválthatott.

Mi történik a kattintás nélküli vásárlási úton?

A hagyományos keresőoptimalizálás egyik központi célja, hogy a keresési találatokból weboldallátogatás keletkezzen.

Az AI-rendszerek viszont egyre több kérdésre adhatnak választ anélkül, hogy a felhasználónak meg kellene nyitnia a hivatkozott weboldalakat.

Ez a kattintás nélküli, vagyis zero-click helyzet.

Nem minden ilyen interakció jelent bevételkiesést. Egy vállalkozás számára az is érték lehet, ha az AI-rendszer egy releváns összehasonlításban ismerteti a márkát, és az ajánlás bekerül a felhasználó döntési szempontjai közé.

De ennek az ellenkezője is igaz: egy forráshivatkozásból nem feltétlenül keletkezik üzleti eredmény.

A SEO101-nél ezért az AI-láthatóságot önállóan mérhető tényezőnek tekintjük, de üzleti értékét csak a további mutatók figyelembevételével értékeljük.

Miért lehet pontatlan a referrer- és UTM-mérés?

A GA4 a weboldallátogatás körülményeiről gyűjt adatokat, nem a felhasználó teljes információszerzési történetét ismeri.

A referral mérésének pontosságát több körülmény is befolyásolhatja:

• Egy AI-alkalmazás nem minden esetben adja tovább az eredeti hivatkozó forrást.
• Egyes kattintások közvetítő szolgáltatáson vagy átirányításon keresztül érkezhetnek.
• A linkek UTM-paraméterei eltérhetnek platformonként, vagy hiányozhatnak.
• Az alkalmazáson belüli böngészők viselkedése eltérhet a hagyományos böngészőkétől.
• A felhasználó másik eszközön is folytathatja a vásárlási folyamatot.
• A forrásazonosítás hiányosságai miatt bizonyos látogatások más csatornába kerülhetnek.

A közvetlen AI-látogatottsági adat tehát hasznos, de nem teljes.

Ezért hibás lenne azt állítani, hogy egy vállalkozásra csak akkora hatással vannak az AI-rendszerek, amekkora részt a ChatGPT vagy a Gemini kitesz a GA4 forgalmi jelentésében.

4. Miért nem helyettesíti a GEO a klasszikus SEO-t?

Hol marad nélkülözhetetlen a Google organikus forgalma?

Az Ahrefs 2026 szeptemberi adatai alapján a Google továbbra is nagyságrendekkel több közvetlen látogatást biztosít a vizsgált weboldalaknak, mint az összes AI-asszisztens együtt.

Ezt a tényt a GEO-stratégiák kialakításakor nem lehet figyelmen kívül hagyni.

Ha egy vállalkozás havi 100 000 látogatást kap Google-ből, és 1000-et ChatGPT-ből, akkor továbbra sem indokolt a klasszikus keresőoptimalizálás rovására az összes erőforrást GEO-ra átcsoportosítani.

Különösen akkor nem, ha a Google-forgalom jelentős része releváns érdeklődőket és vásárlókat hoz.

A döntésnél ráadásul nemcsak a látogatások számát, hanem azok üzleti értékét is figyelembe kell venni.

Egy kisebb AI-csatorna akár magasabb egy látogatásra jutó bevételt is termelhet. Ettől azonban még nem biztos, hogy összességében több üzleti eredményt biztosít.

A Google-forgalom védelme és növelése továbbra is alapvető feladat.

Miben támaszkodik a GEO a hagyományos SEO-alapokra?

A GEO nem a keresőoptimalizálástól teljesen független technikai rendszer.

A megfelelően feltérképezhető weboldal, a világos tartalmi struktúra, az egyértelmű entitásinformációk, a szakmailag hiteles tartalmak és a releváns hivatkozások mind olyan alapok, amelyek a hagyományos keresésben és az AI-rendszerek információfeldolgozásában is szerepet játszhatnak.

A Google generatív AI-keresésre vonatkozó útmutatója is hangsúlyozza a meglévő SEO-alapelvek fontosságát.

A GEO sajátossága nem az, hogy a keresőoptimalizálás alapjait lecseréli, hanem hogy új kérdéseket tesz fel:

• Megérti-e az AI-rendszer, mivel foglalkozik a vállalkozás?
• Megjelenik-e a márka a releváns összehasonlításokban?
• Pontosan mutatja-e be a szolgáltatásait és előnyeit?
• Milyen külső források támasztják alá a vállalkozásról szóló információkat?
• Lefedik-e a tartalmak a vásárlási döntés során felmerülő fontos kérdéseket?

Ezek részben hagyományos SEO-feladatokkal, részben célzottabb tartalmi és márkaépítési munkával kezelhetők.

Mikor indokolt jelentősebb GEO-befektetés?

Önmagában az AI-keresés növekedése nem elegendő indok jelentős GEO-költségvetésre.

Erősebb indok lehet, ha egy vállalkozásnál már kimutatható, hogy a célcsoport rendszeresen AI-asszisztenseket használ a szolgáltatók vagy termékek összehasonlítására.

Ugyancsak indokolt a célzott fejlesztés, ha a versenytársak megjelennek a releváns AI-ajánlásokban, miközben a vállalkozás nem, vagy ha az AI-rendszerek pontatlan információkat közölnek róla.

A GEO-befektetés értékelésénél a potenciális üzleti hasznot, a várható megvalósítási költséget és a mérhetőség bizonytalanságát együtt vizsgálnánk.

Nem ugyanaz a helyzet egy induló, technikai hibákkal küzdő weboldalnál és egy stabil organikus forgalommal, erős márkával rendelkező vállalatnál.

Hogyan osszuk meg a rendelkezésre álló erőforrásokat?

Mi négy érettségi szint alapján határoznánk meg a prioritásokat.

1. szint – Nincs stabil SEO-alap

Elsőként a technikai hibákat, az indexelhetőséget, a legfontosabb landingoldalakat és a márkaadatok következetességét kell rendezni.

Ebben a helyzetben a GEO inkább a meglévő fejlesztések kiegészítő szempontja.

2. szint – Erős SEO, de nincs AI-mérés

Érdemes megvizsgálni, hogy a márka milyen releváns AI-válaszokban jelenik meg, és hogyan szerepelnek a közvetlen versenytársak.

Itt a legfontosabb feladat egy ismételhető, dokumentált AI-láthatósági alapmérés kialakítása.

3. szint – A márka már látható az AI-rendszerekben

Ezen a szinten a válaszok szakmai pontosságát, az ajánlások kontextusát, a hivatkozott forrásokat és a vásárlási döntéshez szükséges információk lefedettségét érdemes fejleszteni.

4. szint – Jelentős üzleti volumen

Ha az AI-keresés már érdemi marketingcsatornává válhat, indokolt összekapcsolni az AI-láthatóságot, a referral forgalmat, a márkás kereséseket, a CRM-adatokat és a bevételt.

A pontos költségvetési arányt nem lehet minden vállalkozásra egységesen meghatározni.

A döntésünk alapelve egyszerű: ha a következő SEO-fejlesztéstől nagyobb és megbízhatóbban előre jelezhető üzleti eredmény várható, mint ugyanekkora GEO-ráfordítástól, akkor először azt érdemes megvalósítani.

5. Mely KPI-ok vezetik félre a GEO-projekteket?

Miért kevés az idézések vagy márkaemlítések száma?

Egy GEO-projekt jelentésében jól mutathat, hogy egy márka hányszor szerepelt a ChatGPT, a Gemini vagy a Perplexity válaszaiban.

Csakhogy önmagában a nagyobb szám nem bizonyít fejlődést.

Nem mindegy, hogy a márka milyen kérdésben jelenik meg, milyen szerepben említik, és a válasz segíti-e egyáltalán az üzleti célokat.

Az sem mindegy, hogy egy rendszer a vállalkozás saját weboldalát idézi, vagy egy külső összehasonlító oldalt használ forrásként.

További probléma a promptok kiválasztása.

Ha egy mérés kizárólag olyan kérdésekből áll, amelyeknél a márka neve eleve szerepel a promptban, akkor a magas márkaemlítési arány félrevezető lehet.

Az üzletileg releváns mérésekhez márkás és nem márkás kérdésekre, illetve különböző vásárlási szándékokat lefedő promptcsoportokra van szükség.

Mi a gond egyetlen AI Visibility Score használatával?

Az AI Visibility Score különböző eszközök által számított összesített láthatósági mutató.

Hasznos lehet egy adott eszközön belüli változások követésére, de csak akkor, ha ismerjük a számítás módszertanát.

Az eltérő eszközök más promptlistát, AI-platformokat, súlyozást és mérési gyakoriságot alkalmazhatnak.

Ezért két különböző szoftver láthatósági pontszáma nem feltétlenül összehasonlítható.

Egy vállalkozás 60 pontos AI Visibility Score-ja önmagában nem jelenti azt, hogy az AI-keresési piac 60%-ában jelen van.

Mi az ilyen mutatókat diagnosztikai jelzésként kezelnénk, nem önálló üzleti eredményként.

A SEO101 hétszintű AI üzleti hatásmérési modellje

A GEO eredményességének értékeléséhez az alábbi mérési modellt javasoljuk.

Mérési szint	Mutató	Mit vizsgálunk?
1.	AI Presence	Megjelenik-e a márka a releváns AI-válaszokban?
2.	Recommendation Rate	A releváns válaszok mekkora arányában ajánlják?
3.	Citation / Source Presence	Mely saját és külső forrásokra hivatkoznak?
4.	AI Referral Traffic	Mennyi azonosítható látogatás érkezik?
5.	Branded Search	Hogyan változik a márkás keresési kereslet?
6.	Lead / Conversion	Milyen üzleti eredmény kapcsolódik a látogatásokhoz?
7.	Self-reported Attribution	A vásárló saját bevallása szerint honnan ismerte meg a márkát?

A modell három elemzési szintre bontható.

Láthatóság és ajánlás: az első három mutató azt vizsgálja, hogy az AI-rendszerek egyáltalán ismerik-e, ajánlják-e és milyen források alapján mutatják be a márkát.

Forgalom és keresleti változás: a negyedik és ötödik mutató az azonosítható weboldallátogatásokkal és a márkás keresletek alakulásával foglalkozik.

Üzleti eredmény: az utolsó két mutató a leadekre, konverziókra és a vásárlók visszajelzéseire koncentrál.

A modell nem feltételezi, hogy minden mérési szint között bizonyítható oksági kapcsolat van.

Előfordulhat, hogy a márka AI-láthatósága nő, miközben a referral forgalma nem változik. Ez önmagában nem jelent sikertelenséget, de üzleti eredményt sem bizonyít.

A mérés módszertanát is rögzíteni kell: ugyanazokat a promptcsoportokat, piacokat, nyelveket, AI-platformokat és lehetőség szerint azonos mérési feltételeket használjunk.

Mikor tekinthető valóban eredményesnek egy GEO-projekt?

A GEO-projektet nem kizárólag a forgalomnövekedés alapján értékelnénk.

Rövid távon eredmény lehet a márkáról közölt pontatlan információk csökkenése, a releváns ajánlások arányának emelkedése vagy a fontos vásárlási kérdésekben való megjelenés.

Hosszabb távon viszont azt is vizsgálni kell, hogy ezek a változások együtt járnak-e üzleti szempontból értékes látogatásokkal, ajánlatkérésekkel vagy bevétellel.

A kulcs az, hogy a GEO célját már a projekt elején meghatározzuk.

Egy márkaismertségi célú projektet nem indokolt kizárólag azonnali értékesítés alapján mérni. Egy közvetlen leadgenerálásra épülő projekt esetében viszont az AI-említések számának növekedése önmagában kevés.

6. Hogyan mérjük az AI-forgalmat és az AI által befolyásolt üzleti eredményt?

AI referral csatorna létrehozása GA4-ben

A Google Analytics 4 rendszerében az AI-asszisztensek forgalmának elemzésére érdemes külön, egyéni csatornacsoportot kialakítani.

A cél az, hogy a ChatGPT, a Gemini, a Perplexity és más releváns AI-platformok azonosítható látogatásait együttesen és külön-külön is vizsgálni lehessen.

A csatorna kialakításakor ellenőrizni kell a teljes hivatkozó URL-eket, a forrás- és médiumértékeket, valamint azt, hogy az egyéni csatornaszabályok ne sorolják tévesen más kategóriába a látogatásokat.

A GA4 egyéni csatornacsoportjai lehetővé teszik a forgalmi források saját szabályok szerinti csoportosítását. A szabályok sorrendje és a használt feltételek befolyásolhatják a besorolást.

Egy külön AI-csatorna azonban nem javítja ki automatikusan a hiányzó referreradatokat. Csak a rendelkezésre álló információk pontosabb feldolgozását teszi lehetővé.

ChatGPT, Gemini és Perplexity források és UTM-ek

A méréshez célszerű az egyes AI-platformokhoz tartozó forrásazonosítókat külön nyilvántartani.

A legfontosabb vizsgálandó platformok:

• ChatGPT
• Gemini
• Perplexity
• Claude
• Meta AI

A tényleges azonosítást azonban nem elegendő előre összeállított domainlistára alapozni. Időszakosan ellenőrizni kell a GA4-ben megjelenő valós forrásokat és azok változásait.

Külön figyelmet érdemelnek az UTM-paraméterek.

Egyes hivatkozások kampányparamétereket is tartalmazhatnak, amelyek segítségével pontosabban felismerhető a forrás. Más esetekben viszont ezek hiányozhatnak, vagy a látogatás közvetítő szolgáltatáson keresztül érkezhet.

Fontos, hogy a forgalom számításakor ne számoljuk kétszer ugyanazt a munkamenetet pusztán azért, mert referrer- és UTM-adat is rendelkezésre áll.

Az AI-forgalom idősoros elemzésénél a mérési szabályok változásait is dokumentálni kell. Ellenkező esetben egy forrásazonosítási módosítás valódi látogatottságnövekedésnek tűnhet.

Google Search Console: branded keresések és AI-jelentések

A márkás keresések változása fontos kiegészítő mutató, de önmagában nem bizonyítja az AI hatását.

A Search Console-ban külön érdemes vizsgálni a márkanevet, a márkanév különböző írásmódjait, a márkanévvel kombinált szolgáltatáskereséseket és a releváns nem márkás lekérdezéseket.

A keresések számának, a megjelenéseknek és a kattintásoknak az időbeli változása segíthet észrevenni a márkakereslet alakulását.

A Google 2026 júniusában külön jelentéseket vezetett be a generatív AI-funkciókban történő weboldal-megjelenések mérésére, majd augusztus végére világszerte elérhetővé tette azokat.

A Google Search Console generatív AI-teljesítményriportjai többek között az AI Overviews és AI Mode felületeken megjelenő URL-ekről adnak információt.

Ez fontos előrelépés, mert a Google saját rendszeréből származó adatokat külön lehet értékelni.

A Google AI-funkcióiban történő megjelenéseket ugyanakkor el kell választani a külső AI-asszisztensekből érkező referral látogatásoktól.

A kettő eltérő mérési kategória, ezért egyszerűen összeadni sem szabad őket.

Leadűrlapok, CRM és önbevallásos attribúció

A közvetlenül mérhető forgalmi források mellett érdemes megkérdezni az érdeklődőket is arról, hogyan ismerték meg a vállalkozást.

Egy leadűrlapon például szerepelhet a következő kérdés:

„Hol hallott először rólunk?”

A válaszlehetőségek között érdemes külön feltüntetni az AI-asszisztenseket, például a ChatGPT-t vagy a Geminit.

A CRM-rendszerben két külön adatmezőt javasolnánk:

• Technikailag mért forrás: például Google organic, ChatGPT referral vagy direct.
• Ügyfél által megadott forrás: például ChatGPT-ajánlás, Google-keresés, ismerősi ajánlás vagy korábbi kapcsolat.

A két adat nem feltétlenül egyezik meg, és éppen ez adhat értékes információt.

Az önbevallásos attribúció sem tekinthető hibátlannak. Az ügyfél több forrásból is tájékozódhatott, vagy pontatlanul emlékezhet az első találkozásra.

Az ilyen válaszok mégis segíthetnek feltárni azokat a vásárlási utakat, amelyek a webanalitikában nem jelennek meg közvetlen AI-forgalomként.

Korreláció, késleltetett hatás és oksági vizsgálat

Egy GEO-projekt során különösen könnyű hibás következtetésekre jutni.

Ha egy vállalkozás AI-láthatósága januárban nő, a márkás Google-keresések februárban emelkednek, majd márciusban több ajánlatkérés érkezik, abból még nem következik bizonyítottan, hogy a növekedést a GEO-fejlesztések okozták.

Ugyanebben az időszakban fizetett kampány, PR-megjelenés, szezonális keresletváltozás vagy más marketingtevékenység is befolyásolhatta az eredményeket.

A helyes elemzés során ezért több forrásból gyűjtött adatot kell összevetni, és dokumentálni kell a nagyobb marketing- és weboldalváltozásokat.

A hosszabb idősorok, a kontrollként használt témacsoportok és az előre meghatározott mérési időszakok segíthetnek a hatások elkülönítésében.

A teljes oksági bizonyítás sok esetben így sem lehetséges.

A SEO101-nél ezért megkülönböztetnénk a közvetlenül mért eredményt, az adatokkal alátámasztott összefüggést és a további vizsgálatot igénylő hipotézist.

7. Milyen vállalkozásoknál lehet félrevezető a 0,43%?

B2B, SaaS és hosszú döntési ciklusú értékesítés

Az összetett B2B szolgáltatások és szoftverek esetében a vásárlási döntés gyakran több lépésből áll.

A potenciális ügyfél először megismeri a lehetséges megoldásokat, majd összehasonlítja azok funkcióit, árait, korlátait és szolgáltatóit.

Az AI-asszisztensek ilyen helyzetekben az információgyűjtés és a szolgáltatói lista összeállításának eszközei lehetnek.

A közvetlen AI referral forgalom ezért alulbecsülheti a márka felfedezésében betöltött szerepüket.

Ugyanakkor nem helyes általánosan kijelenteni, hogy minden B2B vállalkozásnál magasabb az AI-forgalom vagy annak konverziós értéke.

A The SEO Works 95 weboldalt vizsgáló kutatása szerint a 2025 szeptembere és 2026 augusztusa közötti időszakban az organikus keresés 39-szer több munkamenetet hozott, mint az AI-asszisztensek.

A konverziós összehasonlításban az AI-forgalom összesített konverziós aránya 7,18%, az organikus keresésé 6,08% volt.

Ez azonban nem volt általános jelenség: a megfelelő adatokkal rendelkező 63 weboldal közül 23-nál az AI-forgalom rosszabbul konvertált, mint az organikus.

Ez a különbség jól mutatja, miért nem lehet általános iparági ígéretet tenni az AI-forgalom jobb minőségére.

Webáruházak és magas információigényű termékek

A webáruházaknál különösen fontos különválasztani a termékfelfedezést, az összehasonlítást és a tényleges vásárlást.

Egy egyszerű, jól ismert terméket vásárló felhasználó gyakran közvetlenül a Google-ben vagy egy piactéren keres.

Ezzel szemben egy drágább műszaki termék, összetett szolgáltatás vagy kevésbé ismert márka esetében az AI-asszisztens fontos segítséget nyújthat a lehetőségek szűkítésében.

Az Adobe Digital Insights 2026-os amerikai kutatása szerint 2026 júliusában az AI-forrásból érkező kiskereskedelmi látogatók 60%-kal magasabb konverziós arányt mutattak a nem AI-forrásból érkező látogatókhoz képest.

Az Adobe azt is megállapította, hogy az AI-látogatók kosárba helyezési aránya 28%-kal volt magasabb.

Ezek jelentős különbségek, de nem bizonyítják, hogy az AI-rendszer használata önmagában okozta a magasabb vásárlási hajlandóságot.

Az eltérő vásárlási szándék, a felhasználók összetétele és a termékkategóriák sajátosságai is befolyásolhatják az eredményeket.

Egy webáruház GEO-stratégiáját ezért érdemes termékkategóriák és vásárlási szándékok szerint kialakítani, nem kizárólag a teljes weboldal AI-forgalmi arányára alapozni.

Tartalomszolgáltatók és hírportálok

A tartalomszolgáltatóknál az AI-rendszerek hatása másképp jelentkezhet.

Ha egy felhasználó egy kérdésre közvetlenül az AI-válaszban megkapja a számára szükséges információt, előfordulhat, hogy nem látogatja meg az eredeti forrásoldalt.

Ez csökkentheti a kattintások számát, különösen az egyszerű információs kereséseknél.

A forrásként történő megjelenés ugyan növelheti a márka ismertségét, de ez nem feltétlenül ellensúlyozza az elveszett látogatásokból származó hirdetési vagy előfizetési bevételt.

Ezért egy híroldalnál vagy nagy tartalomportálnál a GEO üzleti értékelése nem épülhet kizárólag a márkaemlítések számára.

A tényleges forgalom, az olvasói visszatérés, az előfizetések, a konverziók és a bevétel továbbra is meghatározó mutatók.

Mikor lesz az AI-ajánlás fontosabb, mint a kattintások száma?

Egy AI-ajánlás akkor lehet különösen értékes, ha a felhasználó nagy értékű vagy hosszabb távú döntést készít elő.

Egy vállalatirányítási rendszer, jogi szolgáltatás vagy komplex ipari megoldás kiválasztásánál egyetlen megfelelő érdeklődő üzleti értéke jóval meghaladhatja sok kisebb értékű weboldallátogatásét.

Ilyen helyzetekben az AI által befolyásolt döntések vizsgálata fontosabb lehet a puszta látogatásszámnál.

Ez nem jelenti azt, hogy a kattintások értéktelenné válnak.

Inkább azt, hogy az üzleti döntéshez a teljes vásárlási folyamatot kell megérteni.

A 0,43%-os átlag azért lehet félrevezető, mert önmagában semmit sem mond egy konkrét vállalkozás ügyfélszerzési költségéről, átlagos ügyfélértékéről vagy az AI-ajánlások szerepéről.

8. Mit javaslunk 2026-ban: SEO, GEO vagy mindkettő?

A négy SEO/GEO-érettségi szint

A SEO101-nél nem tartjuk indokoltnak, hogy minden vállalkozás jelentős GEO-költségvetéssel induljon.

A keresési láthatóság fejlesztését a weboldal jelenlegi állapotához, az üzleti modellhez és a mérhető lehetőségekhez kell igazítani.

A technikailag problémás, gyenge tartalmi struktúrájú weboldalnál először az alapokat kell rendezni.

Az erős organikus forgalommal rendelkező vállalkozásoknál viszont már indokolt lehet az AI-láthatóság rendszeres mérése, a versenytárselemzés és a célzott GEO-fejlesztések bevezetése.

Ahol az AI-keresés érdemi szerepet játszhat a leadgenerálásban vagy a vásárlási döntésekben, ott a mérési rendszert is ki kell terjeszteni.

Mely feladatokkal érdemes kezdeni?

Elsőként a vállalkozás jelenlegi Google-láthatóságát és organikus forgalmának üzleti értékét vizsgálnánk meg.

Ezután azonosítanánk azokat a termékeket, szolgáltatásokat és vásárlási kérdéseket, amelyeknél az AI-asszisztensek valóban szerepet játszhatnak az információkeresésben.

Ezekre kialakítható egy korlátozott, de rendszeresen ismételt AI-láthatósági mérés.

A mérésből kiderülhet, hogy a márka mely kérdésekben jelenik meg, mely versenytársakat ajánlják helyette, milyen forrásokra támaszkodnak az AI-válaszok, és hol hiányoznak fontos információk.

Csak ezt követően érdemes meghatározni a konkrét GEO-fejlesztéseket.

A fejlesztések között lehet tartalmi pontosítás, új összehasonlító vagy magyarázó tartalom, a márkaadatok rendezése, a belső linkstruktúra javítása vagy a releváns külső szakmai jelenlét erősítése.

A cél nem minél több AI-optimalizált aloldal létrehozása, hanem a fontos vásárlási és információs igények megfelelő lefedése.

Mikor érdemes növelni a GEO-ráfordítást?

A GEO-ra fordított erőforrások növelését akkor tartjuk indokoltnak, ha a rendelkezésre álló adatok alapján már azonosítható egy üzletileg releváns lehetőség.

Ilyen lehet például, ha a versenytársak rendszeresen szerepelnek a fontos AI-ajánlásokban, miközben a vállalkozás hiányzik belőlük.

Vagy ha az AI-forgalomból már mérhető konverziók érkeznek, és a csatorna bővítésének költsége arányban állhat a várható eredménnyel.

A GEO és a SEO ráadásul nem minden esetben külön költségkategória. Egy jól megtervezett tartalmi fejlesztés, a márkaadatok pontosítása vagy a weboldal feltérképezhetőségének javítása mindkét területet támogathatja.

A SEO101 álláspontja szerint jelenleg nem az AI referral forgalom nagysága indokolja leginkább a GEO-val való foglalkozást, hanem az, hogy az AI-rendszerek egyre nagyobb szerepet kaphatnak a márkák felfedezésében, összehasonlításában és ajánlásában.

Ugyanakkor az AI Search jelentőségét túlértékelni sem szabad.

Az Ahrefs szeptemberi adatai alapján a Google továbbra is nagyságrendekkel nagyobb közvetlen forgalmi csatorna, mint az AI-asszisztensek együtt.

Ezért a GEO nem helyettesítheti a keresőoptimalizálást.

A jó stratégia ma a Google-láthatóság megvédése és növelése, miközben időben felépítjük az AI Search láthatóságot és annak mérési rendszerét.

A keresési láthatóságot így négy egymással összefüggő területként érdemes kezelni: SEO + GEO + márkakereslet + konverziómérés.

Egy vállalkozásnak nem attól lesz jobb keresési stratégiája, hogy minden új platformon jelen akar lenni, hanem attól, hogy felismeri, melyik csatorna milyen szerepet játszik a saját ügyfelei döntéseiben, és ehhez igazítja az erőforrásait.

Q & A

Hogyan lehet megállapítani, hogy egy weboldalra érkezik-e forgalom a ChatGPT-ből?

A ChatGPT-ből érkező weboldalforgalom a Google Analytics 4 rendszerben vizsgálható, elsősorban a munkamenet forrása és médiuma alapján. A `chatgpt.com` és más azonosítható AI-források külön szűrhetők vagy egyéni csatornacsoportba rendezhetők. A mérés nem teljes körű, mert egyes alkalmazások nem továbbítanak megfelelő referreradatokat.

Hogyan mérhető egy AI-ajánlás üzleti hatása, ha a felhasználó nem kattint a hivatkozásra?

Közvetlen kattintás nélkül az AI-ajánlás üzleti hatása általában nem mérhető pontosan. Közelítő képet adhat a márkás Google-keresések változása, az AI-láthatósági adatok, a CRM-ben rögzített ügyfélszerzési forrás és a vásárlók önbevallása. Ezek együttes elemzése segíthet az összefüggések azonosításában, de önmagában nem bizonyít oksági kapcsolatot.

Hány ChatGPT-látogatástól érdemes külön GEO-stratégiát készíteni?

Nincs olyan általánosan elfogadott látogatásszám, amely felett automatikusan indokolt a GEO-stratégia. A döntést a célcsoport AI-használata, az üzleti lehetőségek, a versenytársak AI-láthatósága és a várható megtérülés alapján érdemes meghozni. Már alacsony ChatGPT-forgalom mellett is indokolt lehet az AI-láthatóság mérése, de ez nem feltétlenül jelent jelentős GEO-költségvetést.

Miért nem jelenik meg minden ChatGPT-ből érkező látogatás a Google Analytics 4-ben?

A ChatGPT-ből érkező látogatások egy részénél hiányozhatnak a megfelelő forrásazonosító adatok. Ennek oka lehet az alkalmazáson belüli böngésző, az átirányítás, a referreradatok továbbításának korlátozása vagy a különböző eszközök közötti váltás. Ilyenkor a látogatás más forgalmi kategóriában jelenhet meg, vagy az alkalmazott mérési feltételek miatt egyáltalán nem kerül rögzítésre.

Lehet-e üzletileg értékesebb a ChatGPT-forgalom, mint a Google organikus forgalma?

Igen, egy adott weboldalon a ChatGPT-ből érkező látogatók magasabb konverziós arányt vagy egy látogatásra jutó bevételt is produkálhatnak, mint a Google organikus látogatói. Ez azonban nem általános szabály. Az összehasonlításhoz a látogatásszám mellett a leadek minőségét, a konverziós arányt, az ügyfélértéket és az összes megszerzett bevételt is vizsgálni kell.

Hogyan lehet megállapítani, hogy egy GEO-fejlesztés valóban javította-e az AI-láthatóságot?

A GEO-fejlesztés hatását azonos promptcsoportokkal, AI-platformokon, nyelvi és földrajzi beállítások mellett végzett előtte–utána méréssel lehet vizsgálni. Érdemes követni a releváns márkaemlítések, ajánlások és forráshivatkozások változását, valamint kontrollként olyan témákat is mérni, amelyeken nem történt fejlesztés. Az eredmények alátámaszthatják a fejlesztés hatását, de kontrollált vizsgálat nélkül nem bizonyítják azt teljes bizonyossággal.