AI Visibility-t könnyű rosszul mérni. Megnyitod a ChatGPT-t, kitalálsz húsz-harminc kérdést, lefuttatod őket, majd megszámolod, hányszor jelent meg bennük a márkád. Az eredmény számszerű lesz — csak nem biztos, hogy sokat jelent. A jó promptlista ugyanis nem egyszerűen kérdések gyűjteménye. Ez a mérésed mintája. Azt határozza meg, milyen felhasználói helyzetekben, milyen témákban és milyen vásárlási vagy döntési szándék mellett vizsgálod a láthatóságodat.
Itt érdemes egy fogalmi pontosítással kezdeni. ChatGPT-ben vagy más chatbotban valóban promptokat adsz meg. Google AI Mode vagy AI Overviews esetén inkább keresési lekérdezésekről beszélünk. Ebben a cikkben az egyszerűség kedvéért mindkettőt promptnak nevezzük, de a mérési logika fontosabb, mint az elnevezés.
Először ne promptokat írj, hanem döntsd el, mit szeretnél mérni
Más kérdések kellenek ahhoz, hogy azt vizsgáld, felbukkan-e spontán a márkád egy termékajánlásban, és mások ahhoz, hogy megtudd, mit mond rólad egy AI akkor, amikor a felhasználó már eleve ismeri a nevedet.
Először határozd meg a mérés célját.
| Mérési cél | Tipikus kérdés |
|---|---|
| Discovery / ajánlási láthatóság | „Melyik robotporszívót érdemes választani két kutya mellé?” |
| Összehasonlítási láthatóság | „Melyik robotporszívók a legjobb alternatívái a Roborocknak?” |
| Vásárlási láthatóság | „Hol érdemes robotporszívót rendelni Magyarországon?” |
| Márkaértékelés | „Megbízható webshop a [márkanév]?” |
Az első három esetben különösen értékesek a saját márkanév nélküli kérdések. Ha ugyanis a saját márkádat már a promptba is beírod, akkor az AI-nak nem kell magától „megtalálnia” téged. A branded promptok ettől még hasznosak, csak ne keverd őket ugyanabba a visibility mutatóba a non-branded promptokkal.
A kérdéscsoportokat lehetőleg ne te találd ki
A saját fejedből is lehet jó kérdéseket írni, de könnyen a saját termékstruktúrádat, szakmai nyelvedet és marketinglogikádat fogod visszamondani. Jobb, ha először összegyűjtöd, hogy az emberek milyen problémákról és témákról kérdeznek már most.
Ha van Search Console-adatod, nyisd meg a Teljesítményjelentést (Performance report), majd a Lekérdezések (Queries) lapot. Itt olyan keresőkifejezéseket találsz, amelyeknél a webhelyed ténylegesen megjelent a Google Keresőben. A Google saját dokumentációja szerint ezek a felhasználók által beírt keresőkifejezések. Érdemes elsősorban azokat keresni, amelyek egy problémát, választást, összehasonlítást vagy vásárlási helyzetet írnak le.
Ha bővítenéd a témakört, használhatod a Google Ads Kulcsszótervezőjét (Keyword Planner) is. Az Új kulcsszavak felfedezése (Discover new keywords) funkció termékből, szolgáltatásból vagy akár egy weboldalból is képes további kulcsszóötleteket adni. Fontos azonban a különbség: a Google keresési mennyiség nem AI-promptvolumen. Ezeket az adatokat témák és felhasználói igények azonosítására használd, ne arra, hogy kijelentsd: ugyanennyien kérdezik ugyanezt a ChatGPT-től.
A Search Console és a kulcsszókutatás mellé nagyon értékes forrás lehet a webshop belső keresése, az ügyfélszolgálati kérdések, értékesítési beszélgetések, értékelések vagy akár a termékoldalakon rendszeresen felmerülő problémák is.
A kulcsszóból készíts valódi kérdést
Tegyük fel, hogy az egyik erős keresési témád ez: robotporszívó kutyaszőrre. Ezt ne másold át egy az egyben. Ez alapján sokkal természetesebb kérdés lehet például: „Milyen robotporszívót ajánlanál egy 70 négyzetméteres lakásba két kutya mellé, ha fontos, hogy jól felszedje a szőrt?”
Ebből már létrehozhatsz néhány valódi felhasználói variánst:
„Melyik robotporszívó jó kutyaszőrre 150 ezer forint alatt?”
vagy:
„Olyan robotporszívót keresek két kutya mellé, amit nem kell minden használat után kitakarítani. Mit ajánlanál?”
Ennek van egy fontos oka. A mai AI-keresők nem kizárólag rövid kulcsszavakból indulnak ki. A ChatGPT Search természetes, társalgási kérdéseket kezel, a Google AI Mode pedig összetett kérdéseket és további follow-upokat is támogat.
A cél ezért nem az, hogy minden SEO-kulcsszóból mechanikusan promptot gyárts, hanem hogy visszaállítsd mögé a valós felhasználói helyzetet.
Ne 40 külön promptot gyárts ugyanarra a kérdésre
Az egyik legkönnyebb módja a saját mérésed eltorzításának, ha valamelyik témából tíz nagyon hasonló promptod van, egy másikból pedig csak egy. Ezért dolgozz promptcsaládokkal.
Egy promptcsalád egy felhasználói problémát vagy döntési helyzetet képvisel. Lehet hozzá több megfogalmazási variáns, de a mérésben továbbra is ugyanahhoz a témához tartoznak.
Például:
| Promptcsalád | Prompt |
|---|---|
| Állatszőr / általános ajánlás | „Milyen robotporszívó jó két kutya mellé?” |
| Állatszőr / költségkorlát | „Melyik robotporszívót ajánlanád kutyaszőrre 150 ezer forint alatt?” |
| Állatszőr / karbantartás | „Melyik robotporszívóval van kevés munka, ha két kutya van a lakásban?” |
Így a természetes nyelvi változatosságot is látod, de nem hagyod, hogy egyetlen téma azért kapjon túl nagy súlyt, mert többféleképpen fogalmaztad meg.
A promptcsaládok fölé érdemes üzleti klasztereket építeni
Ha több terméket, szolgáltatást vagy témakört szeretnél vizsgálni, önmagában a promptcsaládok rendszere kevés lehet. Érdemes egy szinttel feljebb is rendezni a kérdéseket, mégpedig az alapján, hogy milyen üzleti vagy tematikus helyzetben vizsgálod az AI láthatóságodat.
Ehhez használhatsz egy egyszerű, ötelemű promptklaszter-modellt.
| Promptklaszter | Mit vizsgálsz? | Példa |
|---|---|---|
| Branded | Mit tud, állít vagy értékel az AI a saját márkádról? Milyen képet ad róla? | „Megbízható webshop a [márkanév]?” |
| Category / Generic | Megjelenik-e a márkád, terméked vagy szolgáltatásod a kategóriáról szóló, saját márkanév nélküli válaszokban? | „Milyen B850 alaplapok vannak, és miben különböznek?” |
| Recommendation / Shortlist | Bekerülsz-e az AI által ajánlott vagy mérlegelésre javasolt lehetőségek közé? | „Melyik B850 alaplapot ajánlod?” |
| Comparison | Hogyan jelenik meg a márkád vagy terméked más megoldásokkal összehasonlítva? | „ASUS vagy MSI B850 alaplapot érdemes választani?” |
| Money / Transactional | Megjelenik-e a márkád, terméked vagy webshopod közvetlen vásárlási vagy szolgáltatóválasztási helyzetben? | „Hol érdemes RTX 5070-et venni Magyarországon?” |
Ez nem kötelező iparági taxonómia, hanem gyakorlati mérési keretrendszer. Egy adott vállalkozásnál lehet indokolt további klasztereket létrehozni, vagy egyeseket összevonni. A lényeg, hogy a promptklasztert ne keverd össze az intenttel.
A klaszter azt mutatja meg, milyen típusú üzleti helyzetet vizsgálsz. Az intent pedig azt, hogy a felhasználó mit szeretne elérni a kérdéssel: tájékozódni, megérteni valamit, összehasonlítani, ajánlást kérni vagy vásárolni. Például egy B850 alaplapokról szóló témában például lehet általános tájékozódási, ajánlási és vásárlási szándékú promptod is.
A két dimenzió részben átfedhet, ezért a besoroláshoz érdemes következetes szabályt használni. Ha például a kérdés kifejezetten arra irányul, hogy hol vásároljon a felhasználó, azt a Money / Transactional klaszterbe sorolhatod, még akkor is, ha ajánlást vagy összehasonlítást is kér. Ha egy kérdés több klaszterhez is kapcsolódik, adhatsz neki másodlagos címkét, de az alapméréshez érdemes egy elsődleges klasztert rögzíteni. Így ugyanaz a prompt nem fog véletlenül több helyen is beleszámítani az összesített eredménybe.
Az egész rendszert elképzelheted így:
Promptkészlet → klaszter → téma / kategória → keresési szándék / döntési szakasz → prompttípus → promptváltozat
A Money / Transactional klaszterre különösen érdemes figyelni, mert az ilyen kérdések közelebb állhatnak a tényleges vásárlási döntéshez. Ez azonban nem jelenti azt, hogy ezek a promptok bizonyítottan nagyobb AI-láthatóságot vagy több konverziót eredményeznek. Inkább arról van szó, hogy üzleti szempontból más jelentőségük lehet, ezért hasznos külön vizsgálni az eredményeiket.
A teljes döntési folyamatból dolgozz
Az AI Visibility szempontjából nem csak a klasszikus „melyik a legjobb?” típusú kérdések érdekesek. Egy vásárló először megpróbálhatja megérteni a problémáját. Utána terméktípust kereshet, összehasonlíthat két megoldást, korlátokat adhat meg, végül pedig azt kérdezheti, mit és hol érdemes megvennie.
Egy használható promptlista ezért például tartalmazhat:
- probléma- és edukációs kérdéseket;
- ajánlási és shortlist kérdéseket;
- összehasonlításokat;
- árra, funkcióra, felhasználási helyzetre vagy helyszínre vonatkozó korlátokat;
- vásárlási vagy szolgáltatóválasztási kérdéseket;
- külön blokkban branded és márka-összehasonlító promptokat.
Nem kell minden kategóriából ugyanannyi. A saját üzleted szempontjából fontos döntési helyzetek legyenek felülreprezentálva — de ezt már tudatosan tedd, ne véletlenül. A klaszterek segítenek abban, hogy ezt a lefedettséget üzleti helyzetek szerint is ellenőrizni tudd, ne csak az egyes promptok szintjén.
Egy egyszerű táblázat bőven elég
Az első promptlistához nem szükséges külön AI Visibility platform.
Egy spreadsheetben ezek az oszlopok már jól használhatók:
| Mező | Mire való? |
|---|---|
| Prompt ID | Stabil azonosító, például P001 |
| Cluster | Branded, Category / Generic, Recommendation / Shortlist, Comparison vagy Money / Transactional |
| Topic / Category | Termék, szolgáltatás vagy téma |
| Intent / Decision stage | Megértés, ajánlás, összehasonlítás, vásárlás stb. |
| Prompt family | Mely felhasználói problémához tartozik |
| Market / language | Például HU / magyar |
| Brand status | Non-branded / branded / competitor |
| Prompt | A ténylegesen futtatandó kérdés |
| Priority | High / medium / low üzleti fontosság |
| Seed source | Search Console, ügyfélkérdés, Keyword Planner stb. |
| Version | Például v1.0 |
Ha szeretnél keresési volument vagy Search Console megjelenítést is tárolni, azt külön kontextusmezőként tedd hozzá. Ne nevezd AI promptvolumennek.
Mikor mondhatod azt, hogy kész az első promptlistád?
Nem attól, hogy elértél egy mágikus darabszámot. Nincs olyan univerzális szabály, hogy egy AI Visibility vizsgálathoz pontosan 50, 100 vagy 500 prompt kell. Sokkal fontosabb, hogy a lista reprezentálja-e a számodra fontos felhasználói helyzeteket. Ez ugyanaz az alapelv, amelyet az OpenAI a saját modellek értékelésénél is hangsúlyoz: a tesztinputoknak a valós használatot kell reprezentálniuk.
Ha egy első baseline-t készítesz, akkor ellenőrizd, hogy minden fontos témádhoz van legalább egy non-branded kérdés, szerepelnek a fő döntési intentek, nincsenek felesleges duplikációk, a branded promptok külön vannak, és minden prompt ugyanahhoz a rögzített piachoz és nyelvhez tartozik. Érdemes azt is megnézni, hogy a fontos üzleti klaszterek megfelelően szerepelnek-e a mintában. Egy webshopnál például könnyen előfordulhat, hogy sok általános termékkérdést gyűjtöttél össze, de alig van olyan promptod, amely tényleges vásárlási helyzetet vizsgál.
Ha úgy érzed, hogy megvannak a helyes kérdések "fagyaszd be" az 1.0 listát és ezt használd folyamatosan! Ha egy hónap múlva teljesen átírod a promptokat, már nem ugyanazt méred. Új témák természetesen kerülhetnek be, de ilyenkor érdemes új verziót létrehozni ahelyett, hogy észrevétlenül átírnád a korábbi baseline-t, erre figyelj majd.
Mielőtt elindul a mérés, futtass egy gyors tesztet
Futtass le néhány promptot, és nézd meg, hogy valóban azt a problémát vizsgálják-e, amelyet szerettél volna. Ha ChatGPT-ben manuálisan tesztelsz, a környezetet is érdemes standardizálni. Az OpenAI jelenlegi Temporary Chat funkciójában az Unpersonalized mód nem használ memóriát, egyéni utasításokat vagy plugineket, ezért alkalmasabb lehet összehasonlítható első körös tesztekhez, mint egy hosszú, személyre szabott meglévő beszélgetés.
Ez azonban még nem oldja meg a modellválaszok természetes változékonyságát. Az OpenAI dokumentációja is külön kiemeli, hogy az LLM-output nem determinisztikus. Egyetlen prompt egyszeri lefuttatásából ezért nem érdemes túl erős következtetést levonni. A promptlista összeállítása és a tényleges mérési protokoll két külön feladat.
A promptlistád nem „az AI keresési piac”
Ez talán az egész módszer legfontosabb korlátja. A promptlista egy kontrollált minta arról, hogy milyen felhasználói kérdésekben szeretnéd vizsgálni a márkádat. Nem bizonyítja, hogy pontosan ilyen arányban és pontosan ezekkel a mondatokkal kérdeznek valódi emberek a ChatGPT-ben, Gemini-ben vagy más AI-rendszerekben. Éppen ezért egy jó AI Visibility riport nem azt mondja, hogy „a piac 37 százalékában megjelenünk”. A pontosabb állítás inkább az, hogy ebben a rögzített, üzletileg releváns promptkészletben ennyi esetben jelent meg a márkánk. Ez kevésbé látványos mondat, viszont mérhető, újrafuttatható és később összehasonlítható és pontosan ezért sokkal többet ér.