Az AI-keresés átírja a kulcsszóstratégiát

Az AI-keresés átírja a kulcsszóstratégiát: fan-out, feedek és csökkenő forgalom

A kulcsszóstratégia szabályai gyorsabban változnak, mint ahogy a legtöbb csapat frissíteni tudja a folyamatait. Egyszerre három dolog történik: az AI-rendszerek tucatnyi allekérdezésre bontják a lekérdezéseket és szó szerinti idézeteket keresnek, a Google organikus forgalma strukturálisan csökken, az AI-alapú vásárlásban pedig azok nyernek, akiknek a legjobb termékfeedjük van, nem azok, akiknek a legjobb weboldaluk. Ha a kulcsszókutatásod még mindig a 2022-es logikát követi, elavult térképpel dolgozol.

Legfontosabb tanulságok

• A query fan-out azt jelenti, hogy az AI idézőjelbe tett pontos frázisokkal ellenőrzi az állításokat, és a szó szerint nem idézhető mondatokat tartalmazó tartalmak kiszorulnak a folyamatból.
• A Google organikus forgalma valóban csökken, a tartalomoldalak esetében becsülten 5-15 százalékkal, az AI Overviews-ban idézett forrásokra való átkattintás aránya pedig mindössze körülbelül 1 százalék.
• Az AI-vásárlásnál a termékfeed minősége felülírja a weboldal minőségét, a feed-alapú lekérés a ChatGPT-ajánlások mintegy 65 százalékát teszi ki.
• Az AI-asszisztált kulcsszókutatás akkor működik a legjobban, ha ügyféljelzésekkel (vélemények, Reddit, értékesítési hívások átiratai) táplálod, és az eredményeket hagyományos eszközökkel validálod.
• Egyetlen platformon nyomon követni az AI-láthatóságot nem elég, súlyozott lefedettségre van szükség a ChatGPT, a Gemini, a Claude és a Google AI Overviews platformokon.

Hogyan változtatja meg a query fan-out azt, amit írsz

189 márkaprompt ChatGPT-ben végzett elemzése 1797 allekérdezést generált, és a pontos idézetek használata ezekben az allekérdezésekben az első és az utolsó kör között 25-szörösére nőtt. Az AI Mode lekérdezések átlagosan háromszor hosszabbak, mint a klasszikus keresések. Ezek olyan számok, amelyek megváltoztatják a tartalomstruktúráról való gondolkodásmódot. (Search Engine Journal)

A gyakorlatban ez egyetlen dologra vezethető vissza: a tartalmad minden kulcsfontosságú válaszát úgy kell megírni, hogy közvetlen idézetként fel lehessen használni. Ne hosszú bekezdésbe temetve, hanem önálló mondatként, amely a környező kontextus nélkül is érthető. Ha egy AI-rendszer site: operátorral, idézőjelbe tett frázisra keres, és a mondatod szó szerint nem szerepel ott, a tartalmad nem létezik abban a fan-out ciklusban.

Egy régi sajtóközlemény-technika, 3 szavas seed téma köré épített 4-5 szavas frázisok alkotása, meglepően jól működik itt. Egyszerre fedi le a rövid és a hosszú lekérdezési variánsokat, és azokat az egészen új lekérdezéseket célozza meg, amelyeket a Google naponta generál, ez az összes lekérdezés 15 százaléka (amit John Mueller 2025 márciusában erősített meg).

Mit jelent ez a kulcsszókutatási folyamatodra nézve

Kezdj egy Google Search Console-exporttal, és keresd azokat a lekérdezéseket, amelyek a 8-20-as pozíciókban rangsorolnak, magas impresszióval és alacsony CTR-rel. Ezek azok a helyek, ahol az AI-rendszerek részben látják a tartalmadat, de nem idézik. Add hozzá ezeknek a lekérdezéseknek a pontos szövegét H2-es fejlécekhez vagy bevezető bekezdésekhez.

A Semrush Blog által leírt munkafolyamat a Claude-ot kombinálja a saját üzleti kontextussal és ügyféljelzésekkel (versenytársak véleményei, Reddit-szálak, értékesítési hívások átiratai), és az eredményeket a Semrushban validálja. A kulcslépés egy üzleti kontextusfájl összeállítása öt kérdéssel (mit adsz el, ki vásárol, milyen problémákat oldasz meg, ki a verseny, mik a szabályok), és a kulcsszavak szűrése relevancia, nem csupán keresési volumen alapján. (Semrush Blog)

Az organikus forgalom csökken, az átkattintás még rosszabb

A Washingtoni Egyetem kutatása szerint a Google AI Overviews az angol Wikipédiára irányuló havi keresési referrálokat körülbelül 5 százalékkal csökkentette, ami évente mintegy 1,2 milliárd látogatásnak felel meg. A Wikimedia szintén megerősíti az összes emberi oldalmegtekintés 8 százalékos csökkenését. A Pew adatai kontextust adnak: ha AI-összefoglaló jelenik meg, a felhasználóknak csupán 8 százaléka kattint a hagyományos találatokra (szemben az összefoglaló nélküli 15 százalékkal), és mindössze 1 százalékuk kattint az AI Overviews-ban közvetlenül idézett forrásra. (Search Engine Journal)

A Wikipedia szélsőséges eset, de a jelzés egyértelmű: az AI Overviews-ban való láthatóság és a tényleges forgalom két különböző dolog. Érdemes befektetni a márkaismeretségbe és az off-page jelzésekbe, amelyek növelik az idézés valószínűségét. Ugyanígy érdemes diverzifikálni a forgalmi mixet: a közvetlen, e-mailes, márkás keresési és first-party adatforrások nem tartalékterv, hanem az elsődleges biztonsági háló.

Az egyetlen forgalmi forrástól való erős függés (a Wikipédiánál ez 90 százalék volt a Google-tól) strukturális kockázat, amely mindenkire vonatkozik.

A termékfeedek az e-kereskedelem új SEO-ja

A Profound adatai szerint a ChatGPT Shopping termékajánlásaiban a feed-alapú lekérés aránya kevesebb mint két hónap alatt 8 százalékról körülbelül 65 százalékra ugrott. A 687 nyomon követett kereskedő közül 450 láthatóságának 33 százalékos vagy nagyobb mértékű csökkenését tapasztalta. Ugyanakkor a láthatóság koncentrálódik: a top 10 kereskedő részesedése 22,5 százalékról 41,8 százalékra nőtt, az egyedi kereskedők száma pedig több mint 20 százalékkal csökkent. (Search Engine Journal)

A Shopify-katalógus automatikusan csatlakozik, a többiek várólistán vannak. Ha Shopifyn kívüli e-kereskedelmi ügyfeleket kezelsz, minél hamarabb iratkozz fel az OpenAI közvetlen feed várólistájára, és párhuzamosan dolgozz a feed gazdagításán: árak, leírások, kategóriák, elérhetőség, termékséma. A mezők minősége fontosabb lesz a puszta feed-meglétésnél a következő fázisban.

Hogyan állíts fel olyan AI-láthatósági nyomon követést, amely tényleg működik

A legtöbb csapat által elkövetett hiba az, hogy egy-két platformot követnek nyomon, és átlagolják az eredményeket. A ChatGPT az AI-chatbot forgalom 53,9 százalékát tartja, a Gemini 27,9 százalékát, a Claude 9,2 százalékát, a Perplexity mindössze 1,3 százalékát. A Google AI Overviews azonban havonta 2,5 milliárd felhasználót ér el, a Claude pedig jelentős szerepet játszik a B2B-ben az enterprise terjesztésnek köszönhetően (több mint 100 000 ügyfél az AWS Bedrockon). (Search Engine Journal)

Egy praktikus háromszintű megközelítés:

• 1. szint: ChatGPT, Gemini, Claude (B2B esetén az alacsonyabb forgalom ellenére prioritizáld a Claude-ot)
• 2. szint: Google AI Overviews, Microsoft Copilot
• 3. szint: Perplexity, Grok, DeepSeek (kisebb súlyozással figyeld, de ne hagyd figyelmen kívül)

Mindig a célközönséged által ténylegesen használt platformok szerint súlyozz, ne az általános piaci részesedés alapján. Kösd össze a három adathalmazt: közönségkitettség (ki használja a platformot), láthatóság (idézetek és megemlítések) és üzleti hatás (AI-referrálók a GA-ban). Mindhárom nélkül vak foltokkal dolgozol.

Ha automatizálni szeretnéd ezt a fajta elemzést, és egyetlen nézetben látni az összes platformot, nézd meg, mit tehetnek Charlie AI-ügynökei a csapatodért.