Alternatív AI-motorok (Le Chat, DeepSeek) és a magyar vállalkozások láthatósága

Scheo · 2026-10-31 · Frissítve: 2026-11-09 · olvasási idő ~10 perc · Szerző: Schmidt Péter

Egy magyar kisvállalkozás számára a Mistral asszisztense és a DeepSeek ma jó eséllyel mérési kérdés, és csak utána tartalmi feladat. Először azt érdemes megtudni, járnak-e ezek a rendszerek az oldaladon, és jön-e tőlük látogató. Ha a válasz egy negyedév után is az, hogy alig, akkor a figyelés olcsóbb, mint a külön optimalizálás, és az a munka, amit a Google-láthatóságra és a jól szerkesztett oldalakra fordítasz, ezeknél a motoroknál is jó eséllyel hasznosul.

Három címkét használunk. A Hivatalosan igazolt azt jelenti, hogy a gyártó saját dokumentációjában szerepel. A Saját tapasztalat a napi munkánkból jövő megfigyelés, ami nem általánosítható minden oldalra. A Szakmai feltételezés következtetés, amit a te adataid felülírhatnak. Az állapot 2026 októberi, és ezek a rendszerek gyorsan változnak.

Mi a Le Chat és a DeepSeek helye az AI-keresők között?

Mindkettő általános célú AI-asszisztens webes kereséssel, és a magyar piacon jó eséllyel jóval kisebb forgalomforrás a Google-nál vagy a ChatGPT-nél (szakmai feltételezés, magyar piaci mérést nem találtunk). A kettő más okból érdekes, és ez határozza meg, mit érdemes figyelni rajtuk.

A Le Chat a francia Mistral AI terméke. A sajtóbeszámolók szerint a márka 2026 májusában Mistral Vibe néven folytatta, és a Mistral dokumentációja már Vibe néven említi az asszisztenst. Ha tehát a naplóidban, riportjaidban vagy egy régebbi cikkben Le Chat szerepel, ugyanarról a termékről van szó. Itt a rövidség kedvéért Le Chatként hivatkozunk rá, mert a magyar keresésekben ez a név még ismertebb.

A DeepSeek kínai fejlesztésű modellcsalád és asszisztens. Elsősorban a nyílt súlyú modelljei és a kínai piaci súlya miatt vált ismertté, a webes keresése körül pedig jóval kevesebb a dokumentált tény, és jóval több a találgatás.

Milyen logikával keres és választ forrást a Mistral asszisztense?

A Mistral három külön crawlert nevez meg, és ebből jól látszik a működés, vagyis saját keresési indexet épít, a válasz közben pedig élőben is lekér oldalakat, a forrást pedig megjelöli. A források rangsorolásának szabályait nem hozta nyilvánosságra.

Hivatalosan igazolt. A Mistral „Mistral crawlers” oldala a következő három user-agentet sorolja fel.

• MistralAI-User akkor keres fel egy oldalt, amikor egy felhasználó kérdést tesz fel az asszisztensnek, és a válaszban a forrásra is hivatkozik. A dokumentáció szerint nem jár automatikusan, és nem tanításra való.
• MistralAI-Index automatikusan járja a webet a keresési indexhez, ami az asszisztens válaszait támogatja. A tartalmat a Mistral szerint semmilyen generatív AI-tanításra nem használja.
• MistralAI-Training a modellek tanítóadatait gyűjti, és a keresésben nem vesz részt. Robots.txt-ben tiltható.

Az első kettő IP-tartománya nyilvános (mistral.ai/mistralai-user-ips.json és mistral.ai/mistralai-index-ips.json), így a naplóban talált kérés ellenőrizhető. A Mistral az Agents API-hoz is ad webes keresőt, és 2025 januárjában tartalommegállapodást kötött az AFP hírügynökséggel, tehát friss hírtémákban más forrásból is meríthet, mint a nyílt webből.

Szakmai feltételezés. Azt, hogy a saját indexe mellett használ-e külső keresőt, és ha igen, melyiket, nem találtuk meg hivatalos forrásban. A netes állításokat ezzel kapcsolatban kezeld fenntartással. Magyar nyelvű kérdésnél arra számítunk, hogy a kisebb indexlefedettség miatt kevesebb hazai oldal közül választ, ezért ott a jól indexelhető, világos szerkezetű, cégadatokat egyértelműen közlő oldal lehet előnyben.

Milyen crawlert és keresőindexet használ a DeepSeek?

A DeepSeek webes keresésének háttere nyilvánosan nem ismert, és a cég nem adott ki olyan crawler-dokumentációt, mint a Mistral. Amit a neten olvasol róla, annak nagy része harmadik fél becslése, ezért óvatosan kezeld.

Hivatalosan igazolt. Ebben a kérdésben szinte semmi. Hivatalos user-agent-leírást, IP-listát vagy indexforrást nem találtunk a DeepSeek saját anyagaiban.

Szakmai feltételezés, harmadik féltől származó adatokkal. Botkatalógusok DeepSeekBot néven tartanak nyilván egy crawlert, és jellemzően tanítóadat-gyűjtőként írják le, de a robots.txt-követéséről egymásnak ellentmondó állításokat közölnek. Az alkalmazás keresési funkciója felhasználói tesztek szerint kapcsolóhoz kötött, és a keresett válaszok számozott forrásokat mutatnak. A Peec AI 2026 júliusi összefoglalója egy kis, megosztott beszélgetésekből álló mintán azt írja le, hogy a kérdések 13,2 százalékánál indult webes keresés. A szám irányjelzésnek jó, és azt sugallja, hogy a DeepSeek-válaszok többsége web nélkül készül. Ilyenkor a weboldalad nem kerül be friss forrásként.

Egy gyakorlati következmény a fejlesztőknek szól. Egy 2026-os kutatás (SourceBench) a DeepSeek API-t keresés nélküli modellként írja le, amely külső eszköztől kapott találatokkal dolgozik. Ha egy harmadik fél DeepSeek-modellt futtat a termékében, a forrásokat az ő keresője adja, és a látogatásaid sem biztos, hogy DeepSeek-nyomot hagynak.

Érdemes egy magyar KKV-nak külön foglalkoznia ezekkel?

A legtöbb magyar KKV-nak ma külön tartalmi munkát nem érdemes ezekre fordítania, a mérést viszont érdemes beállítani. A mérés egyszeri, kis munka, és ha egyszer valódi forgalmat látsz, akkor is ráérsz többet tenni.

A döntést három dolog alapozza meg.

• A célközönséged. Ha francia, belga vagy más európai vállalati ügyfeleket keresel, a Mistral relevánsabb lehet, mint egy helyi szolgáltatónak.
• Az ágazatod. Fejlesztői, technológiai vagy nyílt forráskódhoz kötődő cégnél a DeepSeek-használat valószínűbb, mint egy vidéki étteremnél.
• A mért forgalom. Ha a következő szakasz méréseiben nincs érdemi látogatás, nincs mit optimalizálni.

Szakmai feltételezés. Egy budapesti vagy székesfehérvári helyi szolgáltatónál ezek a motorok jó eséllyel alig mérhetők. Saját hüvelykujj-szabályunk szerint külön munkára akkor van ok, ha 90 nap alatt az organikus munkamenetek legalább 1 százalékát adják, vagy ha legalább egy tényleges ajánlatkérés visszavezethető rájuk. A küszöb önkényes, nyugodtan állítsd át a saját üzleti értékeidhez.

Saját tapasztalat. A szerkezeti alapmunka (világos cégadatok, kérdésre válaszoló szakaszok, szerveroldalon megjelenő szöveg, elérhető robots.txt) minden AI-keresőnél ugyanaz, ezért motoronként külön tartalmat gyártani kisebb oldalnál ritkán térül meg. Ez a munkánkból levont megfigyelés, ok-okozati összefüggést nem igazol.

Hogyan derül ki, hoznak-e egyáltalán forgalmat?

Két adatforrás kell hozzá, a GA4 referral adata mutatja a látogatót, a szervernapló pedig a botot. Egyik sem teljes, ezért a kettőt együtt nézd, és egy negyedév adatából dönts.

Referral adat a GA4-ben

1. Nyisd meg a Jelentések, Életciklus, Akvizíció, Forgalomszerzés riportot.
2. Az elsődleges dimenzió legyen a munkamenet forrása/médiuma.
3. Szűrj a forrásra a (^|\.)(mistral\.ai|deepseek\.com)$ reguláris kifejezéssel.
4. Állíts be 90 napos időszakot, és nézd a munkamenetek mellett a kulcseseményeket is.
5. Ha rendszeresen figyelnéd, ments belőle Exploration riportot, és a többi AI-forrással közös egyéni csatornacsoportba is teheted.

A Mistral domainjét azért adjuk meg végződésként, mert a névváltás után a felület címe is módosulhatott. Az egyszerű chat.mistral.ai mintánál ez a forma kevesebbet téveszt. A DeepSeek webes felülete a chat.deepseek.com.

Az egyéni csatornacsoportot az Adminisztráció, Adatmegjelenítés, Csatornacsoportok menüben hozod létre. Másold le az alapértelmezett csoportot, adj hozzá egy „AI-asszisztensek” csatornát a fenti forrásfeltétellel, és tedd a Referral csatorna elé, mert a GA4 a sorrend szerint sorol be. A csoport a korábbi adatokra is alkalmazható, így nem kell negyedévet várnod az első összevetéshez.

Szakmai feltételezés. A mobilalkalmazásokból érkező kattintás gyakran referrer nélkül jön, és a GA4-ben közvetlen forgalomként látszik. A referral adat ezért alsó becslés. Ha a saját hivatkozásaidat kontrollálod, UTM-mel tudod jelölni őket, az AI által kiadott linkeknél erre nincs ráhatásod.

Bejegyzések a szervernaplóban

Kérd ki a tárhelyedről a nyers access logot, és keress a user-agentekre. A szokásos kombinált naplóformátumnál ez a parancs kiírja, melyik botból hány kérés jött.

grep -Eio "MistralAI-(User|Index|Training)|DeepSeekBot" access.log | sort | uniq -c

Az eredményt így olvasd.

• A MistralAI-User a legbeszédesebb, mert a dokumentáció szerint felhasználói kérdéshez kötődik. Ha ez egy kereskedelmi aloldaladon megjelenik, valaki olyan témában kérdezett, ahol az oldalad szóba került.
• A MistralAI-Index azt jelzi, hogy bekerülhetsz az indexbe, a láthatóságról önmagában nem mond semmit.
• A DeepSeekBot találatot óvatosan kezeld, mert a user-agent hamisítható, és ehhez nincs hivatalos IP-lista.

A Mistral-találatokat vesd össze a nyilvános IP-listákkal, mert egy user-agent szöveget bárki bemásolhat a saját szkriptjébe.

Ha azt is látni szeretnéd, melyik aloldalt kérték le, a grep "MistralAI-User" access.log | awk '{print $7}' | sort | uniq -c | sort -rn parancs a kért útvonalakat gyakoriság szerint listázza. Ebből derül ki, hogy a kérdések a szolgáltatási oldalaidra vagy csak a blogra vezetnek.

Saját tapasztalat. A leggyakoribb akadály a naplóhoz való hozzáférés. Sok tárhelycsomag rövid ideig őrzi a nyers naplót, a CDN mögött pedig a kérések egy része el sem jut a szerverig. Érdemes előre bekapcsolni vagy meghosszabbítani a naplómegőrzést, és CDN esetén a szolgáltató saját naplóját nézni.

Hogyan tesztelj ugyanarra a három kérdésre?

Elég három rögzített kérdés, mindkét motorban, keresés bekapcsolva, negyedévente egyszer. A cél a változás követése, mert egyetlen futásból semmilyen következtetést nem lehet levonni, ugyanarra a kérdésre más válasz is jöhet.

A példában egy könyvelőirodát feltételezünk, a kérdéseket a saját szakmádra írd át.

1. Kategória-kérdés. „Melyik könyvelőirodát ajánlod kisvállalkozásnak Székesfehérváron?”
2. Márkakérdés. „Mit tudsz a [cégnév] nevű könyvelőirodáról, és milyen szolgáltatásai vannak?”
3. Döntési kérdés. „Mire figyeljek, ha könyvelőt választok egy kétfős kft.-hez, és kik foglalkoznak ezzel Fejér megyében?”

A menete a következő.

1. Lépj ki a fiókból, vagy nyiss új beszélgetést, hogy az előzmény ne befolyásolja a választ.
2. Ellenőrizd, hogy a webes keresés be van kapcsolva. A DeepSeeknél ez külön kapcsoló lehet.
3. Minden kérdést háromszor tegyél fel, külön beszélgetésben.
4. Táblázatban rögzítsd a dátumot, a motort, a kérdést, azt, hogy szerepelsz-e, ki szerepel helyetted, milyen forrást jelöl meg, és hogy van-e benne téves adat.
5. Screenshotot ments, mert a válasz később nem reprodukálható.
6. A teszt után egy-két napon belül nézd meg a naplóban, jött-e MistralAI-User kérés. Ez egyben a mérés próbája is.

A tesztbe ne írj ügyféladatot, belső számot vagy szerződésrészletet. A DeepSeek kínai cég, a Mistral francia, az adatkezelési feltételeik eltérnek, ezért mindkettőnél olvasd el, mi történik a beírt szöveggel.

Ha téves adatot találsz (rossz cím, megszűnt szolgáltatás), az már a figyelés hasznos eredménye. Javítsd a saját oldaladon és a cégprofilodon, mert ez más AI-rendszereknek is jó eséllyel segít.

Hogyan állítsd be a robots.txt-t ezekre a botokra?

Kis forgalmú oldalon általában az a legjobb döntés, ha a keresési célú botokat engeded, és csak azt tiltod, amire valódi okod van. A robots.txt kérés, technikai akadályt nem jelent, a viselkedést a naplóban ellenőrizd.

A döntési szempontok a következők.

• Szeretnél forrásként megjelenni? Akkor a MistralAI-User és a MistralAI-Index maradjon engedélyezve. Hivatalosan igazolt, hogy e kettő nem tanításra való.
• Nem akarod, hogy a tartalmad tanítóadat legyen? A MistralAI-Training külön tiltható, és a Mistral szerint a keresést nem érinti.
• Túlterhel egy bot? Ha a naplóban valódi terhelést látsz, korlátozd a szerver vagy a CDN szintjén, mert a DeepSeekBot robots.txt-követése nem igazolt.
• Van zárt tartalom? Fizetős, ügyfélkapus vagy személyes adatot tartalmazó részt bejelentkezéssel védj, erre a robots.txt nem alkalmas. A robots.txt nyilvános fájl, és mindenkinek megmutatja a tiltott útvonalakat.

Egy kiinduló minta azoknak, akik forrásként megjelennének, de tanításhoz nem adnák a tartalmukat.

• User-agent: MistralAI-Training
• Disallow: /
• User-agent: DeepSeekBot
• Disallow: /

Szakmai feltételezés. A DeepSeekBot tiltása a mintában szándékos kompromisszum. A katalógusok tanításra használt botként írják le, de ha később kiderül, hogy a keresés is ezt használja, a tiltás a DeepSeek-láthatóságodat is ronthatja. Ha a mért referral nulla, ezt a kockázatot könnyű vállalni, ha van forgalom, inkább engedd. Módosítás után nézd meg élőben a /robots.txt címet, és vedd fel a dátumot a tesztnaplódba, hogy az esetleges változást vissza tudd kötni rá.

Mennyi figyelés elég, és mikor válts?

Negyedévente egy rövid kör elég, ami a GA4-szűrőből, a naplókeresésből és a háromkérdéses tesztből áll. Egy kis oldalnál ez nagyjából egy-két óra, ami jóval kevesebb, mint egyetlen motorra szabott tartalom elkészítése.

Akkor érdemes többet tenni, ha három dolog közül legalább kettő teljesül. Referral érkezik, és lesz belőle kulcsesemény. A MistralAI-User rendszeresen kereskedelmi oldalakat kér le. A három kérdésre adott válaszokban versenytársak szerepelnek, te pedig nem. Ilyenkor is a meglévő oldalaidat javítsd először, a válaszadó szakaszokkal és a pontos cégadatokkal. Ez jó eséllyel segíti a láthatóságot, de egyetlen motorban sem biztos a megjelenés.

Negyedéves ellenőrzőlista

1. Futtasd le a GA4-szűrőt 90 napra, és írd fel motoronként a munkamenetek és a kulcsesemények számát.
2. Futtasd le a naplókeresést, és jegyezd fel, mely aloldalakat kérte le a MistralAI-User.
3. A Mistral-találatok IP-címét vesd össze a nyilvános listákkal, a nem egyezőket hagyd ki a számolásból.
4. Tedd fel a három kérdést mindkét motorban, kérdésenként háromszor, és mentsd el a screenshotokat.
5. Hasonlítsd össze az eredményt az előző negyedévvel, és írd mellé, mi változott közben az oldaladon (új aloldal, robots.txt-módosítás, javított cégadat).
6. Ha téves adatot találtál, javítsd a weboldaladon és a cégprofilodon, a következő körben pedig nézd meg újra ugyanazt a kérdést.

Mik az AI motorok, és melyiket érdemes figyelnie egy magyar vállalkozásnak?

AI motornak azokat a rendszereket hívjuk, amelyek egy kérdésre saját megfogalmazású szöveggel válaszolnak, és ehhez webes forrásokat is felhasználhatnak. Ilyen a Google AI-áttekintése, a ChatGPT keresése, a Perplexity, a Microsoft Copilot, a Mistral asszisztense és a DeepSeek. Egy magyar KKV-nak érdemes a Google-lel és a ChatGPT-vel kezdenie, a Le Chatet és a DeepSeeket pedig a mérés alapján, kis ráfordítással figyelnie.

Az AI motorok három dologban térnek el egymástól, és ez a három határozza meg, mit tudsz rajtuk mérni.

• Honnan veszik a forrást? Van, amelyik saját indexet épít (a Mistral ezt dokumentálja), van, amelyik külső keresőre támaszkodik, és van, amelyiknek a háttere nem ismert. A DeepSeek az utóbbi csoportba tartozik.
• Mikor keresnek a weben? Több motor csak bizonyos kérdéseknél vagy egy kapcsoló bekapcsolása után keres, a többi válasz a modell tanult tudásából születik. Ilyenkor az oldalad friss forrásként nem kerül be a válaszba.
• Hagynak-e ellenőrizhető nyomot? A dokumentált crawler és a nyilvános IP-lista ellenőrizhetővé teszi a látogatást a naplóban. Ahol ez hiányzik, ott a referral adatra és a kézi tesztre maradsz.

A figyelés sorrendjére ezt javasoljuk. Ez szakmai feltételezés, mert az AI motorok magyar piaci részesedéséről megbízható nyilvános mérést nem találtunk.

1. A Google kereső és az AI-áttekintések, mert a magyar felhasználók jellemzően ott kezdik a keresést, és a Search Console-ban mérhető is.
2. A ChatGPT, mert a nemzetközi forgalmi adatok szerint ez a legismertebb asszisztens, és a GA4-ben referralként is látszik.
3. A Perplexity és a Copilot, ha a célközönséged irodai vagy technológiai környezetben dolgozik.
4. A Le Chat és a DeepSeek, negyedéves figyeléssel, a fenti ellenőrzőlista szerint.

Saját tapasztalat. Amit az első két motornál javítasz (pontos cégadatok, kérdésre válaszoló szakaszok, szerveroldalon megjelenő szöveg), azt a többi is ugyanabból a weboldalból olvassa ki. Ezért a sorrend a figyelésre vonatkozik, a tartalmi munka közös marad.

Források és további olvasnivalók

• Mistral AI dokumentáció, Mistral crawlers
• Mistral AI, Agents API bejelentés
• Agence France-Presse és Mistral AI megállapodásáról szóló 2025 januári sajtóbeszámolók
• Peec AI kutatási dokumentáció, DeepSeek megosztott linkek
• SourceBench, Can AI Answers Reference Quality Web Sources? (arXiv, 2026)
• Google Analytics súgó, forgalomszerzési jelentések és egyéni csatornacsoportok
• Google Search Central, a robots.txt specifikációja
• RFC 9309, Robots Exclusion Protocol