A Google 2022 végén egészítette ki a korábbi E-A-T mozaikszót egy második E betűvel: Experience, vagyis tapasztalat. A koncepció a keresés minőségét értékelő emberi bírálóknak szóló útmutatóból (Search Quality Rater Guidelines) származik, és azt a kérdést teszi fel, hogy a tartalom mögött van-e valódi, első kézből szerzett élmény vagy gyakorlat. Ez a cikk arról szól, milyen konkrét jelzésekkel tudod ezt megmutatni úgy, hogy közben nem találsz ki semmit.
Mit jelent pontosan az Experience az E-E-A-T-ben?
Az Experience azt jelzi, hogy a tartalom szerzője személyesen csinálta, használta vagy megélte azt, amiről ír. Fontos tisztázni: ez hivatalos információ, hogy az E-E-A-T nem közvetlen rangsorolási tényező. A Google több helyen kifejtette, hogy nincs egyetlen "E-E-A-T pontszám" az algoritmusban. Ehelyett egy fogalmi keret, amit az emberi bírálók használnak a rendszerek visszamérésére, és amivel te is le tudod ellenőrizni a saját tartalmad minőségét.
A négy elem közül az Authoritativeness (tekintély) és a Trust (megbízhatóság) inkább a márkádhoz és a hivatkozásaidhoz kötődik, míg az Experience magához a konkrét tartalomhoz. Egy termékteszt akkor mutat tapasztalatot, ha látszik, hogy a szerző valóban kézbe vette a terméket. Egy szolgáltatásleírás akkor, ha kiderül belőle, hogy a szerző dolgozott már ilyen feladaton. Saját tapasztalatom szerint a legtöbb magyar KKV-oldal éppen ezen bukik el: általánosságokat ír, amit bárki lemásolhatna a Wikipédiáról, és semmi nem árulja el, hogy a szöveg mögött valódi munka van.
Miért lett fontos a tapasztalat az AI-keresés korában?
Röviden: mert a felszínes, összeollózott tartalmat ma már a gép is meg tudja írni, így a valós tapasztalat lett az egyik dolog, amit nehéz hamisítani. Amikor egy AI-válaszmotor (ChatGPT, Gemini, a Google AI Overviews) forrásokat válogat egy válaszhoz, olyan oldalakat keres, amelyek konkrét, ellenőrizhető állításokat tartalmaznak. Egy "a jó marketing fontos" típusú mondatot nincs miért idézni. Egy "három hónap alatt, heti méréssel azt láttuk, hogy a landing oldal betöltési ideje 4,1 másodpercről 1,8-ra csökkentése után nőtt a lead-arány" típusú mondatot viszont van.
Ez szakmai feltételezés a részemről, nem hivatalos Google-nyilatkozat: a tapasztalat-jelzések azért is értékesek, mert nehezen generálhatók tömegesen. Egy nyelvi modell folyékonyan ír általánosságokat, de a te konkrét méréseidet, a te folyamatod buktatóit nem tudja kitalálni. Ez a különbség segíthet abban, hogy a tartalmad kiemelkedjen, bár garanciát semmi nem ad rá.
Milyen konkrét jelzésekkel mutatható a tapasztalat?
A tapasztalatot mindig a konkrétum mutatja, nem a jelző. Az alábbi jelzések a leggyakoribbak, és mindegyik kitalálás nélkül is használható, ha tényleg megvan mögötte a munka.
- Saját mérés és szám: konkrét adat, amit te gyűjtöttél, a mérés módszerével és időszakával együtt. Nem "sok látogató", hanem "a GA4-ben mért organikus forgalom".
- Folyamat lépésről lépésre: hogyan csinálod, milyen sorrendben, hol szoktál elakadni. A valós folyamat mindig tartalmaz döntési pontokat és kompromisszumokat.
- Hiba és tanulság: mi nem működött, és mit tanultál belőle. Ezt a legnehezebb hamisítani, mert konkrét kontextus kell hozzá.
- Eredeti vizuális bizonyíték: saját képernyőkép, fotó a folyamatról, felületről, eredményről, nem stockfotó.
- Azonosítható szerző: valós név, szakmai bio, korábbi munkák, elérhetőség. Erről külön szólok lentebb.
- Idő- és helymegjelölés: mikor és milyen körülmények között szerezted a tapasztalatot. A dátum önmagában is hitelesít.
Hogyan mutatod a tapasztalatot kitalálás nélkül?
A kulcs, hogy általánosíts a valós tudásodból, ahelyett hogy konkrét, meg nem történt esetet gyártanál. A kettő között éles a határ. A kitalált esettanulmány ("az egyik ügyfelünknél 340%-kal nőtt a forgalom") kockázatos: ha nem igaz, és valaki rákérdez, a bizalom azonnal elvész, és a félrevezető állítás a Trust dimenziót rontja. A valós, de általánosított szakmai megfigyelés ("webáruházaknál tipikusan a terméktulajdonságok hiánya okozza a gyenge indexelést") ugyanúgy megmutatja a tapasztalatot, csak nem állít konkrét, ellenőrizhetetlen eredményt.
Néhány gyakorlati fogás, amivel hitelesen dolgozol:
- Írd le a folyamatot, amit tényleg végigcsináltál, akár névtelenítve. Az "általában így nézek meg egy oldalt" is első kézből szerzett tapasztalat.
- Ahol számot írsz, csak olyat írj, amit igazolni tudsz. Ha nincs saját adatod, hivatkozz nyilvános, megnevezett forrásra, és jelöld, hogy az nem a te méréseid.
- Vállald a bizonytalanságot. A "nálam ez bevált, de a te esetedben függhet a piactól" hitelesebb, mint a magabiztos abszolút állítás.
- Különítsd el a forrásokat a szövegben. Erre a legjobb eszköz az epistemikus címkézés, amiről a következő szakasz szól.
Mit jelent az epistemikus tisztaság a gyakorlatban?
Az epistemikus tisztaság azt jelenti, hogy a szövegben egyértelmű, melyik állítás honnan származik. Ez a hitelesség egyik legolcsóbb és legerősebb eszköze. A gyakorlatban háromféle forrást érdemes megkülönböztetni, és ezt akár szó szerint is jelölheted:
- Hivatalos információ: amit a szolgáltató dokumentál. Például: "a Google Search Central szerint...". Ez ellenőrizhető és cáfolható.
- Saját tapasztalat: amit te figyeltél meg a munkád során. Például: "a nálam megfordult oldalaknál gyakran...". Ez a te Experience-jelzésed.
- Szakmai feltételezés: amit logikusnak tartasz, de nem tudsz bizonyítani. Például: "valószínűnek tartom, hogy...". Ez jelzi, hogy nem adod ki tényként a véleményt.
Ez a szétválasztás nemcsak az olvasót védi, hanem téged is. Ha egy állításról később kiderül, hogy pontatlan, sokkal jobb, ha eleve feltételezésként jelölted, mint ha tényként adtad el. Az AI-válaszmotorok is jobban tudnak dolgozni a jól strukturált, forrásmegjelölt szöveggel, mert könnyebben azonosítják, mit lehet biztonsággal idézni.
Miért a szerző a legerősebb tapasztalat-jelzés?
Röviden: mert a tapasztalatnak mindig van gazdája, és egy azonosítható ember mögött ott van egy ellenőrizhető szakmai út. Ha a cikk alatt csak "Szerkesztőség" áll, elveszik a személyes tapasztalat jelzése. Ezért érdemes minden érdemi tartalomhoz valós szerzőt rendelni. Egy hiteles szerzői profil tipikus elemei:
- Teljes név és egy rövid, tényszerű szakmai bio (mivel foglalkozik, mióta).
- Link a szerző saját aloldalára, ahol a többi cikke és a szakterülete látszik.
- Külső jelenlét, ahol a személy azonosítható (LinkedIn, szakmai profil).
- Strukturált adat, ami géppel is olvashatóvá teszi a szerzőséget.
A strukturált adat itt gyakorlati eszköz. A Schema.org Article típusában az author mező Person objektumként adható meg, névvel és a szerző profiljára mutató url, illetve sameAs hivatkozásokkal. Ez nem varázsszer, és önmagában nem javít helyezést, de segíti, hogy a keresők és az AI-rendszerek egyértelműen a valós személyhez kössék a tartalmat. Íme egy leegyszerűsített minta a Person részletről:
"author": { "@type": "Person", "name": "Kovacs Anna", "url": "https://pelda.hu/szerzo/kovacs-anna", "jobTitle": "SEO szakerto" }
A lényeg nem a kód, hanem hogy a mögötte lévő oldal valóban létezzen, és tartalmat is adjon a szerzőről. Az üres szerzői oldal rosszabb, mint a semmi.
Ellenőrzőlista: megvannak a tapasztalat-jelzések a cikkedben?
Mielőtt kiadsz egy szakmai tartalmat, fusd végig ezt a listát. Ha a legtöbb pontra nemmel válaszolsz, a szöveg valószínűleg általánosságokból áll, és nem mutat tapasztalatot.
- Van benne legalább egy konkrét szám, mérés vagy dátum, amit igazolni tudsz?
- Leírtál legalább egy folyamatot úgy, ahogy te csinálod, döntési pontokkal?
- Szerepel benne legalább egy valós hiba vagy buktató, amit megéltél?
- Elkülönítetted a hivatalos infót, a saját tapasztalatot és a feltételezést?
- Van azonosítható, valós szerző, saját aloldallal?
- Kerülted a kitalált konkrét eredményeket és ügyfélneveket?
- Van eredeti vizuális elem (saját képernyőkép, fotó), nem csak stock?
- Óvatosan fogalmazol az eredményekről ("segítheti", "jó eséllyel"), garancia nélkül?
Ez a lista nem rangsorolási recept, és senki nem ígérhet tőle jobb helyezést. Abban viszont segíthet, hogy a tartalmad valóban azt a tapasztalatot közvetítse, ami mögötte van, és az olvasó, illetve az AI-rendszerek számára is hihetőbb legyen.
Források és további olvasnivalók
- Google Search Central: Creating helpful, reliable, people-first content
- Google Search Quality Rater Guidelines (E-E-A-T fejezet)
- Google Search Central Blog: What creators should know about Google's helpful content update
- Schema.org: Article, Person és author típusok dokumentációja
- W3C: Structured Data és JSON-LD alapok
- Az Experience nem rangsorolási faktor önmagában, hanem minőségi jelzés, amit a Google a Quality Rater útmutatóban emel ki.
- A tapasztalatot konkrétum mutatja: saját mérés, dátum, folyamatlépés, hiba és tanulság, nem jelzők.
- Az azonosítható, valós szerző (bio, felület, korábbi munkák) az egyik legerősebb Experience-jelzés.
- A hitelesség alapfeltétele az epistemikus tisztaság: jelöld, mi hivatalos infó, mi saját tapasztalat, mi feltételezés.
- Kitalált eset vagy vélemény visszaüthet: valós, általánosított szakmai tudással is meg tudod mutatni a tapasztalatot.
Gyakori kérdések
Az Experience önmagában rangsorolási tényező?
Nem. A Google többször megerősítette, hogy az E-E-A-T nincs közvetlen pontszámként az algoritmusban. Egy minőségi keret, amit az emberi bírálók és te magad használhattok a tartalom értékelésére. A jó tapasztalat-jelzések közvetve segíthetnek, de garanciát nem adnak helyezésre.
Hogyan mutassak tapasztalatot, ha nem oszthatok meg ügyféladatot?
Általánosíts a valós tudásodból. Írd le a folyamatot, amit végigcsináltál, névtelenítve, és a tipikus mintázatokat, amiket megfigyeltél. A konkrét, ellenőrizhetetlen eredmény helyett a valós, de nevesítés nélküli szakmai megfigyelés is erős Experience-jelzés, és nem sért titoktartást.
Elég, ha a Schema.org author mezőt kitöltöm?
Nem elég önmagában. A strukturált adat segíti a gépi értelmezést, de csak akkor ér valamit, ha valós személyre mutat, akinek van tartalmas szerzői oldala és azonosítható szakmai jelenléte. Az üres vagy kamu szerzői profil nem javít, sőt visszaüthet a megbízhatóságon.
Miért kockázatos a kitalált esettanulmány?
Mert ha kiderül, hogy nem igaz, az azonnal rontja a bizalmat, és a félrevezető állítás a Trust dimenziót gyengíti, ami az E-E-A-T legfontosabb eleme. Valós, általánosított szakmai tudással ugyanúgy meg tudod mutatni a tapasztalatot, kockázat nélkül.
Mit jelent az epistemikus tisztaság a szövegben?
Azt, hogy egyértelmű, melyik állítás honnan jön: mi hivatalos információ, mi saját tapasztalat, és mi szakmai feltételezés. Ezt akár szó szerint jelölheted a mondatokban. Segíti az olvasó és az AI-rendszerek dolgát, és téged is véd, ha egy feltételezésről később kiderül, hogy pontatlan volt.
Hogyan segíti a tapasztalat az AI-keresésben való megjelenést?
Szakmai feltételezés, de kézenfekvő: az AI-válaszmotorok konkrét, ellenőrizhető állításokat keresnek forrásnak, az általánosságokat pedig ritkán idézik. A saját méréseidet és folyamataidat nehéz tömegesen generálni, így ezek jó eséllyel megkülönböztetnek. Garancia azonban erre sincs.
Források és további olvasnivalók
Ezen az oldalon a hivatalosan igazolt információt elsődleges forrásokból építjük fel; a saját tapasztalatot és a szakmai becslést mindig külön jelöljük a szövegben.