- A szakértő fejéből származó GYIK szinte mindig más nyelvet használ, mint a vevő, ezért kevés valódi keresésre felel meg.
- A Search Console lekérdezés-riportja reguláris kifejezéssel szűrve percek alatt kiadja a kérdés formájú kereséseket.
- Az ügyfélszolgálati levelek és telefonhívások a legpontosabb forrás, mert ott a vevő a saját szavaival kérdez.
- Az AI-asszisztensnek feltett kontrollkérdésekből kiderül, hol hallgat el vagy hol talál ki dolgokat rólad a modell.
- Egy kérdés egy önálló, 40-60 szavas válasszal kezdődő blokk legyen, mert így idézhető kontextus nélkül is.
A legtöbb magyar kkv-weboldalon a GYIK szekció úgy készül, hogy a cégvezető leül tíz percre, és leír öt kérdést, amiről úgy gondolja, hogy a vevőt érdekelheti. Az eredmény szinte mindig ugyanaz: "Milyen garanciát vállalnak?", "Mennyi idő alatt készül el?", "Vállalnak-e kiszállást?". Ezek nem rossz kérdések, csak nem azok, amiket a vevők ténylegesen feltesznek, és főleg nem azon a nyelven, ahogy ők megfogalmaznák. A GYIK-bányászat pontosan ezt a szakadékot hidalja át: a találgatás helyett adatból dolgozol.
Miért nem elég a saját fejedből összeszedni a kérdéseket?
Mert a te fejedben a szakértő kérdései vannak, a vevőében a laikuséi. Aki tíz éve csinálja a szakmát, észre sem veszi, hogy a saját szakszavait használja, és hogy azokat a kérdéseket kezeli fontosnak, amiket a kollégái tennének fel.
Egy konkrét példa. Egy asztalosműhely Székesfehérváron évekig azt írta ki a GYIK-be, hogy "Milyen korpuszanyagokkal dolgoznak?". A vevő ezzel szemben azt gépeli be a keresőbe vagy az AI-asszisztensbe, hogy "beépített szekrény ferde falhoz mennyire bonyolult" vagy "tényleg kell-e szellőzés a gardróbba". Ugyanaz a téma, teljesen más szókincs. A válaszmotorok pedig a felhasználó megfogalmazásához keresnek illeszkedő szövegrészt, nem a tiédhez.
Szakmai feltételezés: tapasztalatom szerint a nyelvi modellek jobban tudnak idézni olyan bekezdést, amelyben a kérdés természetes megfogalmazása és a válasz fizikailag egymás mellett szerepel. Ezt hivatalosan egyik szolgáltató sem dokumentálja ilyen formában, ezért érdemes megfigyelésként kezelni, nem szabályként.
Milyen forrásokból lehet valódi kérdéseket bányászni?
Négy forrás adja a nyersanyag nagy részét, és mindegyik mást tud. Együtt használva fedik le a vevői út elejét és végét is.
- Google Search Console lekérdezések: valós, mért keresések a te oldaladra vonatkozóan. Ez a legmegbízhatóbb forrás, mert nem vélemény, hanem adat.
- Ügyfélszolgálat: email, telefon, Messenger, kapcsolatfelvételi űrlap. Itt a vevő a saját szavaival, gátlás nélkül kérdez.
- AI-asszisztens saját kérdései: ha megkéred a modellt, hogy vevőként kérdezzen, olyan szempontokat dob fel, amikre te már nem gondolsz.
- Kapcsolódó keresések és kérdésdobozok: a találati oldal alján lévő javaslatok és a "További kérdések" blokk, valamint az automatikus kiegészítés.
Ehhez jön még két másodlagos forrás: a szakmai Facebook-csoportok és fórumok kérdései, illetve a versenytársak GYIK-oldalai. Ez utóbbit inkább ellenőrzésre használd, ne másolásra, mert a versenytárs is találgathatott.
Hogyan szedd ki a kérdéseket a Search Console-ból?
Rövid válasz: a Teljesítmény riport lekérdezés-listáját szűrd reguláris kifejezéssel kérdőszavakra, és nézd a leghosszabb, legkisebb megjelenésű sorokat. Hivatalosan igazolt: a Search Console 16 hónapnyi adatot őriz, a felületen egy riportban legfeljebb 1000 sor jelenik meg, és a lekérdezés-szűrő támogatja a reguláris kifejezéseket (RE2 szintaxis). Ha ennél több sorra van szükséged, a Search Console API-n keresztül lehet nagyobb tételben exportálni.
A gyakorlati lépések:
- Nyisd meg a Teljesítmény riportot, állítsd az időszakot a legutolsó 12 hónapra, hogy a szezonális kérdések is bekerüljenek.
- A Lekérdezés szűrőnél válaszd az "Egyéni (reguláris kifejezés)" opciót, és illeszd be ezt:
^(hogyan|hogy|mennyi|meddig|mikor|hol|mit|mi a|milyen|melyik|miért|kell|lehet|szabad|érdemes). - Rendezz megjelenés szerint növekvő sorrendbe. A hosszú, ritka lekérdezések a legértékesebbek: ezek konkrét, valós élethelyzetek.
- Exportáld táblázatba, és jelöld meg, melyik kérdésre van már a saját oldaladon értelmezhető válasz, és melyikre nincs.
Egy klímaszerelő vállalkozásnál Budapesten ez a szűrés jellemzően ilyen sorokat hoz fel: "lehet-e klímát panelba szerelni engedély nélkül", "meddig bírja a klíma karbantartás nélkül", "miért folyik a beltéri egységből a víz". Egyik sem szerepelne egy fejből írt GYIK-listán, pedig mindegyik valódi döntési pont.
Saját tapasztalat: a legtöbb kkv-oldalon a kérdés formájú lekérdezések aránya alacsony, gyakran néhány százalék. Ez önmagában nem baj, és nem azt jelenti, hogy nincs igény. Sokkal inkább azt, hogy az oldal nyelvezete nem illeszkedik a kérdésekhez, ezért a kereső nem is jeleníti meg ilyen keresésekre.
Mit tanulhatsz az ügyfélszolgálati beszélgetésekből?
Rövid válasz: pontosan azt, hogy milyen szavakkal fogalmaz a vevő, mielőtt még bármit tudna a szakmádról. Ez a forrás nem mérhető impresszióban, cserébe torzításmentes.
A módszer egyszerű, de fegyelmet kíván. Vezess egy közös táblázatot négy oszloppal: a feltett kérdés szó szerint, a dátum, a csatorna (telefon, email, chat), és a válasz, amit adtatok. Ha egy kérdés három hónapon belül háromszor előjön, az automatikusan bekerül a weboldalra. Ez a hármas szabály önmagában megszünteti a vitát arról, hogy mi "elég fontos".
Egy állatorvosi rendelőben Debrecenben az ilyen gyűjtés tipikusan olyan kérdéseket hoz elő, mint "muszáj-e éhgyomorra hozni a kutyát ultrahangra", "mennyi idő után lehet fürdetni a műtét után", "kell-e időpontot foglalni oltásra". Ezekre a rendelő eddig naponta ötször válaszolt telefonon, a weboldalon viszont egyik sem szerepelt.
Ha van jegykezelő rendszered vagy közös email-fiókod, keress rá a kérdőjelre a levelek első két mondatában. A beérkező levelek nyitómondata szinte mindig maga a kérdés, tisztán, marketingnyelv nélkül.
Hogyan használd magát az AI-asszisztenst kérdésforrásként?
Rövid válasz: két lépésben, először kérdéseket generáltatsz vele, aztán ugyanazokat visszakérdezed a saját oldaladra vonatkozóan, és megnézed, hol hallgat el.
Első lépés, a kérdésgyűjtés. Add meg a szerepet konkrétan: "Egy négyfős család vagy Győrben, most vásároltatok egy hetvenes években épült házat, és a fürdőszobát szeretnétek felújíttatni. Írj le 20 kérdést, amit fel akarsz tenni a kivitelezőnek, mielőtt döntesz. Sorrendben, a legfontosabbal kezdve." A generált lista nem valós keresési adat, ezért szakmai feltételezésként kezeld, viszont ötletadónak kiváló, és gyakran feldob olyan aggályokat, amiket a szakma természetesnek vesz.
Második lépés, a hiánytérkép. Ugyanazokat a kérdéseket tedd fel úgy, hogy a modell kifejezetten a te weboldaladról válaszoljon. Három dolgot figyelj:
- Hol nem talál semmit: ez a hiányzó tartalom listája, ezekkel kezdd.
- Hol válaszol pontatlanul: ilyenkor általában van tartalmad, de szétszórtan, vagy csak képen és PDF-ben szerepel az információ.
- Honnan idéz: ha egy versenytárs oldalát hozza fel, az megmutatja, milyen szerkezet működik abban a témában.
Saját tapasztalat: érdemes ugyanazt a tíz kérdést fixen tartani, és havonta ugyanabban a formában feltenni. A modellek válaszai kérésenként is ingadoznak, ezért egyetlen futtatásból nem szabad következtetést levonni. Több hónapnyi ismétlés viszont már mutat tendenciát.
Mire jók a kapcsolódó keresések és a kérdésdobozok?
Rövid válasz: arra, hogy lásd a kérdés környezetét, vagyis mi jön a fejekben a te témád előtt és után. Volumenadat nincs mögöttük, iránynak viszont megbízhatóak.
Gépeld be a fő szolgáltatásodat a keresőbe, és nézd meg a találati oldal alján a kapcsolódó kereséseket, valamint a "További kérdések" nyitható blokkot. Ez utóbbi dinamikusan bővül, ahogy kattintasz benne, így néhány perc alatt harminc-negyven kérdést is össze lehet szedni. Ugyanezt csináld végig az automatikus kiegészítéssel: írd be a szolgáltatásod nevét, majd sorban az abc betűit utána, és jegyzeteld, mit ajánl fel.
Ezeket a kérdéseket nem szó szerint kell átemelni. Az a dolguk, hogy megmutassák a témakör szélét: mi az, amit még ide sorol a felhasználó, és hol kezdődik egy másik kérdéskör, ami inkább külön aloldalt érdemel.
Hogyan lesz a nyers listából válaszmotor-barát szerkezet?
Rövid válasz: szándék szerint csoportosítod, kiszórod az átfedéseket, majd minden megmaradó kérdésből egy önálló, kontextus nélkül is érthető blokkot csinálsz.
A csoportosításhoz négy kategória szinte minden kkv-nál működik:
- Döntés előtti kérdések: alkalmas-e ez nekem, jó helyen járok-e. Ezek a szolgáltatásoldal tetejére valók.
- Technikai és alkalmassági kérdések: az én házamban, az én autómmal, az én méretemmel működik-e. Ezek a legjobb GYIK-anyagok.
- Folyamatkérdések: mi történik a megrendelés után, mennyi idő, mit kell előkészítenem.
- Utógondozás: garancia, karbantartás, mi van, ha probléma adódik.
Az átfedések kiszórása fontos lépés. Ha három kérdés lényegében ugyanarra vonatkozik, egyetlen blokk legyen belőle, a leggyakoribb megfogalmazással a címben, a többi változat pedig a válasz szövegében természetesen elhelyezve. Ha ugyanaz a kérdés két aloldalon is szerepel eltérő válasszal, az összezavarja az olvasót is, a gépi feldolgozást is.
Milyen legyen egy válasz felépítése?
A bevált szerkezet háromlépcsős. Elöl egy 40-60 szavas, teljes mondatokból álló válasz, ami önmagában is megáll. Utána a részletezés, feltételek, kivételek. Végül, ha van, egy belső hivatkozás a mélyebb tartalomra. Az idézhetőségi teszt egyszerű: másold ki az első bekezdést minden környezet nélkül, és olvasd el. Ha így is világos, mire vonatkozik, jó. Ha az "ez", "az ilyenkor", "ahogy fentebb írtuk" fordulatokon elakad, át kell írni.
A kérdés legyen H2 vagy H3 szintű cím, pontosan úgy megfogalmazva, ahogy az ember kérdezné. Ne "Szállítási feltételek", hanem "Meddig tart a kiszállítás vidékre?". Ez apróságnak tűnik, de a válaszmotorok ebből tudják eldönteni, hogy a szakasz egy konkrét kérdésre felel.
Hogyan nézzen ki mindez a kódban?
Rövid válasz: a látható GYIK mellé tegyél FAQPage strukturált adatot, de ne a keresőbeli kiemelés reményében. Hivatalosan igazolt: a Google 2023 augusztusában jelentette be, hogy a GYIK gazdag találati megjelenítést általánosan visszaszorítja, és jellemzően csak jól ismert kormányzati és egészségügyi oldalaknál mutatja. A jelölés attól még érvényes Schema.org típus, és a gépi feldolgozást segítheti.
Egy minimális példa, amit JSON-LD blokkba illesztve tudsz használni:
{ "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Meddig tart egy beépített szekrény elkészítése?", "acceptedAnswer": { "@type": "Answer", "text": "A helyszíni felmérés után jellemzően 3-5 hét, a lapanyag beszerzésétől függően. Maga a beépítés általában egy nap, és a lakást nem kell kiüríteni hozzá." } } ] }
Két szabályt tarts be. Egy: a strukturált adatban szereplő szöveg egyezzen a látható tartalommal, mert az eltérés a Google strukturáltadat-irányelvei szerint szabálysértés. Kettő: csak valóban gyakori kérdéseket tegyél bele, ne találj ki kérdéseket a jelölés kedvéért.
Hogyan ellenőrizd, hogy volt-e értelme?
Rövid válasz: négy jelet érdemes párhuzamosan figyelni, és egyiket sem szabad önmagában bizonyítéknak venni. Garantált helyezést vagy idézettséget semmilyen módszer nem ad.
- Search Console: nőtt-e a kérdés formájú lekérdezésekre kapott megjelenések száma az előző időszakhoz képest. Ugyanazzal a reguláris kifejezéssel szűrve összehasonlítható.
- Analitika: jön-e forgalom AI-felületekről. A hivatkozó forrásoknál a chatgpt.com, perplexity.ai, copilot.microsoft.com típusú domainek árulkodóak.
- Szerverlog: járnak-e nálad a dokumentált botok. A GPTBot, a ClaudeBot és a PerplexityBot azonosítója nyilvános, a látogatásuk azt jelzi, hogy az oldal legalább elérhető a gyűjtésük számára.
- Kézi idézettségi teszt: a fix tíz kérdés havonta, ugyanazzal a szöveggel, és a válaszok jegyzetelése.
Ha három hónap után egyik jel sem mozdul, az általában nem a módszer hibája, hanem a lefedettségé: túl kevés kérdés, túl általános válaszok, vagy olyan témakör, ahol erős, régóta jelen lévő források uralják a teret.
Milyen ellenőrzőlistával induljak neki?
- Search Console lekérdezések exportálása 12 hónapra, kérdőszavas reguláris kifejezéssel szűrve.
- Ügyfélszolgálati kérdésnapló indítása, négy oszloppal, minimum egy hónapig vezetve.
- AI-asszisztenssel 20 vevői kérdés generálása, majd ugyanezek visszakérdezése a saját oldalra.
- Kapcsolódó keresések és kérdésdobozok átfésülése a három fő szolgáltatásra.
- A teljes lista összefésülése, duplikátumok összevonása, szándék szerinti négy kategóriába rendezés.
- Kérdésenként egy H2 vagy H3 cím, alatta 40-60 szavas önálló válasz, utána részletezés.
- Idézhetőségi teszt: minden nyitóbekezdés kontextus nélkül is érthető legyen.
- FAQPage jelölés a valóban látható kérdésekre, a szöveg egyezésének ellenőrzésével.
- Mérési alappont rögzítése, majd havi újranézés ugyanazzal a módszerrel.
A GYIK-bányászat nem egyszeri projekt. A kérdések változnak, ahogy a szolgáltatásod, a jogszabályi környezet és a vevőid tudásszintje változik. Aki negyedévente egyszer végignézi a naplót és a Search Console-t, jó eséllyel mindig egy lépéssel közelebb marad ahhoz, ahogy a vevői ténylegesen gondolkodnak.
Források és további olvasnivalók
- Google Search Central: Search Console teljesítményriport dokumentáció
- Google Search Central: strukturált adatok általános irányelvei
- Google Search Central: GYIK (FAQPage) strukturált adat dokumentáció
- Google Search Central blog: a gazdag találati megjelenítések 2023-as változásairól szóló bejelentés
- Google Search Console API dokumentáció
- Schema.org: FAQPage, Question és Answer típusok specifikációja
- OpenAI dokumentáció: GPTBot és a webhozzáférés kezelése
- Anthropic dokumentáció: ClaudeBot és a crawler-azonosítók
- W3C: strukturált adatok és a szemantikus web ajánlásai
- Google Analytics 4 súgó: forgalmi források és hivatkozó domainek riportjai
Gyakori kérdések
Hány kérdés legyen egy GYIK szekcióban?
Nincs mágikus szám. Kevesebb, de valóban feltett és részletesen megválaszolt kérdés általában többet ér, mint húsz felületes. Egy szolgáltatásoldalon jellemzően 5-8 kérdés fér el jól, a többi kaphat önálló aloldalt, ha a téma megkívánja.
Elég, ha a GYIK-et egyetlen külön oldalra teszem?
Egy gyűjtőoldal hasznos, de önmagában ritkán elég. A kérdések nagy része ahhoz a szolgáltatásoldalhoz tartozik, amiről szól, és ott adja a legtöbb kontextust. Jó megoldás, ha a fontos kérdések a releváns aloldalon szerepelnek, a gyűjtőoldal pedig ezekre hivatkozik.
Mit tegyek, ha nincs elég adat a Search Console-ban?
Kis forgalmú oldalnál az ügyfélszolgálati napló és az AI-asszisztenssel generált kérdéslista veszi át a főszerepet. Ezek nem mért keresési adatok, ezért óvatosabban kell értelmezni őket, de indulásnak bőven elegendőek, és pár hónap múlva a Search Console is felzárkózik.
Segít-e a FAQPage jelölés abban, hogy megjelenjek az AI-válaszokban?
Erre nincs hivatalos megerősítés egyik szolgáltatótól sem. A jelölés egyértelműsíti, hogy melyik szöveg a kérdés és melyik a válasz, ami elméletileg megkönnyíti a gépi feldolgozást, de garanciát nem jelent. A látható tartalom minősége és szerkezete a fontosabb tényező.
Baj, ha a versenytársamnál is szerepel ugyanaz a kérdés?
Nem. Ha a vevők ténylegesen ezt kérdezik, akkor annak ott a helye nálad is. A különbséget a válasz adja: konkrét, a saját működésedre szabott, ellenőrizhető információval sokkal többet érsz, mint egy általános megfogalmazással.
Milyen gyakran érdemes újranézni a kérdéslistát?
Negyedévente elég egy alapos átnézés, plusz azonnali kiegészítés, ha egy új kérdés rövid időn belül többször felmerül az ügyfélszolgálaton. Szezonális szolgáltatásnál érdemes a szezon előtt egy hónappal külön kört futni.
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.