Amikor valaki megkérdezi egy AI-asszisztenstől, hogy „hova menjünk vacsorázni Székesfehérváron, ahol van gluténmentes fogás is", a válasz nem a legszebb hangulatfotóból születik. Az AI-rendszerek strukturált, egymásnak ellent nem mondó adatból dolgoznak: nyitvatartás, konyha típusa, diétás jelölések, helyszín, foglalási lehetőség. Ha ezek az adatok hiányoznak, elavultak, vagy a weboldal, a Google-profil és a foglalási rendszer más-más információt mutat, az étterem egyszerűen kimarad az ajánlásból, függetlenül attól, mennyire jó a konyhája.
Hogyan dönti el egy AI-asszisztens, melyik éttermet ajánlja?
Az AI-asszisztens (legyen szó a ChatGPT-ről, a Gemini-ről vagy egy hangalapú keresésről) a kérdésben szereplő szűrőfeltételeket próbálja párosítani a rendelkezésre álló adatokkal: alkalom (üzleti ebéd, családi vacsora, randi), konyha típusa (magyar, olasz, ázsiai), diétás igény (vegán, gluténmentes, laktózmentes), helyszín és időpont. Szakmai feltételezés: a nagy nyelvi modellek jellemzően nem egyetlen forrásból dolgoznak, hanem több jelből építik fel a válaszukat, ilyen lehet a Google Business Profile adatlapja, a weboldal strukturált adata, korábbi értékelések szövege és az étteremkereső platformok (pl. foglalási rendszerek, Wolt, Foodpanda) nyilvános adatai. Minél pontosabban és minél több helyen egyformán szerepel egy adott tény (például hogy szerdán zárva van a konyha, vagy hogy van gyerekmenü), annál nagyobb eséllyel jelenik meg helyesen egy AI-válaszban. Ez azt jelenti, hogy egy kkv-méretű étteremnek nem a legdrágább fotós anyagra van szüksége ahhoz, hogy AI-ajánlásban szerepeljen, hanem arra, hogy az alapadatai konzisztensek és géppel is jól olvashatók legyenek.
Tovább a témában: AI SEO szálláshelyeknek és vendéglátásnak · AI SEO rendezvényszervezőknek
Miért nyom többet a latba a strukturált menüadat, mint a hangulatfotó?
Egy szép enteriőr-fotó embereket győz meg, de egy AI-modellt nem. A nyelvi modellek szöveget és strukturált jelölést (schema.org) értelmeznek megbízhatóan, képet csak korlátozottan, és a kép tartalmát sem tudják olyan biztonsággal levezetni, mint egy címkézett adatot. Saját tapasztalat: azoknál a vendéglátós ügyfeleknél, ahol a menüt nem csak PDF-ben vagy képként tettük fel, hanem HTML-es, jól tagolt oldalra is, a keresők és az AI-eszközök láthatóan könnyebben találták meg a konkrét fogásokat, allergénjelöléseket, mint a kizárólag képi menüknél. Egy beszkennelt vagy fotózott étlap ugyanis szöveges keresésre gyakorlatilag láthatatlan: sem a Google, sem egy AI-asszisztens nem tudja belőle kiolvasni, hogy van-e vegán leves vagy tejmentes desszert. A gyakorlati tanulság: minden fogást külön, szövegként érdemes feltüntetni, lehetőleg a hozzátartozó allergén- és diétás információval együtt, és ezt érdemes schema.org Menu és MenuItem típusokkal is jelölni, hogy a gépi olvasók egyértelműen tudják, mi micsoda.
Hogyan épül fel a helyes schema.org jelölés egy étteremnél?
A Restaurant típus a schema.org szótár hivatalos, széles körben támogatott jelölése éttermek számára, és ez az az adatszerkezet, amit a keresőmotorok és sok AI-rendszer is megbízhatóan tud értelmezni. Hivatalosan igazolt: a Schema.org dokumentációja szerint a Restaurant típus a FoodEstablishment altípusa, és olyan tulajdonságokat tud hordozni, mint a servesCuisine (konyha típusa), openingHoursSpecification (nyitvatartás), acceptsReservations (foglalás elfogadása), hasMenu (menü hivatkozása) és address (cím). Egy egyszerűsített példa egy magyar vidéki étteremre:
{"@context":"https://schema.org","@type":"Restaurant","name":"Példa Vendéglő","servesCuisine":["magyaros","hazias"],"acceptsReservations":true,"address":{"@type":"PostalAddress","streetAddress":"Fő utca 12.","addressLocality":"Eger","postalCode":"3300","addressCountry":"HU"}}
Ez a jelölés önmagában nem old meg mindent, de egyértelmű, gépi olvasásra szánt alapot ad. Szakmai feltételezés: mivel a legtöbb AI-válaszmotor a keresőmotorok indexére és a nyilvánosan elérhető strukturált adatokra épít, egy pontosan kitöltött Restaurant jelölés jó eséllyel segítheti, hogy a rendszer helyesen sorolja be az éttermet a megfelelő kategóriákba, konyhatípusba és alkalomtípusba, de ez nem jelent automatikus vagy kizárólagos megjelenést egyetlen AI-eszközben sem.
Milyen nyitvatartási adatra van szüksége az AI-nak?
A nyitvatartás a leggyakrabban elrontott adat, mert legalább három helyen szokott szerepelni (weboldal, Google Business Profile, közösségi média), és ezek gyakran nem frissülnek egyszerre. Az AI-asszisztensek ebben az esetben is a konzisztenciát részesítik előnyben: ha a weboldal azt írja, hogy hétfőn zárva vannak, a Google-profil pedig nyitva, a rendszer nem tudja eldönteni, melyik igaz, és inkább egy másik, egyértelműbb adatú éttermet ajánl. Saját tapasztalat: ünnepnapi és szezonális nyitvatartás-változásoknál (húsvét, augusztus 20., karácsony) szokott a legtöbb hiba előfordulni, mert ezeket sokan csak az egyik felületen jelzik. Érdemes a schema.org openingHoursSpecification mezőt a rendes heti nyitvatartás mellett a kivételes napokra (specialOpeningHoursSpecification) is kitölteni, és ugyanezt az információt egy az egyben átvezetni a Google Business Profilra is. Ha egy vendéglátós vállalkozásnak több telephelye van, minden telephelyhez külön, saját nyitvatartási adatra van szükség, mert az AI-eszközök jellemzően telephely-szinten, nem márkaszinten értelmezik a kérdéseket.
Hogyan látja az AI a foglalási lehetőséget?
Ha egy vendég azt kérdezi egy asszisztenstől, hogy „lehet-e ma estére asztalt foglalni", a rendszer azt nézi, van-e egyértelmű, gépileg is elérhető jelzés arra, hogy az étterem fogad-e foglalást, és ha igen, hol lehet ezt megtenni. A schema.org acceptsReservations mező mellett hasznos, ha a foglalási felület (saját űrlap, telefonos foglalás jelzése, vagy külső foglalási rendszer, például egy widget) is egyértelműen, szöveges formában van jelen az oldalon, nem csak egy ikonként. Szakmai feltételezés: azok az éttermek, amelyeknél a foglalás menete (mennyi idővel korábban, hány főre, milyen csatornán) világosan le van írva szöveggel is, jobb eséllyel jelennek meg pontos, hasznos válaszként egy AI-asszisztensben, mint azok, ahol a foglalás kizárólag egy telefonszámra mutató gombon keresztül érhető el, mert az utóbbiból a gép nem tudja levezetni a konkrét folyamatot.
Hogyan jelenik meg egy étterem konyha, diéta és alkalom szerint?
Az AI-válaszmotorok jellemzően szűrt kérdésekre válaszolnak: „hol lehet gluténmentesen ebédelni Nyíregyházán", „hol van jó hangulatú hely születésnapra Debrecenben", „melyik étterem vállal céges rendezvényt Kaposváron". Ezekre a kérdésekre csak akkor tud pontos választ adni a rendszer, ha az étterem oldalán ezek a szempontok külön, kereshető szöveges formában is szerepelnek, nem csak egy hangulatos leírásban elrejtve. Érdemes explicit módon feltüntetni:
- a kínált konyhatípusokat (magyaros, olasz, ázsiai fúziós, vegán étlap külön blokkban)
- a diétás lehetőségeket (gluténmentes, laktózmentes, vegetáriánus, vegán jelölés fogásonként)
- az alkalmakat, amelyekre az étterem alkalmas (üzleti ebéd, céges rendezvény, családi ünnepség, esküvői vacsora)
- a különleges adottságokat (terasz, parkoló, gyerekbarát felszereltség, kutyabarát terasz)
Saját tapasztalat: azok a vendéglátós oldalak, ahol ezek a szempontok külön alcímek alatt, felsorolás formájában is megjelennek a hosszabb, hangulati szöveg mellett, láthatóan könnyebben kereshetők lettek mind hagyományos keresésben, mind AI-alapú kérdés-válasz helyzetben, mint a kizárólag folyószövegbe rejtett információk.
Mennyire számít a helyszín és a „közelemben" keresés?
A helyalapú kérdéseknél (közelemben, egy adott városrészben, egy adott úti cél mellett) az AI-rendszerek elsősorban a pontos, egységes cím- és helyadatra támaszkodnak. Hivatalosan igazolt: a Google Search Central dokumentációja is kiemeli, hogy a helyi keresési eredményekben a relevancia, a távolság és a Google Business Profilon szereplő adatok minősége egyaránt szerepet játszik. Egy kkv-étteremnél ez azt jelenti, hogy a weboldalon és a Google-profilon szereplő címnek, kerületnek, megközelítési útvonalnak szó szerint egyeznie kell, és érdemes a schema.org address mezőt is pontosan, egységesen kitölteni. Szakmai feltételezés: ahol a cím vagy a városrész eltérően szerepel a különböző felületeken (például egyszer „belváros", máskor a pontos utcanév), ott nagyobb az esélye, hogy egy helyalapú AI-kérdésre a rendszer egy másik, egyértelműbb adatú versenytársat ajánl helyette.
Hogyan hatnak az értékelések és a közösségi média az AI-ajánlásra?
Az értékelések szövege önmagában is adatforrás egy AI-rendszer számára: nem csak a csillagszám számít, hanem az, hogy a vendégek mit írnak konkrétan a fogásokról, a kiszolgálásról, az alkalmasságról egy adott alkalomra. Szakmai feltételezés: ha sok értékelésben visszatérően szerepel, hogy „remek hely volt céges ebédre" vagy „gyerekbarát, külön menüjük is volt", ez a szöveges minta erősítheti azt a valószínűséget, hogy egy AI-asszisztens ugyanezekre a szempontokra keresve az adott éttermet ajánlja. Saját tapasztalat: azoknál a vendéglátós vállalkozásoknál, ahol a Google Business Profilon rendszeresen válaszoltunk az értékelésekre, és a válaszban is megjelentek konkrét, tényszerű adatok (nyitvatartás, konyhatípus, elérhető diétás opció), a profil összképe egységesebbé vált, ami hosszabb távon a profil és a weboldal adatainak összhangját is segítette. A közösségi média (Facebook, Instagram) posztjai kevésbé megbízható forrásnak számítanak egy AI-rendszer számára, mert a bennük szereplő adat gyorsan elavul, ezért nem érdemes kizárólag ide bízni olyan tényadatokat, mint a nyitvatartás vagy az elérhető menü.
Miért kell egységes adatnak lennie minden platformon (Wolt, Foodpanda, foglalási rendszerek)?
Sok magyar étterem nem csak saját weboldalán és a Google-profilján van jelen, hanem házhozszállítási platformokon (Wolt, Foodpanda) és külső foglalási rendszerekben is. Ezek a platformok saját adatbázist tartanak fenn a nyitvatartásról, az étlapról és az elérhetőségről, és ez az adat gyakran eltér a weboldalon szereplőtől, mert a frissítés külön-külön, kézzel történik. Szakmai feltételezés: mivel az AI-rendszerek több forrásból is gyűjthetnek információt, egy platformok között inkonzisztens adat (például más nyitvatartás a Wolton, mint a weboldalon) növelheti annak esélyét, hogy a rendszer bizonytalan vagy hibás választ ad a vendégnek, ami áttételesen az étterem hitelességét is gyengítheti. Érdemes egy rögzített, rendszeres (például havi) ellenőrzési szokást kialakítani, amelyben végigmennek az összes platformon, és összevetik a nyitvatartást, az elérhető fogásokat és a kapcsolati adatokat.
Milyen lépésekben érdemes elkezdeni egy étterem AI-SEO-ját?
Egy magyar kkv-méretű étterem számára reális, sorban végigjárható lépéssor a következő:
- Egyeztesd a nyitvatartást a weboldalon, a Google Business Profilon és a közösségi médiában, beleértve az ünnepnapi kivételeket is.
- Alakítsd át a menüt gépileg olvasható, szöveges formára (ne csak PDF vagy fotó legyen), fogásonként feltüntetve az allergéneket és a diétás jelöléseket.
- Illeszd be a
Restaurantschema.org jelölést a weboldal kódjába, kitöltve a konyhatípust, a foglalási lehetőséget és a nyitvatartást. - Készíts külön, kereshető blokkokat az alkalmakra (üzleti ebéd, céges rendezvény, családi ünnepség) és a különleges adottságokra (terasz, parkoló, gyerekbarát felszereltség).
- Ellenőrizd, hogy a cím és a helyszín szó szerint egyezik-e minden felületen, ahol az étterem szerepel.
- Tedd egyértelművé és szöveges formában is leírva a foglalás menetét, ne csak egy telefonszámra mutató gombra bízd.
- Néhány hónap után nézd meg újra ugyanezeket a pontokat, mert az AI-rendszerek is rendszeresen frissítik az adatbázisukat, és egy elavult adat visszaszivároghat.
Ez a lista nem egyszeri feladat, hanem visszatérő karbantartás: egy új szezonális menü, egy nyitvatartás-változás vagy egy új telephely mindig azt igényli, hogy az adatok újra egységesítve legyenek minden felületen.
Milyen hibákat érdemes elkerülni?
A leggyakoribb hiba, hogy egy étterem a marketingjét kizárólag a vizuális megjelenésre (fotók, hangulat, dizájn) építi, és a szöveges, strukturált adatokat másodlagosnak tekinti. Ebből fakad a legtöbb probléma:
- a menü csak képként vagy PDF-ként érhető el, gép nem tudja kiolvasni belőle a fogásokat
- a nyitvatartás eltér a weboldal és a Google-profil között
- a diétás és allergénadatok hiányoznak vagy csak szóban, a helyszínen érhetők el
- több telephely esetén egy közös, összemosott adatlap próbálja lefedni mindet, ahelyett hogy mindegyiknek saját, pontos adata lenne
- a foglalás módja nincs szöveggel leírva, csak egy ikon vagy gomb jelzi
Szakmai feltételezés: ezek a hibák nem feltétlenül zárják ki teljesen az éttermet az AI-ajánlásokból, de jelentősen csökkenthetik annak esélyét, hogy pontos, releváns találatként jelenjen meg egy szűrt kérdésre, és növelhetik annak kockázatát, hogy a rendszer hibás vagy elavult adatot ad tovább a vendégnek.
Források és további olvasnivalók
- Google Search Central dokumentáció (helyi keresés és strukturált adatok)
- Schema.org hivatalos szótár, Restaurant és FoodEstablishment típusok
- Schema.org Menu és MenuItem típusdokumentáció
- W3C strukturált adat és JSON-LD ajánlások
- OpenAI dokumentáció az asszisztens- és keresési funkciókról
- Az AI-válaszmotorok strukturált adatból (schema.org Restaurant, menü, nyitvatartás) dolgoznak, nem a látványból.
- A menüt szöveges, gépileg olvasható formában érdemes közzétenni, nem csak PDF-ként vagy fotóként.
- A nyitvatartásnak, címnek és foglalási módnak szó szerint egyeznie kell a weboldalon, a Google-profilon és a külső platformokon.
- Az alkalom, konyhatípus és diétás jelölés külön, kereshető formában segítheti a pontos AI-ajánlást.
- Az adatkonzisztencia karbantartása visszatérő feladat, nem egyszeri beállítás.
Gyakori kérdések
Elég-e, ha az étterem Google Business Profilja naprakész?
A Google Business Profil fontos forrás, de önmagában nem elég: az AI-rendszerek gyakran a weboldal strukturált adatát, a menüt és a foglalási rendszerek adatait is figyelembe veszik, ezért ezeknek is egyezniük kell a profilon szereplő adatokkal.
Muszáj schema.org jelölést használni a weboldalon?
Nem kötelező, de a Schema.org hivatalosan dokumentált Restaurant típusa segítheti, hogy a keresők és az AI-rendszerek egyértelműen értelmezzék a konyhatípust, a nyitvatartást és a foglalási lehetőséget.
A hangulatos, sztorizó szöveg helyett száraz adatlistát írjunk?
Nem kell választani: a hangulati szöveg a vendégeknek szól, mellette érdemes külön, felsorolás jellegű blokkokban is feltüntetni a konkrét adatokat (konyhatípus, diéta, alkalom), hogy azok gépileg is jól kereshetők legyenek.
Mennyire számít, ha több telephelye van az étteremnek?
Sokat számít: minden telephelynek külön, pontos nyitvatartási, cím- és elérhetőségi adatra van szüksége, mert az AI-eszközök jellemzően telephely-szinten értelmezik a kérdéseket, nem márkaszinten.
Kell-e külön foglalkozni a Wolt vagy Foodpanda adatokkal?
Igen, érdemes rendszeresen ellenőrizni, hogy ezeken a platformokon szereplő nyitvatartás és étlap megegyezik-e a weboldalon és a Google-profilon szereplő adatokkal, mert az eltérés bizonytalanná teheti az AI-válaszokat.
Az értékelések szövege tényleg számít az AI-ajánlásban?
Feltételezhető, hogy igen: a visszatérő, konkrét tartalmú értékelések, például egy adott alkalomra vagy diétára vonatkozó megjegyzések, erősíthetik, hogy egy AI-rendszer releváns találatként azonosítsa az éttermet, de ez nem jelent biztos vagy kizárólagos megjelenést.
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.