Aki beírja a keresőbe, hogy „seo audit ai segítségével”, annak jellemzően van egy weboldala, van egy gyanúja, hogy valami nem stimmel, és azt szeretné tudni: rá lehet-e engedni a ChatGPT-t, a Claude-ot vagy a Geminit a saját adataira úgy, hogy a végén használható hibalista és teendősor álljon össze. A rövid válasz: igen, lehet, de nem úgy, ahogy a legtöbben próbálják. A leggyakoribb kudarc nem a modell hibája, hanem a bemeneté. Az alábbi folyamat azt mutatja meg, hol dolgozik ténylegesen helyetted a nyelvi modell, és hol kell megállnod, mert onnantól emberi döntés jön.
Mit jelent pontosan az AI-val végzett SEO audit?
Rövid válasz: az AI-val végzett SEO audit azt jelenti, hogy a technikai és tartalmi nyersadatot továbbra is gépi eszközökkel gyűjtöd össze (crawler, Search Console, szerver-napló, sitemap), és a nyelvi modellt arra használod, hogy ebből az adathalmazból mintázatot, összefüggést és prioritási sorrendet olvasson ki. Nem arra, hogy megmondja, „jó-e az oldalad”.
Érdemes három rétegre bontani a folyamatot. Az első az adatgyűjtés: ezt determinisztikus eszközök végzik, itt nincs helye találgatásnak. A második az értelmezés: 4000 soros crawl-exportból kiszűrni, hogy a duplikált title-ök 80 százaléka ugyanabból a kategória-sablonból jön, ez pont az a feladat, amiben a nyelvi modell gyors és jó. A harmadik a döntés: mit javítasz először, mennyi fejlesztői órád van rá, mi éri meg. Ez emberi feladat marad, mert üzleti kontextus kell hozzá.
Egy tipikus példa a második rétegre. Egy webshop crawl-exportjában 1200 URL kap „duplikált title” jelzést. Kézzel ezt végigolvasni fél nap. A modell viszont percek alatt megmondja, hogy 900 közülük ugyanaz a terméklista különböző szűrőparaméterekkel (?szin=, ?meret=), 200 a lapozás második és további oldala, és mindössze 100 az igazi, sablonhibából eredő ütközés. Ez már nem 1200 tétel, hanem három döntés: paraméterkezelés, lapozás jelölése, sablonjavítás.
Saját tapasztalat: a legtöbb csalódás abból ered, hogy valaki átugorja az első réteget, és beírja a chatbotnak a domain nevét azzal, hogy „auditáld”. A modell alapesetben nem látja az oldalt. Ha nincs böngésző-eszköze, akkor a tanulóadatából és általánosságokból generál egy hihető hangzású, de a te oldaladra nézve értéktelen listát. Ha van böngésző-eszköze, akkor jellemzően egyetlen oldalt tölt le, nem az egész webhelyet, tehát a szerkezeti problémákat továbbra sem látja.
Miben más az AI-s audit, mint a klasszikus SEO audit?
Rövid válasz: a lépések ugyanazok, az időigény és a hibázási minta más. Az AI a feldolgozás és a magyarázat szakaszát gyorsítja, cserébe új típusú hibát hoz be: a magabiztosan előadott, de kitalált állítást.
Egy kézi audit három napjából jellemzően másfél nap megy el táblázatok szűrésével, csoportosításával és a leletek megfogalmazásával. Ez a rész zsugorodik órákra. Amit viszont nem gyorsít: a hozzáférések beszerzése, a mérés hitelesítése, az oldal tényleges megnézése emberi szemmel, és a fejlesztővel való egyeztetés. Ez utóbbi négy tétel az audit átfutási idejének a nagyobbik felét adja, ezért aki napokban mérhető gyorsulást vár, jellemzően csalódni fog.
A hibázási minta is más. Egy crawler vagy nem talál meg egy problémát, vagy megtalálja: a kimenete ellenőrizhető és megismételhető. Egy nyelvi modell képes olyan Google-irányelvet idézni, ami sosem létezett, vagy olyan mértékegységet társítani egy metrikához, ami nem stimmel, és ugyanarra a bemenetre kétszer futtatva kissé más csoportosítást adhat. Szakmai feltételezés: ez a kockázat a jövőben csökken, de teljesen nem tűnik el, ezért az ellenőrzési lépést hosszú távon is be kell tervezni a folyamatba.
Milyen adatokat kell összeraknod, mielőtt bármit az AI-nak adsz?
Rövid válasz: minimum négy forrás kell, mindegyik strukturált exportban: teljes crawl, Search Console teljesítmény- és indexelési adat, sitemap, valamint valamilyen sebesség- és mobilmérés. Ezek nélkül az audit tippelés marad.
- Crawl-export. Bármelyik asztali crawlerrel (Screaming Frog, Sitebulb) vagy saját szkripttel. Az oszlopok, amik nélkül nincs értelme nekifutni:
url, status_code, indexability, title, title_length, meta_description, h1, canonical, word_count, inlinks, outlinks, crawl_depth, content_type - Search Console teljesítmény-export 12 vagy 16 hónapra, lekérdezés és oldal bontásban egyaránt:
query, page, clicks, impressions, ctr, position. Ez a legértékesebb bemenet, mert ez mutatja, mire ért téged a Google, nem az, amire te szeretnéd, hogy értsen. - Indexelés-jelentés. Mely URL-ek nincsenek indexelve, és mi az ok. Ez adja meg, hogy technikai vagy tartalmi problémával állsz-e szemben.
- Sitemap és robots.txt. A kettő közti ellentmondás (sitemapben szereplő, de tiltott URL) klasszikus lelet.
- Sebesség- és Core Web Vitals-adat mezei felhasználói mérésből, ha van rá elég forgalom, egyébként laborteszt.
Ha van szerver-naplód, az ötödik forrás a legerősebb: abból derül ki, mit crawlolnak ténylegesen a botok, és mennyi erőforrást visznek el a nem hasznos URL-ek. Saját tapasztalat: nagyobb oldalaknál a napló szinte mindig hoz olyan leletet (szűrőparaméterek végtelen tere, régi feed-útvonalak), amit a puszta crawl nem mutat meg.
Egy dolgot viszont érdemes végiggondolni, mielőtt bármit feltöltesz: mi kerül ki a saját rendszeredből. A crawl- és Search Console-export önmagában általában nem tartalmaz személyes adatot, de a szerver-napló IP-címeket, a CRM-ből húzott kiegészítés pedig ügyfélneveket igen. Ha külső szolgáltatásba töltöd fel, előtte anonimizáld ezeket az oszlopokat, vagy hagyd ki őket. Az audithoz szinte soha nincs szükség arra, hogy ki kérte le az oldalt, csak arra, hogy melyik URL-t, mikor és milyen bot.
Hogyan nézzen ki lépésről lépésre egy AI-val támogatott SEO audit?
Rövid válasz: hét lépés, ebből kettőben dolgozik érdemben a modell, ötben te. A sorrend nem cserélhető fel.
- Cél rögzítése. Egy mondatban: mit akarsz elérni és melyik oldalcsoporton. Aki cél nélkül auditál, 200 tételes listát kap, amiből semmi nem valósul meg.
- Adatgyűjtés a fenti forrásokból. Egy mappába, azonos időpontra vonatkozó pillanatképként. Ha a crawl kedden készül, a Search Console-export pedig két héttel később, az eltérésekre hamis magyarázatot fogsz kapni.
- Előszűrés gépileg. A 40 ezer soros exportot ne öntsd rá a modellre. Szűrd le a lényegre: hibás státuszkódok, nem indexelhető URL-ek, duplikált title-ök, 300 szó alatti oldalak, 10-nél kevesebb belső linket kapó aloldalak. Ez táblázatkezelővel vagy pár soros szkripttel megy.
- AI-elemzés csoportonként. Külön menetben a technikai adat, külön a tartalmi és külön a lekérdezési. A kevert bemenet kevert minőségű választ hoz.
- Ellenőrzés. Minden állításnál, ami irányelvre hivatkozik, nézd meg a hivatalos forrást. Minden számnál nézz vissza az exportba.
- Prioritizálás. Hatás és ráfordítás mentén, két oszlopban. Itt kérheted a modell javaslatát, de a végső sorrend a tiéd, mert te ismered a fejlesztői kapacitást.
- Végrehajtás és utómérés. Dátumozott jegyzet arról, mikor mit módosítottál. Enélkül később nem tudod megmondani, mi hatott.
A negyedik lépésnél van egy gyakorlati fogás, ami sokat javít a végeredményen: kérj a modelltől először csak csoportosítást, javaslat nélkül. Ha rögtön megoldást kérsz, hajlamos a leggyakoribb tankönyvi tanácsokat leírni, és a csoportokat ezekhez igazítani. Ha viszont előbb kizárólag a mintázatokat nevezi meg, és csak egy második körben kérsz rá javaslatot, a javaslat is a te adatodra fog épülni.
Milyen prompt hozza a legjobb eredményt egy audit során?
Rövid válasz: az, amelyik szerepet, adatot, kimeneti formátumot és tiltást is tartalmaz, és kifejezetten megtiltja a bemeneten kívüli következtetést.
Egy használható váz a technikai körre, amit szabadon átírhatsz:
Szerep: technikai SEO auditor. Bemenet: a csatolt crawl-export (oszlopok: url, status_code, indexability, title, h1, canonical, word_count, inlinks). Feladat: csoportosítsd a hibákat típus szerint, minden csoportnál add meg az érintett URL-ek darabszámát és 3 példa URL-t. Rangsorold a csoportokat becsült hatás szerint. Kimenet: táblázat, oszlopok: hibatípus, darabszám, példa URL-ek, feltételezett kiváltó ok, javasolt lépés. Tiltás: ne következtess olyan adatra, ami nincs a bemenetben; ha valami hiányzik, írd oda, hogy hiányzó adat.
És egy másik a lekérdezési körre, ami a Search Console-exporttal dolgozik:
Bemenet: Search Console lekérdezés-export (query, page, clicks, impressions, ctr, position), 12 hónap. Feladat: külön táblázatban add meg (1) a 11-30 pozíció közötti, legalább 5 megjelenést hozó lekérdezéseket, (2) azokat a lekérdezéseket, amelyekre több saját URL is megjelenik, (3) azokat az oldalakat, ahol a pozíció 10 alatti, de a CTR elmarad a hasonló pozíciójú sorok átlagától. Ne becsülj keresési volument, és ne javasolj olyan kulcsszót, ami nincs a bemenetben.
A záró tiltás a legfontosabb elem. Saját tapasztalat: ez az egy mondat érezhetően csökkenti a kitalált tételek arányát, mert ad a modellnek egy megengedett kimenetet arra az esetre, ha nem tudja a választ. Hasznos még kérni, hogy minden állítás mellé írja oda, melyik oszlopból vezette le. Így másodpercek alatt kiszúrod, ha valami a levegőből jött.
Mit nem szabad az AI-ra bízni egy SEO auditban?
Rövid válasz: semmit, ami tény jellegű, mérhető és a modell bemenetén kívül van. Konkrétan: keresési volument, versenytárs-forgalmat, aktuális pozíciót, algoritmusfrissítések dátumát és tartalmát, backlink-adatot.
- Pozíció és volumen. Ezek folyamatosan változó, mért értékek. A modell tanulóadata egy múltbeli pillanatot rögzít, ráadásul magyar nyelvű, kis volumenű kifejezéseknél különösen bizonytalan.
- Irányelv-értelmezés. Hivatalosan igazolt: a Google Search Central dokumentációja az egyetlen mérvadó forrás abban, mit vár el a kereső. Amit a modell mond, azt oda kell visszavezetni.
- Backlink-profil. Ehhez külön adatbázis kell, a modellnek nincs élő hozzáférése hozzá.
- Eredményígéret. Egyetlen audit sem garantál helyezést. Jó eséllyel javítja az esélyeidet, ha a valós hibákat javítod, de az elérés több tényezőn múlik, amiből többet nem te irányítasz.
- Végleges technikai beavatkozás. A robots.txt, az átirányítási szabályok és a canonical jelölések generált változatát mindig nézze át ember, mielőtt élesbe kerül. Egy rossz helyre került tiltósor napok alatt vihet ki oldalakat az indexből.
Hogyan illeszd az auditba az AI-keresők szempontjait?
Rövid válasz: egészítsd ki az auditot négy ponttal: idézhető válaszblokkok, gépileg érthető struktúra, stabil URL-ek, és a botok hozzáférésének tudatos szabályozása.
Az AI-válaszmotorok más módon használják az oldaladat, mint a klasszikus találati lista. Nem a teljes oldalt olvassák fel, hanem kiemelnek belőle egy részletet. Ezért az auditban nézd meg, hogy a fontos aloldalaidon van-e olyan, két-három mondatos szakasz, ami önmagában is megáll válaszként, közvetlenül a kérdés jellegű alcím alatt. Ha minden bekezdés csak az előzőre épül, nincs mit kiemelni.
A második pont a strukturált adat. Hivatalosan igazolt: a Schema.org szókészlete és a Google strukturált adat dokumentációja írja le, milyen típusok léteznek és melyeket támogatja a kereső. Az auditban ellenőrizd, hogy a meglévő jelölés érvényes-e, és hogy nem állít-e mást, mint ami az oldalon látszik.
A harmadik a stabilitás. Ha egy AI-válasz hivatkozik az oldaladra, majd te átnevezed az URL-t átirányítás nélkül, a hivatkozás elhal. Az auditban vezess listát azokról az URL-ekről, amiket nem szabad mozgatni.
A negyedik a hozzáférés: a robots.txt-ben tudatos döntés legyen, mely AI-crawlereket engeded be. Szakmai feltételezés: a botok kizárása csökkentheti annak esélyét, hogy forrásként megjelenj a válaszokban, ezért a teljes tiltást érdemes csak indokolt esetben választani.
Mit kezdj azzal az oldallal, ami sok megjelenést kap, de rossz pozícióban áll?
Rövid válasz: a 11-30 közötti átlagpozíció azt jelenti, hogy a kereső témába sorolt, csak nem tart téged a legjobb válasznak. Ilyenkor nem új kulcsszót kell keresni, hanem a keresési szándékra pontosabban válaszoló oldalt építeni.
Ez az egyik legjobban megtérülő szűrés az egész auditban, mert itt már megvan a nehezebb rész: a kereső ismer, és megjelenít. A gyakorlati menete négy lépés.
- Szűrd le a Search Console-exportból azokat a lekérdezéseket, ahol a pozíció 11 és 30 között van, és van legalább néhány megjelenés. Ezek a „majdnem” kifejezések.
- Nézd meg, melyik URL jelenik meg rájuk. Ha egy általános oldal (főoldal, gyűjtő kategória), akkor a probléma jellemzően az, hogy nincs dedikált oldalad a témára.
- Fogalmazd meg a szándékot egy mondatban: mit akar pontosan az, aki ezt beírja. A modell ebben jó segítő: add oda a lekérdezés-listát, és kérd meg, csoportosítsa szándék szerint (információt keres, összehasonlít, meg akar valamit oldani, szolgáltatót keres).
- Döntsd el: mélyítés vagy új oldal. Ha a meglévő oldal a témáról szól, csak felületesen, mélyítsd. Ha csak érinti, készíts külön oldalt, kérdés alapú szerkezettel, és linkelj rá belülről a témába vágó oldalakról.
Saját tapasztalat: a mélyítés akkor hat, ha valódi többletet visz be (lépéssor, ellenőrzőlista, konkrét példa, mért adat), nem akkor, ha ugyanaz a tartalom lesz hosszabb. Az utóbbi jellemzően semmit nem mozdít.
Milyen gyakran érdemes megismételni az auditot?
Rövid válasz: a teljes auditot évente egyszer-kétszer, egy szűkített, gépi ellenőrzést viszont havonta, és minden nagyobb fejlesztés után azonnal. Az AI itt segít a legtöbbet, mert az ismétlés fárasztó, nem nehéz.
A havi kör négy dolgot néz: új hibás státuszkódok, indexelésből kiesett URL-ek, jelentősen csökkent megjelenésű oldalak, és a nem mozgatható URL-ek listájának sértetlensége. Ha ugyanazt a prompt-vázat és ugyanazt az exportformátumot használod minden hónapban, a modell össze tudja hasonlítani a két időszakot, és a változást emeli ki, nem a teljes állapotot. A kérdés ilyenkor nem az, hogy „mi a baj”, hanem az, hogy „mi romlott az előző exporthoz képest”.
Fejlesztés utáni ellenőrzésre pedig érdemes egy rövid, fix listát tartani: robots.txt, sitemap elérhetőség, canonical jelölések, átirányítások, a legfontosabb 20 oldal státuszkódja. Ez tíz perc, és pont azokat a hibákat fogja meg, amelyek a legnagyobb kárt tudják okozni a legrövidebb idő alatt.
Milyen ellenőrzőlistával zárd az auditot?
Rövid válasz: az audit akkor kész, ha minden tétel mellett ott van a bizonyíték, a felelős és a határidő. Lista, amit nem lehet végrehajtani, nem audit, hanem esszé.
- Minden lelethez tartozik legalább egy konkrét URL vagy exportsor bizonyítékként.
- Minden irányelvre hivatkozó állítás mellett ott a hivatalos forrás neve.
- A tételek hatás és ráfordítás szerint rangsorolva vannak, nem téma szerint.
- Az első öt tételhez van felelős és dátum.
- Rögzítetted a kiindulási állapotot (indexelt oldalak száma, megjelenések, kattintások, átlagpozíció) a mérés napjával.
- Külön listán vannak a nem mozgatható URL-ek.
- Feljegyezted, mely tételeknél maradt hiányzó adat, és mi kell a pótlásához.
- A modelltől kapott számokat legalább szúrópróbaszerűen visszaellenőrizted a nyersadatban.
- Rögzítetted, mikor futtatod a következő szűkített ellenőrzést, és ki futtatja.
Ha ezt a kilenc pontot végigviszed, az AI-val készült audit ugyanolyan védhető lesz, mint a kézzel írt, csak lényegesen rövidebb idő alatt áll össze. A modell nem szakértőt helyettesít, hanem az elemzés unalmas, mennyiségi részét veszi le a válladról, és így marad időd arra a részére, ahol tényleg dönteni kell.
Források és további olvasnivalók
- Google Search Central: Search Essentials és SEO Starter Guide
- Google Search Central: strukturált adatok általános irányelvei
- Google Search Console súgó: teljesítmény- és indexelési jelentések
- Schema.org: típusok és tulajdonságok hivatalos szókészlete
- W3C: Web Content Accessibility Guidelines (WCAG)
- web.dev: Core Web Vitals dokumentáció
- OpenAI dokumentáció: prompt engineering és a modellek korlátai
- Anthropic dokumentáció: hosszú kontextus és strukturált kimenet kezelése
- Google Search Central: Google-Extended és a crawlerek vezérlése
- robotstxt.org: a Robots Exclusion Protocol leírása
- Az AI nem helyettesíti a crawlert és a Search Console-t, hanem a belőlük kinyert adatot rendezi értelmes hibalistává.
- Az audit minősége azon áll vagy bukik, milyen strukturált exportot adsz a modellnek: üres prompt üres választ szül.
- Minden AI-tól kapott technikai állítást vissza kell ellenőrizni a hivatalos dokumentációban, mert a modell magabiztosan talál ki irányelveket.
- A pozícióbecslést, forgalmi előrejelzést és versenytárs-adatot soha ne az AI emlékezetéből vedd, csak mért adatból.
- Egy mai auditba már bele kell tenni az AI-keresőkre vonatkozó szempontokat is: idézhető válaszok, stabil URL-ek, tiszta struktúra.
Gyakori kérdések
Elég, ha megadom a chatbotnak a weboldalam címét, és megkérem, hogy auditálja?
Nem. A nyelvi modellek alapesetben nem látják az oldaladat, böngésző-eszköz nélkül a tanulóadatukból és általánosságokból generálnak választ. Az eredmény hihetően hangzik, de nem a te oldaladról szól. Először gyűjtsd össze a crawl-exportot és a Search Console-adatot, és azt add be bemenetként.
Melyik AI-modell a legjobb SEO audithoz?
A modell választása kevésbé számít, mint a bemenet minősége. Gyakorlati szempont, hogy legyen elég nagy a kontextusablaka a táblázatos exportokhoz, és tudjon fájlt fogadni. Nagy exportoknál a lényeg úgyis az előszűrés: a leszűrt, releváns adaton szinte minden erős modell használható eredményt ad.
Honnan tudom, hogy az AI nem talált ki valamit az auditban?
Két szabállyal szűrhető a nagy része. Egy: kérd meg, hogy minden állítás mellé írja oda, melyik adatoszlopból vezette le, és hogy hiányzó adat esetén ezt jelezze. Kettő: minden irányelvre hivatkozó mondatot ellenőrizz vissza a Google Search Central dokumentációjában, minden számot pedig a nyersadatban.
Mennyi idő egy ilyen audit?
Az adatgyűjtés és a hozzáférések beszerzése viszi a legtöbb időt, ezt az AI nem gyorsítja. A feldolgozás és a leletek megfogalmazása viszont a töredékére csökkenhet. Egy közepes méretű oldalnál jellemzően az adatgyűjtés fél nap, az elemzés néhány óra, a prioritizálás és az egyeztetés pedig újabb néhány óra.
Javul a helyezésem, ha végrehajtom az AI-audit javaslatait?
Erre senki nem adhat garanciát. Ha valós technikai és tartalmi hibákat javítasz ki, az jó eséllyel segíti a láthatóságodat, de a helyezés több tényezőn múlik, köztük a versenytársak lépésein és az algoritmus változásain. Reális cél a hibák megszüntetése és a mért kiindulási állapot javulásának követése.
Feltölthetem a szerver-naplót vagy a Search Console-exportot egy AI-szolgáltatásba?
Az exportok általában nem tartalmaznak személyes adatot, a szerver-napló viszont IP-címet igen. Feltöltés előtt hagyd el vagy anonimizáld ezeket az oszlopokat: az audithoz az számít, melyik URL-t milyen bot kérte le és mikor, nem az, hogy ki. Céges környezetben nézd meg azt is, milyen adatkezelési szabály vonatkozik a használt eszközre.
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.