Vásárlói vélemények összefoglalója a termékoldalon, hitelesen

Scheo · 2026-11-06 · olvasási idő ~10 perc · Szerző: Schmidt Péter

Egy népszerű terméknél könnyen összegyűlik több száz vélemény, amit a vásárló nem fog végigolvasni. Ilyenkor jól jön egy rövid összefoglaló arról, mit dicsérnek a legtöbben, és mire panaszkodnak. Az összefoglaló viszont csak akkor ér valamit, ha pontosan azt mutatja, ami a véleményekben áll. Ha szépít, a vásárló az első rossz tapasztalatnál rájön, és onnantól a csillagoknak sem hisz. Az alábbiakban végigmegyünk azon, hogyan készítsd el, milyen szabályokat tarts be, mi kerülhet a strukturált adatba, és hogyan ellenőrizd mintavétellel.

Mi az a hiteles vélemény-összefoglaló a termékoldalon?

A hiteles vélemény-összefoglaló néhány mondatos vagy pontokba szedett kivonat a termék vásárlói véleményeiből. A gyakori dicséreteket és a gyakori kifogásokat arányosan mutatja, és megmondja, hány véleményből és mikor készült. A vásárlónak időt spórol, a válaszmotoroknak (Google AI-áttekintések, ChatGPT, Perplexity) pedig jól kiolvasható, tömör szöveget ad a termékről.

Egy jó összefoglaló három részből áll. Van egy rövid általános mondat, utána a dicséretek és a kifogások külön blokkban, a végén pedig egy forrássor a véleményszámmal és a frissítés dátumával. A forrássor nélkül a szöveg úgy hat, mintha a bolt marketingszövege volna.

Egy szemléltető, kitalált példa egy túrabakancsra.

• Gyakori dicséret. Kényelmes az első naptól (kb. 60 vélemény említi), jól bírja a sáros terepet (kb. 35 vélemény).
• Gyakori kifogás. Fél számmal kisebbre jön ki (kb. 30 vélemény), a fűző hamar kikopik (kb. 15 vélemény).
• Forrás. 214 vásárlói vélemény alapján, utolsó frissítés 2026. október 28., gépi összefoglaló emberi ellenőrzéssel.

Miben különbözik a termékleírástól?

A termékleírást te írod, és arról szól, amit a termék ígér. Az összefoglaló a vásárlók tapasztalatát adja vissza, akkor is, ha az kellemetlen. Ha a véleményekben sokan írják, hogy a cipő kisebbre jön ki, ennek benne kell lennie, még ha a leírásban „pontos méretezés” szerepel is. Ezt az ellentmondást nem érdemes eltüntetni, mert a vásárló épp ezt keresi.

Mennyi vélemény kell ahhoz, hogy érdemes legyen összefoglalni?

Megbízható összefoglalóhoz általában legalább 20-30 szöveges vélemény kell egy termékre, ez alatt jobb a véleményeket egyenként megmutatni. Ez saját tapasztalat, hivatalos küszöb nincs rá. Kevés véleménynél egyetlen dühös vagy lelkes vásárló aránytalanul nagy súlyt kap, és az összefoglaló „gyakori kifogásnak” nevezne valamit, amit egy ember írt le.

Néhány gyakorlati megfontolás a küszöb meghatározásához.

• Csak a szöveges véleményeket számold, a puszta csillagozásból nem derül ki, mit dicsérnek.
• Ha a termék új változata jelent meg (más anyag, más gyártó), a régi változat véleményeit kezeld külön, vagy hagyd ki.
• Variánsoknál (szín, méret) akkor vond össze a véleményeket, ha a tapasztalat nem tér el lényegesen közöttük. A méretezésről szóló panaszok például variánsonként eltérhetnek.
• Ha egy pontot csak két-három vélemény említ, az ne kerüljön „gyakori” címke alá.

Milyen szabályok szerint készüljön az összefoglaló?

A legfontosabb szabály, hogy a kifogások blokkja soha nem maradhat el, ha a véleményekben van visszatérő panasz. Emellett rögzítsd előre a minimális véleményszámot, a frissítés gyakoriságát és a gépi készítés jelölését. Ezeket érdemes egy belső szabályzatba írni, hogy ne termékenként kelljen újra eldönteni.

1. A negatív pont kötelező

Ha a vélemények legalább 10 százaléka ugyanazt a problémát említi, az bekerül a kifogások közé. A küszöb szakmai feltételezés. Az számít, hogy előre rögzítsd, és ne utólag igazítsd a kívánt eredményhez. Ha tényleg nincs visszatérő panasz, írd ki ezt is, például így: „Visszatérő kifogást a vélemények nem említenek.” Az üres blokk gyanús, a kiírt mondat ellenőrizhető.

2. Arányosság

A dicséretek és a kifogások aránya kövesse a véleményekét. Egy 3,4-es átlagú terméknél nem lehet öt dicséret és egy szelíden megfogalmazott kifogás. Hasznos, ha a pontok mellé odaírod, nagyjából hány vélemény említi őket.

3. A vásárló szavai, a bolt hangja nélkül

A kifogást ne puhítsd. Ha a vásárlók azt írják, hogy „két hét után levált a talp”, az összefoglalóban ne „egyes vásárlók tartóssági észrevételei” szerepeljenek. A konkrét panasz maradjon konkrét.

4. Frissítési gyakoriság

Frissítsd az összefoglalót, ha a vélemények száma nagyjából negyedével nőtt, vagy legalább negyedévente, ha folyamatosan érkeznek új vélemények. Gyártóváltás, receptúra- vagy anyagváltozás után azonnal frissíts, mert a régi panaszok már nem biztos, hogy igazak. A ritmus saját tapasztalat, nagy forgalomnál sűrítheted.

5. Jelölés, ha gép készítette

Ha az összefoglalót AI írta, jelezd egy rövid sorban, például így: „Az összefoglalót mesterséges intelligencia készítette a vásárlói vélemények szövegéből, emberi ellenőrzéssel.” Több nagy webáruház is hasonló jelölést használ a saját termékoldalain. Arról, hogy ez jogilag minden esetben kötelező-e, lentebb lesz szó, de bizalmi szempontból mindenképp megéri.

6. Ne válogass a forrásban

Az összefoglaló az összes, moderálás után megjelent véleményből készüljön, ne csak a négy- és ötcsillagosakból. A moderálás szabálya (sértő, a termékhez nem kapcsolódó vagy spam vélemény törlése) legyen nyilvános, és a törlésről soha ne a vélemény negatív hangja döntsön.

Hogyan készíts összefoglalót AI segítségével torzítás nélkül?

AI-jal akkor kapsz megbízható összefoglalót, ha a modell csak a vélemények szövegét kapja meg, kötött szerkezetben válaszol, minden állításhoz vélemény-azonosítót csatol, és a kimenetet ember ellenőrzi. A nyelvi modellek hajlamosak simítani és általánosítani, ezért a promptban kifejezetten tiltani kell a szépítést.

1. Exportáld a véleményeket. Kell az azonosító, a csillag, a dátum, a szöveg és a variáns. A személyes adatokat (név, e-mail-cím) hagyd ki, ezekre a modellnek nincs szüksége.
2. Szűrd a forrást. Csak a megjelent, moderált véleményeket add át, és ha van ilyen adatod, jelöld az igazolt vásárlásból származókat.
3. Adj kötött utasítást. A modell bontsa témákra a véleményeket, számolja meg, hány vélemény említi az egyes témákat, és minden témához adjon két-három vélemény-azonosítót.
4. Kérj gépileg feldolgozható kimenetet. JSON-ban könnyebb ellenőrizni, hogy a darabszámok és az idézett azonosítók stimmelnek-e.
5. Írd meg a végső szöveget. A JSON-ból te vagy egy második lépés készíti a megjelenő mondatokat, az előre rögzített küszöbök alapján.
6. Ellenőrizd mintavétellel (lásd lentebb), és csak utána tedd ki.

Egy prompt-részlet, amivel jól lehet indulni.

Csak a megadott véleményekből dolgozz. Bontsd témákra a dicséreteket és a kifogásokat. Minden témánál add meg, hány vélemény említi, és sorolj fel legalább két vélemény-azonosítót. Ne találj ki témát, és ne használj olyan értékelő jelzőt, ami a véleményekben nem szerepel. Ha egy kifogást a vélemények legalább 10%-a említ, az kötelezően bekerül. Kimenet JSON: {"dicseretek":[{"tema":"","db":0,"azonositok":[]}],"kifogasok":[{"tema":"","db":0,"azonositok":[]}]}

Saját tapasztalat. A modellek a számolásban gyakran tévednek, főleg több száz véleménynél. A darabszámot ezért érdemes egy egyszerű kulcsszavas vagy címkéző lépéssel visszaellenőrizni, és a modell számát csak kiindulásnak tekinteni. Hosszú véleménylistánál a darabolás (például 50-es csomagok, majd összesítés) pontosabb eredményt ad, mint egyetlen hatalmas prompt. Ha a modell a strukturált kimenetet sémához kötve tudja adni, használd ki, mert így kevesebb a formai hiba.

Mi kerülhet a strukturált adatba, és mi nem?

A strukturált adatba a termékoldalon látható, valódi vásárlói vélemények összesített értékelése (aggregateRating) és az egyes vélemények (review) kerülhetnek. Az AI-összefoglaló szövege nem jelölhető véleményként, mert senki nem írta vásárlóként, így nem felel meg a Review típus elvárásainak.

Hivatalosan igazolt. A Google Search Central értékelési részletre vonatkozó irányelvei szerint a jelölt értékelésnek a felhasználó számára látható tartalomra kell vonatkoznia, konkrét termékről vagy szolgáltatásról kell szólnia, és nem lehet más webhelyről átvett vélemény. Az irányelvek azt is kimondják, hogy a cég saját magáról, a saját oldalán közölt véleményei (önmagát értékelő vélemények) a LocalBusiness és az Organization típusnál nem kapnak csillagot a találatokban. A Schema.org szerint az AggregateRating fő mezői a ratingValue, a reviewCount vagy ratingCount, illetve a bestRating és a worstRating.

Egy minimális példa helyőrző értékekkel.

{"@context":"https://schema.org","@type":"Product","name":"Termék neve","aggregateRating":{"@type":"AggregateRating","ratingValue":"4.2","reviewCount":"214","bestRating":"5","worstRating":"1"},"review":[{"@type":"Review","author":{"@type":"Person","name":"A vásárló megjelenített neve"},"datePublished":"2026-10-12","reviewRating":{"@type":"Rating","ratingValue":"3"},"reviewBody":"A vélemény szövege, ahogy az oldalon megjelenik."}]}

A jelölésnél ezeket érdemes betartani.

• A reviewCount és a ratingValue egyezzen azzal, amit az oldalon látsz, és frissüljön a vélemények változásával.
• A review tömbbe csak valódi, az oldalon olvasható vélemény kerüljön, valódi szerzővel.
• Ne csak pozitív véleményeket tegyél a jelölésbe. Ha néhányat kiemelsz, legyen köztük kritikus is.
• Az összefoglaló szövegét hagyd sima HTML-ként. A termék description mezője sem jó hely neki, mert az a gyártói vagy bolti leírásé.
• Más platformról (piactér, értékelő oldal) átvett csillagot ne jelölj a saját termékoldaladon.

Szakmai feltételezés. A válaszmotorok a látható szöveget is olvassák, így a jól szerkesztett, forrássoros összefoglaló jó eséllyel bekerülhet egy AI-válaszba akkor is, ha nincs külön jelölése. Ezt sem a Google, sem az OpenAI nem erősítette meg hivatalosan, és megjelenést semmilyen formátum nem ígér.

Hogyan ellenőrizd mintavétellel, hogy az összefoglaló a véleményeket tükrözi?

Húzz ki véletlenszerűen 30-50 véleményt, olvasd el őket az összefoglaló nélkül, jegyezd fel a témáikat, majd vesd össze a saját listádat az összefoglalóval. Ha egy gyakori téma kimaradt, vagy egy kiemelt pontot alig említ valaki, az összefoglaló torzít.

1. Húzz véletlen mintát. Egy táblázatban adj minden véleménynek véletlen számot (például a =RAND() függvénnyel), rendezd sorba, és vedd az első 30-50-et. Ne a legfrissebbeket vagy a leghosszabbakat válaszd.
2. Rétegezz csillag szerint. A mintában a csillagok aránya nagyjából egyezzen a teljes állományéval. Ha a vélemények 15 százaléka egy- vagy kétcsillagos, a mintában is körülbelül ennyi legyen.
3. Kódold vakon. Az ellenőrző lehetőleg ne az legyen, aki az összefoglalót írta vagy jóváhagyta. Minden véleménynél írja fel, milyen dicséretet és kifogást említ.
4. Vesd össze. Minden összefoglaló-pontnál nézd meg, hány mintabeli vélemény támasztja alá. Minden olyan témánál, amely a mintában gyakori, nézd meg, szerepel-e az összefoglalóban.
5. Ellenőrizd az idézett azonosítókat. Az AI által megadott vélemény-azonosítók közül nyiss meg néhányat, és nézd meg, tényleg arról szólnak-e.
6. Rögzítsd az eredményt. Írd fel a dátumot, a mintanagyságot, az eltéréseket és a javítást. Ebből lesz később a saját minőségi naplód.

Elfogadási szabálynak saját tapasztalat alapján jól működik, ha az összefoglaló minden pontját a minta legalább 5 százaléka alátámasztja, és nincs olyan téma, amely a minta legalább 10 százalékában előfordul, mégis kimaradt. Egy 30-as minta nem ad statisztikai pontosságot, de a durva torzítást (kimaradt panasz, felnagyított dicséret) jó eséllyel kiszűri. Sok véleménnyel rendelkező, nagy forgalmú terméknél dolgozz nagyobb mintával.

Milyen hibákat fog meg leggyakrabban a mintavétel?

• A modell egyetlen hosszú, részletes vélemény témáját „gyakorinak” nevezi.
• Két rokon panasz (például „kicsi” és „szorít az orránál”) külön-külön a küszöb alatt marad, együtt viszont gyakori.
• Régi, már megoldott problémák (például egy korábbi szállító csomagolási hibája) benne maradnak.
• Az összefoglaló a termékleírás szavait veszi át a vásárlóké helyett.

Milyen jogi és átláthatósági szempontokra kell figyelni?

Az uniós fogyasztóvédelmi szabályok szerint, ha a kereskedő véleményeket tesz közzé, tájékoztatnia kell arról, hogy ellenőrzi-e, és ha igen, hogyan, hogy a vélemények valódi vásárlóktól származnak. A hamis vélemény és a vélemények torzító bemutatása tisztességtelen kereskedelmi gyakorlatnak számít.

Hivatalosan igazolt. Ezt az (EU) 2019/2161 irányelv (Omnibus irányelv) vezette be a tisztességtelen kereskedelmi gyakorlatokról szóló irányelv módosításával, Magyarországon a fogyasztókkal szembeni tisztességtelen kereskedelmi gyakorlat tilalmáról szóló törvény tartalmazza. Az Európai Bizottság értelmező útmutatója szerint a vélemények torzító bemutatásához tartozik az is, ha csak a pozitív véleményeket teszed közzé, a negatívakat pedig törlöd. Egy szépített összefoglaló ugyanebbe az irányba visz.

Szakmai feltételezés. Az uniós AI-rendelet (AI Act) átláthatósági előírásai elsősorban a mesterségesen előállított tartalmakkal és a közérdekű ügyekről szóló gépi szöveggel foglalkoznak. Hogy egy termékoldali vélemény-összefoglalóra ez pontosan hogyan vonatkozik, arról kérdezz jogászt. A jelölést ettől függetlenül érdemes kitenni, mert kevés munka és bizalmat épít.

Az ellenőrzés módját (például „véleményt csak igazolt vásárlás után lehet írni”) írd ki a véleményblokk közelében, és ugyanez szerepeljen az összefoglaló forrássorában is.

Mit nézz át, mielőtt kiteszed az összefoglalót?

• Megvan a minimális véleményszám (például legalább 20-30 szöveges vélemény).
• A kifogások blokkja ott van, vagy kiírtad, hogy nincs visszatérő panasz.
• A dicséretek és a kifogások aránya nagyjából követi a csillagok eloszlását.
• A forrássorban szerepel a véleményszám és a frissítés dátuma.
• A gépi készítést jelölted.
• Lefutott a mintavételes ellenőrzés, és rögzítetted az eredményét.
• A strukturált adat csak látható, valódi véleményekre és az aktuális összesítésre hivatkozik.
• Kitűzted a következő frissítés dátumát vagy a frissítést kiváltó véleményszámot.
• A moderálási szabály és a vélemények ellenőrzésének módja nyilvános.

Források és további olvasnivalók

• Google Search Central, értékelési részlet (Review snippet) strukturált adat dokumentáció
• Google Search Central, termék (Product) strukturált adat dokumentáció
• Google Search Central, útmutató a hasznos, megbízható, emberközpontú tartalom készítéséhez
• Schema.org, Product, Review és AggregateRating típus
• Az Európai Parlament és a Tanács (EU) 2019/2161 irányelve (Omnibus irányelv)
• 2008. évi XLVII. törvény a fogyasztókkal szembeni tisztességtelen kereskedelmi gyakorlat tilalmáról
• Európai Bizottság, útmutató a tisztességtelen kereskedelmi gyakorlatokról szóló irányelv értelmezéséhez és alkalmazásához
• Az (EU) 2024/1689 rendelet (AI Act), 50. cikk
• OpenAI dokumentáció, Structured Outputs