A mérések szerint az AI-rendszerek gyakrabban nyúlnak egyedi adathoz, elemzéshez és friss összesítéshez, mint általános „hogyan csináld” cikkhez. A Google-ben jól teljesítő oldalak és az AI-ból forgalmat kapó oldalak csak részben esnek egybe. B2B-ben ez a kapacitástáblát, a módszertant, a korlátok kimondását és a számszerű esettanulmányt jelenti – nem a tizedik „mi az a…” aloldalt.
Miért van így
Adam Gnuse (Huntress) 2026 márciusi, a Search Engine Landen publikált elemzése 10 weboldal 150 000 indexelt oldalát vizsgálta. A 10 legjobb organikus oldal hozta az organikus munkamenetek 55%-át, de az LLM-munkamenetek csak 29%-át. A 100 legjobb organikus oldal közül 49 egyáltalán nem kapott LLM-forgalmat. A trendeket és elemzést tartalmazó bejegyzések 78%-ban kaptak LLM-hivatkozást, az adatalapú éves összefoglalók 61%-ban, az oktató jellegű how-to tartalmak csak 12%-ban. Ez egyetlen, tíz oldalra kiterjedő vizsgálat – iránynak jó, általános törvénynek nem.
Mélyebben
Az ok valószínűleg az, hogy az általános tudást a modell már „ismeri”, vagy sok forrásból össze tudja rakni, így nincs szüksége a te cikkedre. Az egyedi adatot, a saját mérést, a konkrét projekttapasztalatot viszont máshonnan nem tudja. Ha a cikked olyasmit tartalmaz, ami csak nálad van, a rendszernek oka van rád hivatkozni. Ez a „információs többlet” elve: minél több olyan állítás van a tartalomban, amely máshol nem érhető el, annál nagyobb az esély a hivatkozásra.
Cégvezetői szemmel
A cég legértékesebb tartalmi vagyona a saját adata és tapasztalata. Ezt a vezetésnek kell felszabadítania: milyen projektadatok, mérések, belső tapasztalatok hozhatók nyilvánosságra anonimizálva. Ez több értéket teremt, mint bármilyen tartalomgyártási keret.
Marketinges szemmel
A tartalomtervet fordítsd meg: ne a kulcsszóból indulj, hanem abból, milyen egyedi adat vagy tapasztalat áll rendelkezésre. Egy negyedéves „mit láttunk a projektjeinkben” elemzés, egy saját felmérés vagy egy részletes módszertani leírás többet ér öt általános cikknél.
Magyar B2B helyzetkép
Egy budapesti energetikai tanácsadó cég blogján 40 általános cikk van („Mi az energiaaudit?”, „Hogyan csökkentsük az energiaköltséget?”). Az AI-válaszokban egyik sem szerepel. Aztán publikálnak egy elemzést 35 hazai ipari üzem energiaauditjának anonimizált eredményeiből: átlagos megtakarítási potenciál iparáganként, leggyakoribb beavatkozások megtérülési idővel. Ezt az elemzést fél éven belül több AI-válasz is idézi.
Teendők
- Listázd, milyen egyedi adat, mérés vagy tapasztalat áll rendelkezésre.
- Tervezz évente legalább egy saját adatalapú elemzést.
- A meglévő how-to tartalmakat egészítsd ki saját tapasztalattal és számokkal.
- Nevezd meg a módszertant és a korlátokat.
- Mérd külön az organikus és az AI-forgalmat tartalomtípusonként.
Gyakori ellenvetés
„A how-to cikkek hozzák a forgalmat.” Az organikus forgalmat talán igen. Az AI-hivatkozást a mérés szerint sokkal ritkábban.
Buktató
Az AI kedvéért még több általános tartalmat gyártani, AI-val írva. Ez éppen azt a típust szaporítja, amelyet a rendszer a legkevésbé idéz.
Mérőpont
LLM-forgalom és AI-hivatkozás tartalomtípusonként.
Egy mondatbanAz AI azt idézi, amit máshonnan nem tud – a saját adatod többet ér, mint a tizedik általános útmutató.
Láthatóvá tesszük a cégét az AI-válaszokban
Róth Miklós és a CRS AI Marketing & SEO Agency méri, javítja és riportolja a cége AI-láthatóságát – mérhető ajánlatkérésig.
Indítsuk el a 90 napos kísérletet →