A Google AI Overview (korábbi nevén SGE) magyarországi élesedése nem egy fokozatos evolúció, hanem egy brutális, fentről vezérelt törésvonal lesz a hazai e-commerce organikus keresési piacán. Miközben a hazai SEO ügynökségek többsége még mindig az 500 szavas kategórialeírások optimalizálásával és a linképítési csomagok számlázásával van elfoglalva, az AI-alapú találati listák alapjaiban írják át a kattintási útvonalakat. Azok a webáruházak, amelyek jelenleg a tranzakciós kulcsszavak (pl. „automata kávéfőző akció”, „sarokcsiszoló olcsón”) organikus top 3 helyezéséből élnek, látványos CTR-zuhanásra számíthatnak, mivel a Google közvetlenül a találati oldal tetején, saját felületén válaszolja meg az összehasonlító és információs lekérdezéseket. Ez a cikk nem az elméleti AI-forradalomról szól, hanem arról a kőkemény technológiai és strukturális átalakításról, amelyet minden 100 millió és 3 milliárd forint közötti árbevételű magyar webshopnak el kell végeznie a túlélés érdekében.
Miért fontos ez most – A magyar e-commerce realitás 2026-ra készülésben
A magyar piacon a Google AI Overview bevezetése kettős szorításban éri a webáruházakat. Egyrészt a hazai e-commerce szektorban az akvizíciós költségek (CAC) az egekbe szöktek: a Google Ads átlagos CPC árai a divat és lakberendezési szegmensben 80-140 HUF között, míg a kompetitívebb műszaki vagy barkács kategóriákban már a 180-320 HUF közötti tartományban mozognak. Ilyen hirdetési árak mellett az organikus forgalom csökkenése közvetlenül a nettó profitmarzsot égeti el.
Másrészt a magyar nyelv morfológiai sajátosságai (ragozás, agglutináló nyelv) miatt a Google AI modelljei (Gemini) lassabban és több hibával adaptálódtak a hazai találati listákra, mint az angolszász piacokon. Ez azonban hamis biztonságérzetet ad a hazai e-kereskedőknek. A 2025-ös és 2026-os átállási időszakban a Google nem fogja megkérdezni a magyar kkv-kat, hogy felkészültek-e: az AI-asszisztált keresési blokk a mobil képernyők első 80%-át fogja elfoglalni.
A CTR.hu saját adatai és a piaci mozgások alapján az alábbi strukturális átrendeződés várható a magyar piacon:
- Információs és összehasonlító keresések (pl. „melyik a legjobb robotporszívó kisállat mellé”): Az organikus CTR a korábbi 35-45%-ról (az első három helyezettnél) várhatóan 8-12% közé esik vissza, mert a felhasználó a választ azonnal megkapja az AI Overview panelben.
- Direct-to-Buy (közvetlen tranzakciós) keresések: A Google Shopping és a megújult AI termékajánló panelek még inkább kiszorítják a klasszikus kék linkeket.
- A "Zero-Click Search" aránya: Magyarországon a teljes keresési volumenre vetítve a jelenlegi ~52%-ról várhatóan 68-72% közé emelkedik 2026 végére.
Aki ma nem kezdi el átalakítani a termékadatbázisát, a strukturált adatait és a tartalomstratégiáját, az két éven belül azon kapja magát, hogy az organikus organikus forgalma felére csökkent, miközben a Google Ads büdzséjét kénytelen megduplázni ugyanazon tranzakciómennyiség megtartásához.
---
A termékadatbázis (Product Feed) mint az új SEO alapköve
Sokan elkövetik azt a hibát, hogy az AI-korszak SEO-ját is cikkírással akarják megoldani. Valójában az AI-alapú keresőmotorok elsősorban nem strukturálatlan szövegekből, hanem strukturált adatokból táplálkoznak. A Google Shopping Graph ma már több tízmilliárd terméket és azok valós idejű adatait (ár, készlet, vélemények, specifikációk) köti össze.
A Merchant Center feed és az organikus AI-láthatóság kapcsolata
Ha a webshopod XML feedje kizárólag a kötelező minimumot tartalmazza (id, title, description, link, image_link, price, availability), akkor az AI Overview számára láthatalan leszel. Az AI nem fogja megbízhatónak találni a termékedet egy komplex összehasonlításhoz, ha hiányoznak a granuláris adatok.
A feedet kötelezően fel kell szerelni az alábbi attribútumokkal:
- `product_detail` attribútum: Itt kell átadni a tiszta műszaki specifikációkat (pl. anyag, teljesítmény, feszültség, méretek).
- `product_highlight` attribútum: Rövid, bullet-point szerű előnyök, amelyeket az AI közvetlenül be tud emelni az összefoglalóba.
- `lifestyle_image_link`: Az AI Overview előszeretettel jelenít meg kontextuális, nem fehér hátterű képeket, amikor egy terméket „ajánl” a válaszában.
Globális kereskedelmi azonosítók (GTIN) könyörtelen kikényszerítése
A magyar webáruházak egyik legnagyobb bűne a GTIN/EAN kódok hanyag kezelése. Ha saját márkás terméket árulsz, regisztrálj GS1 azonosítókat. Ha viszonteladó vagy (pl. Alza vagy eMAG ellenében versenyszel az elektronikai vagy háztartási cikkek piacán), a hiányzó vagy hibás GTIN azonnali kizáró okot jelent az AI alapú termék-összehasonlításokból. A Google AI-ja a GTIN alapján kapcsolja össze a te terméklapodat a vásárlói véleményekkel, a tesztekkel és a versenytársak áraival. Ha ez az összekötő kapocs hiányzik, a terméked egyszerűen nem létezik a Shopping Graphban.
---
Entity-Based SEO és a Schema.org radikális kiterjesztése
A Google már rég nem szavakat indexel, hanem entitásokat (személyek, helyek, tárgyak, márkák) és a köztük lévő kapcsolatokat. Ahhoz, hogy az AI Overview az e-shopodat vagy a termékeidet megbízható forrásként jelölje meg, explicit módon, géppel olvasható formában kell kommunikálnod a keresővel.
Custom Schema konfigurációk e-commerce-re
Nem elegendő az alapértelmezett, sablonos WooCommerce vagy Shopify `Product` séma futtatása. Egyedi, mélyen fészkelt (nested) Schema strukturálásra van szükség.
A termékoldalakon kötelező implementálni:
- `Product` sémán belül az `AggregateRating` és `Review` entitásokat: Az AI kiemelten figyeli a szöveges értékeléseket. Nem csak a csillagok számát, hanem az értékelések szövegében lévő entitásokat is (pl. „nagyon csendes működés”, „nehéz összeszerelni”).
- `ProsAndCons` (Előnyök és Hátrányok) séma: Az AI Overview válaszok szinte mindig pro-kontra listákkal indítanak. Ha ezt előre strukturáltan tálalod a Google-nak a terméklapon vagy a kategórialeírásban, drasztikusan növeled az esélyét, hogy a te weboldaladat idézi forrásként.
- `MerchantReturnPolicy` és `ShippingDetails`: Az AI-képes kereső közvetlenül összehasonlítja a szállítási díjakat és a visszaküldési szabályzatokat (pl. „Melyik boltban van ingyenes visszaküldés?”). Ha ezek az adatok nincsenek strukturált sémában, az AI nem tudja validálni őket, így a versenytársadat fogja előnyben részesíteni, aki megfelelően implementálta a sémákat.
Így néz ki a helyes `ProsAndCons` és termékspecifikus JSON-LD struktúra:
```json
{
"@context": "https://schema.org",
"@type": "Product",
"name": "Prémium Automata Kávéfőző X-1000",
"image": "https://webshopod.hu/kepek/kavefozo.jpg",
"description": "Professzionális otthoni automata kávéfőző beépített kerámia darálóval.",
"offers": {
"@type": "Offer",
"price": "249900",
"priceCurrency": "HUF",
"availability": "https://schema.org/InStock"
},
"review": {
"@type": "Review",
"reviewRating": {
"@type": "Rating",
"ratingValue": "5"
},
"author": {
"@type": "Person",
"name": "Kovács János"
},
"positiveNotes": {
"@type": "ItemList",
"itemListElement": [
{
"@type": "ListItem",
"position": 1,
"name": "Rendkívül csendes kerámia daráló"
},
{
"@type": "ListItem",
"position": 2,
"name": "Egyszerű, egygombos tisztítási folyamat"
}
]
},
"negativeNotes": {
"@type": "ItemList",
"itemListElement": [
{
"@type": "ListItem",
"position": 1,
"name": "A víztartály tölthetősége hátul kissé nehézkes"
}
]
}
}
}
```
---
Információs Hubok és az "Information Gain" elmélet
A hagyományos SEO-ban az volt a módi, hogy megnéztük a versenytársak top helyezett cikkeit, összeollóztuk őket egy kicsit hosszabb bejegyzéssé, és vártuk a helyezést. Ez a megközelítés az AI Overview korában halott. Miért? Mert ha a cikked nem tartalmaz új információt (Information Gain), akkor az AI modellnek (amely már betanult minden meglévő internetes adatot) nincs miért hivatkoznia rád.
Mi az az Information Gain és hogyan alkalmazzuk?
Az Information Gain lényegében az az egyedi hozzáadott érték, adat, tapasztalat vagy vélemény, amely csak a te oldaladon található meg, és sehol máshol az interneten.
| Hagyományos tartalom (AI által ignorált) | Information Gain alapú tartalom (AI által kiemelt) |
| :--- | :--- |
| „A fűnyíró traktorok benzinnel működnek, és alkalmasak nagy kertekbe.” | „Saját bicskei tesztpályánkon mértük meg: ez a traktor 12%-os emelkedőn, nedves fűben 22 perc alatt végzett 1000 nm-rel.” |
| „Az anyatejpumpa segít az anyáknak a tej lefejésében otthon vagy a munkahelyen.” | „150 magyar édesanya bevonásával végzett kérdőíves kutatásunk alapján a nők 78%-a a halk működést tartja a legfontosabb szempontnak.” |
| „A hőszivattyú egy gazdaságos fűtési megoldás új építésű házakhoz.” | „Valós budapesti és pest megyei projektjeink számlái alapján számolt COP értékek havi bontásban, -10 fok alatti napokon.” |
Hogyan építs fel egy "AI-bomba" információs hubot?
Ne általános blogbejegyzéseket írj. Hozz létre „Vásárlási és döntéstámogató kalkulátorokat”, „Iparági konszenzus jelentéseket” vagy „Termék tesztadatbázisokat”.
Például, ha barkácsáruházad van: ahelyett, hogy megírnád a huszadik „Hogyan válasszunk fúrót” cikket, készíts egy interaktív, táblázatos adatbázist, ahol saját kezűleg teszteltétek le és mértétek meg a fúrók tényleges zajszintjét (dB-ben), akkumulátor-bírását terhelés alatt, és a valódi súlyukat. Az ilyen strukturált, méréseken alapuló, egyedi adatcsoportokat az AI Overview előszeretettel fogja forrásként beidézni, amikor a felhasználó konkrét összehasonlítást kér tőle.
---
Számolt példa: Forgalom- és bevételkiesés modellezése egy 450M HUF árbevételű webshopon
Modellezzük le, mi történik egy közepes méretű magyar webshoppal (pl. prémium kerti bútorok és kiegészítők szegmensben), ha az AI Overview bevezetése után passzív marad.
Kiinduló adatok (Jelenlegi állapot):
- Éves organikus forgalom: 350 000 látogató (havi átlag ~29 100 látogató).
- Éves online árbevétel: 450 000 000 HUF.
- Átlagos kosárérték (AOV): 45 000 HUF.
- Tranzakciós konverziós ráta (CR): 1,5% (évi ~10 000 tranzakció).
- Organikus forgalom megoszlása:
Márkás (Branded) keresések:* 15% (stabil marad).
Közvetlen tranzakciós (pl. „rattan kerti garnitúra vásárlás”):* 45%.
Információs / kutatási fázis (pl. „milyen kerti bútort vegyek esőben”, „műrattan vs fa kerti bútor”):* 40%.
A katasztrófa forgatókönyv (AI Overview után, optimalizálás nélkül):
Az információs és kutatási fázisú kulcsszavak organikus kattintásai (CTR) drámaian visszaesnek, mivel az AI Overview közvetlenül megválaszolja az esőállósági és anyag-összehasonlítási kérdéseket a keresőben, és a felhasználók 65%-a nem kattint tovább a webshopra. A közvetlen tranzakciós kereséseknél a Google Shopping és az AI ajánló panelek térnyerése miatt 25%-os organikus forgalomcsökkenés következik be.
- Információs forgalom visszaesése: 40% $\rightarrow$ 14% (65%-os látogatottság-csökkenés ezen a csatornán / -91 000 látogató).
- Tranzakciós forgalom visszaesése: 45% $\rightarrow$ 33,75% (25%-os látogatottság-csökkenés / -39 375 látogató).
- Összesített organikus látogatottság veszteség: -130 375 látogató (37,2%-os drop).
- Új éves organikus látogatottság: 219 625 látogató.
A pénzügyi hatás:
Az információs forgalom konverziós rátája ugyan alacsonyabb (~0,5%), de a tranzakciós forgalom kiesése (~1,8%-os CR) fájdalmasan érinti a céget.
$$\text{Kieső bevétel információs forgalomból} = 91\,000 \times 0{,}005 \times 45\,000 \text{ HUF} = 20\,475\,000 \text{ HUF}$$
$$\text{Kieső bevétel tranzakciós forgalomból} = 39\,375 \times 0{,}018 \times 45\,000 \text{ HUF} = 31\,893\,750 \text{ HUF}$$
$$\textbf{Összesített éves bevételi veszteség:} \mathbf{52\,368\,750 \text{ HUF}}$$
A kompenzációs csapda:
Ha a cég ezt a kieső forgalmat (130 375 látogató) fizetett hirdetésekből (Google Ads CPC) akarja visszavásárolni a kerti bútor piacon jellemző átlagos 160 HUF CPC áron:
$$\text{Szükséges plusz marketing kiadás} = 130\,375 \text{ kattintás} \times 160 \text{ HUF} = 20\,860\,000 \text{ HUF}$$
A webshop nemcsak hogy elveszít több mint 52 millió forint árbevételt, de ha vissza akarja hozni a volument, a marketing költségvetése közel 21 millió forinttal növekszik, ami a nettó profitmarzsot teljesen lenullázhatja. Ezért létszükséglet az AI optimalizáció (GEO - Generative Engine Optimization).
---
3 kritikus hiba, amit a magyar webáruházak elkövetnek az AI-korszak küszöbén
1. Az AI-generált tömegtartalom („AI-val írunk még több blogcikket”)
A legnagyobb és legveszélyesebb tévhit, hogy az AI Overview ellen még több ChatGPT-vel generált tartalommal lehet védekezni. Ha kiadsz egy promptot, hogy "Írj egy 1500 szavas cikket a kutyaeledel kiválasztásáról", a kapott szöveg pontosan ugyanazokat az átlagos, klisés információkat fogja tartalmazni, mint amiből az AI egyébként is dolgozik. A Google algoritmusa másodpercek alatt azonosítja az ilyen száraz, hozzáadott érték nélküli szövegeket, és könyörtelenül leértékeli az egész domaint (lásd: Google Helpful Content Update frissítések).
2. A "Márkanév" és "Szakértő" entitás építésének teljes elhanyagolása
A magyar webshopok tulajdonosai gyakran láthatatlanok akarnak maradni. Nincs bemutatkozás, nincsenek nevesített szakértők a cikkek mögött, nincs valódi cégtörténet. Az AI keresők számára a megbízhatóság (E-E-A-T: Experience, Expertise, Authoritativeness, Trustworthiness) az első számú szempont. Ha a cikkeid mögött nincs valós, hitelesíthető entitás (például egy okleveles kertészmérnök vagy egy 15 éve praktizáló állatorvos, akinek saját LinkedIn profilja és más oldalakon hivatkozásai vannak), a Google AI nem fogja megbízható forrásként kezelni a weboldaladat.
3. A JavaScript alapú kliensoldali renderelés hibás kezelése
Sok modern, headless CMS-t vagy egyedi fejlesztésű frontendet (például React, Vue vagy Next.js alapú rendszerek) használó magyar webshop elköveti azt a technikai hibát, hogy a termékértékeléseket és specifikációkat dinamikusan, kliensoldalon rendereli le. Bár a Googlebot elvileg képes a JavaScript futtatására, az AI modellek betanításához használt gyorsabb crawlerek gyakran csak a tiszta HTML-t olvassák. Ha a specifikációid vagy véleményeid nincsenek ott a szerveroldali HTML-kódban a renderelés pillanatában (SSR - Server-Side Rendering), akkor az AI modellek számára azok nem léteznek.
---
Akcióterv: 8 lépéses felkészülési protokoll magyar webáruházaknak
Hajtsd végre ezt az audit- és megvalósítási listát a következő 90 napban, hogy minimalizáld a forgalomvesztést és domináld a Google AI válaszait.
- Strukturált adatok teljes körű auditja: Ellenőrizd a Schema sémáidat a Google Rich Results Test eszközével. Implementáld a `ProsAndCons`, `ShippingDetails`, és `MerchantReturnPolicy` sémákat minden egyes termékoldalon. Elvárt eredmény: Hiba- és figyelmeztetésmentes Search Console Schema riport.
- A termék feed gazdagítása: Írd felül a feed-generáló plugined vagy modulod beállításait. Add hozzá a `product_highlight`, `product_detail`, és a pontos `gtin` attribútumokat a Merchant Center feedhez. Időtartam: 5-8 munkanap.
- Első kézből származó vélemények generálása: Indíts automatizált e-mail kampányt (pl. a vásárlást követő 10. napon) kuponos ösztönzővel, kifejezetten részletes, szöveges értékelések bekérésére. Ne csak csillagokat kérj, hanem irányított kérdéseket (pl. "Mi volt a termék legnagyobb előnye és hátránya?"). Cél: Minden top terméknél legalább 5 db szöveges, entitásokban gazdag értékelés.
- "Information Gain" tartalomgyártás: Válaszd ki a top 20 legnagyobb forgalmú információs kulcsszavadat. Alakítsd át a hozzájuk tartozó cikkeket: adj hozzájuk saját készítésű fotókat (EXIF adatokkal), saját méréseket, letölthető PDF segédleteket, vagy egyedi szakértői idézeteket. Töröld a klisés, generált bekezdéseket.
- E-E-A-T profilok felépítése: Készíts dedikált szerzői oldalakat a tartalomgyártóidnak vagy a cég szakértőinek. Linkeld be a LinkedIn, ResearchGate profiljaikat. Használj `author` sémát a cikkekben, amely összeköti a szerzőt a külső profiljaival.
- Márkanév-asszociáció erősítése (PR): Érj el említéseket és linkeket releváns, magas autoritású magyar magazinokban (pl. Telex, Index, hvg.hu, vagy erős rétegportálok) olyan kontextusban, ami összeköti a márkanevedet a termékkategóriáddal (pl. "[WebshopNeve] kerti bútor trend kutatás"). Az AI ezekből a sajtómegjelenésekből tanulja meg, hogy te vagy az adott téma hazai tekintélye.
- Sebesség és Core Web Vitals optimalizálás mobilra: Az AI Overview válaszok generálása időt vesz igénybe, így a felhasználók még türelmetlenebbek lesznek. Ha a te oldalad betöltése mobil hálózaton (3G/4G) meghaladja a 2,2 másodpercet (LCP), a felhasználó el fog pattanni, mielőtt a te ajánlatod megjelenne. Cél: Mobil LCP 1.8 másodperc alatt.
- Az organikus CTR változások folyamatos monitorozása: Hozz létre egy egyedi dashboardot Looker Studio-ban, amely kifejezetten a Google Search Console azon lekérdezéseit szűri le, ahol az AI Overview panelek jelenleg is aktívak (egyelőre teszt és részleges formában). Kövesd nyomon ezeknek a kifejezéseknek a CTR és pozíció változását heti bontásban. Tudatosítsd, hogy ha a pozíciód nem változik, de a CTR csökken, azonnal be kell avatkozni a sémák és a feed adatok szintjén.
