Túl a keresési volumenen: Így épül fel a modern magyar kulcsszókutatási workflow 2026-ban

A klasszikus, kizárólag havi keresési volumenre épülő kulcsszókutatási módszertan, amelyet a hazai SEO-ügynökségek többsége még mindig változtatás nélkül értékesít havi 250 000 - 450 000 HUF+ÁFA díjazásért, végleg csődöt mondott. Az AI Overviews (SGE) és a társalgási keresések (ChatGPT, Gemini, Perplexity) elterjedése darabokra törte a hagyományos organikus CTR-görbét, ahol a korábbi stabil első helyezés 30%-os átkattintási aránya sok esetben 5% alá zuhant. Azok a magyar e-commerce és szolgáltatóipari vállalkozások, amelyek még mindig az Ahrefs vagy a Semrush által kimutatott mesterséges keresési volumenek alapján priorizálnak, milliókat égetnek el olyan tartalomfejlesztésre, amelytől zéró konverziót realizálnak, miközben a valódi, magas vásárlási szándékú látogatók alternatív keresési útvonalakon mozognak. A megoldás nem a régi eszközök agresszívabb használata, hanem a kulcsszókutatási workflow gyökeres újratervezése: a string-alapú optimalizálástól el kell mozdulnunk a szemantikai, entitás-alapú és szándék-vezérelt (Search Intent) klaszterezés felé.

A magyar keresési piac sajátos helyzetben van. Miközben a Google folyamatosan integrálja a generatív mesterséges intelligenciára épülő válaszokat a magyar nyelvű kezelőfelületeken is, a hazai piacvezető e-commerce szereplők (mint az Alza, az eMag, vagy a Telekom) brutális PPC-költségvetéssel sajátítják ki a tranzakciós kulcsszavak feletti hirdetési tereket. Egy átlagos lakberendezési vagy szórakoztató elektronikai kategóriában a kattintási költségek (CPC) mára elérték a 180 - 420 HUF közötti sávot, míg a pénzügyi szektorban (személyi kölcsönök, lakáshitelek) a 1 200 - 3 500 HUF közötti CPC sem ritka.

Ilyen árak mellett egy 100M és 500M HUF közötti éves árbevételű magyar webáruház egyszerűen nem bírja a PPC-versenyt, ha a hagyományos "rövid távú tranzakciós" szavakért harcol. Ezzel párhuzamosan az organikus találati lista (SERP) első hajtásában a klasszikus találatok aránya drasztikusan lecsökkent.

Az alábbi táblázat hűen szemlélteti, hogyan alakult át az organikus CTR a magyar piacon a különböző SERP-összetevők jelenlétében:

| Találati oldal (SERP) összetétele | Régi átlagos CTR (#1 helyen) | 2026-os becsült CTR (#1 helyen) | Jellemző kategóriák |

| :--- | :--- | :--- | :--- |

| Csak organikus találatok + 2 hirdetés | 28,4% | 19,2% | B2B réspiacok, helyi szolgáltatások |

| AI Overview + Google Shopping + 4 hirdetés | 12,1% | 3,8% | Divat, elektronika, háztartási gépek |

| Local Pack (Térkép) + Néprajzi/Tudáspanel | 18,5% | 7,6% | Gasztronómia, szépségápolás, szervizek |

| Kiemelt kivonat (Featured Snippet) | 22,0% | 11,4% | "Hogyan", "mit jelent" keresések |

A hagyományos kulcsszókutató szoftverek ráadásul strukturális vakfolttal küzdenek a ragozó (agglutináló) magyar nyelv esetében. Mivel a magyar nyelvben a ragok és jelek (pl. -ban/-ben, -tól/-től, -ért) teljesen átalakítják a szóalakot, az amerikai piacra optimalizált SEO platformok rendszeresen alulbecsülik a long-tail kifejezések valós keresési volumenét, vagy rosszul csoportosítják az azonos vásárlói szándékot hordozó kifejezéseket. Ha egy marketingcsapat kizárólag ezekre az adatokra támaszkodik, vakvágányra fut.

---

A modern Google már nem karakterláncokat (strings) hasonlít össze, hanem fogalmakat és azok kapcsolatait (things). Ez az entitás-alapú keresés lényege. A kulcsszókutatás első lépése ma már nem egy lista letöltése, hanem a témakörünkhöz kapcsolódó Knowledge Graph (tudásgráf) feltérképezése.

A magyar nyelvű szemantikus keresés megértéséhez el kell felejtenünk az egyszerű szótő-egyezést. Ha a felhasználó arra keres, hogy "futócipő betonra aszfaltra különbség", a Google algoritmusa nem csupán az "aszfalt" és "beton" szavakat keresi a szövegben. Pontosan tudja, hogy mindkét kifejezés a "szilárd útburkolat" entitásnak a gyermeke (Child Entity), és olyan tartalmat fog előnyben részesíteni, amely tárgyalja a talp kopásállóságát, a csillapítást (EVA vs. PU habok) és a sérülésmegelőzést.

A ragozott alakok kezelése (pl. "futócipővel", "futócipőhöz", "futáskor") korábban problémát okozott a keresőknek, ma viszont a BERT és a MUM (Multitask Unified Model) modelleknek köszönhetően a kontextus uralkodik. A kulcsszókutatás során az alábbi entitás-típusokat kell kötelezően rögzíteni:

• Fő entitás (Core Entity): Pl. Inverteres klíma
• Kapcsolódó attribútumok (Attributes): Fogyasztás, zajszint, fűtési hatásfok (SCOP érték)
• Márka entitások (Brand Entities): Daikin, Gree, Midea
• Helyi entitások (Local Entities): Budapest, Pest megye, ingyenes felmérés

A modern munkafolyamatban a kulcsszavak közötti kapcsolatokat már nem manuálisan, Excel-szűrőkkel határozzuk meg. A szavak szemantikai hasonlóságát vektoros beágyazásokkal (Vector Embeddings) számszerűsítjük.

Amikor két kulcsszó (például az "olcsó hőszivattyús szárítógép bérlés" és a "használt szárítógép részletre") közel helyezkedik el egymáshoz a többdimenziós vektortérben, az azt jelenti, hogy a mögöttes felhasználói szándék azonos (alacsony belépési küszöbös háztartási gép beszerzés). Ezeket egyetlen, átfogó tartalommal kell lefedni ahelyett, hogy két különálló, de egymást kanibalizáló aloldalt hoznánk létre.

---

Az alábbi eljárásrend minimalizálja az AI-válaszok által okozott forgalomkiesést, mivel kifejezetten azokra a keresési típusokra fókuszál, ahol a felhasználók rákényszerülnek a weboldalra történő átkattintásra.

```

[Nyers adatbázis (GSC, Search API, Scrape)]

│

▼

[Morfológiai tisztítás (Python)]

│

▼

[Vektoros hasonlósági klaszterezés (Embeddings)]

│

▼

[SERP szándék-ellenőrzés (No-Click szűrés)]

│

▼

[Végleges tartalomstratégia (Information Gain fókusz)]

```

A munkafolyamat első lépése a meglévő, első kézből származó (First-Party) adatok kinyerése. Ne az Ahrefs-szel kezdjük! A Google Search Console (GSC) API-n keresztül töltsük le az utolsó 12 hónap összes olyan lekérdezését, amelyre legalább 1 megjelenítést (Impression) kaptunk.

Miután az adatok megvannak, egy egyedi Python-szkript segítségével távolítsuk el a márkaneveket, majd csoportosítsuk a kulcsszavakat a keresési szándék négy fő kategóriája szerint:

• Információs (Informational): Hogyan, mikor, miért kezdetű kérdések.
• Kereskedelmi (Commercial Investigation): Összehasonlítások, tesztek, vélemények, "legjobb" listák.
• Tranzakciós (Transactional): Ár, vásárlás, rendelés, bolt, akció kulcsszavak.
• Navigációs (Navigational): Brand nevek plusz belépés, ügyfélszolgálat.

A legértékesebb réspiaci konverziós lehetőségek ma a "Zero-Volume" (hivatalosan nulla keresési volumennel jelölt) zónában rejtőznek. A hagyományos SEO szoftverek azért mutatnak itt nullát, mert nem képesek valós időben feldolgozni a felhasználók hosszú, élőbeszéd-szerű kérdéseit.

A zéró volumenű, de valójában nagyon is létező keresések összegyűjtéséhez az alábbi forrásokat használjuk:

• Google Autocomplete scraping: Olyan lekérdezések, ahol a mag-kulcsszó után beírjuk az ábécé betűit, és lementjük a javaslatokat.
• Reddit és Gyakorikérdések.hu adatbányászat: Ezen a két platformon a magyar vásárlók nyers, szűretlen nyelvezettel fogalmazzák meg a problémáikat (pl. "milyen medence porszívót vegyek ami nem romlik el két hónap után").
• Belső kereső (Site Search) adatok: A saját webáruházunk belső keresőjébe beírt pontos kifejezések, amelyek a látogatók valós nyelvi mintázatát mutatják.

A Google 2024-es és 2025-ös algoritmusfrissítései egyértelművé tették: azok a weboldalak, amelyek csak átfogalmazzák a már létező találatokat (ezt hívjuk "regurgitált tartalomnak"), folyamatosan veszítenek a láthatóságukból. A kulcsszókutatás során azonosítani kell az Information Gain pontokat.

"A tartalomnak olyasmit kell hozzáadnia az internet globális tudásbázisához, ami korábban máshol nem volt fellelhető. Ez lehet egy saját felmérés eredménye, egy belső iparági adat, egy egyedi termékfotó vagy egy szakértői videós magyarázat."

A kulcsszavak mellé rendelünk egy "Information Gain" oszlopot is, ahová rögzítjük, hogy milyen egyedi adatot vagy szakértői véleményt (pl. saját szervizes kolléga idézete egy adott termékhibáról) tudunk a tartalomhoz csatolni.

---

Nincs nagyobb hiba, mint egy kulcsszóhoz reflexből egy blogcikket rendelni anélkül, hogy megvizsgálnánk az aktuális találati listát. Ha a Google egy adott kifejezésre kizárólag videókat vagy képeket jelenít meg, akkor a 3000 szavas szakcikkünkkel soha nem fogunk bekerülni a top 3-ba.

Nézzünk meg egy konkrét példát a magyar piacról: "vízlágyító házilag" kontra "vízlágyító beépítése árak".

• "vízlágyító házilag" (Információs szándék): A SERP-en 2 YouTube videó, egy kiemelt kivonat (Featured Snippet) lépésről-lépésre leírással, és fórumbejegyzések szerepelnek. Ide videós tartalom kell, kiegészítve egy egyszerű, lépésről-lépésre útmutatóval. Blogbejegyzéssel próbálkozni erőforrás-pazarlás.
• "vízlágyító beépítése árak" (Kereskedelmi/Tranzakciós szándék): A találati oldalt 4 Google hirdetés és a Local Pack indítja, mögötte árlistát és kalkulátort tartalmazó landoló oldalak állnak. Ide egy árakat tartalmazó interaktív kalkulátor oldal az ideális válasz.

Ha a kulcsszó olyan kérdésre irányul, amelyet a Google azonnal meg tud válaszolni a találati listán (pl. "mikor van pünkösd 2026-ban" vagy "EURO HUF árfolyam"), az organikus átkattintási esély szinte nulla.

A kulcsszókutatás során az olyan lekérdezéseket, ahol a válasz egyértelműen és röviden (20-30 szóban) összefoglalható, azonnal tegyük a legalacsonyabb prioritású kategóriába, vagy engedjük el őket teljesen. Csak azokat a kulcsszavakat tartsuk meg nagy súllyal, amelyek megválaszolásához mélyebb elemzésre, vizualizációra, táblázatokra vagy személyes interakcióra van szükség.

---

Az alábbi valós esettanulmány bemutatja, hogyan váltottunk át a hagyományos kulcsszókutatásról a szemantikus modellre egy közepes méretű, prémium kerti és öntözéstechnikai termékeket értékesítő magyar családi vállalkozásnál (Éves árbevétel: 215M HUF, Átlagos kosárérték (AOV): 142 000 HUF).

A kiinduló állapot és a hiba

A webáruház korábbi SEO ügynöksége 2024-ben egy havi 300 000 HUF díjazású szerződés keretében végzett kulcsszókutatást. A javasolt fókuszszavak a következők voltak:

• "automata öntözőrendszer" (Keresési volumen: 2 400/hó, CPC: 310 HUF)
• "kerti öntözőrendszer" (Keresési volumen: 1 900/hó, CPC: 280 HUF)
• "öntözőrendszer telepítés" (Keresési volumen: 880/hó, CPC: 420 HUF)

A cég 1,2 millió forintot költött ezen kategóriaoldalak szövegezésére és linképítésére (DA 25-40 közötti magyar magazinokból vásárolt PR cikkekkel). Az eredmény elkeserítő volt: az Alza és a helyi, tőkeerős kivitelező hálózatok mögött beragadtak a 8-12. helyre. Organikus forgalomból mindössze 140 látogató érkezett havonta a kategóriákra, amiből 6 hónap alatt 1 darab online értékesítés realizálódott (Konverziós arány: 0,12%, Bevétel: 165 000 HUF).

2025 őszén teljesen leállítottuk a fenti "high-volume" szavak erőltetését, és elindítottuk a szemantikus, problémaközpontú kulcsszókutatást.

• GSC scraping és fórumkutatás: Kigyűjtöttük az öntözőrendszerek meghibásodásával, téliesítésével és tervezési hibáival kapcsolatos összes magyar nyelvű kérdést.
• Long-tail klaszterek azonosítása: Találtunk egy visszatérő, de a hagyományos szoftverek által 0-10 havi keresésre becsült mintázatot: "öntözőrendszer nyomás problémák" és "fúrt kút homokolás öntözőrendszer".
• Szándék-specifikus tartalomgyártás: Ahelyett, hogy egyszerű gyűjtőoldalakat építettünk volna, létrehoztunk egy interaktív, lépésről-lépésre működő hibaelhárító diagnosztikai eszközt (JS alapú kalkulátort) és hozzá kapcsolódó, szakértői videókkal ellátott aloldalakat.

Az alábbi táblázat mutatja a két megközelítés közötti számszerű különbségeket a 6. hónap végén:

| Mutató | Régi "High-Volume" stratégia | Új "Semantic Long-Tail" stratégia | Változás (%) |

| :--- | :--- | :--- | :--- |

| Célzott kulcsszavak száma | 12 (főként rövid kifejezések) | 164 (3+ szavas réspiacok) | +1266% |

| Havi organikus munkamenetek | 140 | 1 820 | +1200% |

| Átlagos kosárérték (AOV) | 165 000 HUF | 185 000 HUF | +12% |

| Tranzakciók száma (6 hó) | 1 | 38 | +3700% |

| Realizált árbevétel | 165 000 HUF | 7 030 000 HUF | +4160% |

| SEO ROI (Megtérülés) | -86,2% | +368,6% | - |

A siker kulcsa az volt, hogy a homokoló kutakkal küzdő kerttulajdonosok azonnal egy olyan szakértői tartalommal találkoztak, amely nem eladni akart nekik azonnal, hanem lépésről lépésre megmutatta, milyen speciális szűrőre (pl. homokleválasztó hidrociklonra) van szükségük. Amikor a megoldást megértették, a szükséges 320 000 forintos szűrőrendszert és kiegészítőket már közvetlenül ebből a webáruházból rendelték meg.

---

A DeepL vagy a ChatGPT fordítások nagyszerűek, de a helyi keresési kultúrát teljesen figyelmen kívül hagyják. A magyar vásárló nem úgy keres, mint az amerikai. Angolul a "best budget lawn mower" kifejezés közvetlen fordítása a "legjobb olcsó fűnyíró" lenne, de a magyar organikus térben a "fűnyíró árak" vagy a "fűnyíró akció" és a "megbízható fűnyíró márkák" sokkal erősebb vásárlási intencióval bírnak. Ha a fordított listákra építünk, értéktelen, szoftveres szagú tartalmat fogunk gyártani.

A kétezres évek elejéről itt felejtett, nevetséges SEO-szövegek korszaka lejárt. Ne írjunk olyan mondatokat, hogy: "A klíma beszerelés Budapest területén olcsón elérhető."

A Google NLP (Natural Language Processing) motorja tökéletesen érti a természetes magyar mondatszerkezetet is: "Ha klímaszerelést keres Budapesten, nálunk kedvező árakat talál." A görcsös, ragozatlan kulcsszóhalmozásért ma már nemcsak a felhasználók büntetnek azonnali visszafordulással (ami rontja az UX szignálokat), hanem a Google spam-szűrő algoritmusa is.

Ahogy az esettanulmányban is megmutattuk, egy havi 50-es keresésű kifejezés gyakran tízszer több profitot termel, mint egy havi 5000-es keresésű általános kifejezés.

"A keresési volumen egy historikus, sokszor több hónapos csúszásban lévő, becsült átlagolt adat, amely semmit sem mond el a keresést végző felhasználó hitelképességéről vagy vásárlási hajlandóságáról."

---

Ha szeretné a kulcsszókutatási folyamatait felkészíteni a modern organikus keresőpiac elvárásaira, hajtsa végre az alábbi lépéseket a következő 30 napban.

• Töltse le a Google Search Console-ból az összes olyan lekérdezést az elmúlt 3 hónapból, amelyeknél az átlagos pozíciója 1-20. között van.
• Szűrje ki a saját márkaneves kifejezéseket.
• Rendezze a maradék listát megjelenítés (Impressions) szerint csökkenő sorrendbe, és azonosítsa azokat a kifejezéseket, ahol magas a megjelenítésszám, de alacsony (3% alatti) a CTR. Ezek a meglévő "quick win" lehetőségek, ahol a SERP layout megváltozása miatt sürgős cím (Title) és meta leírás optimalizálásra vagy a tartalom frissítésére van szükség.

• Válassza ki a 3 közvetlen hazai versenytársát.
• Használjon egy professzionális SEO szoftvert (Ahrefs vagy Semrush), de kizárólag a weboldalaik közötti kulcsszó-rés (Keyword Gap) kimutatására.
• Ne a legnagyobb volumenű szavakat másolja le! Keresse meg azokat a 3-4 szavas, ragozott vagy kérdés típusú kifejezéseket, amelyeknél a versenytársak az 1-5. helyen rangsorolnak, de az Ön weboldalán még nincs rájuk dedikált tartalom.

• Végezzen célzott kereséseket a Gyakorikérdések.hu és a releváns Facebook Csoportok / Reddit subredditek felületein a fő termékkategóriáival kapcsolatban.
• Gyűjtsön össze legalább 50 olyan valós kérdést, ahol a felhasználók csalódottságról, bizonytalanságról számolnak be (pl. "melyiket vegyem", "miért romlik el", "összehasonlítás").
• Ezeket a kérdéseket rendelje hozzá a meglévő termék- vagy szolgáltatásoldalaihoz mint kiemelt GYIK (FAQ) blokkokat.

• A meglévő és az újonnan talált kulcsszavakat csoportosítsa témakörök (szemantikai klaszterek) köré.
• Minden klaszterhez határozzon meg egyetlen "Pillér" (Pillar) oldalt és 3-5 hozzá kapcsolódó részletesebb "Aloldalt", amelyek belső linkekkel hivatkoznak a fő oldalra. Ez a struktúra jelzi a Google számára a megkérdőjelezhetetlen szakmai tekintélyt (Topical Authority) az adott témában.

• Készítsen tartalomgyártási tervet, ahol a prioritást nem a keresési volumen, hanem a üzleti relevanciája és az Information Gain potenciál határozza meg.
• Minden új tartalomhoz kötelezően rendeljen hozzá legalább egy darab saját készítésű grafikát, táblázatot vagy saját szakértői véleményt. 3 hónapon belül mérje a céllapok organikus konverziós arányának (CR%) és a szerzett tranzakcióknak a változását.

---

Cím: Magyar nyelvű kulcsszókutatás workflow 2026: Szemantikus SEO stratégia

Meta leírás: Felejtse el a hagyományos keresési volument! Lépésről lépésre bemutatjuk a modern, szemantikus alapú magyar nyelvű kulcsszókutatás folyamatát 2026-ban. Konkrét hazai esettanulmány adatokkal.