Hogyan optimalizáld a weboldalad LLM-ekre, hogy az AI is megtaláljon!

Az elmúlt egy-két évben alapjaiban változott meg az, ahogyan az emberek információt keresnek az interneten. Egyre többen nem a Google keresőjébe gépelnek be kulcsszavakat, hanem feltesznek egy kérdést a ChatGPT-nek, a Claude-nak, a Perplexity-nek vagy a Gemini-nek,és elvárják, hogy kapjanak egy összeszedett, használható választ. Nem tíz kék linket akarnak böngészni, hanem egy konkrét, lényegre törő összefoglalót.

Ez elsőre lehet, hogy nem tűnik nagy dolognak, de ha belegondolsz, az egész online jelenlét logikája átalakul. Mert ha az emberek nem a Google találati listáján keresnek, hanem egy AI válaszában, akkor hiába vagy az első helyen a hagyományos keresőben, ha az LLM nem hivatkozik rád, gyakorlatilag láthatatlan vagy egy egyre növekvő közönség számára.

Szóval beszéljünk arról, hogy mit tudsz tenni azért, hogy a weboldalad ne csak a Google-nek, hanem a nagy nyelvi modelleknek is emészthető legyen.

Először is: hogyan "gondolkodnak" az LLM-ek?

Ahhoz, hogy optimalizálni tudd az oldalad, érdemes megérteni, hogy az LLM-ek alapvetően másképp dolgozzák fel a webes tartalmat, mint a hagyományos keresőmotorok. A Google indexeli az oldalaidat, egy algoritmus rangsorolja őket különböző szempontok alapján, és kilistázza a találatokat. Ez egy jól ismert, jól dokumentált folyamat.

Az LLM-ek ezzel szemben nem rangsorolnak, válaszolnak. Amikor valaki megkérdezi a ChatGPT-t, hogy "melyik a legjobb projekt menedzsment eszköz kisvállalkozásoknak", akkor a modell nem egy listát dob ki a releváns weboldalakról, hanem összeállít egy választ, amihez különböző forrásokból merít. És az a kulcskérdés, hogy a te oldalad benne lesz-e ezekben a forrásokban, vagy sem.

Az AI modellek két fő úton jutnak tartalmakhoz. Az egyik a tanítási adatbázis: azok a weboldalak, könyvek, dokumentumok, amikből a modellt eredetileg tanították. A másik a valós idejű keresés, amit RAG-nak, vagyis Retrieval-Augmented Generation-nek hívunk, ilyenkor a modell aktívan keres az interneten, majd a találatok alapján fogalmazza meg a válaszát. Ha az oldalad mindkét csatornán jól teljesít, akkor jó eséllyel hivatkoznak rád az AI-ok.

Strukturált tartalom: az LLM-ek nyelve

A legfontosabb dolog, amit megtehetsz, az az, hogy a tartalmad struktúráját átgondolod. Az LLM-ek sokkal jobban boldogulnak olyan szövegekkel, amik logikusan tagoltak, egyértelmű hierarchiával rendelkeznek, és nem kell kitalálniuk, hogy mi mihez tartozik.

Ez konkrétan azt jelenti, hogy a heading-eket használd rendeltetésszerűen. A H1 legyen a cím, a H2-k legyenek a fő szekciók, a H3-ak az alszekciók. Ne ugrálj a szintek között, ne használj H3-at dekoratív célból, és ne legyen az egész oldal egyetlen hosszú, tagolatlan szövegfolyam. (Eddig hasonló, mint a sima SEO)

Írj rövid, önálló bekezdéseket, amiket az AI ki tud ragadni kontextusból is. Ha valaki megkérdezi a Claude-ot vagy a Perplexity-t, hogy "hogyan működik az X", és a te oldaladon van egy tiszta, jól strukturált válasz erre a kérdésre, két-három bekezdésben, a lényegre koncentrálva, akkor lehet, hogy a te tartalmadból fog meríteni a modell.

A listák és táblázatok szintén sokat segítenek. Az LLM-ek imádják az összehasonlító táblázatokat, a számozott lépéseket, a pro/kontra listákat. Ezek könnyen feldolgozható, egyértelmű adatpontok, amiket a modell magabiztosan tud idézni.

Az llms.txt – a robots.txt AI-s megfelelője

Van egy viszonylag friss szabvány, amiről még kevesen tudnak, de szerintem hamarosan alapvető lesz: az llms.txt. Úgy képzeld el, mint a robots.txt-t, csak nem a keresőmotoroknak szól, hanem az AI modelleknek.

Az llms.txt egy egyszerű Markdown fájl, amit a weboldalad gyökérkönyvtárába raksz, és amiben összefoglalod az oldalad lényegét: mi ez az oldal, miről szól, mik a legfontosabb oldalak, hol találhatók a kulcsfontosságú dokumentumok. Gyakorlatilag egy térképet adsz az LLM-nek, ahelyett, hogy magának kellene kitalálnia a struktúrát.

A formátuma nagyon egyszerű: egy H1 cím az oldal nevével, egy rövid összefoglaló blockquote-ban, aztán a fontos oldalak linkjei rövid leírásokkal. Semmi bonyolult, semmi programozás, ha tudsz Markdown-t írni, meg tudod csinálni. (Mindenki tud Markdownt írni, vagy mindenkinél vagy egy AI aki tud)

Ha WordPress-t használsz, a Yoast SEO plugin már támogatja az llms.txt automatikus generálását, szóval elég bekapcsolni a beállításokban. Más platformokon kézzel kell létrehozni, de ez sem tart sokáig.

Hogy miért éri meg? Mert az AI modellek, különösen azok, amelyek valós idejű keresést használnak, egyre inkább keresik ezeket a fájlokat, hogy gyorsan és pontosan meg tudják érteni, miről szól egy weboldal. Ha te ott vagy ezzel a fájllal, előnyben vagy azokkal szemben, akiknél a modellnek magának kell összekaparnia az információt a nyers HTML-ből.

Schema markup: a gépek számára olvasható kontextus

A Schema.org struktúrált adatok mindig is fontosak voltak a SEO-ban, de az LLM-optimalizálásban különösen felértékelődnek. A JSON-LD formátumú schema markup lényegében egy gépileg olvasható réteget ad a tartalmadhoz: megmondja az AI-nak, hogy ez itt egy blogbejegyzés, ez egy termékoldal, ez egy FAQ, ez egy recept, ez egy cég bemutatkozó oldala.

Ami az LLM-ek számára igazán értékes a schemából: a szerzői információk (ki írta, milyen szakértelemmel), a dátumok (mikor készült, mikor frissült), az entitáskapcsolatok (melyik szervezethez tartozik, milyen kategóriában mozog). Ezek mind olyan jelek, amiket a modell felhasznál, amikor eldönti, mennyire bízik meg egy forrásban.

A minimum, amit érdemes megvalósítani: Article vagy BlogPosting schema a cikkekhez, Organization schema a cégoldalhoz, FAQ schema a gyakori kérdésekhez, és Product schema, ha van webshopod. Ezek nem helyettesítik a jó tartalmat(!), de segítenek az AI-nak gyorsabban megérteni és kategorizálni, amit talál.

E-E-A-T: a bizalom, amit az AI is keres

Ha már hallottál a Google E-E-A-T keretrendszeréről – Experience, Expertise, Authoritativeness, Trustworthiness, akkor jó hír: az LLM-ek hasonló szempontokat mérlegelnek, csak más módon.

Amikor egy AI modell eldönti, hogy melyik forrásból merítsen, akkor, leegyszerűsítve, azt vizsgálja, hogy a tartalom mennyire hiteles, mennyire konzisztens más forrásokkal, és mennyire tűnik szerzői szaktudáson alapulónak. Ha az oldalad szerzői profilokkal rendelkezik, ha az állításaid mögött hivatkozások vannak, ha a tartalmad egybecseng azzal, amit a modell más megbízható forrásokból tud, akkor jó eséllyel idézni fog téged.

Ez azt is jelenti, hogy a "ki vagy te" kérdés fontosabb, mint valaha. Ha van rólad Wikipedia szócikk, ha a neved megjelenik szakmai publikációkban, ha más hiteles oldalak hivatkoznak rád, ezek mind erősítik az AI-s láthatóságodat. Nem azért, mert az LLM közvetlenül méri a backlinkjeidet, hanem azért, mert a tanítási adatokban és a valós idejű forrásokban is megjelensz mint megbízható entitás.

A tartalom frissessége fontosabb, mint gondolnád

Az LLM-ek, különösen a RAG-alapú keresést használók, mint a Perplexity vagy a ChatGPT web browsing módja, kifejezetten figyelnek arra, hogy a tartalom mikor frissült utoljára. Ha van egy cikked, ami két éve íródott és azóta nem nyúltál hozzá, az kevésbé valószínű, hogy bekerül egy friss válaszba, mint egy nemrég frissített tartalom.

Ez nem azt jelenti, hogy havonta újra kell írnod mindent. De azt igen, hogy a fontos oldalaidon érdemes rendszeresen frissíteni a dátumokat és a tartalmat, hozzáadni friss adatokat, aktualizálni az elavult információkat, jelezni a dateModified mezőben, hogy a tartalom karbantartott. Az LLM-ek ezt figyelik, és az újabb tartalmakat előnyben részesítik.

Egy jó stratégia az, ha a legjobban teljesítő tartalmaidat negyedévente átnézed: van-e bennük elavult adat, hivatkozás, ami már nem él, vagy szempont, amit érdemes kiegészíteni. Ez SEO szempontból is hasznos, de az LLM-láthatóságodra különösen jó hatással van.

Technikai alapok, amiket nem szabad kihagyni

Van néhány technikai feltétel, ami nélkül hiába a tökéletes tartalom, az AI egyszerűen nem fog hozzáférni.

Először is: ellenőrizd a robots.txt fájlodat. Ha blokkolod az AI crawlereket, és meglepően sok oldal teszi ezt, néha tudatlanul, akkor az LLM-ek nem tudják bejárni az oldalad. Győződj meg róla, hogy az AI ügynökök, mint a ChatGPT-bot, a Google-Extended vagy az Anthropic crawlere hozzáférnek a tartalmadhoz.

Másodszor: ha JavaScript-heavy az oldalad, mondjuk React vagy Next.js alapú SPA –, győződj meg róla, hogy server-side renderinget vagy statikus exportot használsz. Az LLM-ek crawlerei nem futtatnak JavaScriptet, szóval ha a tartalmad csak kliens oldali renderelés után jelenik meg, az AI számára az oldal üres.

Harmadszor: legyen sitemap.xml-ed, és legyen naprakész. Az LLM-ek valós idejű keresőmotorjai, különösen a Bing, amit a ChatGPT is használ – a sitemapre támaszkodnak az indexelésnél. Ha a sitemaped elavult vagy hiányos, tartalmak maradnak ki.

Negyedszer: a meta description-öket ne hagyd üresen. Az AI modellek számára a meta description egy nagyon magas jelzésértékű összefoglaló, lényegében ez az első dolog, amit a modell elolvas az oldaladról, mielőtt eldönti, hogy érdemes-e mélyebben belenéznie. Írj tömör, informatív, lényegre törő meta description-öket, amiket egy LLM közvetlenül fel tud használni válaszgeneráláshoz.

A hagyományos SEO nem hal meg csak kiegészül

Fontos tisztázni: mindaz, amit eddig SEO-ban csináltál, nem lesz felesleges. A hagyományos keresőoptimalizálás továbbra is a legnagyobb forgalomhajtó a legtöbb weboldal számára.

Ami változik, az az, hogy mellé jön egy új réteg. Az LLM SEO, vagy ahogy egyre többen hívják, GEO vagy AEO, vagyis Generative Engine Optimization, nem helyettesíti a hagyományos SEO-t, hanem kiegészíti. A kettő együtt biztosítja, hogy a weboldalad mind a klasszikus keresőkben, mind az AI-alapú válaszgeneráló rendszerekben jelen legyen.

A jó hír az, hogy a két terület nagyrészt átfedi egymást. Ami jó a Google-nek, tiszta struktúra, hiteles tartalom, technikai rendben lévő oldal, az nagyrészt jó az LLM-eknek is. Az extra lépések, llms.txt, finomhangolt schema, konzisztens entitáskezelés, frissítési stratégia nem óriási plusz munka, de komoly előnyt adhatnak.