O

A klasszikus SEO logikája 2026-ban megrepedt. A Google AI Overviews — amelyet január 27. óta a Gemini 3 hajt — ma az amerikai keresések nagyjából felén-háromnegyedén megjelenik, és a B2B vásárlók közel fele már AI-eszközzel kutatja fel a szállítóit, mielőtt egyáltalán rákattintana egy weboldalra. A tét ezért megváltozott: a kérdés már nem az, hogy hányadik vagy a találati listán, hanem hogy bekerülsz-e abba az egyetlen összefoglaló válaszba, amit a vásárló elolvas.

És itt jön a kényelmetlen rész. Egy 2026 eleji, közel négymillió AI Overview-hivatkozást vizsgáló iparági elemzés szerint a hivatkozott oldalaknak már csak a töredéke szerepel a klasszikus top 10-ben — szemben az egy évvel korábbi háromnegyedes aránnyal. Vagyis a rangsor és az idézettség szétvált. Egy gyengébben rangsoroló, de tisztán strukturált, hiteles szerzőhöz kötött oldal ma rendszeresen kiüt egy magas domain-tekintélyű, de névtelen, struktúrátlan versenytársat.

Ez az útmutató pontosan ezt a két emelőt — a szemantikus HTML-struktúrát és a sémamarkálást — fordítja le konkrét, ma bevethető lépésekre B2B szoftvercégek számára. A keretrendszer, amin végigvezetlek, Róth Miklós SICT Protokollja, amely az algoritmikus tekintélyépítést négy mérnöki rétegre bontja.

Az AI Overviews korában nem a tartalmat rangsorolják, hanem az entitásokat idézik. A feladatunk nem az, hogy a gép „megtalálja” a céget — hanem hogy egyértelmű, gépi olvasásra kész tekintélyként ismerje fel.

01 — A VALÓSÁG: Mit változtatott meg a Gemini 3 az AI Overviews-ban?

A Gemini 3 (2026. január 27. óta él) szintetizáló választ ad a keresések többségére, és a válaszhoz csak néhány forrást idéz. A megjelenés mércéje már nem a rangsorhely, hanem az, hogy a tartalmad gépi olvasásra kész, önálló válaszblokkokból áll-e, amelyeket egyértelmű entitás-jelzés (schema) támogat.

A korábbi modellben a cél a tíz kék link valamelyike volt. Az új modellben a felhasználó gyakran el sem jut a linkekig: a válasz a SERP tetején, az AI Overviews-ban összeáll. Ezt nevezik zero-click keresésnek, és B2B-ben különösen veszélyes, mert a vásárló a döntés-előkészítés legértékesebb szakaszában „beragad” az összefoglalóba.

A jó hír: a rendszer kiszámítható. Az AI azokat a forrásokat részesíti előnyben, amelyek a) tisztán strukturáltak, b) verifikálható entitáshoz (cég + szerző) köthetők, és c) önmagukban is teljes választ adnak egy konkrét kérdésre. Ez a három feltétel mind technikai — tehát mind tudatosan megépíthető.

02 — A PARADIGMAVÁLTÁS: Miért nem a domain-tekintély dönt többé?

Mert az AI-keresőmotorok nem oldalakat rangsorolnak, hanem entitásokat hívnak le és igazolnak. 2026-os elemzések szerint a domain-tekintély és az AI-idézettség közötti korreláció elenyészővé zsugorodott — a döntő tényező a szerző-entitás hitelessége és a séma-lánc tisztasága lett.

Ez a B2B SaaS-szektornak konkrét — és kényelmetlen — következménnyel jár: a névtelen content-marketinges által írt, általános „útmutató” típusú tartalom, ami évekig az iparág alaptermése volt, ma idézhetetlen. Az AI a kockázatát csökkenti, amikor választ generál; ezért olyan forráshoz nyúl, amely mögött azonosítható, valós szakértő áll.

Az E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) így 2026-ban nem marketinges szlogen, hanem gyakorlati szűrő. A három, ezt megalapozó technikai jel:

• Verifikálható szerzőség — a tartalom konkrét Person entitáshoz kötve, hitelesítő külső kapcsolatokkal (sameAs: LinkedIn, Wikidata, saját szakmai oldal).
• Entitás-tisztaság — a cég, a szerző és a termék következetesen, ugyanúgy van definiálva minden platformon.
• Idézet-fegyelem — eredeti adat, valós forrás, pontos állítás. A „folyékony, de bizonyíték nélküli” szöveget az AI ma büntető logikával kezeli.

03 — STRUCTURE: Hogyan strukturálja a tartalmat szemantikus HTML-lel?

Építse a tartalmat kérdés-alapú H2/H3 címsorokra, és minden címsor alá tegyen egy önállóan is értelmes, közvetlen választ. Az AI gyakran egyetlen szakaszt emel ki — ezért minden blokknak önmagában is teljes igazságnak kell lennie.

Ez a SICT első rétege: a Structure. A szemantikus HTML nem dekoráció — ez az a térkép, amelyen a Gemini navigál. A gyakorlati szabályok:

1. A címsor a kérdés, a bekezdés a válasz

Minden H2/H3 fogalmazódjon meg úgy, ahogy a vásárló a keresőbe írná („Hogyan integrálható az X a Salesforce-szal?”), és közvetlenül alatta álljon egy 40–60 szavas, teljes válasz. Ez a „definíció-először” minta a featured snippet és az AI Overview közös belépője.

2. Valódi szemantikus elemek

Használjon <article>, <section>, <h1>–<h3> hierarchiát egyetlen H1-gyel; a felsorolásokhoz <ul>/<ol>-t, az összehasonlításhoz valódi <table>-t. A számozott lépések és a táblázatok aránytalanul gyakran kerülnek be az AI-válaszokba.

3. Önálló blokkok („standalone” elv)

Tegye fel a tesztet: ha kimásolja egyetlen bekezdését kontextus nélkül, megáll a saját lábán? Ha nem, az AI sem fogja kiemelni. Kerülje a „mint fentebb láttuk” típusú belső hivatkozásokat a kulcs-válaszblokkokban.

04 — INFORMATION: Milyen sémákat használjon — és milyen sorrendben?

Kizárólag JSON-LD formátumban, prioritási sorrendben: Organization (az entitás alapja) → Person (a szerző tekintélye) → SoftwareApplication / Article → FAQPage → HowTo. A Microdata és az RDFa gyakorlatilag elavult — ne használja.

Ez a SICT második rétege: az Information — explicit, gépi jelzés arról, hogy mi micsoda. A strukturált adat fontossága megnőtt, de érdemes őszintének lenni: a Google maga is azt mondja, hogy a séma nem kötelező az AI Overviews-hoz, és nincs egyetlen „varázssémája” sem. A séma nem helyettesíti a gyenge tartalmat vagy a hiányzó tekintélyt — hanem egyértelművé teszi azt, ami már megvan. Ott ad valódi előnyt, ahol erős tartalmat erős entitás-jelzéssel párosít.

A FAQPage-csapda — és miért használja mégis

A Google 2023 augusztusában a legtöbb oldal számára visszavonta a FAQ rich result megjelenítését (a vizuális „harmonika” ma jellemzően csak hatósági és egészségügyi oldalakon jelenik meg). Sok SEO-s ezért leírta a FAQPage sémát. Az AI-motorok viszont az ellenkezőjét tették: jobban támaszkodnak rá, mert a kérdés-válasz párok pontosan azt a formátumot adják, amiből közvetlen választ generálhatnak. Két feltétel azonban kőbe van vésve: a kérdéseknek láthatóan szerepelniük kell az oldalon, és a válaszoknak pontosan egyezniük kell a markálással. (Ennek a cikknek a GYIK-szekciója is így épül fel.)

2026 januári deprekációk: a Google kivezetett néhány ritkán használt típust (pl. Practice Problem, Dataset, Sitelinks Search Box), de a teherbíró maghoz — Organization, Article, Person, Product, Review — nyugodtan kötheti a stratégiáját.

05 — COHESION: Hogyan építse fel az entitás-láncot?

Egyetlen @graph tömbben kösse össze az entitásokat egyedi @id hivatkozásokkal: Organization ↔ Person ↔ SoftwareApplication ↔ Article. Így az AI nem külön szövegdarabokat lát, hanem egy összefüggő tudásgráfot — „ez a cég, ezt a szakembert foglalkoztatja, aki ezt a cikket írta erről a szoftverről”.

Ez a SICT harmadik rétege: a Cohesion. A leggyakoribb hiba, hogy a cégek külön, egymástól független séma-blokkokat raknak ki, @id nélkül — és a Google nem tudja összekötni az entitásokat. A megoldás a @graph + @id horgonyzás, kifelé pedig a sameAs (LinkedIn, Wikidata, saját szakmai aldomain), amely a külső tudásgráfhoz kapcsolja a szerzőt.

06 — TRANSFORMATION: Hogyan néz ki ez összerakva? (JSON-LD sablon)

Ez a SICT negyedik rétege: a Transformation — amikor a struktúra és a jelzés egyetlen, telepíthető eszközzé áll össze. Az alábbi sablon egy B2B SaaS terméklaphoz/cikkhez összekötött @graph-ot mutat. A // CSERÉLD jelölésű helyeket töltsd ki a valós adatokkal — soha ne hagyj benne kitalált URL-t vagy ID-t.

schema.jsonld · @graph

<!-- A <head>-be vagy a tartalom alá, külön <script> blokkban -->
<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://pelda-saas.hu/#org",        // CSERÉLD
      "name": "Példa SaaS Kft.",
      "url": "https://pelda-saas.hu/",
      "sameAs": [
        "https://www.linkedin.com/company/..."     // CSERÉLD
      ]
    },
    {
      "@type": "Person",
      "@id": "https://pelda-saas.hu/#szerzo",
      "name": "Róth Miklós",
      "jobTitle": "Algoritmikus tekintélyépítés szakértő",
      "worksFor": { "@id": "https://pelda-saas.hu/#org" },
      "sameAs": [
        "https://rothaiconsulting.com",
        "https://rothcomplexity.org",
        "https://www.linkedin.com/in/..."          // CSERÉLD
      ]
    },
    {
      "@type": "SoftwareApplication",
      "@id": "https://pelda-saas.hu/#termek",
      "name": "Példa Platform",
      "applicationCategory": "BusinessApplication",
      "operatingSystem": "Web, iOS, Android",
      "offers": {
        "@type": "Offer",
        "price": "29.00",                          // CSERÉLD valós ár
        "priceCurrency": "EUR"
      },
      "provider": { "@id": "https://pelda-saas.hu/#org" }
    },
    {
      "@type": "Article",
      "@id": "https://pelda-saas.hu/blog/aio#cikk",
      "headline": "Hogyan uralja B2B szoftvere a Google AI Overviews-t?",
      "author": { "@id": "https://pelda-saas.hu/#szerzo" },
      "publisher": { "@id": "https://pelda-saas.hu/#org" },
      "about": { "@id": "https://pelda-saas.hu/#termek" },
      "datePublished": "2026-05-24",
      "dateModified": "2026-05-24"
    },
    {
      "@type": "FAQPage",
      "@id": "https://pelda-saas.hu/blog/aio#gyik",
      "mainEntity": [{
        "@type": "Question",
        "name": "Kötelező a séma az AI Overviews-hoz?",
        "acceptedAnswer": {
          "@type": "Answer",
          "text": "Nem kötelező, de erősen ajánlott..."  // pontosan = az oldalon látható szöveg
        }
      }]
    }
  ]
}
</script>

Validálás telepítés előtt — mindig: Google Rich Results Test, a Schema.org Markup Validator, majd publikálás után a Google Search Console > Enhancements riport. A leggyakoribb hibák: hiányzó @context, @id nélküli @graph-elemek, és rossz dátumformátum.

07 — MÉRÉS: Mit kövessen, és mikorra hat?

Új séma indexelése jellemzően 2–6 hét, az idézési viselkedés ezután 4–12 héten belül kezd elmozdulni (a Perplexity gyorsabban, mert lekérdezéskor olvas; a tisztán tréningalapú modellek lassabban). Türelem és mérés kell — ez nem azonnali kapcsoló.

A 2026-os, AI-korszakhoz illő mutatók — nem a régi pozíció-tracking:

• AI Overview impresszió-arány — az AI-megjelenésekből származó impressziók aránya (GSC).
• Idézési gyakoriság — milyen gyakran idézik a tartalmadat a cél-kérdésekre.
• Séma-hibaarány — GSC > Enhancements riport.
• Rich result CTR-delta — az átkattintási arány változása a séma bevezetése után.

08 — VÉGREHAJTÁS: 14 napos taktikai checklista

1. Audit: futtasd a 20 legfontosabb oldaladat a Rich Results Test-en, jelöld a hiányzó sémát.
2. Telepítsd az Organization sémát sameAs hivatkozásokkal — ez az entitás-alap.
3. Hozz létre valós szerzői oldalakat, mindegyikhez Person sémával és sameAs hitelesítéssel.
4. Alakítsd át a kulcsoldalak címsorait kérdés-formába, alá önálló válaszblokkokkal.
5. Kösd össze az entitásokat egyetlen @graph-ban @id hivatkozásokkal.
6. Adj SoftwareApplication sémát a terméklapokhoz (kategória, OS, ár).
7. Tegyél látható GYIK-et a fő oldalakra, FAQPage sémával — a szöveg pontosan egyezzen.
8. Validálj, publikálj, küldd be a sitemapet, majd 4–12 hétig mérj a GSC-ben.

GYIK

Kötelező a strukturált adat a Google AI Overviews-hoz?

Nem kötelező, és nincs egyetlen „varázssémád” sem — ezt a Google is megerősíti. Ugyanakkor erősen ajánlott: a séma fordítórétegként működik az AI és a tartalmad között, így az nem találgat, hanem explicit jelzésből érti meg az entitásaidat. A legnagyobb előnyt akkor adja, ha erős tartalmat és valós szerzői tekintélyt párosítasz hozzá.

Melyik a legfontosabb séma típus B2B SaaS-nak?

Az Organization az alap, mert ez definiálja a márkát mint entitást. Erre épül a Person (szerzői tekintély) és a SoftwareApplication (a termék mint entitás). Ezt a hármat kösd össze egy @graph-ban — ez adja a legnagyobb emelőt.

Még mindig érdemes FAQPage sémát használni 2023 után?

Igen. A Google 2023-ban a legtöbb oldalnak visszavonta a vizuális FAQ-megjelenítést, de az AI-motorok továbbra is erősen támaszkodnak a kérdés-válasz párokra a közvetlen válaszgeneráláshoz. Feltétel: a kérdések legyenek láthatóak az oldalon, a válaszok pedig pontosan egyezzenek a markálással.

Mennyi idő alatt hat a séma az AI-idézettségre?

Az új séma indexelése jellemzően 2–6 hét, az idézési viselkedés ezután 4–12 héten belül kezd elmozdulni. A Perplexity gyorsabban reagál, mert lekérdezéskor olvas; a tréningalapú rendszerek lassabban. Mérj türelemmel a Search Console Enhancements riportjában.

Módszertani megjegyzés: az útmutatóban szereplő iparági arányok (AI Overviews lefedettség, rangsor–idézettség szétválása, indexelési időablakok) 2025–2026-os nyilvános SEO/AEO-elemzéseken alapulnak, és platformfrissítésenként változhatnak. A séma-specifikációk hiteles forrása a Google Search Central. A JSON-LD sablon példaértékű — telepítés előtt cseréld valós adatokra és validáld.