AEO alapelvei: kérdés-válasz struktúra, entitások, strukturált adatok

Az AEO alapelvei a tartalom oldaláról a kérdésorientált és jól strukturált információ, a jelentés oldaláról az entitásokra fókuszáló, kontextusgazdag tartalom, a technikai oldalról pedig a strukturált adatokkal támogatott oldal. E hármas együttes alkalmazásával sokkal “AI-barátabbá” tesszük a weboldalunkat.

Az Answer Engine Optimization sikerének titka, hogy más szemmel tekintsünk a tartalomra: nem pusztán egy blogcikket vagy termékleírást látunk benne, hanem kérdések és válaszok gyűjteményét, amelyet a gép könnyen értelmez és kiemel. Ebben a bejegyzésben sorra vesszük az AEO alapelveit, melyek közül kiemelkedik három fontos terület: a kérdés-válasz struktúra a tartalomban, az entitások szerepe, és a strukturált adatok használata. Ezek mind azt szolgálják, hogy a keresőmotorok és válaszmotorok a lehető legjobban megértsék és felhasználják a tartalmunkat a saját válaszaikhoz.

Kérdés-válasz struktúra kialakítása

A válaszoptimalizálás egyik alaptétele, hogy fogalmazd meg a felhasználók kérdéseit, majd válaszold meg azokat közvetlenül a tartalmadban. Miért fontos ez? Mert a mesterséges intelligencia rendszerek számára az ideális forrás olyan, mintha egy kész párbeszéd lenne. Adott egy kérdés, alatta a frappáns válasz. Ha ezt tálcán kínálod a weboldaladon, sokkal valószínűbb, hogy az AI abból dolgozik majd, hiszen nem neki kell kibogarászni a választ egy hosszú szövegből, te már kiemelted neki.

Praktikusan ez azt jelenti, hogy érdemes GYIK (FAQ) szekciókat létrehozni, vagy akár a cikkeken belül alcímként feltenni a fontos kérdéseket. Például, ha van egy blogposztod a kávézás előnyeiről, tegyél bele ilyen alcímeket: „Egészséges-e a napi kávéfogyasztás?”, „Mennyi koffein biztonságos egy nap?” – és mindegyikre adj közvetlen választ egy bekezdésben. Az sem baj, ha ez kicsit didaktikusnak tűnik, a kutatások szerint pontosan ez a nyerő stratégia. Neil Patel rámutat, hogy a tartalomban elhelyezett FAQ szekciók pont célba találnak, hiszen a hagyományos és hangalapú keresések is gyakran ilyen kérdés formájú lekérdezések. Továbbá egy hangalapú keresési tanulmány is kimutatta, hogy a voice search válaszok túlnyomó többsége (70%-a) valamilyen kiemelt SERP elem (pl. GYIK vagy snippet) volt.

Hogyan néz ki egy jó kérdés-válasz blokk? Rövid kérdés, tömör válasz. Ideális, ha a válasz elfér kb. 40-50 szóban, mert a featured snippetek is rendszerint ilyen terjedelműek, és a hangasszisztensek is nagyjából ennyit olvasnak fel egyszerre. A válasz első mondata legyen nagyon egyértelmű, mintha egy definíciót vagy lényegi összegzést adnál. Utána kifejtheted kicsit bővebben is. Például:

• Kérdés: Mi az a fair trade kávé?
• Válasz: A fair trade kávé olyan kávé, amelyet méltányos kereskedelmi feltételek mellett állítottak elő. Ez azt jelenti, hogy a termelők tisztességes árat kapnak érte, és fenntartható gazdálkodási gyakorlatokat követnek. (stb.)

Látható, hogy a válasz eleje lényegre törő, önmagában is megáll. Ez fontos, mert ha az AI csak az első mondatot emeli ki, abból is megkapja a lényeget.

Emellett struktúráld is a válaszaidat, ahol lehet. Ha egy listát sorolsz fel (pl. előnyök, lépések), használd a felsorolásjelet vagy számozást. A Google és társai imádják a listákat, mert azokat könnyen be tudják tenni snippet formában (“Íme a 5 fő tipp: …”). Ugyanez igaz a táblázatokra: ha például különbségeket mutatsz be (pl. csomagok összehasonlítása), egy táblázatot az AI is át tud emelni, vagy legalábbis jól értelmezi.

Entitások és jelentés: az entity-first megközelítés

Az entitás egy SEO-ban használt fogalom, ami lényegében egy konkrét dologra (személy, hely, fogalom, márka stb.) utaló egyedi azonosítható egységet jelent. A keresőmotorok ma már nem csak szöveget, hanem entitásokat is látnak a tartalomban, például felismerik, hogy a Mars szó az egy bolygóra vagy egy csokimárkára utal-e a kontextus alapján. Az AEO-ban az entitások szerepe kiemelt. Egy mesterséges intelligencia alapú rendszer a feltett kérdést is entitásokra és kapcsolatokra bontja, és a választ is azok mentén keresi.

Mit tehetünk ennek érdekében? Legyünk egyértelműek abban, miről szól a tartalmunk, milyen entitásokhoz kapcsolódik. Például, ha egy cikk a Balaton halairól szól, akkor nevezd meg a fontos halakat (süllő, ponty, stb.), használj rokon értelmű kifejezéseket (Balaton, tó, magyar tenger), hogy a kereső / AI jól be tudja kategorizálni a témát. Az entity-first tartalomkészítés lényege, hogy a kulcsszócentrikus gondolkodás helyett a téma mélységére és az összefüggő fogalmakra koncentrálunk. Ez azért fontos, mert az AI válaszok gyakran összetett kérdésekre születnek, ahol több entitás kapcsolódik össze (pl. X termék és Y termék összehasonlítása ár és értékelések alapján). Ha a tartalmad lefedi az összes releváns entitást és információt, nagyobb eséllyel választja az AI a te anyagodat forrásként.

A márka szempontjából is fontos az entitáskezelés. Az AEO nem csak cikkeknél értelmezhető, hanem pl. céges adatoknál is. Például győződj meg róla, hogy a céged neve, címe, termékei konzisztensen vannak feltüntetve mindenhol (weboldal, Google Cégem, egyéb adatbázisok), mert így az AI tudja, hogy ugyanarról az entitásról van szó. Az NP Digital (Neil Patel ügynöksége) például kifejezetten entitás-konszolidációra fókuszál az AEO stratégiájában, vagyis arra, hogy az adott brand vagy termék mindenhol ugyanúgy és egyértelműen jelenjen meg, és ezáltal magas bizalmi pontszámú entitásként kezelje az AI. Egy másik példa: egy elemzésben azt találták, hogy a pénzügyi szektorban az AI-válaszoknál az entitás autoritása (tehát pl. egy bank neve mennyire megbízható entitásként) többet nyomott a latban, mint a puszta backlink mennyiség. Tehát lehet, hogy nem a legtöbb linkkel rendelkező oldal lett idézve, hanem az, amelyik mondjuk egy hivatalos banki oldal (erős entitás, nagy tekintély).

Hogyan építs entitás szintű tekintélyt? Egyrészt publikálj sok, témádhoz kapcsolódó minőségi tartalmat (ez növeli a topic authority-t, vagyis hogy a te oldalad egy adott entitáshalmazhoz elismert forrás legyen). Másrészt használj strukturált adatot az entitások jelölésére (erről mindjárt). Harmadrészt pedig a márkaépítés és PR is segít: ha sok helyen említik a márkádat (cikkekben, közösségi médiában, véleményekben), a mesterséges intelligencia látja, hogy egy létező és fontos entitásról van szó, amit érdemes ajánlani. Neil Patel kutatása szerint a ChatGPT gyakran azokat a márkákat javasolja a válaszaiban, amelyek sok online említéssel és jó értékelésekkel rendelkeznek (pl. termékajánlóknál). Ez lényegében az entitás autoritásának hatása.

Strukturált adatok: a gép nyelvén való beszéd

A harmadik alapelv a strukturált adatok (schema markup) használata. Ez technikailag része a SEO-nak is már évek óta, de az AEO-ban még kritikusabb szerepet kap. A strukturált adatok lényege, hogy a weboldalad HTML kódjában külön jelzed a keresőrobotoknak, pontosan milyen típusú információ található az oldalon. Ehhez általában a Schema.org szabványt használjuk, JSON-LD formátumban. Például ha van egy recept oldalad, a megfelelő schema jelöléssel megadhatod külön a hozzávalókat, főzési időt, kalóriaértéket stb., így a Google könnyebben ki tud emelni pl. egy “főzési idő: 30 perc” adatot.

AEO szempontból különösen fontos schema típusok a GYIK (FAQPage) és a Kérdés-Válasz (QAPage) sémák. A FAQPage schema segítségével jelzed, hogy az oldalon gyakori kérdések és válaszok listája található. Ha ezt helyesen alkalmazod, a Google meg is jelenítheti a találati listán a kérdéseket lenyitható formában (ez már önmagában SEO előny), illetve a jövőben az AI átveheti ezeket a GYIK válaszokat. A QAPage schema hasonló, de tipikusan fórum jellegű oldalaknál használják, ahol van egy kérdés és több közösségi válasz. Magyarországon talán kevésbé releváns, de pl. egy ügyféltámogatási tudásbázisnál jól jöhet.

Fontos, hogy a strukturált adat nem látható a felhasználónak, de a keresőmotoroknak annál inkább. Olyan ez, mintha a háttérben elmagyaráznád a Google-nek, Bingnek, hogy mi micsoda az oldaladon. A Google hivatalos dokumentációja is kiemeli, hogy a FAQ strukturált adatok segítenek abban, hogy az emberek könnyebben megtalálják az információt, hiszen pl. mobilon nem kell végiggörgetni egy hosszú cikket, hanem a találati listában rögtön látják a kérdéseket.

A válaszoptimalizálásban pedig ez az előny hatványozottan jelentkezik, amikor a Google SGE vagy más válaszmotor átolvassa az oldaladat, a schema markup alapján pontosan tudni fogja, hol vannak a kérdések és mik a rájuk adott válaszok. Ezáltal nagyobb az esély, hogy azt a választ emeli ki. Gondolj bele, két hasonló oldal közül melyiket könnyebb felhasználni egy AI-nak, amelyiken strukturált adatban ott van, hogy Kérdés: X, Válasz: Y., vagy azt, ahol ezt neki kell kihámoznia a szövegből? Egyértelműen az előbbit.

Néhány példa fontosabb schema jelölésekre AEO szempontból: – FAQPage: Ha van GYIK szekciód. Tartalmaznia kell a kérdés szövegét és a válasz szövegét JSON-LD-ben. (Ügyelj arra, hogy olyat jelölj FAQ-nak, ami tényleg kérdés-válasz formában szerepel az oldalon, különben a Google nem veszi figyelembe.) – HowTo: Ha útmutatót adsz lépésről lépésre. Ezzel akár a Google-nél megjelenhetnek számozott lépések gazdag találatként. Az AI is könnyebben felismeri a lépések struktúráját. – Recipe, Product, Review sémák: Ezek a saját területükön segítenek. Pl. receptnél a “recipeIngredient” lista, vagy terméknél a “aggregateRating” (átlagos értékelés) mező. A Bing vagy a voice assistant lehet, hogy egy konkrét adatot keres: “Hány kalória van ebben a receptben?” – ha ezt schema-ban jelölted, nyert ügy.

A strukturált adat azonban nem csodaszer önmagában. A tartalom minőségét nem helyettesíti, de kiegészíti. Olyan ez, mint a könyvtárban a katalóguscédula. Hiába van meg a könyv, ha nincs rendesen katalogizálva, nehéz megtalálni. A keresőoptimalizálásban már láttuk, hogy a strukturált adatok rich resultokat hozhatnak a SERP-en (pl. csillagok, esemény dátumok stb. a találatok alatt). Az AEO-ban pedig a strukturált adatok a találatból válasszá lépés kulcsa, mintegy összekapcsolják az oldaladat a tudásgráffal. Ha a Google Knowledge Graph érti, hogy te pl. egy entitás hivatalos oldala vagy, vagy hogy a cikked mely entitásokról szól, akkor magabiztosabban építi be a válaszába.

Entitások + strukturált adatok = még erősebb páros. Gondolj például a címtár jellegű bejegyzésekre (üzleti listák, adatbázisok). Ha a vállalkozásod fenn van Google Cégemben, vagy iparági katalógusokban strukturált adatként, az AI könnyen ki tudja nyerni. Neil Patel is javasolja, hogy minden lehetséges helyen regisztráld a céged adatait, mert az AI is ezeket használja fel válaszaihoz. Ha valaki megkérdezi: “Nyitva van most az XY bolt?”, a válaszmotor a strukturált adatokból (pl. Google Cégem profilodból) fog tájékozódni. Ahol pedig hiányos az adat, ott bizonytalankodhat, vagy egyáltalán nem a te üzletedet említi.