Hogyan hoz ténylegesen ügyfeleket az AI-láthatóság? Az AI-választól az érdeklődésig

Az AI-láthatóság úgy hoz ügyfeleket, hogy a régi rangsorolás–kattintás-tölcsér helyébe egy rövidebb lép: a vevő feltesz egy kérdést, az AI-rendszer megválaszolja és megnévli a márkádat, ez az ajánlás pedig vagy előkvalifikált látogatót irányít a weboldaladra, vagy közvetlen érdeklődést vált ki. A mechanizmus a citációs részesedés – hogy a márkádat milyen gyakran idézik az AI-válaszokban –, és azok a cégek nyerik meg 2026-ban az érdeklődéseket, amelyek erre építik a tartalmat, az entitásokat és a mérést. Három tényező dönti el, hogy a hivatkozásból ügyfél lesz-e: az ügyfélút mely szakaszában idéznek, mennyi bizalmat közvetít az AI ajánlása, és le tudod-e mérni a keresletet. Nézzük mindegyiket.
Az új vevői út: kérdés, válasz, hivatkozás, kapcsolatfelvétel
A régi út lineáris volt: keresés, rangsorolás, kattintás, konverzió. A Pew Research Center 2025 júliusában jelentette be, hogy ez a lánc széttörik: 900 amerikai felnőtt és 68 879 valós keresés vizsgálata során a felhasználók a látogatások mindössze 8%-ában kattintottak hagyományos találatra, amikor AI-összefoglaló jelent meg, szemben a 15%-kal, amikor nem – és a látogatások mindössze 1%-ában kattintottak magára az összefoglalóban szereplő linkre.
A felfedezés nem halt meg; a meggyőzés lépése átkerült a weboldaladról. Az új út így fut: kérdés → AI-válasz → hivatkozott márka → látogatás vagy közvetlen érdeklődés. A Semrush nulla kattintásos kutatása szerint az amerikai Google-keresések mintegy 58,5%-a már bármilyen kattintás nélkül ér véget, így a válaszon belüli jelenléted sokszor az egyetlen első benyomás, amit tehetsz. Fontosabb, hogy a válaszban nevezzenek meg, mint hogy alatta rangsorolj. Erről szól a hogyan hoz ügyfeleket az AI-láthatóság című magyar nyelvű elemzés is.
Miért konvertálnak másképp az AI által irányított látogatók?
Az AI által irányított látogatók előkvalifikálva érkeznek: az AI már összehasonlította a lehetőségeket, és gyakorlatilag kezeskedett az általa idézett márkákért. A Seer Interactive 53 márka 2,43 milliárd megjelenésére kiterjedő, 2026 áprilisában publikált tanulmánya számszerűsíti a hasznot: az organikus átkattintás az AI Overview-os lekérdezéseknél 65%-ot zuhant 2024 júniusa és 2025 szeptembere között, majd 2026 februárjára 2,4%-ra pattant vissza – és az idézett márkák ugyanazon a lekérdezésen nagyjából 120%-kal több organikus kattintást kapnak megjelenésenként, mint a nem idézettek. Az AI-válaszokon belüli kattintásgazdaság durván kettő-az-egy arányban az idézett márkák felé billen.
Két következménye van. Először: az AI által irányított forgalom kisebb volumenű, de gazdagabb szándékú – kezelj minden ilyen munkamenetet döntési szakaszban levőnek, gyors kapcsolatfelvételi útvonallal. Másodszor: a márkakeresés vezető indikátorrá válik: amikor nő a citációs részesedés, követik a márkás lekérdezések és a közvetlen látogatások, még ha az analitika nem is látja az őket kiváltó megjelenést.
Hivatkozás a tölcsér mentén
Nem minden hivatkozás hoz egyformán ügyfelet. A problématudatos szakaszban („miért nem generál az oldalam érdeklődéseket”) a hivatkozások ismertséget építenek. A megoldástudatos szakaszban („AI-marketingügynökség vagy hagyományos SEO”) a szűk listára kerülsz fel. A szolgáltatóválasztási szakaszban („melyik budapesti AI-láthatósági tanácsadó publikált módszertant”) pedig konvertálnak.
A döntési szakasz tartalmai – összehasonlítások, ármagyarázók, esettanulmányok – konvertálnak a legjobban, ha idézik őket, noha a széles körű ismeretterjesztő tartalmakat idézik a leggyakrabban. A Pew azt is megállapította, hogy a kérdésalakú keresések 60%-ban váltottak ki AI-összefoglalót, ezért a befektetésed súlyozd azokra az oldalakra, amelyeket a vevő közvetlenül a szolgáltatóválasztás előtt olvas – miközben a teljes tölcsért felépíted.
Attribúció, amikor eltűnnek a kattintások
A hivatkozás nem kattintás – a Microsoft AI Performance-dokumentációja a hivatkozást megfigyelt forrásválasztásként definiálja, nem látogatásként. A régi rangsor→CTR→lead láncot cseréld le erre: citációs részesedés → márkakeresési volumen → közvetlen és dark-social érdeklődések → önbevallásos attribúció → pipeline.
Három lépéssel mérhetővé tehető. Állíts be GA4-követést az AI-hivatkozásokra: az OpenAI utm_source=chatgpt.com paramétert fűz a ChatGPT-hivatkozási URL-ekhez, a Previsible AI Traffic Report pedig azt találta, hogy az AI által irányított munkamenetek 2025 januárja és májusa között 527%-kal nőttek éves összevetésben – kicsi, de kamatos bázis. Kapcsold be a Bing Webmaster Tools AI Performance-irányítópultját, amely 2026 februárjában indult, 2026 júniusában pedig Citation Share-riporttal bővült; jelenleg ez az egyetlen first-party eszköz, amely megmutatja, milyen gyakran idézi a Copilot és a Bing AI-összefoglalói az oldalaidat. Végül tegyél egy „Honnan hallott rólunk?” mezőt minden érdeklődő űrlapra – az AI-válasz után közvetlen forgalomként érkező leadeknél ez gyakran az egyetlen becsületes jel, amit kapsz.
Reális 3/6/12 hónapos elvárások – és ki futtatja ezt helyetted
Állíts mérföldköveket fázisonként. Az első három hónap: crawler-hozzáférési audit, entitás- és strukturáltadat-tisztítás, hivatkozásra épített döntési szakasz-tartalmak, és a mérési lánc bekapcsolása. A hatodik hónap körül: korai citációs részesedés a követett promptokon, márkakeresési emelkedés, és az első önbevallásos „a ChatGPT ajánlott téged” érdeklődések. A tizenkettedik hónapra a citációs részesedés frissítési ciklusokkal kezelt KPI-ként működik – a hivatkozások volatilisek, az AirOps 2026-os State of AI Search-adatai szerint a márkáknak csak mintegy 30%-a marad látható egymást követő AI-válaszokban, így a láthatóságot folyamatosan újra meg kell szerezni.
Ennek a körnek a futtatása módszertan, nem bővítmény. Roth Miklós publikált megközelítése – AI marketing tanácsadás vállalatoknak, B2B- és webshop-láthatósági szolgáltatások a budapesti ügynökségén, az AI marketing ügynökség Budapest oldalán keresztül, valamint egy ügyfélértékelésekkel ellátott tanácsadói profil – ennek a tölcsérnek az alkalmazott változata. Ha tudni szeretnéd, hány ügyfelet küldhetne a vállalkozásodnak az AI-válasz, a konkrét következő lépés egy AI-láthatósági audit: mérd fel a citációs részesedésed a ChatGPT, a Perplexity és a Google AI-felületein, azonosítsd azokat a döntési szakasz-lekérdezéseket, ahol a versenytársakat idézik és téged nem, és kérj 3/6/12 hónapos tervet a lemaradás behozására. Kérj AI-láthatósági konzultációt Roth Miklóstól, hogy felmérd a márkád helyzetét, mielőtt a versenytársak hivatkozásaiból az ő bejövő leadeik lesznek.






