AI-Search Optimized Landing — landoló-anatómia

Röviden — A klasszikus SEO 2026-os verziója: conversational copy, FAQ schema markup és citation-ready forrás-szerkezet, hogy a Google SGE, a Perplexity és a ChatGPT-search idézze az oldaladat.

• 2026-ra a Google-keresések 35-50%-a már AI-generált válasszal jön — a klasszikus blue-link CTR -30-40%-ot esett.
• Három alapelv: kérdés-felelet párokra szervezett tartalom, gazdag schema markup, dátumozott és számszerűsített forrásmegjelölés.
• Stack: Next.js / Astro statikus build, JSON-LD schema generator, Google Search Console SGE-tab, Perplexity Pages monitoring.
• KPI: SGE-summary megjelenés 10-25%, Perplexity citation havi 1+, AI-traffic konverzió 1.5-2x az organicé.

A klasszikus landing kiegészítve AI-readable kérdés-felelet blokkal és schema markuppal, hogy az LLM-keresők megtalálják és idézzék.

Hogyan épül fel?

2026-ra a Google-keresések 35-50%-a már AI-generált válasszal jön (Google Search Generative Experience, SGE), és a Perplexity meg a ChatGPT-search dominanciája nő — egy magyar szolgáltató landingjének nem csak Google-bottal, hanem LLM-citation engine-ekkel is barátkoznia kell. Az AI-search optimized landing három alapelvre épít:

• Conversational copy — kérdés-felelet párokra szervezett tartalom.
• Gazdag schema markup — FAQ, HowTo, Article, Service, BreadcrumbList.
• Citation-friendly forrás-szerkezet — egyértelmű attribúció, számszerű adatok, dátumok.

A landing felépítése: hero (klasszikus főcím + 1 mondatos value-prop), majd egy AI-readable kérdés-felelet blokk 6-10 kérdéssel ("Mit csinál a [szolgáltató]?", "Mennyibe kerül egy [szolgáltatás] Magyarországon?", "Mikor érdemes [problémát] megoldani?"). Minden kérdés-felelet pár alá FAQ schema kerül (<script type="application/ld+json">). Utána a klasszikus szolgáltatás-blokkok, de minden szekciónak Schema.org-jelöléssel (<section itemscope itemtype="...">). Záró elem: dátumozott, számszerűsített forrásmegjelölés. A copy maga rövid, mondatonkénti-igazság szerkezetű — az LLM-ek így könnyen kibontják az állításokat citation-ként.

Magyar piaci specifikum: a Google SGE 2025 óta tömeges Magyarországon (HU lokáció), és a Perplexity is megérti és idézi a magyar nyelvű forrásokat. Az AI-search optimization NEM helyettesíti a klasszikus SEO-t — kiegészíti.

Mit kell tudnod erről a landingről?

Mire való?

Az AI-search optimized landing 2026-ban kötelező alap minden szolgáltatónak, aki organic search-traffic-ot vár. Az SGE-summary-ben megjelenni dupla előny: brand-felismerés és alternatív csatorna-citation a Perplexityn meg a ChatGPT-n keresztül. A klasszikus blue-link átkattintási arány csökkenése (-30-40% az SGE-bevezetés óta) ellen ez az ellenszer.

Főrészek a landingon

• Hero — klasszikus value-prop (változatlan)
• AI kérdés-felelet blokk — 6-10 kérdés-felelet (új, kötelező)
• FAQ Schema JSON-LD (új, kötelező)
• Szolgáltatás-blokkok Schema.org markuppal (frissítendő)
• Citation-ready forrásmegjelölés (új, kötelező — dátum + szám + szerző)
• Klasszikus felhívás-gomb (CTA) + Kapcsolat

Mikor pont ezt használd?

• Az organic search a fő vagy egyik fő lead-forrásod
• Szolgáltató vagy 200 e Ft+ szolgáltatással (high-intent search)
• Van blog- vagy cikktartalmad, amit AI-jelöléssel feljavíthatsz
• Magyar piacon SGE-érzékeny niche-ek: jogi, pénzügyi, egészségügyi, oktatási
• Hosszú távú gondolkodás — 6-12 hónap kell, hogy az LLM-ek betanulják a citation-edet

Mikor NE ezt válaszd?

• Ha 100% paid traffic (PPC) — itt nem segít, csak a klasszikus CRO
• Lokális szolgáltató 1 városban (a helyi térkép-search dominál, nem az SGE)
• Ha még semmilyen SEO-d nincs — előbb a klasszikust kell összeraknod
• Időkritikus kampány (1-3 hónap) — az AI-search ranking lassan épül

Leggyakoribb hibák

• Conversational copy nélkül, csak schema — az LLM nem tudja kibontani a szöveget
• Hibás schema markup (a Google Rich Results Test pirosban) — semmilyen extra visibility
• Hiányzó forrásmegjelölés — az LLM-ek a citation-friendly oldalakat preferálják
• Statikus, 2024-es tartalom — a Perplexity és az SGE a freshness-jelzést (dátum) figyeli

Konverziós KPI — mit mérj?

Google Search Console "appears in AI summary" arány (cél: 10-25% a top kulcsszavakra), Perplexity citation count (havi 1x ellenőrzés), klasszikus organic CTR (cél: ne csökkenjen 20%-nál többet), konverziós arány az AI-traffic-on (gyakran 1.5-2x magasabb mint a sima organicé).

AI Prompt sablon

Másold AI ügynöknek

Ez a sablon ezt a modult építi fel a saját vállalkozásodra. Töltsd ki a {{placeholder}} változókat, és add át egy AI ügynöknek (Claude, GPT, Gemini).

Te egy AI-search optimization (SGE + Perplexity + ChatGPT-search) szakértő copywriter vagy magyar szolgáltatói kontextusban (2026). Segítsd a felhasználót megépíteni egy AI-search optimalizált landinget: conversational copy + FAQ schema + citation-ready forrás-szerkezet.

VÁLLALKOZÁS KONTEXTUS (a felhasználó tölti):
- Iparág: {{iparag}}
- Ideális ügyfél (ICA): {{ica}}
- Fő szolgáltatás: {{ajanlat}}
- Ár / árszint: {{ar}}
- Top 5 ügyfél-kérdés amit napi szinten hallasz: {{top_kerdesek}}
- Top 5 search keyword amire rangsorolni szeretnél: {{keywords}}
- Konkurens akiket az SGE már idéz: {{konkurens}}

FELADAT — AI-search optimized landing 6 blokkban:
1. Hero: klasszikus value-prop (változatlan, ne erőltesd ide a kérdés-feleletet)
2. AI kérdés-felelet blokk: 8 kérdés (4 "Mit", 2 "Hogyan", 1 "Mennyibe", 1 "Mikor"), mindegyik 60-150 szavas válasz
3. FAQ Schema JSON-LD: a 8 kérdés-felelethez kompatibilis schema.org/FAQPage markup
4. Szolgáltatás-blokkok: Service Schema markuppal, 3 csomag (ha releváns)
5. Citation-ready footer-block: forrásmegjelölés (dátum, szám, szerző) — pl. "Statisztika 2025 Q4 NAV: ..."
6. Klasszikus CTA + Kapcsolat
Mérőszám (KPI): SGE-summary megjelenés 10-25%, Perplexity citation count havi 1+, AI-traffic konverzió 1.5-2x organic

OUTPUT:
- 8 kérdés-felelet pár (kérdés: magyar conversational, válasz: 60-150 szó, struktúrált bekezdésekkel)
- FAQ Schema JSON-LD blokk teljes, copy-paste ready
- 3 ALTERNATÍV hero headline (klasszikus, conversational, kérdés-formátum)
- Service Schema markup váz az ajánlatra
- 3 forrás-citation javaslat (dátum + szám + szerző formátum)
- Magyar piaci specifikum: NAV / KSH / iparági magyar statisztikák preferálva, magyar ékezetek a schema-ban is, hreflang="hu-HU" canonical
- Eszköz-javaslatok: Next.js / Astro statikus build, Google Rich Results Test (JSON-LD validáció), Search Console (SGE-tab 2026 Q1-től)

TE JÖSSZ — válaszolj 3 kérdésre:
1. Mi az a 3 kérdés, amit napi szinten hall az ICA-d, és amit konkrét számokkal tudsz megválaszolni?
2. Mi az 1-2 NAV / KSH / iparági statisztika, amire a válaszaidban citation-ként hivatkozhatsz?
3. Melyik 1 konkurens jelenik már meg az SGE-ben — mit csinál ő, amit te tanulhatsz?

NE írd meg a teljes copyt — kérdés-felelet párokat + schema-vázat + 3 hero headline-t adj.

Hasznos források

• Google Search Central — SGE dokumentáció — hivatalos schema.org guide és SGE-optimization tippek.
• Perplexity — hogyan működnek a citation-ök — a Perplexity citation-engine logikája, hogyan idéz forrásokat.
• Schema.org — FAQPage + HowTo — a két leghasznosabb markup AI-search-re.

Heti feladat

Adj hozzá AI kérdés-felelet blokkot (6-10 kérdés) a legfontosabb landingedhez + FAQ schema JSON-LD markup.

• 6-10 conversational kérdés-felelet pár, 60-150 szó válaszonként.
• FAQ Schema JSON-LD, a Google Rich Results Test-tel validálva.
• Citation-ready forrásmegjelölés (dátum + szám + szerző).