Egy AI-keresőmotor ezredmásodpercek alatt több száz jelölt forrást kér le. Nem mindegyik éli túl a végső választ.
A lekérés és a generálás között egy rejtett réteg dönti el, mely források számítanak, és melyeket hagyják el. Ezt a réteget újrarangsorolásnak (reranking) hívják. Átveszi a nyers jelöltlistát, és az eredeti kereséstől teljesen eltérő szempontok alapján átrendezi. Azok a források, amelyek a lista tetejére kerülnek, lesznek a bizonyítékok, amelyekből az AI felépíti a válaszodat. Minden mást kiszűr.
Ha a tartalmad átmegy a lekérésen, az újrarangsoroláson is át kell jutnia. Ennek a rétegnek a megértése kulcsfontosságú a GEO-hoz, mert az újrarangsorolásnál dől el valójában a tartalom láthatósága.
Mi az újrarangsorolás, és miért létezik
Vegyél bármilyen AI-keresési eredményt, és tedd fel magadnak a kérdést: hogyan döntötte el az AI, mely forrásokat idézze?
Ha a válasz az volt, hogy „megragadta a lekérés első 10 találatát, és mindegyiket felhasználta”, nagyjából az esetek felében igazad lenne. De ez nem az, ami a ChatGPT-t, a Google AI Overviewst és a Perplexityt működtető valódi rendszerekben történik.
Íme a tényleges folyamat. Először lefut a lekérési szakasz. Vektorbeágyazásokkal milliárdnyi oldalon keres végig, és a lekérdezéshez való szemantikai hasonlóság alapján visszahozza az első 50-100 jelöltet. Ez a nyers jelöltlista.
Aztán jön az újrarangsorolás. Egy másik modell, amelynek teljesen más a feladata, megnézi ezeket a jelölteket, és mindegyiket pontozza. Az újrarangsoroló azt a kérdést teszi fel, amelyet a lekérés soha nem tett fel: „Ennek a pontos lekérdezésnek és ennek a pontos forrásnak a fényében mennyire hasznos ez a forrás a válaszadáshoz?”
Egy dokumentum lehet tökéletesen releváns a témához, mégsem a legjobb választás erre a konkrét kérdésre. Az újrarangsoroló észreveszi ezt a különbséget. Úgy rendezi át a listát, hogy a leghasznosabb források felülre kerüljenek, a gyengébb jelöltek pedig alulra süllyedjenek.
Azok a források, amelyek túlélik az utat a modell kontextusablakáig, generálják a végső választ. Azok a források, amelyek elbuknak az újrarangsoroláson, soha nem kerülnek be a promptba.
Az újrarangsorolás azért létezik, mert a lekérésnek van egy alapvető korlátja: a jelentést egyetlen számba sűríti. Egy vektorbeágyazásnak egy 5000 szavas cikk minden lehetséges értelmezését egy 1536 dimenziós számban kell megragadnia. Ez a tömörítés információt veszít. Az újrarangsoroló látja a teljes szöveget, és árnyaltabb döntést hozhat arról, mely források érdemelnek helyet.
A három jel, amely meghatározza az újrarangsorolási pontszámokat
Az újrarangsorolás nem egyetlen pontszám. Több jelből épített összetett döntési szabály. Az éles AI-rendszerek jellemzően legalább három tényezőt súlyoznak a források újrarangsorolásakor.
Relevancia a lekérdezéshez
A relevancia egy egyszerű kérdésre válaszol. Az adott forrás a feltett konkrét kérdéssel foglalkozik, nem csak az általános témával?
Vegyünk egy olyan lekérdezést, mint „melyek a legjobb gyakorlatok a sikertelen fizetések kezelésére egy fizetési folyamatban?” Az újrarangsoroló alacsonyabbra pontoz egy általános cikket a fizetésfeldolgozásról, mint egy szakcikket a sikertelen fizetések visszanyeréséről, még ha mindkettő említi is a fizetésfeldolgozást. A szakcikk közvetlenül a kérdéshez szól. Az általános cikk csak érinti.
A relevanciapontozás azt nézi, hogy a forrásnak vannak-e alszakaszai, amelyek közvetlenül megválaszolják a lekérdezést, megemlíti-e a kérdés konkrét szakkifejezéseit, és a szerkezete arra utal-e, hogy ennek a problémának a megoldására írták. Az „5 ok, amiért az ügyfelek a fizetésnél hagyják el a fizetési folyamatot” című cikk relevánsabb a fenti lekérdezéshez, mint az „Online fizetési rendszerek magyarázata” című cikk.
Bizalom és tekintély
A bizalom azt méri, hogy ez megbízható forrás-e ennek a konkrét választípusnak.
A bizalom nem univerzális. Más forrásokban bíznak egy műszaki kérdésnél, mint egy üzleti kérdésnél. A „miért utasítják el a fizetési átjárók a kártyákat?” lekérdezésnél talán jobban bíznak a dokumentációban és a mérnöki blogokban, mint a marketingblogokban. A „hogyan csökkentsük a kosárelhagyást” lekérdezésnél talán jobban bíznak az esettanulmányokban és az üzleti kiadványokban, mint a műszaki dokumentációban.
Az újrarangsorolók olyan jeleket használnak a bizalom kiszámításához, mint a domain hírneve, a szerzői hitelesítő adatok, a megjelenés dátuma, az idézettségi előzmények és a tudásgráfokban való jelenlét. Egy nagy kiadványban megjelent, szerzői feltüntetéssel ellátott bejegyzés magasabb pontszámot kap, mint egy vendégbejegyzés egy kis blogon. Egy forrás, amelyet több más tekintélyes forrás idéz, magasabb pontszámot kap, mint az, amelyet sehol sem idéznek.
A WEMASY-tartalomnál ez azt jelenti, hogy a weboldalépítő cégek és a területen látható tekintéllyel rendelkező márkák (médiamegjelenésekkel, értékelésekkel, esettanulmányokkal) tulajdonában lévő források magasabb bizalmi pontszámot kapnak, mint a névtelen források.
Frissesség és aktualitás
A frissesség azt méri, hogy az információ aktuális-e. Sok lekérdezésnél az elavult információ rosszabb a haszontalannál.
Egyes témák örökzöldek. A „Hogyan működik egy domainnév?” nem változik. De a „Melyek a legújabb AI-keresési trendek?” abszolút változik. Az újrarangsoroló a frissességet a lekérdezés típusától függően másképp súlyozza. Valós idejű témáknál az aktualitás felülmúlhatja a relevanciát. Műszaki alapoknál egy régebbi mélyelemzés magasabb pontszámot kaphat, mint egy friss, felszínes bejegyzés.
A frissességet a megjelenés dátuma, a frissítés dátuma, az idézett statisztikák aktualitása és az alapján számítják, hogy a forrás aktuális vagy elavult eseményeket említ-e. Egy 2024-es blogbejegyzés, amely aktuális eszközöket és platformokat említ, magasabb pontszámot kap, mint egy 2023-as bejegyzés, amely elavult verziókat említ, még ha a 2023-as bejegyzés részletesebb is volt.
Hogyan szűri az újrarangsorolás a forrásokat a generálás előtt
Miután a forrásokat újrarangsorolták, az AI-rendszer egy korláttal néz szembe: a modell kontextusablaka véges.
A ChatGPT kontextusablaka a modelltől függően nagyjából 50 000-100 000 tokent képes befogadni. Ez soknak hangzik, amíg rá nem jössz, hogy a felhasználó lekérdezésének, a belső érvelésnek, a lekért forrásoknak és a végső válasznak is ugyanabba az ablakba kell férnie. A gyakorlatban ez a modellt válaszonként nagyjából 5-15 forrás idézésére korlátozza, néha kevesebbre.
Az újrarangsorolt lista dönti el, mely források jutnak be. Az első 5 forrás szinte mindig bekerül. A 6-15. helyen álló források attól függően kerülhetnek be, mennyi hely áll rendelkezésre. A 16. és az az alatti helyen álló források szinte soha nem kerülnek be.
Ezért az újrarangsorolás az AI-láthatóság igazi kapuőre. A lekérés bevihet a tartalmadat a jelöltek közé. De az újrarangsorolás dönti el, hogy valóban bekerül-e a felhasználó által látott válaszba.
Egy adatplatform-szolgáltató kutatása szerint az újrarangsorolás akár 48%-kal javíthatja a lekérés minőségét a puszta beágyazásokhoz képest. A Perplexityn az újrarangsoroláson jól szereplő tartalmat 3-5-ször több válaszban idézik, mint azt, amelyik elbukik az újrarangsoroláson. A Google AI Overviewsban az újrarangsorolás a magasabb E-E-A-T-jelekkel rendelkező forrásokat részesíti előnyben, ezért uralják az idézéseket a bevett kiadványok és a szakértők által írt tartalmak.
Hogyan valósítják meg az újrarangsorolást a különböző AI-platformok
Az újrarangsorolás nincs szabványosítva az összes platformon. Minden AI-keresőmotor másképp súlyozza a jeleket.
A Google AI Overviews olyan újrarangsorolást használ, amely erősen előnyben részesíti a Google tudásgráfjában már szereplő forrásokat és a magas Domain Authority pontszámú forrásokat. A Google azt is figyelembe veszi az újrarangsorolásnál, hogy a forrást függetlenül ellenőrizték-e, vagy más tekintélyes források idézték-e. Ezért uralják az AI Overviewst az enciklopédiák, a nagy kiadványok és a márkaoldalak (amelyeknek van tudásgráf-bejegyzésük).
A ChatGPT újrarangsorolási algoritmusa úgy tűnik, azokat a forrásokat részesíti előnyben, amelyek átfogó, részletes válaszokat adnak (a hosszabb, alaposabb források előrébb kerülnek, mint ugyanarra a kérdésre adott rövid válaszok). A ChatGPT az újrarangsorolást a tanítóadataiban lévő idézési minták alapján is végzi, ami azt jelenti, hogy a régebbi, bevett források magasabb pontszámot kapnak, mint az újak, még ha az új forrás aktuálisabb is.
A Perplexity újrarangsorolása a legagresszívabb a frissesség terén. Az elmúlt 30 nap tartalma jelentős lökést kap. A Perplexity a viták és fórumok jelenléte alapján is újrarangsorol, ezért kerül a közösség által generált tartalom és a vitafórumok meglepően előre a Perplexityn a többi platformhoz képest. Ez alapvetően megkülönbözteti a Perplexityt a Google-től vagy a ChatGPT-től a felkapott vagy aktuális témáknál.
A Claude (külső keresőmotoron keresztül) erősen a szemantikai relevanciára és a válasz minőségére rangsorol újra, kisebb súlyt adva a domain tekintélyének. Ez a Claude idézéseit kiszámíthatatlanabbá teszi, és valószínűbbé teszi, hogy kisebb, specializált források is bekerülnek, ha jól válaszolnak a kérdésre.
Mitől éli túl a tartalom az újrarangsorolási réteget
Ahhoz, hogy jól szerepelj az újrarangsoroláson, a tartalmadnak a három jel közül legalább kettőn nyernie kell: relevancia, bizalom vagy frissesség.
Ha bevett márka vagy (magas bizalom), közepes relevanciával is túlélheted. Ha vadonatúj vagy, de rendkívül aktuális (magas frissesség), és nagyon konkrétan illik a lekérdezéshez (magas relevancia), megelőzheted a régebbi forrásokat. De ha a tartalmad mindhárom jelen elbukik, nem éli túl az újrarangsorolást, bármilyen jól szerepelt is a lekérésnél.
Így optimalizáld az egyes jeleket.
Nyerj a relevanciával a konkrét lekérdezés megválaszolásával
A relevancia az egyetlen jel, amelyet közvetlenül a tartalmaddal irányítasz. A bizalom és a frissesség időt igényel, de a relevancia azonnali.
Írj olyan alszakaszokat, amelyek közvetlenül megválaszolják a kérdés gyakori változatait. Ha a cikked a „fizetési folyamat optimalizálásáról” szól, tegyél bele olyan alszakaszokat, mint „Hogyan csökkentsd a sikertelen fizetések visszanyerésének költségét”, „A fizetési űrlap mezőinek tesztelése” és „A fizetési átjárók elutasításának gyakori okai”. Az újrarangsorolók átfutják az alszakaszok címeit, hogy eldöntsék, megválaszolod-e a konkrét lekérdezést.
Használd a kérdés pontos megfogalmazását a cikkedben. Ha a felhasználó azt kérdezi, „miért utasítják el a fizetési átjárók a kártyákat”, tedd bele pontosan ezt a kifejezést a tartalmadba (természetesen, nem erőltetve). Az újrarangsorolók ellenőrzik a lekérdezési kifejezések egyezését a relevancia megítéléséhez.
Tedd előre a válaszodat. A lekérdezésre adott közvetlen választ az első 300 szóba írd. Az újrarangsorolók ellenőrzik, hogy a válasz korán megjelenik-e a forrásban. Az a cikk, amely a 4. szakaszba temeti a választ, alacsonyabbra kerül, mint amelyik azonnal válaszol.
Építs bizalmat hitelesítő adatokkal és idézésekkel
A bizalom tovább tart, de idővel halmozódik. Három taktika épít bizalmat az újrarangsorolási rétegben.
Először állapítsd meg a szerzői hitelesítő adatokat. Az újrarangsorolók ellenőrzik a szerzői feltüntetéseket és a szerzői bemutatkozásokat. Add meg a képesítéseket, a tapasztalatot és egy linket a profilodra. Az a cikk, amelyet 10 éves iparági tapasztalattal rendelkező szerző jegyez, előrébb kerül az újrarangsoroláson, mint egy ismeretlen szerző cikke.
Másodszor, idézz elsődleges forrásokat és adatokat. Ha statisztikát vagy kutatást említesz, idézd az eredeti forrást. Linkelj esettanulmányokra, publikált kutatásokra és elsődleges forrásokra. Az újrarangsorolók másképp kezelik azokat a forrásokat, amelyek más forrásokat idéznek, mint azokat, amelyek semmit sem idéznek.
Harmadszor, szerezz említéseket tekintélyes platformokon. Az újrarangsorolók felértékelik azokat a forrásokat, amelyeket nagy kiadványok, iparági jegyzékek és értékelő platformok említenek vagy linkelnek. Ez a jel hónapokig tart kiépíteni, de a megtérülése valós. Az a forrás, amelyet 10 iparági kiadvány említ, magasabbra kerül az újrarangsoroláson, mint egy azonos, sehol sem említett forrás.
Maradj aktuális frissítésekkel és dátumokkal
A frissesség a leggyorsabban mozgó jel. A nem frissített régebbi bejegyzések a témától függően 60-90 napon belül elavulnak az újrarangsoroláson.
Rendszeresen frissítsd a bejegyzéseket. Amikor frissítesz egy bejegyzést, módosítsd a megjelenés dátumát, vagy adj hozzá „frissítve” dátumot az oldalhoz. Az újrarangsorolók ezt frissességi jelnek tekintik.
Az örökzöld témáknál, mint a „hogyan válassz domainnevet”, nem kell heti frissítés. De az olyan témáknál, mint a „2026-os webdizájn-trendek” vagy az „aktuális AI-keresési változások”, havi vagy negyedéves frissítésre van szükség. Add tudtul az újrarangsorolóknak, hogy a tartalom aktuális.
Tüntess fel dátumokat a tartalmadban. Amikor eszközöket, platformokat vagy statisztikákat említesz, add meg az évet. A „2025-ben a keresések több mint 50%-a AI-val indul” erősebb, mint a „A keresések több mint 50%-a AI-val indul”, mert az újrarangsorolók látják az állításod aktualitását.
Hogyan változtatja meg az újrarangsorolás a GEO-stratégiádat
Az újrarangsorolás megértése alapvetően megváltoztatja, hogyan közelíts a GEO-hoz.
Először megmagyarázza, miért nem idézi az AI egyes, a hagyományos SEO-ban jól rangsoroló oldalakat. Az az oldal, amely a Google Keresésben az 1. helyen áll egy kulcsszóra, elbukhat az újrarangsoroláson, mert hiányzik belőle a frissesség, hiányzik a konkrétság a pontos lekérdezéshez, vagy nem AI-kiemelésre írták. Az újrarangsorolás más szempontokat használ, mint a Google rangsoroló algoritmusa.
Másodszor, tisztázza, miért győznek néha az újabb, kisebb források a bevettek felett az AI-idézésekben. Ha egy vadonatúj forrás tökéletesen releváns a lekérdezéshez, és rendkívül aktuális, megelőzheti a régebbi forrásokat az olyan platformokon, mint a Perplexity, amelyek erősen súlyozzák a frissességet.
Harmadszor, megmutatja, hogy a tartalmi stratégiádnak több jelet kell figyelembe vennie. Nem versenyezhetsz csak a bizalommal, ha a tartalmad általános. Nem versenyezhetsz csak a frissességgel, ha a tartalmad felszínes. De ha két jelen nyersz, túlélheted az újrarangsorolást, és AI-idézéseket szerezhetsz.
Hogyan segít a WEMASY a tartalmadnak az újrarangsoroláson
A WEMASY weboldalépítője és analitikai eszközei gyakorlati módokon segítenek eleget tenni az újrarangsorolási rétegnek.
A WEMASY beépített SEO-eszközeivel megadhatod a szerzői hitelesítő adatokat, követheted a megjelenés és a frissítés dátumát, és egyértelmű H2 és H3 szakaszokkal szerkesztheted a tartalmadat, amelyek segítenek az újrarangsorolóknak megérteni a cikked relevanciáját konkrét lekérdezésekhez. Az analitikai eszköz megmutatja, mely lekérdezések hoznak forgalmat olyan AI-forrásokból, mint a ChatGPT, a Perplexity és a Claude, így követheted, mely tartalom éli túl valójában az újrarangsorolást az egyes platformokon.
Amikor a WEMASY-n publikálsz, az oldalad automatikusan HTTPS-biztonságot és tiszta URL-szerkezetet kap, amelyek mindketten bizalmi jelek, amelyeket az újrarangsorolók keresnek. Nézd meg, mely eszközök tartoznak a WEMASY-csomagodhoz.
Gyakran ismételt kérdések
Csak az AI-keresésben történik újrarangsorolás?
Nem. Újrarangsorolás minden olyan rendszerben történik, amelynek relevancia szerint kell rendeznie az elemeket. Az ajánlómotorok, a fizetett keresési platformok és a hagyományos keresőmotorok mind használnak újrarangsorolást. De az újrarangsorolás az AI-keresésben kritikusabb, mert a kontextusablak véges, így csak a legmagasabbra rangsorolt források kerülnek a végső válaszba. A WEMASY weboldalépítőjével ezt közvetlenül beállíthatod a weboldaladon.
Láthatod a tartalmad újrarangsorolási pontszámait?
Közvetlenül nem. Az AI-platformok nem teszik nyilvánossá az újrarangsorolási pontszámaikat. De következtethetsz rájuk, ha követed, mely lekérdezések hoznak AI-forgalmat az oldaladra (ami azt jelenti, hogy átmentél az újrarangsoroláson), és melyek nem. A WEMASY analitikai eszköze forrás szerint szegmentálja a forgalmat, az AI-forrásokat is beleértve, így azonosíthatod, mely tartalom éli túl az újrarangsorolást a különböző platformokon.
Garantálja a magas organikus SEO-helyezés, hogy átmész az újrarangsoroláson?
Nem. Az újrarangsorolás más szempontokat használ, mint a hagyományos SEO-rangsorolás. Az az oldal, amely a Google Keresésben az 1. helyen áll egy kulcsszóra, elbukhat az újrarangsoroláson, mert hiányzik belőle a konkrétság a pontos lekérdezéshez, elavult információt tartalmaz, vagy emberi olvasóknak írták, nem AI-kiemelésre. A magas SEO-helyezések segítenek (a tekintély az egyik újrarangsorolási jel), de nem garantálják az AI-láthatóságot.
Hány forrást idéz jellemzően egy AI-rendszer az újrarangsorolt listából?
Jellemzően válaszonként 5-15 forrást, a platformtól és a rendelkezésre álló kontextusablaktól függően. A Google AI Overviews kevesebb forrást idéz (gyakran 3-8-at), mert az idézéseket egy kompakt felületbe kell beilleszteniük. A ChatGPT és a Perplexity több forrást idéz (8-15-öt), mert több helyük van. Az újrarangsorolt lista legjobb forrásai szinte mindig bekerülnek, de a 20. vagy az az alatti helyen álló források ritkán jutnak be.
Frissítsem a régi tartalmat a frissesség miatt, akkor is, ha a hagyományos keresésben még jól rangsorol?
Igen, ha AI-idézéseket szeretnél. Az újrarangsorolás erősen súlyozza a frissességet, és sok platform (különösen a Perplexity) a friss tartalmat részesíti előnyben. Egy cikk, amelyhez 2 éve nem nyúltak, a Google Keresésben még lehet az 1. helyen, de elbukhat az AI-platformok újrarangsorolásán. Ha a célod az AI-láthatóságot is magában foglalja, legalább évente frissítsd a legjobban teljesítő örökzöld tartalmaidat.
Ugyanaz az újrarangsorolás, mint a hagyományos keresésben a rangsorolás?
Nem. A hagyományos keresési rangsorolás több száz jelet vesz figyelembe: oldalsebesség, mobilbarátság, backlinkek, domain tekintély, felhasználói elköteleződési jelek és még sok más. Az AI-keresésben az újrarangsorolás három elsődleges jelre összpontosít: a konkrét lekérdezéshez való relevanciára, a kontextusban való bizalomra és a frissességre. A hagyományos keresésben jól rangsoroló tartalom nem biztos, hogy jól újrarangsorol az AI-keresésben, és fordítva.