Próbáld ki most. Nyisd meg a ChatGPT-t, és írd be, hogy „melyik a legjobb magyar B2B podcast marketingről?”. Aztán ugyanezt kérdezd meg a Perplexity-től. Figyeld, miket dob ki.
Ha a te podcastod NEM szerepel a válaszokban, és a céged azért fektet podcastbe, hogy szakértői pozíciót építsen, akkor van egy új problémád, amit még a legtöbb magyar cég nem lát.
A B2B vásárlók egyre nagyobb része nem a Google-lel kezdi a tájékozódást, hanem AI-asszisztensekkel. A Gartner előrejelzése szerint 2028-ra a hagyományos keresési volumen jelentősen visszaesik az AI-válaszok miatt. A podcast-felfedezést eddig három csatorna hozta: hagyományos SEO, platformajánlás (Spotify, Apple) és organikus megosztás. Most bekerült egy negyedik, és ez a leggyorsabban növekvő: az AI-asszisztens mint ajánló.
Ebben a cikkben megnézzük, mit csinál másképp egy LLM (ChatGPT, Claude, Perplexity, Google AI Overview), mint a klasszikus Google, és 6 konkrét lépést adunk, amivel a podcastod LLM-kompatibilis lesz. Ha már fut a podcasted, és hagyományos SEO-alapod is van, ez az optimalizáció közvetlen lépés.
Miért változik meg a podcast-felfedezés az AI-tól?
Az elmúlt 10 évben egy B2B vezető, aki podcastet keresett, így járt el: bedobott egy Google-keresést („B2B marketing podcast magyar”), végigfutott 10 találaton, megnyitott 3-4 epizód-oldalt, és a legbeszédesebb címet választotta.
Ez a viselkedés ma bomlik le.
Az ügyfeleinknél egyre gyakrabban hallunk ilyen mondatokat: „Megkérdeztem a ChatGPT-t, ki beszél a legtöbbet erről a témáról a magyar piacon.” Vagy: „A Perplexity ajánlott három podcastet, az egyiket el is kezdtem hallgatni.”
Három dolog változik.
1. A keresés kérdés-alapú lett, nem kulcsszó-alapú.
Senki nem ír ChatGPT-nek annyit, hogy „B2B podcast”. Azt írja, hogy „ajánlj nekem egy podcastet, ami a magyar SaaS-piacról beszél, középvezetőknek szól, és nem hosszabb fél óránál”.
2. Az AI nem listát ad, hanem válaszol.
Egy ChatGPT-válasz tipikusan 1-3 podcastet ajánl név szerint, összefoglaló kontextussal. Ha te vagy benne, annak 30% körüli az átkattintási potenciálja. Ha nem, láthatatlan vagy.
3. Az AI szemantikusan ért, nem szó szerint.
Nem elég, hogy a te epizód-címedben szerepel a „pozicionálás” szó. Az számít, hogy a szöveg egésze úgy van megírva, hogy tényleg a pozicionálás koncepciójáról szól.
Ez a harmadik pont a legfontosabb, és itt dől el minden. Erről szól a következő szekció.
Hogyan „olvas” másképp egy LLM, mint a Google?
Képzelj el egy jó, régi vágású könyvtárost. A Google-t így érdemes elgondolnod: katalógust vezető könyvtáros. Rendet tart, tudja, melyik polcon mi van, és ha azt kérdezed tőle, „hogyan építsek B2B podcastet?”, akkor a katalógus-rendszeréből előhúz neked azokat a könyveket, amik címében vagy címkéjében szerepel ez a téma.
Az LLM-et másképp érdemes elképzelned: olvasó, megértő könyvtáros. Nem csak elkatalogizálja a könyveket, hanem el is olvassa őket. Amikor megkérdezed tőle, „mit olvassak most?”, nem a címekből válaszol. Átgondolja, mit tudsz, mit szeretnél megtudni, és hogy az egyes könyvek ténylegesen miről szólnak. Aztán megfogalmaz neked egy választ a saját szavaival, és megnevezi a forrásokat.
Mit jelent ez az optimalizálásban:
| Szempont | Google (hagyományos SEO) | LLM (AI-optimalizálás) |
| Fő egység | Kulcsszó a címben, meta-ben | Szemantikus kontextus, témaklaszter |
| Formátum | Rövid, prégnáns fejlécek | Beszélgetős, kérdés-válasz |
| Metrika | Rangsorhely | AI-idézettség, említés |
| Frissítés | Indexelési ciklus | Valós idejű + tanítóadat |
| Mit néz | Domain-tekintély, backlinkek | Források hitelessége, téma-koherencia |
Ez nem azt jelenti, hogy a klasszikus SEO meghalt. Az AI-modellek is a weben lévő tartalomból tanulnak, tehát a hagyományos SEO-alapok (jó domain, gyors oldal, linkek, jó tartalmak, tiszta struktúra) továbbra is kellenek. De erre jön egy új réteg, amit a legtöbb magyar podcaster még nem épített be.
6 lépés, hogy a podcastod LLM-kompatibilis legyen
A 6 lépés logikus sorrendben követi egymást. Ha most kezded, az 1. lépéssel indulj. Ha már van működő shownotes-rendszered, nézd végig, mi hiányzik belőle.
1. Szemantikus kulcsszó-klaszterek a kulcsszólisták helyett
A klasszikus SEO-nál listát vezetsz: 10-20 kulcsszó, amire rangsorolni akarsz. LLM-optimalizációnál ehelyett klasztereket építesz. Egy-egy központi téma köré 5-10 kapcsolódó koncepciót csoportosítasz, és minden epizódod ebből a térképből merít.
Példa egy B2B marketing podcasthez:
- Központi klaszter: B2B pozicionálás
- Kapcsolódó koncepciók: ICP (ideal customer profile), üzenet-hierarchia, megkülönböztetés, értékígéret, belső konzisztencia, ügyfél-interjú, szegmentálás
Az első három epizódnak nem azt a címet adod, hogy „B2B pozicionálás 1, 2, 3″. Inkább: „Mi az ICP, és miért hiszed, hogy már tudod?”, „Üzenet-hierarchia B2B-ben: mi legyen az első mondat a kínálati oldaladon?”, „Ügyfél-interjú a pozicionáláshoz: 5 kérdés, amit mi használunk”.
Hogyan találj klasztereket a te témádhoz: a Google Keyword Planner, az Ubersuggest és a SEMRush továbbra is használhatóak. Ezeken felül érdemes az AnswerThePublic-ot is megnézned (kérdés-alapú keresések), és végignézned a Google „People Also Ask” szekcióját minden célzott kulcsszavadra. Ezek azok a kérdések, amiket az emberek ténylegesen feltesznek. Ezekre válaszolnak az LLM-ek.
2. Beszélgetős nyelv a shownotesban, blogon, transzkriptben
A klasszikus SEO-nál tömörségre törekedtél: rövid bekezdések, bullet-listák, kulcsszó-sűrűség. LLM-optimalizációnál ennek egy része marad (olvashatóság), de bekerül egy új elem: a beszélgetős nyelv.
Az LLM-ek kérdésekre válaszolnak. Ha a te tartalmad is kérdésekkel dolgozik, közelebb kerülsz a modell hangjához, és nagyobb eséllyel idéz téged.
Mit jelent ez konkrétan a shownotesban:
- Használj beszélgetős bevezetést (ne a „ebben az epizódban szó lesz”-típusú listát)
- Emeld ki a főbb kérdéseket, amiket az epizódban feltettetek
- Foglalj össze egy 2-3 mondatos választ az epizód fő kérdésére
- Idézz 1-2 konkrét mondatot a beszélgetésből
3. GYIK-szekció minden epizód-oldalra
Ez a leggyorsabb nyerés, amit az ügyfeleinknél látunk. Egy 5-8 kérdéses, 2-3 mondatos válaszokból álló GYIK-szekció pontosan abban a formátumban van, amit az LLM-ek szívesen idéznek.
A kérdéseket ezekből a forrásokból szedd:
- A hallgatóktól érkező tényleges kérdések (emailben, Spotify-kommentben)
- A Google-ben a „People Also Ask”
- A versenytárs-podcastok shownotesaiból
Egy GYIK-válasz ne 500 szavas esszé legyen. 40-80 szavas, beszélgetős, és a végén linkelj részletesebb tartalomra.
4. E-A-T szignálok: ki beszél és miért hiteles?
Az LLM-ek nem minden forrást súlyoznak egyformán. Az E-A-T (Expertise, Authoritativeness, Trustworthiness) fogalma a Google-től származik, de az LLM-ek hasonlóan értékelnek: ki az, aki beszél, és miért hiteles az adott témában?
Mit jelent ez podcast-környezetben:
- Minden epizód-oldalra tedd ki a műsorvezető bemutatkozóját (szakmai háttér, évek, konkrét projektek)
- A vendégekről is legyen bemutatkozó: ne csak név és cég, hanem az is, miért releváns ebben a témában
- A műsort gazdálkodó céged oldalán legyen átlátható „Rólunk” oldal, évekkel, ügyfél-adatokkal
- Minden epizódban említsétek meg, honnan jönnek az állításaitok (tapasztalat, adat, interjú)
Az ügyfeleinknél azt látjuk, hogy azok a podcastek, amik tisztán kommunikálják a szakértelmüket (és nem csak „mi mindent tudunk a marketingről”-szinten), gyorsabban kerülnek be az AI-válaszokba.
5. Metaadatok: cím, leírás, fejlécek kérdés-alapúvá alakítva
A klasszikus epizód-cím tipikusan állítás vagy téma: „A pozicionálás szerepe.” Ehelyett kérdés-alapú címet adj: „Mi a pozicionálás szerepe a B2B-ben, és miért nem elég a termékleírás?”
A különbség a ráfordított időben minimális, az AI-rangsorban viszont jelentős, mivel az emberek és az AI-k is kérdéseket tesznek fel.
Ugyanez a shownotes H2-eire:
- ❌ „A három fő lépés”
- ✅ „Mi a három fő lépés, ha ma elkezdenéd újra?”
6. Technikai alapok: oldalsebesség, mobil, AI-crawler hozzáférés
A legunalmasabb, de nem kihagyható pont. Ha az oldalad nem tölt be 2 másodpercen belül mobilon, vagy ha a robots.txt-ben letiltottad a modern AI-crawlereket (GPTBot, ClaudeBot, PerplexityBot, CCBot), akkor hiába a legjobb szöveged.
Amit ellenőrizz:
- PageSpeed Insights: a mobil score 70+ felett legyen
- robots.txt: ne blokkold az AI-crawlereket (kivéve ha nagyon tudatos okod van rá)
- Schema.org markup: a
PodcastEpisodeésArticleschema bevezetése - Transzkriptek elérhetősége gépileg olvasható formátumban (HTML, nem csak PDF)
Hogyan mérd, bejutsz-e az AI-válaszokba?
Ez a terület még formálódik. Nincs olyan stabil AI-rangsoroló eszköz, mint a SEMRush a hagyományos SEO-ra. De három módszer már ma is használható.
1. Havi manuális AI-audit. Állíts össze 10-15 kérdést, amikre szerinted a podcastodnak válaszolnia kellene (pl. „ajánlj podcastet B2B pozicionálásról a magyar piacon”). Havonta tesztelj ChatGPT-n, Perplexity-n és Google AI Overview-n. Jegyzeteld: szerepelsz-e, milyen kontextusban említenek, melyik epizódodat idézik.
2. Hivatkozó forgalom figyelése. A Perplexity és a Google AI Overview tipikusan linkel a forrásra. A Google Analytics-ben nézd meg a forgalom forrásait: megjelenik-e perplexity.ai hivatkozóként, és nő-e a közvetlen forgalom olyan oldalakon, amiket nem szoktak közvetlenül elérni.
3. Márkakeresés lekövetése. Ha az AI-asszisztensek említenek, az emberek egy része a márkanevedre keres vissza a Google-ben. A Google Search Console-ban a saját márkanevedre érkező keresések alakulása jó helyettesítő metrika.
3000 fölötti podcast-adást gyártottunk az elmúlt években, és 2025-től szisztematikusan figyeljük az ügyfeleinknél az AI-megjelenés arányát. Az adatokból annyi már látszik, hogy azok, akik GYIK-szekciót tartanak fenn, és beszélgetős stílusban, strukturált shownotesokat használnak, átlagosan 3-5x gyakrabban említődnek AI-válaszokban, mint azok, akik csak epizód-címet és 200 karakteres leírást tesznek fel.
3 leggyakoribb hiba, amit magyar podcastereknél látunk
Hiba 1: Mindent elhiszünk, amit az AI-marketing-guruk mondanak
Az elmúlt 12 hónapban elárasztottak minket a „bejuttatunk a ChatGPT válaszaiba 24 óra alatt”-típusú reklámok. A legtöbb ilyen ajánlat vagy nem dolgozik megbízhatóan, vagy black-hat technikákat használ, amiket az LLM-ek fokozatosan kiszűrnek. Az AI-optimalizáció nem trükk, hanem strukturális munka: minőségi tartalom, jó formátum, türelem.
Hiba 2: Elfelejtjük, hogy a klasszikus SEO-alap kell
Találkoztunk olyan ügyfelekkel, akik azt mondták: „már nem csinálunk SEO-t, most csak AI-ra optimalizálunk”. Ez hiba. Az LLM-ek a weben lévő tartalomból tanulnak. Ha nincs jó domain-tekintélyed, és nem indexel a Google, akkor az AI se fog rád találni. Az AI-optimalizáció réteg a SEO-n, nem helyette.
Hiba 3: Csak az első epizódokat optimalizáljuk, a többit nem
A legtöbb cég a kezdeti lelkesedésben berak egy nagy GYIK-et és strukturált shownotest az első 3-5 epizódhoz. Aztán a 10. epizódnál már csak egy 2 bekezdéses leírás kerül fel. Az LLM-ek a teljes archívumot értékelik. Egy hiányos 40. epizód ugyanannyit ront a megtalálhatóságon, mint amennyit az első 5 jól optimalizált segít.
Egy magyar példa: hogyan jutott be egy tanácsadócég podcastja az AI-válaszokba
Egy ügyfelünk (magyar tanácsadócég, B2B, középvállalati piac) 2024-ben indította el a podcastjét. Az első évben a szokásos módon vezették: epizód-feltöltés, 150-200 karakteres leírás, semmi GYIK, tömör bemutatkozók.
2025 elején átalakítottuk a shownotes-struktúrát: minden epizódhoz került egy 60-80 szavas beszélgetős összefoglaló, 5-7 GYIK-kérdés válaszokkal, teljes transzkript gépileg olvasható HTML-ben, és a host bemutatkozója szakmai adatokkal bővült.
Eredmény 6 hónap után: a Perplexity-ről érkező közvetlen forgalom 420%-kal nőtt. A ChatGPT-t manuális auditban teszteltük 15 szakmai kérdésen. A podcastjük az első év végén 0-ról indult, 2025 közepére 6/15 kérdésben név szerint szerepelt. Ugyanez a szám azóta is tovább nőtt.
A tanulság egyértelmű: a strukturált, beszélgetős, átlátható tartalmat idézik az AI-k.
Mit tegyél holnap reggel?
Ha most elolvastad a cikket, és bele akarsz kezdeni az AI-optimalizációba, ne vágj bele mindennel egyszerre. Ezt javasoljuk:
Hét 1: Állítsd össze a 10 kérdést, amikre a podcastodnak válaszolnia kellene. Teszteld ChatGPT-n és Perplexity-n. Készíts egy Excel-táblát: hol szerepelsz, hol nem, mi volt a válasz, ki került be helyetted.
Hét 2-3: Nézd át az elmúlt 10 epizódod shownotesát. Tedd fel magadnak a kérdést: beszélgetős? Van GYIK? Van transzkript? Ha a válasz bármelyikre „nem”, itt kezdj.
Hét 4+: Minden új epizódot az új struktúrával publikálj. Negyedévente ismételd meg az AI-auditot.
Ha 3 hónap után azt látod, hogy egyik kérdésnél sem mozdultál, akkor strukturális probléma van. Ez nem az AI-optimalizációval van, hanem a podcast-tartalom pozicionálásával. Ezt érdemes kívülről átnézetni.
Mit tegyél most?
Ha olyan podcasted van, amiről azt gondolod: „ennek a témában minket kellene idéznie a ChatGPT-nek, de nem teszi”, szívesen átnézzük a beállítást.
Egy 30 perces stratégiai konzultáción végigmegyünk a jelenlegi shownotes-struktúrádon és a technikai alapokon, és megmondjuk, hol van a legnagyobb rés. Nem értékesítési beszélgetés, hanem konkrét diagnózis.
