A legtöbb B2B cég először forgalmi problémaként veszi észre az AI search hatását. Kevesebb organikus kattintás. Furcsább keresési minták. Alacsonyabb CTR. Leadek, amelyek mintha később érkeznének, mint korábban. Első ránézésre ez SEO-problémának tűnik, de a gyakorlatban ennél nagyobb változásról van szó.
Nem egyszerűen az történik, hogy az AI elvesz néhány kattintást. Inkább az, hogy a vásárlói út eleje egyre gyakrabban a cég saját weboldalán kívül történik. A vevő nem feltétlenül nyit meg öt blogposztot, három megoldásoldalt és két összehasonlító oldalt. Megkérdezi az AI-t. Kér egy rövid listát. Előnyöket és hátrányokat kér. Alternatívákat kér. Megkérdezi, mire kell figyelnie, mielőtt szolgáltatót választ.
És mire először megérkezik a weboldalra, sok esetben már nem hideg látogató. Van valamilyen képe a piacról. Hallott versenytársakról. Látott egy összehasonlítást. Lehet, hogy fejben már összeállt nála egy rövid lista.
Ez egészen más helyzet, mint amire a klasszikus B2B SEO és demand generation logika épült.
A régi kérdés: mennyi forgalmat veszítettünk?
Sok riport még mindig innen indul. Mennyi organikus session tűnt el? Mennyit esett a CTR? Melyik top-of-funnel cikk hoz kevesebb látogatót, mint korábban?
Ezek jogos kérdések. Csak önmagukban már nem elég jó kérdések.
Láttam olyan projekteket, ahol a top-of-funnel tartalmak forgalma csökkent, miközben a demo oldalak, összehasonlító oldalak és árképzéshez kapcsolódó oldalak relatíve fontosabbá váltak. Ha csak a session volument nézzük, ez rossz hírnek tűnik. Ha pipeline-szempontból nézzük, már árnyaltabb a kép. Lehet, hogy kevesebb ember jön be, de aki bejön, közelebb van a döntéshez.
Ez nem mindig igaz. Vannak piacok, ahol a forgalomvesztés egyszerűen fáj, és nincs mögötte rejtett leadminőség-javulás. De B2B-ben egyre gyakrabban látszik az a minta, hogy a korai kutatás átkerül az AI-rétegbe, a cég saját weboldalára pedig később, több kontextussal érkezik meg a látogató.
Egyszerűbben mondva: a weboldal egyre kevésbé az első magyarázati pont, és egyre inkább validációs pont.
Mi változik valójában?
Ha csak marketingoldalról nézzük, könnyű ezt úgy értelmezni, hogy kevesebb kattintás érkezik. Üzleti oldalról viszont maga a vásárlási folyamat változik meg.
Korábban egy cégnek több lehetősége volt a saját oldalán edukálni a látogatót. Egy jó top-of-funnel cikk behozta a felhasználót, onnan továbbment kapcsolódó tartalmakra, feliratkozott, letöltött valamit, majd később visszatért. Ma ennek a folyamatnak egy része már azelőtt megtörténhet, hogy a látogató bármilyen analitikai rendszerben megjelenne.
Ezért az AI search nem csak SEO-kérdés. Hatással van a salesre, az árazási kommunikációra, az ügyféltámogató tartalmakra, a termékpozicionálásra, a CRM mezőkre, és arra is, hogy a cég mennyire tiszta entitásként jelenik meg a piacon.
Egy B2B vevő ma könnyen megkérdezheti: melyik megoldás jobb egy közepes méretű gyártó cégnek, ha fontos az integráció és a gyors bevezetés? Ilyenkor nem kulcsszóalapú kék linkeket vár. Értelmezést vár. Az AI ezt az értelmezést valahonnan össze fogja rakni. Ha egy cég tartalma homályos, kevés benne a bizonyíték, vagy tele van általános állításokkal, könnyen kimaradhat a válaszból.
A hatás nem egy helyen jelenik meg
Az AI search B2B hatását nem érdemes egyetlen SEO-mutatóra szűkíteni. Gyakorlatban inkább több területen jelenik meg egyszerre. Az alábbi felosztás nem piaci benchmark, inkább egy gondolkodási keret arra, hogy vezetői szinten mire érdemes figyelmet adni.
Azért hasznos így nézni, mert megmutatja, miért kevés az AI search-t kizárólag technikai SEO-projektként kezelni. A mérés és attribúció valóban kritikus, de közvetlenül utána ott van a funnel, a tartalom, a brand értelmezhetősége és a sales működése is.
A mérés lesz az első nagy frusztráció
Az egyik leggyakoribb panasz teljesen jogos: nem látjuk rendesen, honnan jönnek ezek a leadek.
Az AI search hatása sokszor nem jelenik meg tiszta referralként. Van látható AI referral forgalom, de van olyan hatás is, ami soha nem látszik közvetlenül a webanalitikában. A vevő kutathat AI-jal, találkozhat ott a márkával, majd később direkt forgalommal, brand kereséssel vagy egy kollégától kapott linken keresztül tér vissza. Ha csak az alapértelmezett csatornákat nézzük, a kép torzul. A marketing azt látja, hogy az organikus forgalom csökkent. A sales azt mondja, hogy a prospectek tájékozottabbak. A vezetés pedig nem tudja eldönteni, hogy ez rossz hír, vagy csak másfajta működés.
Sok esetben a válasz az, hogy a mérési rendszer nem erre a vásárlói útra lett kitalálva.
A gyakorlatban legalább négy réteget össze kell kötni: keresési adatokat, webanalitikát, CRM-et és sales visszajelzést. Nem elég tudni, hogy volt-e AI referral session. Azt is látni kellene, milyen lifecycle stage-be lépett a lead, milyen gyorsan reagált rá a sales, mely versenytársakkal hasonlította össze a vevő a céget, és mit mondott arról, hogyan talált rá a megoldásra.
Sok cégnél ezt senki nem méri. Nem azért, mert elméletben bonyolult lenne, hanem mert nincs gazdája.
A vásárlói út új formája
A váltás nagyjából így néz ki.
Ez azért számít, mert a legtöbb B2B tartalomstratégia még mindig az első modellre van optimalizálva. Sok az általános blogposzt, és kevés a valódi döntéstámogató tartalom. Sok a „mi az X?” típusú cikk, de kevés az olyan anyag, amely arról szól, mikor nem jó választás egy megoldás, hogyan viszonyul az alternatívákhoz, milyen integrációs kockázatok vannak, vagy hogyan néz ki a bevezetés a gyakorlatban.
AI search környezetben ezek a kérdések sokkal fontosabbá válnak.
A top-of-funnel tartalom nem tűnik el. Csak más szerepet kap.
Nem mondanám, hogy a top-of-funnel tartalom haszontalanná válik. Ez túl erős állítás lenne. Ami változik, az a funkciója. Egyes TOFU tartalmak már nem elsősorban kattintást szereznek. Inkább azt segítik, hogy a rendszer megértse, idézze, visszakeresse és egy témához kapcsolja a céget.
Ehhez másfajta írás kell. A homályos, hosszú, általános cikkek kevésbé hasznosak. Az egyértelmű definíciók, rövid válaszblokkok, összehasonlítható állítások, példák, bizonyítékokra épülő megfogalmazások és döntéstámogató oldalak értékesebbek lesznek.
Egy B2B weboldalon például nem elég azt mondani, hogy „rugalmas és skálázható megoldást” kínálunk. Ez szinte semmit nem jelent. Meg kell mutatni, milyen típusú cégnek szól, milyen helyzetben, melyik alternatívához képest, milyen bevezetési feltételek mellett, és milyen bizonyítékkal.
Ez segít az AI-rendszereknek. De ami a legfontosabb: segít a vevőknek is.
A brand már nem csak ismertségi kérdés
Az AI search egyik kellemetlen tanulsága, hogy a brand nem csak kommunikációs kérdés. Gépi értelmezési kérdés is. Ha nem egyértelmű, mit csinál egy cég, kinek segít, melyik kategóriába tartozik, miben különbözik, mely use case-ekben erős, és milyen külső bizonyíték támasztja ezt alá, akkor az AI-rendszerek is bizonytalanabbul fogják kezelni. Nem rossz szándékból. Egyszerűen azért, mert nincs elég tiszta jel.
Sok B2B cég itt küzd igazán, mert a saját weboldala is túl általános. Innovative platform. End-to-end solution. Digital transformation. Efficiency improvement. Ezeket az embereknek is nehéz megkülönböztetni. Az AI-rendszereknek sem sokkal könnyebb. A gyakorlatban az első lépés sokszor nem technikai optimalizálás, hanem kategóriatisztázás. Mit csinálunk? Kinek? Mikor vagyunk jó választás? Mikor nem? Milyen problémára vagyunk alternatíva? Milyen bizonyítékunk van? Hol jelenik ez meg a saját weboldalunkon kívül?
Ez nem hangzik klasszikus SEO-feladatnak. Mégis erős hatása van az AI search láthatóságra.
A sales később találkozik a vevővel, de ettől nem lesz könnyebb dolga
Sok cég örülne annak, ha a prospectek tájékozottabban érkeznének. Ez érthető. Csakhogy a tájékozottabb vevő nem mindig könnyebb vevő.
Lehet, hogy már összehasonlított három alternatívát. Lehet, hogy részben pontatlan választ kapott az AI-tól. Lehet, hogy árazási elvárásokkal érkezik, amelyeket egy táblázatból, fórumbejegyzésből vagy AI-összefoglalóból szedett össze. Lehet, hogy már van egy listája az ellenérvekről.
Ilyenkor a salesnek nem egy általános prezentációra van szüksége. Hanem pontos bizonyítékokra. Implementációs anyagokra. Security válaszokra. Migrációs magyarázatokra. TCO-logikára. Olyan tartalomra, amit gyorsan lehet használni, és ami nem csak jól hangzik, hanem csökkenti a döntési kockázatot.
Ezért az AI search nem áll meg a marketingnél. Ha a sales enablement anyagok gyengék, akkor még a magasabb szándékú, AI által befolyásolt leadek is elveszhetnek.
Mit érdemes először rendbe tenni?
Én nem egy újabb százpontos SEO checklisttel kezdeném. A legtöbb B2B cégnél három dolog fontosabb.
Az első: hogyan mérjük az AI hatását? Nem tökéletesen, mert tökéletes mérés most nem reális. De legyen külön AI referral nézet, legyen self-reported source mező a fontosabb űrlapokon, legyen AI-influenced lead vagy opportunity mező a CRM-ben, és legyen sales visszajelzés arról, milyen információval érkezett a vevő.
A második: milyen döntéstámogató tartalom hiányzik? Ez nem a következő általános blogposztról szól. Inkább összehasonlításokról, alternatívákról, integrációról, security-ről, árazási logikáról, procurement FAQ-ról, implementációról, migrációról, ROI-ról és ügyfélbizonyítékokról. Ezek az oldalak sokszor nem hoznak látványos top-of-funnel forgalmat, de sokkal közelebb vannak a bevételhez.
A harmadik: mennyire tiszta a cég entitása és kategóriapozíciója? Ha három mondatban nem lehet elmagyarázni egy vevőnek vagy egy AI-rendszernek, hogy kik vagyunk, kinek segítünk, és minek vagyunk erős alternatívája, akkor először ezt kell rendbe tenni.
Ez azt jelenti, hogy a content, SEO, product marketing, sales, RevOps és customer success nem külön-külön próbálja értelmezni ugyanazt a jelenséget. Van közös mérés. Van közös taxonómia. Van visszajelzés arról, mit mondanak az AI-rendszerek a cégről, mit értenek félre, hol nem említik, és mely versenytársakat hozzák be fontos vevői kérdéseknél.
Ez a rész nem látványos. Nem olyan érzés, mint elindítani egy új kampányt. De sok esetben itt dől el, hogy egy cég valóban alkalmazkodik-e az AI search-höz, vagy csak publikál néhány „AI-ready” oldalt.
A működési modell is változik
Ez azt jelenti, hogy a content, SEO, product marketing, sales, RevOps és customer success nem külön-külön próbálja értelmezni ugyanazt a jelenséget. Van közös mérés. Van közös taxonómia. Van visszajelzés arról, mit mondanak az AI-rendszerek a cégről, mit értenek félre, hol nem említik, és mely versenytársakat hozzák be fontos vevői kérdéseknél.
Ez a rész nem látványos. Nem olyan érzés, mint elindítani egy új kampányt. De sok esetben itt dől el, hogy egy cég valóban alkalmazkodik-e az AI search-höz, vagy csak publikál néhány „AI-ready” oldalt.
Nem az elveszett kattintás az egyetlen kockázat
A legnagyobb kockázat nem feltétlenül az, hogy kevesebben kattintanak át. Hanem az, hogy a cég kimarad a korai shortlistből.
Ha a vevő az első AI által támogatott kutatási körben összeállít egy három-öt szereplős listát, és a cég nincs rajta, később sokkal nehezebb bekerülni a folyamatba.
Ezért az AI search-t nem érdemes egyszerű forgalmi zavarként kezelni. Inkább a bevételi rendszer változásaként kell nézni. A kérdés nem csak az, hogy mennyi organikus forgalmat veszítettünk. Hanem az is, hogy megjelenünk-e a fontos vevői kérdéseknél, az AI-rendszerek jól értenek-e minket, van-e elég bizonyítékunk, látja-e a sales, mit tudott meg már a vevő, és össze tudjuk-e kötni mindezt pipeline adatokkal.
Nem minden B2B céget érint ugyanúgy. Ez függ a kategóriától, a deal mérettől, a sales cycle hosszától, a brand ismertségétől és attól is, mennyire összetett a vásárlási döntés.
Az irány viszont elég egyértelmű: a discovery, az összehasonlítás és a validáció egy része átkerül egy AI által közvetített információs rétegbe.
Az a cég, amelyik ezt csak SEO-forgalmi problémaként kezeli, valószínűleg alábecsüli a változást. Az, amelyik a vásárlói úton, a tartalmon, a brand értelmezhetőségén, a sales működésén és a mérésen is dolgozik, sokkal jobb eséllyel nemcsak látható marad, hanem üzletileg is erősebben jön ki ebből az átmenetből.