Menu

Miért ajánlja a ChatGPT a versenytársadat? A rejtett árazás és a zárt funkciók valódi ára

Egyre több B2B vásárló nem a Google-ben, hanem egy nyelvi modellnél kezdi a döntést. Ha a te SaaS-od nincs ott a válaszban, az alapító azt hiszi, az AI „hallucinált”. A valóság kínosabb: a modell egyszerűen nem látott téged — és ezt te magad okoztad.

A ChatGPT, a Claude, a Gemini és a Perplexity abból dolgozik, amit nyilvánosan, strukturáltan és olvashatóan megtalál rólad. A „Kérjen ajánlatot” gomb mögé rejtett árazás és a csak login mögött létező funkciók azt eredményezik, hogy a modell a versenytársadat ajánlja helyetted. Nem azért, mert ő jobb — hanem mert ő látható. A jó hír: ez mérhető és javítható.

A jelenet, ami most minden héten lejátszódik

Képzeld el a döntéshozót egy 300 fős cégnél. Nincs ideje tíz weboldalt végigböngészni. Megnyitja a ChatGPT-t, és beír valami ilyesmit: „Melyik [kategória] platformot ajánlod egy 300 fős vállalatnak, ha fontos a SOC 2 megfelelés és a havi keret 4000 euró körül van?”

A modell pár másodperc alatt válaszol. Magabiztosan. Három-négy névvel, rövid indoklással, ársávval, sőt érvekkel arról, miért pont azt a hármat. Ez a lista lesz a vásárló mentális rövidlistája — még mielőtt egyetlen weboldalt is megnyitna.

És ha a te neved nem szerepel benne, az a deal számodra el sem indult. Nem azért buktad el, mert rossz volt a demó. Azért, mert a döntés egy olyan szobában kezdődött, ahová te be sem jutottál.

Nem hallucináció. Láthatósági rés.

Amikor egy alapító azt látja, hogy az AI rosszul vagy egyáltalán nem említi a cégét, az első reakció szinte mindig ugyanaz: „ez az AI megbízhatatlan, hallucinál”. Ez kényelmes magyarázat, mert nem rólunk szól. De az esetek többségében félrevezető.

A nyelvi modell nem rólad hazudik. Egyszerűen kitölti a hiányt azzal, ami látható. Ha rólad nincs elég nyilvános, strukturált információ, a modell a kategóriádról szóló többi forrásból építi fel a választ — és azok a források jellemzően a versenytársaid. Tehát nem hallucinál. Inkább azt mondja, amit a nyilvános web alapján a leginkább alá tud támasztani. Ami nem te vagy.

Más szóval: a „hallucináció” gyakran nem a modell hibája, hanem a te információs réseid lenyomata. És ez fontos különbség, mert a hibát ezzel visszahelyezzük oda, ahol megoldható: a saját digitális lábnyomodba.

Hogyan „látnak” téged valójában a nyelvi modellek?

Ahhoz, hogy értsd a problémát, érdemes nagyon röviden tisztázni, honnan tudja egy LLM, hogy te létezel. Három csatornán keresztül:

• Tanítóadat. A modell a betanítása során feldolgozott egy hatalmas mennyiségű nyilvános szöveget. Ha rólad alig van publikus, jól megfogalmazott tartalom, a „belső tudásában” is alig létezel.
• Élő keresés és böngészés. A modern asszisztensek valós időben keresnek a weben, mielőtt válaszolnak. Itt az számít, hogy a robotok és a kereső mit talál nyilvánosan a kérdés pillanatában.
• Strukturált adat. A séma-jelölés, a tiszta címsorok, a táblázatok és a gyakori kérdések segítik a gépet abban, hogy a tartalmadat ne csak elolvassa, hanem értelmezze és kiemelje.

Mind a három csatornának van egy közös nevezője: nyilvánosan elérhető, géppel olvasható információ. Ami nincs kint vagy nem értelmezhető, az a modell számára gyakorlatilag nem létezik. És itt jön a két leggyakoribb, önkezűleg ásott gödör.

1. probléma: a rejtett árazás csendben kitöröl a rövidlistáról

A „beszéljünk az árról” taktikának megvan a maga üzleti logikája: a sales csapat kontrollálni akarja a beszélgetést, az ársávot a vásárló mérete szerint pozícionálni. Tíz évvel ezelőtt ez működő stratégia volt. Egy LLM-vezérelt vásárlási folyamatban viszont öngól.

Amikor a vásárló költségvetést ír be a kérdésébe — „4000 euró havi keret”, „kis csapat, korlátozott büdzsé” —, a modell igyekszik csak olyan opciókat ajánlani, amelyekről meg tudja erősíteni, hogy beleférnek. Ha nálad nincs nyilvános ár, a modellnek nincs mit megerősítenie. Nem kockáztat: inkább kihagy, és azt a versenytársat hozza, akinek az ára kint van, átlátható és kategorizálható.

A fájdalmas rész, hogy ez nem egy hangos elutasítás. Senki nem mondja a szemedbe, hogy „túl drága vagy” vagy „nem tudtuk, mennyibe kerülsz”. Egyszerűen kimaradsz a beszélgetésből. Csendben. Mérhetetlenül — egészen addig, amíg valaki utána nem néz, hogyan szerepelsz az AI-válaszokban.

Fontos árnyalat: ez nem azt jelenti, hogy minden árat tételesen ki kell tenned a kirakatba. Elég, ha a modell talál egy nyilvános, strukturált támpontot — induló csomag ára, ársávok, „-tól” árak, vagy egy átlátható árazási logika —, amibe bele tud kapaszkodni. A teljes átlátszatlanság a probléma, nem a sales-folyamat léte.

2. probléma: a zárt funkció = nem létező funkció

A második gödör még alattomosabb, mert itt gyakran a legjobb képességeidet temeted el. Az a funkció, ami csak a bejelentkezés mögött, egy értékesítési prezentációban vagy egy letölthető PDF-ben létezik, a modell számára nem létezik.

Tegyük fel, hogy a terméked piacvezető a valós idejű, kétirányú adatszinkronban. De erről sehol nincs nyilvános, kereshető, jól megfogalmazott oldalad — csak a sales-deck 14. diáján szerepel. Amikor valaki megkérdezi az AI-t, hogy „melyik megoldás tud valós idejű kétirányú szinkront”, a modell nem téged mond. A versenytársadat mondja, mert ő írt róla egy nyilvános oldalt — még akkor is, ha az ő megoldása gyengébb a tiednél.

Ez a SaaS-világ kíméletlen iróniája az AI-korban: a jobb termék veszít a jobban dokumentált termékkel szemben. A modell nem értékeli a kódminőséget vagy a felhasználói élményt. Azt értékeli, amiről bizonyítékot talál. Ha a bizonyíték login mögött ül, az a gép számára nem bizonyíték.

Ráadásul a hatás halmozódik. Minél több versenytárs dokumentál nyilvánosan egy képességet, és minél kevésbé teszed ezt te, annál inkább azt kezdi a modell a kategória alapértelmezett igazságának tekinteni. Egy idő után nem csak kimaradsz: a gép „normája” dolgozik ellened, mert a te megközelítésed lesz a kivétel, amiről nincs nyilvános bizonyíték.

Miért éppen a nagyvállalati ügyfeleknél fáj a legjobban?

Az enterprise szegmensben két ok miatt drámaibb a hatás. Először is, itt a legmagasabb a deal-érték, így minden kiesett rövidlista-hely közvetlenül komoly bevételt jelent. Egyetlen ki nem mondott ajánlás évek múlva mérhető különbség.

Másodszor, a nagyvállalati beszerzők a leginkább hajlamosak az AI-t előszűrésre használni. Nincs kapacitásuk tizenöt szállítót kézzel összehasonlítani, ezért az asszisztenstől kérnek egy szűkített listát, kritériumok mentén: megfelelés, integrációk, biztonság, ársáv. Pontosan azok a kritériumok, amelyeket a rejtett árazás és a zárt dokumentáció miatt a modell nálad nem tud kipipálni.

Vagyis a legértékesebb ügyfeleidet veszíted el a legkevésbé látható módon. Nem kapsz róla riasztást. Nem jelenik meg egy elvesztett-deal jelentésben. Egyszerűen kevesebb minősített érdeklődő ér el hozzád — és a marketinged azt hiszi, „gyenge a hónap”.

A jövő vásárlója nem azt kérdezi az AI-tól, hogy „jó-e a céged”. Azt kérdezi, hogy „melyik a legjobb” — és ha nem vagy ott a felsorolásban, a válaszod meg sem született.

Egy ötperces önteszt, mielőtt bármibe belekezdesz

Mielőtt bármilyen stratégiába vagy auditba fognál, érdemes a saját szemeddel látni a problémát. Nyiss meg egy nyelvi modellt — ChatGPT-t, Claude-ot, Geminit vagy Perplexityt —, és tedd fel pontosan azokat a kérdéseket, amelyeket egy valódi vásárlód feltenne. Íme négy, amivel azonnal képet kapsz:

• „Mi a legjobb [kategória] megoldás egy [méret] cégnek [keret] büdzsével?” — Szerepelsz egyáltalán a felsorolásban? És ha igen, hányadikként?
• „Hasonlítsd össze a [te márkád]-ot és a [versenytárs]-at.” — Pontosan írja le a funkcióidat, vagy elavult, hiányos, esetleg téves információt ad rólad?
• „Mennyibe kerül a [te márkád]?” — Tud bármi konkrétumot mondani, vagy csak annyit, hogy „keresd fel a sales csapatot”?
• „Melyik [kategória] eszköz tudja a [kulcsfunkciód]-at?” — A te neved jön elő, vagy a versenytársadé?

Ha a válaszokban következetesen hiányzol, lemaradsz a versenytársak mögött, vagy pontatlanul írnak rólad, akkor nem elméleti kockázatról beszélünk. A bevételkiesés már most zajlik — csak eddig nem nézted meg, hol. Ez az önteszt a nyers diagnózis; a teljes, rendszerszintű kép és a priorizált terv az, amit egy alapos audit ad hozzá.

Mit tehetsz? Öt lépés a gépi láthatóságért

A jó hír, hogy ez nem fekete mágia. A gépi láthatóság ugyanolyan optimalizálható, mint korábban a klasszikus SEO — csak más a célközönség: most nem egy keresőmotor, hanem egy nyelvi modell „olvas” téged. Íme a legfontosabb húzások:

1. Hozd ki az árazást a sötétből. Nem kell teljes árlistát publikálnod, de adj egy nyilvános, strukturált támpontot: ársávok, induló ár, vagy átlátható árazási logika, amibe a modell bele tud kapaszkodni.
2. Dokumentáld a funkcióidat nyilvánosan. Minden fontos képességednek legyen önálló, kereshető, jól megírt oldala. Ha login mögött van, az nem létezik a gépnek. Hozd ki a fényre.
3. Strukturáld a tartalmat a gépnek. Tiszta címsorok, válasz-első bekezdések, gyakori kérdések blokk, séma-jelölés (Article, FAQPage, Product, Organization). Segítsd a modellt, hogy ne csak olvasson, hanem értelmezzen.
4. Építs összehasonlító és bizonyíték-alapú tartalmat. Esettanulmányok, konkrét számok, integrációs listák, megfelelőségi igazolások. A modell a megerősíthető állításokat szereti — adj neki bőven.
5. Mérd, hogyan beszélnek rólad az AI-k. Amit nem mérsz, azt nem tudod javítani. Tudnod kell, ma mit válaszol a ChatGPT, a Claude, a Gemini és a Perplexity a kategóriád kulcskérdéseire — és hol vagy te ebben a képben.

Ez az utolsó pont a leggyakrabban kihagyott — és a leginkább meghatározó. A legtöbb cég vakon optimalizál, mert sosem nézte meg, mit lát az AI valójában. Pedig pontosan ez az a kiindulópont, ami nélkül a többi négy lépés csak találgatás.

Itt jön képbe az AI Láthatósági Audit

Az AI Láthatósági Audit azzal kezdődik, ami a leghasznosabb: megnézzük, hogyan ír és rangsorol téged a négy legfontosabb nyelvi modell — a ChatGPT, a Claude, a Gemini és a Perplexity — ma, a saját kategóriád valós vásárlói kérdéseire.

Feltérképezzük, hol vagy láthatatlan, hol írnak rólad pontatlanul, és pontosan kit ajánlanak helyetted. Megnézzük, hol szivárog el az árazásod, mely funkcióid nem léteznek a gép szemében, és milyen állításaidat nem tudja a modell megerősíteni nyilvános forrásból.

Ezután kapsz egy konkrét, priorizált cselekvési tervet: mit, hol és milyen sorrendben kell géppel olvashatóvá tenned — az árazástól a funkciódokumentáción át a séma-jelölésig —, hogy a következő vásárlói kérdésnél már téged ajánljon az AI. Nem általános tanácsokat. A te kategóriádra, a te versenytársaidra és a te jelenlegi láthatóságodra szabva.

A cél egyszerű: ne egy átlátszatlan algoritmus döntse el csendben, ki kerül a vásárlód rövidlistájára. Döntsd el te — azzal, hogy láthatóvá teszed magad.

Az audit eredménye nem egy negyvenoldalas, fiókba kerülő PDF. Egy átlátható, prioritásokba rendezett lista: melyik az a néhány változtatás, ami a legnagyobb hatással van a láthatóságodra, és mi az, ami ráér. Így a csapatod nem a jövő negyedévben, hanem már holnap el tud kezdeni dolgozni rajta.

Gyakori kérdések

Tényleg ajánlanak az LLM-ek konkrét szoftvereket?

Igen, és egyre gyakrabban. A vásárlók nemcsak információért, hanem összehasonlításért és ajánlásért fordulnak a nyelvi modellekhez. Az asszisztens jellemzően néven nevez 3–5 megoldást, indoklással együtt — ez lesz a vásárló kiinduló rövidlistája.

Ha kiteszem az áraimat, nem veszítem el a sales-kontrollt?

Nem feltétlenül. Nem teljes, tételes árlistára van szükség, hanem egy nyilvános, strukturált támpontra — ársávra, induló árra vagy átlátható logikára —, amivel a modell besorolhat. A személyre szabott ajánlatadás ettől még maradhat a sales csapatnál.

Mi a különbség a klasszikus SEO és az AI-láthatóság között?

A klasszikus SEO arra optimalizál, hogy egy keresőben magasabban jelenj meg a találati listán. Az AI-láthatóság (gyakran GEO vagy AEO néven) arra, hogy egy nyelvi modell a válaszában név szerint, pontosan és pozitívan említsen. A kettő összefügg, de nem ugyanaz: az AI nem listát ad, hanem döntést hoz helyetted.

Honnan tudom, hogy engem érint-e a probléma?

A leggyorsabb teszt: kérdezd meg te magad a ChatGPT-t, a Claude-ot, a Geminit és a Perplexityt a kategóriád tipikus vásárlói kérdéseivel. Ha nem szerepelsz, vagy pontatlanul írnak rólad, akkor a problémát épp most látod élőben.

Mennyi idő alatt látszik eredmény?

A nyilvános árazás és funkciódokumentáció pótlása, illetve a strukturált adat bevezetése után az élő keresésre támaszkodó modellek viszonylag gyorsan kezdik másképp említeni a céget. A tanítóadatba épülő hatás lassabb, hosszabb távú — ezért is érdemes minél előbb kezdeni.

Mielőtt a következő nagyvállalati ügyfeled megkérdezi a ChatGPT-t, jó tudni, mit fog válaszolni.

Az AI Láthatósági Audittal megtudod, ma hol állsz a nyelvi modellek szemében — és pontosan mit kell tenned, hogy téged ajánljanak.