A vélemények, amik nélkül nem létezel a ChatGPT szemében

Van egy kis kísérlet, amit érdemes elvégezned, mielőtt továbbolvasol. Nyisd meg a ChatGPT-t, és kérdezd meg tőle: „Megbízható webshop a [saját boltod neve]?” Vagy még inkább: „Milyen tapasztalataik vannak a vásárlóknak a [boltod]-dal?” A válaszban szinte biztosan lesz egy fordulat, ami így hangzik: „a vásárlói visszajelzések alapján…”, „egyes vevők azt írták…”, „az értékelések többsége pozitív, bár néhányan említik…”. És itt áll meg a legtöbb webshop-tulajdonos: honnan veszi ezt? Nem telefonált a vevőimnek. Nincs hozzáférése a rendszeremhez. Mégis mond valamit arról, mit gondolnak rólam az emberek — és ez a valami dönti el, hogy ajánl-e egy vásárlásra készülő idegennek, vagy inkább a versenytársamról beszél.

Tizenöt éve dolgozom webshopokkal, és a véleménykezelést sokáig egy kipipálandó feladatként kezeltem: legyen pár csillag a termékoldalon, és kész. Az AI-alapú keresés ezt a hozzáállást tette elavulttá. Ma a vélemény nem dísz a termékoldal alján, hanem az egyik legfontosabb dolog, amiből egy nyelvi modell eldönti, hogy létezel-e a számára megbízható boltként. Ebben a cikkben végigmegyünk azon, honnan „tudja” egy AI, mit mondanak rólad, miért ér többet egy külső, ellenőrizhető vélemény, mint tíz a saját oldaladon, és miért lehet egy jól kezelt negatív értékelés a legerősebb bizalmi jeled.

Honnan „tudja” egy AI, mit mondanak rólad a vevők

A nyelvi modellek két forrásból építkeznek. Az egyik a betanításkor beolvasott, hatalmas szövegmennyiség — ebben benne van a nyilvános web jelentős része, így a véleményoldalak, a fórumszálak, a közösségi posztok és a blogbejegyzések is. A másik, egyre gyakoribb forrás az élő keresés: amikor felteszel egy kérdést, a modell a háttérben rákeres, és a friss találatokból dolgozik. Mindkét úton ugyanoda jut el: oda, ahol nyilvánosan, kereshető formában írnak rólad.

Ebből következik valami, amit nehéz megemészteni, ha eddig a saját marketingszövegedre koncentráltál: az AI nem a te állításodat ismétli meg. Azt ismétli meg, amit mások mondanak rólad. Ha a rólad szóló nyilvános szöveg túlnyomó része a saját anyagod — a termékleírásaid, a „rólunk” bekezdésed, a hirdetéseid —, akkor a modellnek nincs mihez viszonyítania, és óvatos lesz. Ha viszont van mellette száz független értékelés a cégprofilodon, néhány fórumbejegyzés, egy-két említés máshol, akkor van miből képet formálnia. És pontosan ezt fogja tenni: összegzi, amit talál, és azt adja vissza a vevőnek.

A véleménygyűjtés innentől nem opcionális higiénia. Ez az egyetlen módja annak, hogy egyáltalán legyen mit összegeznie rólad egy gépnek, amikor egy vásárló a nevedre vagy a kategóriádra kérdez rá.

A vélemény ott dől el, ahol az összehasonlítás történik

A legfontosabb kérdéstípus nem az, hogy „megbízható-e a [boltod]”. Az a ritkább eset, amikor valaki már ismer téged. A gyakoribb — és üzletileg fontosabb — az összehasonlító kérdés: „melyik a legjobb magyar webshop [terméktípusra]?”, „hol vegyek [terméket] megbízhatóan?”, „ajánlj három boltot, ahol van [termék]”. Ilyenkor a modell több bolt között választ, és valami alapján rangsorol.

Ez a „valami” jó részben a nyilvános megítélésed. Ha rólad sok, friss, többségében pozitív, több forrásból megerősített értékelés érhető el, bekerülsz a rövid listába. Ha rólad alig van nyilvános nyom, akkor kimaradsz — nem azért, mert rossz vagy, hanem mert a modellnek nincs min elindulnia. Egy vásárlásra kész vevő elé így oda sem kerülsz. Erről a rangsorolási logikáról részletesebben írtam abban a cikkben, hogy így dönt a ChatGPT arról, hogy a márkádat ajánlja-e.

Van ennek egy kényelmetlen következménye. Két bolt közül, ahol a termék és az ár nagyjából ugyanaz, az nyer az AI-ajánlásban, amelyikről többet és frissebbet írtak nyilvánosan. A minőség önmagában nem elég, ha nincs róla kereshető nyom. Ez nem igazságos, de ez a jelenlegi működés — és jó hír, hogy befolyásolható.

Miért nem elég a saját oldaladra kitett öt csillag

A legtöbb webshopon ott a widget: „4,8 csillag, 240 értékelés alapján”. Ez kevesebbet ér, mint gondolnád — a vevőnek is, az AI-nak is, és ugyanazért: nem ellenőrizhető független forrásból.

A saját oldaladon megjelenő értékelést te kezeled. Te döntöd el, melyik jelenik meg és melyik nem, milyen szűrő fut rajta, honnan érkezett. Ettől még lehet teljesen valódi — de kívülről nézve nincs rá garancia. Egy harmadik feles platformon (Google Cégprofil, Árukereső, Trustpilot, a webshopmotorodhoz kötött értékelőrendszer, közösségi oldalak) az értékelés a platformnál is ott van, tehát nem csak a te szavad van rá. Egy AI-modell — pont úgy, mint egy óvatos vevő — a több, egymástól független forrásból megerősített képet súlyozza feljebb.

Ez nem azt jelenti, hogy a saját oldali értékelést le kell szedni. Az is hasznos: a termékoldalon segít a döntésben, és megjelenhet gazdag találatként a Google-ben. De önmagában nem elég ahhoz, hogy egy AI megbízhatónak minősítsen. Kell mellé a külső, ellenőrizhető nyom — és lehetőleg ugyanaz a vélemény, ugyanattól a vevőtől, ott is látszódjon.

A termékoldali szöveg egyébként önmagában is számít: erről szól a sorozat korábbi része arról, hogy mit szeret és mit utál egy AI-modell egy termékleírásban. A vélemény és a leírás együtt adja ki a képet.

Mennyiség és frissesség: a két jel, amit egy vevő és egy modell is néz

Ha egy vásárlásra készülő ember két boltot hasonlít össze, és az egyiknek tizenkét értékelése van, a másiknak háromszáz, a döntés általában egyértelmű — akkor is, ha az átlagos csillagszám hasonló. A mennyiség önmagában bizalmi jel: azt üzeni, hogy sokan mertek itt vásárolni, és a többségük vette a fáradságot, hogy visszajelezzen.

A frissesség ugyanilyen fontos, és sokan alábecsülik. Egy bolt, aminek az utolsó értékelése másfél éve érkezett, gyanús: vagy nem kér visszajelzést, vagy már nem is aktív. Egy folyamatos, heti-havi ütemben csordogáló értékelésfolyam viszont azt mutatja, hogy a bolt él, működik, és a friss vevők tapasztalata is rendben van. Az időbélyeggel ellátott tartalmat egy AI is fel tudja ismerni ilyen mintázatként.

Innen jön a gyakorlati következtetés: nem elég egyszer összegyűjteni száz értékelést, aztán évekig nem foglalkozni vele. A cél a folyamatos áramlás. Ehhez kell egy automatizmus, ami minden teljesített rendelés után, jó időzítéssel elkéri a véleményt — nem a kiszállítás pillanatában, hanem néhány nappal a becsült kézhezvétel után, amikor a vevő már kipróbálta a terméket. Ennek a beállításáról külön, gyakorlati cikk szól: véleménygyűjtés automatikusan a Feedback & Reviews modullal.

A negatív vélemény nem gyengeség — ha van rá válaszod

A leggyakoribb hiba, amit látok: a webshop retteg a negatív értékeléstől. Mindent megtesz, hogy ne legyen ilyen — vagy hogy eltűnjön, ha mégis. Ez visszafelé sül el.

Egy kizárólag ötcsillagos profil egy óvatos vevőnek — és egy AI-modellnek — nem hihető. A valóságban minden boltnál van elrontott rendelés, késett futár, félreértett termékleírás. Ha ez sehol nem látszik, az nem azt üzeni, hogy tökéletes vagy, hanem azt, hogy szűrsz. A pár darab tárgyilagos, három-négy csillagos értékelés valójában hitelesíti a többit.

A kulcs nem a negatív vélemény hiánya, hanem a rá adott válasz. Ha egy elégedetlen vevő panasza alatt ott a bolt higgadt, konkrét válasza — „Elnézést kérünk, a futárszolgálatnál csúszás volt azon a héten. Írj a megadott címre, és pótoljuk.” —, az többet ér minden marketingszövegnél. Megmutatja, hogyan viselkedsz, amikor baj van. Egy AI, ami a nyilvános szövegből dolgozik, ezt a mintát is látja: nem csak azt, hogy volt panasz, hanem azt is, hogy volt rá emberi, felelős reakció.

Egy apró, de fontos részlet: a válaszod hangneme is beépül a képbe. Ha védekező, ingerült vagy elhárító, azt az AI is „olvassa” — és a következő vevőnek átadja azt a benyomást, hogy nálad a panasz konfliktus. Ha viszont a válaszaid következetesen nyugodtak és megoldásorientáltak, az egy halmozódó bizalmi jel, ami minden új értékeléssel erősödik.

Gyakorlati szabály: minden negatív értékelésre válaszolj — nyilvánosan, indulat nélkül, konkrétan. Ne töröltess, ne vitatkozz, ne magyarázkodj hosszan. A cél nem az, hogy neked legyen igazad a kommentszekcióban, hanem hogy a következő olvasó — ember vagy gép — lássa, hogy kezelted a helyzetet.

Mit tegyél a jövő héten

• Keresd meg magad. Kérdezd meg a ChatGPT-t, a Geminit és a Perplexityt a boltodról és a kategóriádról, és nézd meg, említenek-e véleményeket, és milyen forrásból. Ha semmit, az önmagában eredmény: nincs elég nyilvános nyom rólad. Ehhez ad keretet a sorozat első része arról, hogyan kérdezd meg a ChatGPT-t a saját webshopodról.
• Nézd meg, hány friss értékelésed van. Google Cégprofil, Árukereső, a webshopmotorod értékelőrendszere — mikor jött az utolsó? Ha hónapok teltek el, ott a probléma gyökere.
• Állíts be egy vásárlás utáni véleménykérő e-mailt. Időzítsd a becsült kézhezvétel utánra pár nappal. Ez az egy automatizmus önmagában elindítja a folyamatos áramlást.
• Válaszolj az összes eddigi negatív értékelésre, visszamenőleg is. Higgadtan, konkrétan. Pár óra munka, és tartós bizalmi jel marad utána.
• Ne csak a saját oldaladra másold a véleményeket. Hagyd, hogy a külső platformon is ott legyenek — az a nyom, amit egy AI ellenőrizhetőnek lát.

Ha kíváncsi vagy, más magyar webshopok hol tartanak ebben, erről is írtam a tapasztalataim alapján — a rövid összefoglaló az, hogy a legtöbb bolt a nyilvános, ellenőrizhető véleménynyomon bukik el, nem a termékein.

Összefoglalva

A vélemény a bizalom nyelvtana egy AI számára. Nem tudja megtapasztalni a boltodat, nem tud rendelni tőled — de el tudja olvasni, mit mondanak rólad mások, és ebből épít képet. Ha ez a kép hiányos, elavult vagy csak a saját oldaladon létezik, akkor a modell inkább arról a versenytársadról fog beszélni, akiről van mit mondania. A sorozat következő része arról szól, hogyan olvassa egy AI a Rólunk oldaladat — a vélemények mellett ez a másik hely, ahol a hitelességedet méri.

Ha pontosan tudni akarod, mit lát ma rólad egy AI-modell — milyen véleményeket talál, honnan, mennyire frisseket, és mit hagy ki —, ezt méri fel az AI-láthatósági audit. Végigmegyünk a nyilvános nyomaidon, összevetjük a versenytársaiddal, és megmutatjuk, hol szivárog el a bizalom, mielőtt a vevő eljutna hozzád.