2026. június 3-án a Google bevezette a Search Console szolgáltatásban a generatív mesterségesintelligencia-teljesítményjelentéseket, amelyek a Keresés generatív AI-funkcióiban, például az AI-áttekintésekben és az AI-módban megjelenő megjelenítések dedikált nézeteit. Végre hivatalos AI áttekintések jelentek meg, amelyek megmutatják, hogy ezek a funkciók milyen gyakran érintik oldalait. Amit nem tartalmaz, az az AI tevékenység mögötti lekérdezések, és a jelentés csak a felhasználói felületre vonatkozik. 2026. augusztus 11-én a saját tulajdonomon újra igazoltam, hogy sem a Search Analytics API, sem a BigQuery tömeges exportálása nem teszi közzé a generatív mesterségesintelligencia-adatokat, így nincs hivatalos módja az AI-mód forgalmának lekérdezés szinten történő nyomon követésére.
Kivéve, hogy a lekérdezések úgyis előkerülnek. Valódi mesterséges intelligencia-beszélgetések töredékei, az „igen folytassuk”-hoz hasonló válaszok, nyomon követések és egész beillesztett felszólítások közönséges lekérdezésekként kezdtek megjelenni a teljesítményjelentésben. Anastasia Kourou posztolt a furcsa húrokról a LinkedIn-en, és John Mueller, a Google munkatársa válaszolt, megerősítve, hogy ezek az adatok mindig is elérhetők voltak a teljesítményjelentésben, és a Google dokumentációjára mutatott.
Külön megírtam a teljes fiókot 16 hónapnyi saját adataimmal, és bevezettem a módszeremet, amellyel ezeket a lekérdezéseket kivonom a Google Search Console MCP-n keresztül, így a következőkben csak a Search Console mesterséges intelligencia-lekérdezésének gyakorlati módjait ismertetem, valamint egy ingyenes eszközt, amelyet saját, személyre szabott gépi tanulási modellem működtet, amely elvégzi ezt Ön helyett.
A tülekedés a lekérdezésekért
Amint a kiszivárogtatás nyilvánossá vált, a keresőoptimalizálók elkezdték kidolgozni a módszereket a lekérdezések eltávolítására.
A korai hullám, még 2025 júniusában, a szószámlálási reguláris kifejezés volt, amely a hosszú társalgási lekérdezéseket csak a hossz alapján tette felszínre, például bármit, ami több mint 32 szót tartalmazott. Barry Schwartz összeszedte ezeket a korai próbálkozásokat, Metehan Yeşilyurt, Vijay Chauhan és David Konitzny nevéhez fűződik. A megközelítések azóta sokkal konkrétabbak lettek.
1. módszer: Glenn Gabe teljes készlete Excelben
A teljesítményjelentés felhasználói felülete minden táblázatot 1000 sorra korlátoz, így egy nagy webhelyen a lekérdezési adatok nagy része rejtve marad, mielőtt elkezdené. Glenn Gabe válasza az, hogy kihagyja a felhasználói felületet. A teljes lekérdezéskészletet lekéri a Search Analytics API-n keresztül az Excel Analytics Edge használatával, majd megkéri Claude-ot, hogy rendezze a listát, és jelölje meg a valószínűsíthető AI módú lekérdezéseket. Ha már használja az Excelt, ez a teljes leltárt az általa ismert munkafolyamatba helyezi.
2. módszer: Jean-Christophe Chouinard egyéni reguláris kifejezése
Jean-Christophe Chouinard ugyanezt a problémát kereste a jelentésből. 2026. augusztus 14-én közzétett egy reguláris kifejezést a LinkedIn-en, amely közvetlenül a teljesítményjelentés Lekérdezés szűrőjében jelöli meg a párbeszédes karakterláncokat az Egyéni reguláris kifejezés használatával. Úgy építette fel, hogy összehasonlította az emberek által általában beírt üzeneteket az LLM-be, az általa hozzáférhető adatokból, a GSC-ben az AI-áttekintések előtt ritkán látható karakterláncokkal.
Az eredmény egy hosszú váltakozás, amely magában foglalja a felszólító igéket (írni, vázolni, generálni, összefoglalni, magyarázni, viselkedni), üdvözléseket, elismeréseket (igen, ok, jól hangzik, igen, tovább), visszautasításokat és nyomon követéseket (tovább, folytasd, mutasd meg még, bármilyen más lehetőség). Illessze be a szűrőbe, és azonnal, ingyenesen megtekintheti a már megnyitott jelentést.
A 2026. január 12-i esettanulmány külön is kimutatta, hogy a Search Console nyomon követi az AI módban leadott kattintásokat, de a mögöttük lévő lekérdezések szinte kizárólag anonimizáltak, ez a figyelmeztetés minden módszerre vonatkozik.
3. módszer: Amin Foroutan Advanced GSC Visualizer
Az Amin Foroutan Advanced GSC Visualizer egy ingyenes Chrome-bővítmény, amely egy kattintással API-hozzáféréssel speciális diagramokat, megjegyzéseket és mesterséges intelligencia asszisztenst rögzít a Search Console adataihoz. Nincs benne AI mód-specifikus szűrő.
4. módszer: Saját MCP-kiszolgálók
A Search Console MCP-mben a beszélgetésérzékelő be van építve a genai_conversation_queries nevű eszközként, a BigQuery MCP-m pedig ugyanezt az érzékelőt futtatja a tömeges exportálás ellen, ahol a lekérdezések névtelen csoportja él. Mindkettő helyileg fut, így az adatok csak Ön és a Google között mozognak. Amit jól csinálnak, az az automatizálás és a méretezés, minden sorban lekérdezési szintű címkékkel. A határ inkább a beállítás, mint az észlelés, mivel MCP-kliensre és konfigurációra van szükség, így azok megfelelnek a technikai felhasználóknak.
A 4 módszer egymás mellett
| Módszer | Erős at | Korlátok |
|---|---|---|
| Glenn Gabe, API az Excelbe Claude-dal | Teljes lekérdezési leltár Excel-munkafolyamatban | Futásonkénti rendezés, minta alapú |
| Jean-Christophe Chouinard, egyéni regex | Azonnali ingyenes szűrő a jelentésben | Angol minta lista |
| Amin Foroutan, Advanced GSC Visualizer | Feltérképezés és felfedezés export nélkül | Nincs AI mód specifikus szűrő |
| Az MCP-jeim | Automatizálás és méretezés, címkék minden lekérdezéshez | MCP kliensre és konfigurációra van szüksége |
Tekintse meg a Limits oszlopot, és az első három résen osztozik. A mintalisták és a futásonkénti rendezés nem képes megbízhatóan elkapni az éles eseteket, például a rangkövető próbákat, az ügynökköteg-promptokat, a beillesztett karakterláncokat vagy a „helyem van” szondákat. Angol nyelvre is készültek, így a tamil nyelvű válasz vagy egy kódkevert hinglish karakterlánc címkézetlenül áthalad. A 4. módszer ezt a problémát egyéni ML-modellel oldja meg.
Miért kell ehhez egy ML modell?
Hagyományos módszerekkel nagyon nehéz pontosan megtenni minden lekérdezést elnevezett gyűjtőcsoportokba, különböző nyelveken, a furcsa gép által generált karakterláncokkal együtt. Mert nagyon sok szélső eset van, stb. Tehát az egyetlen megbízható módja ennek a működésének a gépi tanulási modell betanítása.
Ezért úgy döntöttem, hogy építek egyet.
Hogyan építettem fel a detektort
A detektor két részből áll. A determinisztikus szabályok birtokolják a pontos osztályokat (válasz műtermékek, nyomkövető szondák, ügynök bekötési felszólítások), és egy betanított modell birtokolja a homályos határvonalat a társalgási, a hosszú farok és a hétköznapi között.
A modell a FacebookAI xlm-roberta-alapja, amely 100 nyelvre van előtanulva, és a saját Search Console beszélgetéskivonatára, valamint nyolc nyelvű szintetikus sorokra van finomhangolva, beleértve a kódkevert tanglish és hinglish nyelvet is. Valamivel több mint 120 000 pontozott lekérdezés során érvényesítettem, és kétszer áttanítottam a hibára. Egy nullára skálázható Cloudflare konténeren kvantálva fut, és ugyanez a modell most egy ingyenes eszközt is működtet, amelyet bárki bármilyen beállítás nélkül használhat.
Az Eszköz
Ez az eszköz a mesterséges intelligencia mód és az AI áttekintése lekérdezési osztályozó, amely ingyenes ezen az oldalon, és nem kell regisztrálnia vagy megadnia az e-mail címét.
Ha a GSC MCP-útvonal erőfeszítésnek tűnt, akkor ez ugyanaz az érzékelő, amelyről az erőfeszítést eltávolították.
Hogyan működik
A Search Console vagy a BigQuery lekérdezések CSV-exportálása után több fájl kerül egy futtatásra.
1. lépés: A modell a lekérdezéseket hét csoport egyikébe sorolja.
2. lépés: Ha hozzáad egy Search Console generatív AI-jelentést, az eszköz kivonja az oldaladatokat, és leképezi ezeket a lekérdezésekre. (A jelentésben megjelenik egy „AI oldal” oszlop. A teljes URL-t a CSV exportálásakor láthatja.)
A determinisztikus szabályok közvetlenül a böngészőben jelölik meg a nyilvánvaló csoportokat, és ezek a lekérdezések soha nem hagyják el az eszközt. Ezt azért teszem, mert minimalizálni szeretném a feldolgozott adatok mennyiségét, és fel akarom gyorsítani a dolgokat.
Minden más a modellhez kerül, besorolásra kerül a memóriában, és ezek közül semmi sem kerül tárolásra. Minden lekérdezés egy csoporttal és egy megbízhatósági pontszámmal érkezik vissza. Egyszerű szavakkal, a csoportok teljes beszélgetési lekérdezések, rövid válaszok, például „igen folytassuk”, nyomon követési pontok, például „mi a helyzet a profi tervvel”, rangkövető szondák, ügynöki bekötési utasítások, beillesztett karakterláncok és szokásos keresések. Szűrhet csoport, osztályozó és megbízhatóság szerint, majd minden címkézett sort exportálhat CSV-fájlba sorkorlát nélkül.
Hogyan kell használni
Öt lépés, elejétől a végéig.
- Tegye fel kérdéseit. Körülbelül 1000 lekérdezés alatt a teljesítményjelentés normál exportálása már befejeződött. A nagyobb webhelyek több szűrt exportálást is egymásra halmozhatnak, a teljes listát áthúzhatják az API-n keresztül a Search Analytics for Sheets vagy a Looker Studio segítségével, vagy kiírhatják a BigQuery tömeges exportálási táblázatát CSV-fájlba. Ha Ön keresőoptimalizáló, akkor már tudja, hogyan lehet több mint 1000 lekérdezést leadni a GSC-től.
- Dobja a CSV-t vagy a CSV-ket az oldalra.
- Nyomja meg az Osztályozás gombot.
- Szűrjön vagy keressen a címkézett táblázatban.
- Exportálja a címkézett CSV-fájlt.
Korlátozások
Az eszköz kényelmesen kezeli akár 100 000 egyedi lekérdezést futtatásonként a böngészőben, és egy nagy futtatáshoz nyitva kell tartani a lapot, ami elfogadom, hogy ez egy nagyon 2010-es számítási mód. A második korlátozás a Google Search Console-ban az AI mód követésének minden módjára vonatkozik, beleértve az enyémet is. A Google anonimizálja a ritka lekérdezéseket; A beszélgetési karakterláncok ritkák, és a készlet egy része soha nem jelenik meg, ezért kezelje a kimeneti eredményeket alulszámlálásként. A BigQuery-exportálásom azt mutatja, hogy a megjelenítéseim 57,7%-a szerepelt az anonimizált készletben az elmúlt 59 nap során, 2026. augusztus 11-én mérve.
A modell futtatása valódi pénzbe kerül, és ahogy már ismersz, nem adok el semmit, és egyik eszközöm sem igényel semmilyen regisztrációt vagy fizetőfalat. Tehát bizonyos korlátozásokat és felső határokat kell beiktatnom, hogy mindenki használhassa ezt az eszközt.
Szóval, játssz szépen. Nem akarsz te lenni, aki tönkreteszi a dolgokat.
Az eszköz béta állapotban van, és ha sok ember kezdi használni, lelassul, és a feldolgozás tovább tarthat. Ebben az esetben várjon, és próbálja újra.
Továbbá kérjük, vegye figyelembe, hogy az időmet és a szakértelmemet ingyenesen ajánlom fel, így nem kérek ügyfélszolgálatot stb. Igen, meg kell írnom ezt a dolgot, mert vannak, akik nem úgy viselkednek, mint egy ésszerű felnőtt.
Több mint 100 000 lekérdezés
100 000 egyedi lekérdezés felett inkább kötegelt futtatást kell végrehajtanunk. Küldje el a sajátját, és az ügynökségem megfelelő kötegelt munkaként futtatja le, majd e-mailben elküldi Önnek a teljes eredményeket. Az eredményeket teljes, végrehajtható jelentéssé is alakíthatjuk, vagy segíthetünk szélesebb körű AI SEO munkájában.
Ezt a bejegyzést eredetileg a Suganthan oldalon tették közzé.
