Google NavBoost 2026: Így irányítják a kattintások a keresőt

Több mint egy évtizeden át a Google szóvivői következetesen tagadták, hogy a felhasználói kattintások vagy a böngészési adatok bármilyen közvetlen szerepet játszanának a rangsorolásban. Ha egy SEO szakember azt merte állítani, hogy az átkattintási arány vagy a weboldalon eltöltött idő rangsorolási faktor, a hivatalos válasz általában egy elegáns cáfolat volt.

2026 áprilisára azonban a falak végleg leomlottak.

Két SEO szakértő egymástól függetlenül, de szinte egyszerre publikált két olyan elemzést, amelyek három egymást erősítő forrást fésültek össze: az amerikai igazságügyi minisztérium (DOJ) Google elleni trösztellenes perének eskü alatti vallomásait, a 2024-es gigantikus Google Content Warehouse API-kiszivárgás adatait, valamint a Google saját szabadalmi bejegyzéseit.

Az eredmény? A SEO-történet legrészletesebb térképe arról, hogy a Google már régóta nem csupán egy linkeket számolgató algoritmus, hanem egy folyamatosan tanuló, a felhasználói interakciókra épülő rendszer. Nézzük meg, mit rejt a motorháztető és mit jelent mindez a magyar piac szempontjából.

Miért most érdemes erről beszélni?

A 2024-es API-kiszivárgás önmagában is bomba volt. A SparkToro és az iPullRank által elsőként elemzett dokumentáció 2 596 modult és 14 014 specifikus attribútumot tárt fel a Google rangsorolási rendszeréből. A friss DOJ-peradatokkal és a szabadalmakkal kombinálva azonban most már nemcsak azt tudjuk, hogy milyen adatokat gyűjt a Google, hanem azt is, hogyan használja őket.

A per során kiderült, hogy a rangsorolás alapvetően két fő szignálra redukálható:

• Q (Quality): a tartalom relevanciája és minősége
• P* (Popularity): ezt közvetlenül a Chrome látogatottsági adatai és a felhasználói interakciók táplálják

A P* szignál az, ahol a mítoszok megdőlnek. Minden egyes keresés, kattintás és görgetés egy kétirányú párbeszéd része, amely folyamatosan tanítja a rendszert rólunk, az oldalunkról és arról, hogy tényleg megkaptuk-e a választ arra, amit kerestünk.

NavBoost: a Google 13 hónapos memóriája

A kiszivárgott dokumentációban a „NavBoost” kifejezés 84-szer jelent meg, hat dedikált modell részeként. Ez nem véletlenszerű adat. A DOJ-per során Pandu Nayak, a Google alelnöke eskü alatt erősítette meg, hogy a NavBoost „az egyik legfontosabb rangsorolási szignál”. Alexander Grushetsky, szintén Google alelnök, 2019-es belső e-mailben azt írta, hogy a NavBoost önmagában valószínűleg erősebb rangsorolási hatással bír, mint az összes többi szignál együtt, a kattintás és a pontosság metrikákat tekintve. A teljes DOJ-peranyag PDF formátumban elérhető.

A NavBoost egy 13 hónapra visszamenő kattintás-adatbázis. Folyamatosan rögzíti, hogy egy adott keresési kifejezésre a felhasználók melyik találatot választják, és utána hogyan viselkednek. De nem egyszerűen megszámolja a kattintásokat, hanem öt különböző típusú kattintást különböztet meg.

Az öt kattintástípus, amit a Google mér

1. Clicks (összes kattintás)
   Az alap. Minden más szignál ebből indul ki. Egy kattintás nélkül semmilyen értékelés nem lehetséges.
2. goodClicks (jó kattintások)
   A felhasználó rákattint egy találatra, érdemben időt tölt az oldalon, majd nem tér vissza a keresési találatokhoz. Azt jelzi, hogy a tartalom megválaszolta a kérdést. A kiszivárgott dokumentáció és a peranyag alapján ez azt jelenti: a kattintás feloldotta a keresési szándékot.
3. badClicks (rossz kattintások)
   A felhasználó rákattint, majd néhány másodpercen belül visszapattan a találatokra. Ez az úgynevezett pogo-sticking. A Google évekig tagadta, hogy ezt rangsorolási faktorként használná, a kiszivárgott séma mégis egy float-értékű, elnevezett attribútumként tárolja, egy 10/10 SEO-hatású modellen belül.
4. lastLongestClicks (utolsó és leghosszabb kattintás)
   Ez valószínűleg az egész NavBoost-rendszer legértékesebb szignálja. Azt méri: melyik találat volt az, amelyre a felhasználó az utoljára kattintott, és amelyen a legtöbb időt töltötte egy teljes keresési munkamenet során. Képzeljük el ezt a folyamatot. A felhasználó rákeres valamire, kattint az első találatra, visszajön, kattint a másodikra, visszajön, majd rákattint a harmadikra és négy percig ott marad, majd bezárja a lapot. A harmadik oldal kapja a lastLongestClick-kreditet. Ez az oldalad azt jelzi, hogy ténylegesen kielégítette az igényt: releváns volt, hasznos volt, és véget vetett a keresési folyamatnak.
5. impressions (megjelenítések)
   A kattintások értelmezéséhez szükséges nevező. Tíz kattintás tíz megjelenítésből egészen más teljesítmény, mint tíz kattintás tízezer megjelenítésből.

Google kattintási szignálok

Squashed vs. unsquashed: hogyan normalizálja a Google az adatokat?

A kiszivárgott séma tartalmaz egy technikai részletet, amely óriási következményekkel jár: a Google squashing (normalizáló) funkciót alkalmaz a kattintási adatokra.

A squashing lényege az, hogy megakadályozza az abszolút számok dominanciáját. Egy Google szabadalom (US8046371B2) részletesen leírja ezt a normalizáló funkciót: logaritmikus vagy sigmoid-görbével tömöríti az értéktartományt, így 10 és 100 kattintás között nagy a különbség, de 10 000 és 100 000 között már sokkal kisebb. Enélkül egy BBC-cikk ötvenezer kattintással tartósan elhomályosítana egy szaktémájú blogbejegyzést, amelynek ugyan csak ötszáz kattintása van, de az arányok, jó kattintás vs. rossz kattintás, sokkal kedvezőbbek.

Az unsquashed (nem normalizált) értékeket a Google szintén tárolja, ezek feltehetően a spamdetekciót szolgálják, ahol az értékek hirtelen, gyanús megugrása a lényeg, nem az arányok.

Praktikusan fogalmazva: ha egy helyi ügyvédi iroda honlapjára egyetlen héten belül százszor annyi kattintás érkezik, mint általában, a squashed adat csillapítja ezt a tüskét, hogy ne katapultálja a találati listán. Az unsquashed adat viszont megőrzi a nyers ugrást, hogy egy spamdetektáló rendszer megvizsgálhassa.

A hat NavBoost-modell a kiszivárgott dokumentációban

A kiszivárgott anyag hat protokollpuffer-modellt tárt fel a QualityNavboost névtéren belül. Mindegyiket a dokumentációt elemző szakemberek 10/10-es SEO-hatásúra értékelték. A modellek részletes technikai dokumentációja a Google API adattárházban is böngészhető.

1. CrapsClickSignals – az öt kattintástípus tárolója (10 attribútum)
2. CrapsData – a mesterrekord, amely a kattintásokat URL-hez, keresési kifejezéshez, eszközökhöz és földrajzi adatokhoz köti (22 attribútum)
3. CrapsDevice – eszköz és böngészőosztályozás (3 attribútum)
4. CrapsFeatureCrapsData – területi és funkciószintű szignálszeletelés (6 attribútum)
5. CrapsStatsWithWeightsProto – statisztikai eloszlási adatok (15 attribútum)
6. GlueVoterTokenBitmapMessage – felhasználói deduplikáció és adatvédelmi szűrés (2 attribútum)

A CrapsData modell egy különleges részlete: a rendszer a kattintásokat keresési kifejezésenként köti az URL-hez.

Vagyis a NavBoost azt is nyomon követi, hogy egy oldal jól teljesít-e egy adott kulcsszóra, de rosszul egy másikra. Ez nem oldalszintű értékelés, hanem oldal + keresési szándék páros értékelése.

Az eszközszintű szeletelés (CrapsDevice) szintén fontos: a mobilos és asztali kattintások külön kezelhetők, ahogy a CrapsFeatureCrapsData révén a lokációs és területi szignálok is. Egy oldal eltérően teljesíthet Budapesten, mint Debrecenben, a NavBoost ezt képes kódolni.

A GlueVoterTokenBitmapMessage modell egy érdekes anonimizálási réteget képvisel: egyedi tokenekkel azonosítja a felhasználókat anélkül, hogy személyes adatot tárolna. Ez egyrészt deduplikációra szolgál (ne számoljon egy felhasználó kattintása kétszer), másrészt lehetővé teszi a manipulált kattintások kiszűrését.

FastSearch és az AI-válaszok 70 napos ablaka

Nem csupán a hagyományos találati lista működik a kattintási szignálok alapján. A Google AI Overviews és AI Mode mögött dolgozó algoritmusok, köztük a FastSearch és a RankEmbedBERT, szintén erősen támaszkodnak a kattintási logokra.

Ezek a rendszerek egy rövidebb, 70 napos adatablakot használnak a keresési logokból, amelyet emberi értékelők pontszámaival kombinálnak, ezt a DOJ-perben bírósági dokumentumok is megerősítik. Azok a tartalmak kerülnek be az AI-összefoglalókba, amelyek a közelmúltban valóban elégedett kattintásokat vonzottak a hagyományos találatok között.

A következtetés kemény: ha az oldalad nem termel goodClicks-et és lastLongestClicks-et a klasszikus SERP-en, az AI-válaszok forrásai közé sem kerülsz be. A két rendszer összefügg, nem különálló játéktér.

A kutatás arra is rámutat, hogy más AI-platformok, például a ChatGPT szintén a Google találatait használják bizonyos keresésekre, különösen specifikus vagy „long-tail” kérdések esetén. Aki a Google kattintási ökoszisztémájában jól teljesít, az az AI-láthatóság terén is előnybe kerül.

A manipuláció falai

A kérdés magától értetődik: ha a kattintások ilyen fontosak, nem lehet-e azokat manipulálni?

A rövid válasz: nehéz, és egyre nehezebb.

A NavBoost 13 hónapnyi adatot tárol, a változások lassan épülnek be, hirtelen ugrások gyanúsak. A squashing normalizálja az anomáliákat. A GlueVoterToken deduplikál és kiszűri a nem valódi felhasználókat. Az IP-alapú fraud score-ok (amelyek szintén szerepelnek a kiszivárgott sémában) külön réteg védelmet adnak.

Daniel Foley Carter korábban tesztelt kattintásmanipulációt CTR-növelő eszközzel és rezidens proxykkal, ideiglenes rangsorolási hatást ért el, de a hatás múlandó volt. A Google Chrome saját felhasználói adataira támaszkodik, amelyeket bejelentkezett, valódi Google-felhasználók generálnak, ezeket a rendszer jóval nagyobb súllyal kezeli.

A tartós siker útja ezért nem a manipuláción, hanem a valódi felhasználói elégedettségen átmutat.

Mit jelent mindez a gyakorlatban?

A Google három kérdést próbál megválaszolni a kattintási adatokból:

1. Ez az eredmény releváns a keresési szándékhoz?
2. A tartalom hasznos-e a kérdés megválaszolásához?
3. Teljesen kielégíti-e a felhasználói igényt?

Ez a három kérdés konkrét teendőket jelent a tartalom, az UX és a márkaépítés szintjén is.

Elégedett kattintásokat csak releváns ígérettel lehet szerezni

A SERP-snippet (title tag és meta description) az egyetlen felület, ahol közvetlenül befolyásolhatod, hogy a felhasználó kattint-e. A cél azonban nem az elvakult CTR-növelés. A Google saját belső adatai szerint a clickbait title-ök badClicket generálnak, a felhasználó rákattint, mert érdekesnek látszik, de nem kapja meg, amit várt, és visszapattan.

A hasznos ígéret: a snippet pontosan tükrözze, milyen keresési szándékot elégít ki az oldal. Szándék, ígéret, márka, ez a három elem az, ami organikus goodClick-et termel.

A goodClick az oldalon töltött, érdemi időből születik

A Google nem egyszerűen „time on site”-ot mér. Ez a téves leegyszerűsítés régóta terjed. A kattintásokat keresési szándékhoz, felhasználótípushoz, nyelvhez és országhoz mérten súlyozza. Egy „Everest magassága” keresésre a goodClick néhány másodperces tartózkodást is jelenthet; egy „befektetési portfólió optimalizálása” keresésre több perceset.

Az érdemi idő az oldalon azt jelenti, hogy a felhasználó megkapta, amit keresett és még egy kicsit tovább maradt, mert talált valami pluszt. Vizuális tagolás, jól elhelyezett alcímek, belső kérdésekre adott válaszok, eszközök és kalkulátorok, összefoglalók a lap alján, ezek mind hozzájárulnak.

A lastLongestClick az, amit leginkább érdemes hajszolni

Az oldaladnak nemcsak relevánsnak és hasznosnak kell lennie, hanem befejezettnek. A felhasználónak ne legyen oka visszamenni a Google-re, mert minden kérdésére válaszolt az, amit nálad talált. Egy Google szabadalom (US8661029B1) részletesen leírja, hogyan mérik a hosszú kattintások arányát, és hogyan használják ezt a jövőbeli rangsorolás újrasúlyozásához.

Ez azt jelenti: válaszolj a kapcsolódó kérdésekre is, ne csak a fő kulcsszóra. Mutasd meg a bizonyítékokat. Adj következő lépéseket. Ha a felhasználónak egyébként szüksége lenne külső forrásokra, hozd be azokat az oldaladra, különben ő maga keres rájuk a Google-ben, és te elveszíted a lastLongestClick-et.

Néhány technikai részlet a kiszivárgott dokumentumokból

A NavBoost mellett a kiszivárgott Content Warehouse API más fontos részleteket is tartalmazott, amelyek a korábbi iparági viták egy részét lezárják.

• HostAge és a Sandbox.
  Évekig vita tárgya volt, hogy létezik-e a „Google Sandbox” – az az időszak, amikor egy új domain képtelen rangsorolni, hiába minden optimalizálás. A kiszivárgott adatok megerősítik a hostAge attribútum létezését, amely pontosan az új domainek elkülönítésére szolgál, amíg be nem bizonyítják a megbízhatóságukat.
• 11 PageRank-variáns. A Google nyilvánosan azt kommunikálta, hogy a linkek szerepe csökken. A háttérben viszont legalább 11 különböző PageRank-variánst és egy részletes horgonyszöveg-feldolgozó csővezetéket tartanak fenn. A minőségi linkek értéke nem csökkent, a spamelés hatékonysága csökkent.
• Aldomainek különkezelése. A dokumentumok bizonyítják, hogy a Google képes és szokta az aldomaineket a fődomaintől teljesen elkülönítve kezelni, ha az adatok ezt indokolják.

A NavBoost-éra SEO-stratégiája a magyar piacon

Mit jelent mindez egy hazai KKV vagy nagyvállalat számára? A fókuszt a puszta „megjelenítésről” át kell helyezni az „elégedett kattintások” generálására.

Vegyünk egy konkrét példát. Egy B2B ipari gépgyártó céget. Hiába épít fel ötven erős backlinket, és hiába perfekt a kulcsszósűrűség, ha a P* szignálok azt mutatják, hogy a látogatók az oldalra érkezés után nem találják azonnal a releváns műszaki adatlapokat, a lastLongestClick elmarad. A Google algoritmusa ezt érzékeli, és idővel hátrasorolja az oldalt a kevesebb linkkel, de jobb UX-szel rendelkező konkurenssel szemben.

Három terület, ahol a leggyorsabb hatás érhető el:

• Szándékvezérelt tartalom.
  Ne kulcsszavakra, hanem a felhasználó konkrét problémájára optimalizálj. Az oldalnak azonnal, az első hajtás felett kell választ adnia a keresési szándékra. Ha a látogató 10 másodpercen belül megtalálja, amit keresett, a goodClick szinte garantált.
• Pogo-sticking minimalizálása.
  Technikai SEO-audittal szűrd ki a lassú betöltést, a zavaró felugró ablakokat és a logikátlan navigációt. Ha a felhasználó a böngésző visszagombjára kattint, pozíciót veszítesz és a NavBoost ezt 13 hónapig megjegyzi.
• Márkaépítés mint SEO-eszköz. A NavBoost különleges súllyal kezeli az ismert entitásokat. Ha a felhasználók konkrétan a cégnevedre is keresnek (branded queries), az erős pozitív szignált küld a rendszer felé. Egy átfogó márkaépítési stratégia (offline PR, közösségi jelenlét, partnerségek) ma már az egyik legerősebb indirekt SEO-eszköz.

Összefoglalás

A kattintási adatok többé nem titkok. Három független forrásból (DOJ-peranyag, API-kiszivárgás, szabadalmi bejegyzések) ugyanaz a kép rajzolódik ki: a Google a felhasználók elégedettségét tette a rangsorolás legfőbb mérőeszközévé.

A NavBoost 13 hónapot jegyez meg. A goodClick és lastLongestClick szignálok közvetlenül befolyásolják a pozíciókat. Az AI Overviews forrásai azok az oldalak lesznek, amelyek a hagyományos SERP-en is elégedett kattintásokat termelnek.

Azok a cégek fognak dominálni a keresőben, amelyek nem a Google algoritmusát próbálják kijátszani, hanem a felhasználójuk elégedettségét optimalizálják. Ez a kettő hosszú távon ugyanaz.