Hét kérdés, négy szakember és egy téma, amely ezer másikat nyit meg napjainkban – az Analitika Munkacsoport tagjai az AI-fókuszú, 2026-os analitikai iránytűjükben ezúttal arról beszélnek, hogy milyen részfeladatoknál támogatja mindennapi munkájukat a mesterséges intelligencia, mire használják azt otthon, hogyan érdemes az AI-t az oktatásba illeszteni, és 2026-ban milyen AI-alapú tudásra van szüksége azoknak, akik a marketingen belül az analitika területén szeretnének elhelyezkedni. Akik a kérdésekre válaszoltak: Deli Norbert, az Analitika Munkacsoport vezetője, a HD marketing alapítója, Háda Gergely, a WPP Media digitális analitika üzletágának vezetője, Szabó Sándor, a Dateio country managere, és Vida Péter, a New Land Media adatelemző munkatársa.
- Ezt mutatja az Analitika Munkacsoport 2023-as digitális analitika iránytűje
- Ezt jelzi az Analitika Munkacsoport digitális analitika iránytűje 2025-ben
A gyakorlati analitika munkád során milyen arányban használsz AI megoldásokat, és ez hogy változott az elmúlt egy évben?
Deli Norbert (HD marketing): 30%-ban használom – ez jelentős növekedés az elmúlt évekhez képest, amikor még csak 10% alatt volt ez az arány.
Vida Péter (New Land Media): Kb. 10-15%-ban használom. Nálam az elmúlt évekhez képest csökkent ez az arány.
Szabó Sándor (Dateio): Igazából 2025-ben kezdtem el használni leginkább tartalom-előállításra.
Háda Gergely (WPP Media): Nagyjából a munkám harmadában képbe kerül valamilyen AI-eszköz, akár kutatásról, kódolásról vagy dokumentumok feldolgozásáról van szó. Bő egy évvel ezelőtt ez még jóval kisebb arány volt, inkább csak szövegek összefoglalására és gyors kutatásra használtam. Azóta szépen lassan beépült a mérési tervezésbe, az implementációk előkészítésébe és a technikai jellegű feladatokba is. A szakmai felelősség és a döntés továbbra is nálam van, de rengeteg időt megspórol az előkészítő és ismétlődő feladatokban.
Milyen konkrét területeken használsz AI-szoftvert?
D. N.: Mivel átlagos adatmennyiséggel rendelkező ügyfelekkel dolgozom, így főleg az adatok elemzéséhez, illetve a vizualizáláshoz használom; de segítségemre van az analitika oktatásában is, elsősorban szövegírás fronton.
V. P.: Statisztikai számolásokban és kutatási célból nagyon hasznos tool, ezért ezekre szoktam használni. De céges szinten kódolásban szoktuk még használni, illetve gépi tanulásban is hasznos ötleteket és javaslatokat tud felvázolni.
Sz. S.: Adatelemzéshez és vizualizációra használom. Ugyanakkor céges szinten kódíráshoz, kampányok relevanciaértékének meghatározásához, ügyfélszinten pedig a bankkártyás fizetési tranzakciók adatainak dúsításához használjuk.
H. G.: Hosszabb dokumentációk, guideline-ok, prezentációk gyors összefoglalására ugyanúgy használjuk, mint mérési tervek logikájának átgondolásához vagy hipotézisek, elemzési irányok megfogalmazásához. Kódolásnál a JavaScript, a tag management, a GA4–BigQuery–SQL és kisebb adattranszformációk esetén, illetve dashboardok, riportstruktúrák és KPI-definíciók ötletelésénél alkalmazzuk; és néha abban is segít, hogyan lehet ugyanazt az analitikai insightot érthetőbben elmagyarázni üzleti oldalon.
Milyen AI-szoftverekkel dolgozol a mindennapokban?
D. N.: Céges szinten a Gemini MCP-ket (Model Context Protocol) kezdtük el tesztelni, mivel ezek natív megoldásokat adnak a Gemini és a Google marketingeszközei között. Az analytics megoldása eléggé “programozói felület”, hiszen parancssorokkal lehet több Analytics-fiókból adatokat lekérni és azokat elemezni. Például egy webáruház esetében le tudjuk kérni a leggyakrabban kosárba rakott termékpárokat, majd ez alapján csomagajánlat kialakítását tudjuk javasolni az adott ügyfélnek.
V. P.: Céges szinten Copilot-ot használunk az adatok tisztítására és adatvizualizációs megoldásokra, illetve több céges szintű kérdésünkre kaptunk már hasznos megoldási javaslatokat.
Sz. S.: Én egyelőre a ChatGPT-t és a Perplexityt használom. De céges szinten vannak saját fejlesztésű AI-eszközeink, amikkel például címeket validálunk, kereskedőket kategorizálunk, és amelyek az RFP-feldolgozásban vagy a vásárlók profilozásában segítenek.
H. G.: Alapvetően céges megoldásokat használok (WPP Open Media Assistant), a chat-alapú AI-t elsősorban szakmai kérdésekre, kódolásra és szövegezésre. Emellett sokat segítenek az olyan beépített eszközök, mint pl. a webes keresés és a weboldal-elemző funkció. A kódértelmező modult adatelemzésre és fájlalapú riportok gyors átnézésére használom, mert tud Python kódot futtatni, gyorsan olvas CSV- illetve Excel-fájlokat, pillanatok alatt csinál aggregációkat, miközben pivot jellegű összesítéseket, statisztikákat és idősoros elemzéseket tud futtatni. Vagyis nem kell külön IDE (Integrated Development Environment) vagy BI (Business Intelligence) eszközt megnyitni. Időnként a strukturált outputokat is használom (pl. perszónaleírások, SWOT-analízis, csatornáknál KPI-táblázatok, ellenőrzőlisták, riport vagy prezentációk gyors vázlatához). Emellett a fontosabb dokumentumokat gyakran adatkészletekbe rendezem, hogy az AI ezekben célzottan tudjon keresni, és rövid, jól áttekinthető összefoglalókat tudjon adni.
Magánfelhasználóként, privát célból milyen AI-szoftvereket használsz?
D. N.: Jellemzően képgenerálót (Nano Banana), videógenerálót (Google Veo3), illetve piackutatáshoz és konkurenciaelemzéshez Perplexityt, Geminit és ChatGPT-t használok. Mostanában kezdtem el AI agentek kialakítását tesztelni, leginkább ügynökségi feladatok gyorsítására.
V. P.: Saját projektek miatt használok tanulásra ChatGPT-t, de próbáltam már a Geminit és a Perplexityt is. Ezek a kódolásban, az adatbázis-kezelésben, a statisztikában és a gépi tanulásban elég hasznosak tudnak lenni. Emellett az orvosi projektjeim miatt a Mon AI-t szoktam még használni, amely kifejezetten orvosi célra készült.
H. G.: Magáncélra elég „földhözragadt” módon használom az AI-t: például a ChatGPT-től ötleteket kérek arra, hogy mit főzzek abból a három dologból, ami épp a hűtőben maradt, vagy hogy mit akar tőlem pontosan a mosógép villogó hibakódja. Emellett rendszeresen megkérdezem, milyen mesét olvassak este a 4 és 7 éves gyereknek; és milyen ünnepi kézműves káoszt szervezzünk otthon – lehetőleg úgy, hogy a gyerekek jól érezzék magukat, de ne egy képernyőt bámuljanak, és ne én takarítsak még éjfélkor is.
Mennyire tartod fontosnak a kreatív AI (képgenerálás, videógyártás) alkalmazását az analitika területén? Például egy oktatóanyagot már javasolnál ilyenekkel összerakni vagy illusztrálni?
D. N.: Az analitika oktatóanyagok AI-jal való elkészítésében nagy potenciált látok. Sajnos ez a terület egyelőre még háttérbe van szorítva, pedig ötletes, vicces és meghökkentő tartalmakkal nagyon jól át lehetne adni a lényeges tudásanyagokat.
V. P.: Az AI elég hasznos tudna lenni az oktatóanyagok elkészítésében. De meglátásom szerint ahhoz, hogy ez gördülékenyen és valóban jól működjön, elengedhetetlen, hogy az ember jól tudjon promptolni. Amint ez megvan, nagyon jó dolgok sülhetnek ki belőle.
H. G.: Az analitika szakmai részét nem a kreatív AI viszi, viszont a kommunikációban és oktatásban egyre hasznosabb. Bonyolult mérési logikákat, adatfolyamatokat és modelleket sokkal könnyebb megérteni, ha van mögöttük jó vizuális magyarázat, és erre ma már nagyon jók a képgenerálók vagy az egyszerűbb videós megoldások. Egy oktatóanyagba simán javasolnék AI-generált illusztrációkat (bár egy éve még félve tettem volna) – feltéve, hogy a szakmai tartalom továbbra is saját kézben marad, és a „gondolkodós” részt nem az AI írja.
Milyen AI-alapú tudás megszerzését, milyen AI-szoftver használatát javaslod elsajátítani egy diáknak, aki marketing/analitika területen szeretne elhelyezkedni 2026-ban?
D. N.: A tapasztalatom az, hogy a diákok már natív szinten használnak AI-megoldásokat (ezek főleg szöveggenerálók), viszont még hiányzik a marketinges szemléletük, nehezen éreznek rá, hogy milyen végső produktumot kell kapni. A marketinges alaptudás tehát mindenképpen szükséges, mellette pedig az adatok elemzéséhez szükséges megoldások elsajátítását javaslom megtanulni.
V. P.: Szerintem a mai fiataloknak nagy része napi, de legalább heti szinten már használja az AI-t. Ezért őket már nem is feltétlen a használatára, inkább arra lenne jó megtanítani, hogy mindez egy marketinges szemlélettel társuljon. Ha megkapnák ezt a tudást, az AI segítségével csak még jobban hasznosíthatnák. De azt is fontos lenne megtanulni, hogy nem szabad készpénznek venni azt, amit az AI ír; mindennek utána kell járni!
Sz. S.: Szerintem a kihívást az eszközök számában és azok funkciójában történő változás gyorsasága jelenti. Aki használni akarja ezeket, annak napi szinten kell követnie, hogy mi történik. A tanulunk valamit évekig, majd elkezdjük használni típusú hozzáállást el kell felejteni. Minél hamarabb el kell kezdeni megismerni és használni az eszközöket, majd folyamatosan tanulni.
H. G.: Nagyon fontos megérteni az LLM-ek (Large Language Model) alapvető működését és a különbséget a gyors (non‑reasoning) és a mélyebb gondolkodásra képes (reasoning) modellek között. Fontos, hogy a diákoknak gyakorlati tapasztalatuk legyen a különböző providerek modelljeivel (OpenAI, Google, Anthropic), mert mindegyik teljesen más viselkedési móddal és képességekkel rendelkezik. Ezek az új modellek egyaránt használhatók perszonalizációra, folyamatok automatizálására (főleg a Model Context Protocol segítségével), valamint gondolkodó partnerekként ötletelésre és tudásszintézisre. Az alapok megértése után sokkal könnyebben adaptálhatók az ezekre épülő agentic megoldások, legyen az akár „vibe coding”, kreatív generáló pipeline-ok, vagy egyéb, összetettebb elemzést támogató rendszer. A más modalitású modellek (kép, videó, hang) esetében is érdemes minél több mindent kipróbálni, mert teljesen más esetekben jó például az OpenAI Image‑1 modellje, a Google Imagen 4 modellje, a Midjourney, vagy a Nano Banana, a jelenleg egyik legjobb képgeneráló és -szerkesztő megoldás. Videó esetében is érdemes kipróbálni több megoldást, akár a Sora 2-t, a Veo 3-at, valamint a legújabb, open source kínai modellek is elképesztő fejlődést mutattak fel a 2025-ös évben. A diákoknak még egy kiemelten fontos eszköz lehet a NotebookLM, amely már önmagában is újradefiniálja a tanulást, az információrendszerezést és tudáskinyerést, így mindenképp ajánlott és praktikus megoldás.
Van olyan AI-eszköz, amit akár csak kipróbálásra is javasolsz?
D. N.: A különböző MCP-ket mindenképp.
V. P.: Minél többet próbál ki valaki, annál jobb. Jót tesz az embernek, ha széles körben ismeri az AI-szoftvereket. Vannak kifejezetten specifikus AI-ok – amik sokkal hasznosabbak bizonyos területeken, mint például egy ChatGPT –, ezért jó, ha az ember informálódik a lehetőségeiről, amelyek aztán még jobban megkönnyítik a dolgát.
Sz. S.: Minél többet ki kell próbálni! Előtte azonban érdemes tájékozódni, hogy melyik eszközt mire lehet használni a legjobban. Mindenki azt kezdje el megtanulni, ami számára a leginkább fontos, hasznos.
H. G.: A fentieken felül – ha esetleg kényelmetlen lenne váltogatni modellek között, és egy helyen rendszereznénk több komponensből álló projekteket –, személyes kedvencként kódolás és appfejlesztési céllal a Lovable-t és a Cursort ajánlanám. Ezek fizetős eszközök, de elérhetők próbaverzióban is.
Kapcsolódó:
- Mérni, tesztelni és adatalapú döntéseket hozni! – Erről szólt az Analitika Munkacsoport EMOK-kal közös workshopja
- Digitális analitika iránytű 2025
- Deli Norbert: Az Analitika Munkacsoporttal 2025-ben is a piac edukációján dolgozunk, több esettanulmánnyal is készülünk
- Nem extra funkció, üzleti alapfeltétel! – A Google Consent Mode-dal töltött egy év tapasztalata négy analitikai szakember szemszögéből
- Az IAB Hungary legemlékezetesebb pillanatai 2025-ből
