Hogyan kategorizáld automatikusan a banki tranzakciókat (2026-os útmutató)

Minden személyi pénzügyi appban van egy ugyanaz a rejtett probléma: amikor a kategorizálás elkezd rosszul érezhető lenni, az emberek abbahagyják a használatát. Egy „Misc” címkével ellátott terhelés, ami „Restaurants” kellene legyen; egy Square terhelés, amit az app nem tud dekódolni; tíz hónapnyi előfizetés „Service”-ként összeomolva — és a felhasználó feladja. Ha jól csinálják, az automatikus kategorizálás a pénzügyi követő egyik legfontosabb funkciója. Ha rosszul csinálják, ezek az appok ezért buknak el.

Ez egy 2026-os útmutató az automatikus tranzakciókategorizáláshoz: mi ez, miért voltak korábban a megoldások ennyire rosszak, mi változott 2024-ben és 2025-ben, ami végül megbízhatóvá tette, és hogyan kell beállítani ingyen vagy olcsón.

Mit jelent az, hogy „automatikus kategorizálás”

A banki kivonaton minden tranzakció egy adatsor: dátum, kereskedői descriptor, összeg, néha memo. A kategorizálás folyamata az, hogy a sorhoz hozzárendelünk egy értelmes címkét — „Groceries” (Élelmiszer), „Dining” (Étkezés), „Transport” (Közlekedés), „Subscriptions” (Előfizetések), „Income” (Bevétel), „Transfer” (Átvezetés) — hogy kategória szerint össze tudd adni a kiadásaidat, költségvetést lehessen rá építeni, és észrevedd az anomáliákat.

A manuális kategorizálás az első 30 tranzakciónál működik, utána már nem. Egy tipikus háztartás havonta 80–200 tranzakciót generál az összes kártyán és fiókon keresztül, a kereskedői descriptorok pedig ritkán a márkanév — „CTV*PARAMOUNT” a Paramount+hoz, „DG*ZWIFT” a kerékpáros apphoz, „TST*REDLOBSTER” a Red Lobsterhez, „PAYPAL *AMAZON” az Amazonhoz. Ezt kézzel csinálni havi 30 perces rabszolgamunka, amit szinte senki nem tart fenn.

Miért volt annyira rossz a korábbi kategorizálás

A 2024 előtti domináns személyi pénzügyi app, a Mint szabályalapú rendszert használt. A banki kivonat kereskedői descriptorját egy kézzel kurált rendszeres kifejezésekből és kereskedői kódokból álló listával egyeztették; az új kereskedők vagy furcsán formázott descriptorok egy általános kategóriába estek. Három probléma:

A kereskedői adatbázist kézzel kellett karbantartani. Az új márkák, regionális vállalkozások és „white-label” fizetési feldolgozók folyamatosan összezavarták.
Az adott kereskedő kategóriája kontextustól függött. A Whole Foodsnál egy $40-os terhelés élelmiszer; a Starbucksnál ugyanez étkezés; ugyanennek a kávéláncnak a vállalati menzán belül egy másik helyzetben lehet, hogy munkaköltségként lesz visszatérítve. A szabályalapú rendszerek ezt nem tudják.
Az előfizetéseket és a visszatérő terheléseket egy külön detektáló réteg kezelte, ami gyakran ellentmondott a kategorizálónak. A havi Spotify díj mindkét helyen megjelenhetett: „Music” és „Subscriptions” is attól függően, melyik képernyőt nézted.

Mi változott 2024–2026 között

Két dolog együtt:

Nagy nyelvi modellek kategorizálásra

2024 végére a nyelvi modellek olcsóak és elég pontosak lettek ahhoz, hogy tranzakciónként, szinte emberi pontossággal kategorizáljanak. Egy modell, amely elolvasta a legtöbb nyilvános internetet, tudja, hogy a „CTV*PARAMOUNT” a Paramount+ és egy streaming előfizetés; hogy a „TST*” kereskedői descriptor éttermi POS; hogy az „USPS” a postázás/szállítás; és hogy egy $40-os Whole Foods terhelés szombat délelőtt sokkal inkább élelmiszer, mint irodai költség.

A lényeg: a nyelvi modellek kontextust is tudnak használni — hogy hányszor jelenik meg ugyanaz a kereskedő, milyen összeg sávban tipikus a kereskedő, és hogy korábban a felhasználó hogyan írta felül a kategorizálást.

OCR PDF kivonatokhoz

A banki kivonatok formátuma rendkívül eltérő országok, bankok és számlatípusok között. A korábbi kategorizálók gyakran CSV exportot igényeltek, ami sok kisebb banknál és külföldi banki kivonatoknál nem elérhető. A modern, AI-alapú parserek strukturált adatot tudnak kinyerni közvetlenül a PDF-ből — beleértve a több oszlopon átívelő elrendezéseket, a díjakról szóló lábjegyzeteket, és azokat a táblázatokat, amelyek furcsán tördelődnek oldalak között.

Ha ezt a két dolgot összerakod, akkor az első alkalommal érünk el végponttól végpontig tartó automatizálást: bedobsz egy kivonat PDF-et, visszakapsz egy teljesen kategorizált tranzakciólistát, ahol az előfizetések felismerve vannak, és a visszatérő terhelések jelölve.

Hogyan állíts be automatikus kategorizálást 2026-ban

A opció: bank-aggregátor alkalmazás csatlakoztatása (Plaid)

Az olyan alkalmazások, mint a Monarch Money, a Copilot Money és az YNAB Plaidet használnak, hogy automatikusan behúzzák a tranzakciókat. A beállítás fiókonként nagyjából 5 perc. Ha egyszer csatlakoztattad, a tranzakciók naponta megjelennek, és az app a betöltéskor kategorizálja azokat. A minőség változó — néhány app még mindig erősen szabályalapú logikára támaszkodik — de a legjobbak ma már kb. 90%-os pontossággal működnek alapból.

A kompromisszum adatvédelem: át kell adnod a harmadik fél aggregátornak a banki belépésedet. Az aggregátoroknak erős a biztonsági múltja, de azoknak a felhasználóknak, akik nem akarják, hogy a banki hitelesítők valahol a bankon kívül legyenek, ez nem opció.

B opció: kivonatfeltöltés AI-alapú követőbe

A MyVault a legegyszerűbb aggregátor nélküli megoldás: letöltesz egy PDF-et vagy CSV-t a bankod weboldaláról, feltöltöd, és az AI egy percen belül kategorizál mindent. A folyamat egyik lépésében sem kerülnek elő banki hitelesítő adatok — a feltöltött fájl ugyanaz, amit adózási szezonban is letöltenél. Az ingyenes csomag a legtöbb alkalmi felhasználót lefedi.

C opció: saját megoldás táblázattal és egy AI segítővel

Azoknak, akik DIY szemléletűek, és csak egy-két egyszerű fiókjuk van, egy táblázat plusz egyetlen AI prompt nagy részben kiváltja a munkát. Exportáld a tranzakcióidat CSV-be, illeszd be a ChatGPT-be vagy a Claude-ba egy olyan prompttal, ami kategorizálást kér, és fogadd el az eredményt. Ez egyszeri auditnál működik, de havi workflow-ként törékeny.

Hogyan tegyél jobbá bármely kategorizálót

Egyetlen automatikus kategorizáló sem tökéletes az első körben. Pár szokás drámaian javítja a minőséget idővel:

Válassz egy kicsi, stabil kategóralistát. Tizenkettő–tizenöt kategória sokkal jobban működik, mint az ötven. Minél több kategória, annál több esély van rá, hogy önmagaddal vitába kerülsz.
Mindig javítsd a félrekategorizálásokat, akkor is, ha neked konkrétan nem számít az adott tranzakció. A modern kategorizálók tanulnak a javításaidból — ha egyszer kijavítasz egy rosszul betett Spotify terhelést, megtanítja a modellt, hogy a Spotify összes terhelésének ugyanoda kell mennie a jövőben.
Állíts szabályt az ambigúzus (bizonytalan) kereskedőkre. Az Amazon, a PayPal és a Venmo a leggyakoribb „bűnösök” — előfordulhat, hogy Amazonon veszsz élelmiszert, elektronikát, könyveket és ajándékokat is. Adj nekik saját „mindkettőt mindent” kategóriát, vagy fogadd el, hogy időnként kézzel kell majd újrakategorizálni.
A transzfereket kezeld transzferként, ne bevételként vagy költésként. Ha egy áthelyezés a folyószámládról a megtakarítási számládra történik, akkor egy oldalon bevételként, a másik oldalon költésként kezelve duplán számolja ki a teljes összeget.

Mit nyit fel valójában a jó kategorizálás

Ha a tranzakcióid megbízhatóan vannak kategorizálva, végre meg tudod válaszolni a lényegi kérdéseket: mennyit költök valójában étteremben vs élelmiszerre; a jövedelmem mekkora része megy előfizetésekre; emelkedik-e a havi közlekedési keretem; és összesen mennyit költöttem az adott nyaralásra. Ezek a számok utólag nyilvánvalóak, de kategorizálás nélkül láthatatlanok, és minden igazán hasznos költségvetés alapját képezik.

Próbáld ki a MyVaultot ingyen — tölts fel egy bankkivonatot, és nézd meg, hogyan kategorizálja automatikusan a költéseidet. Nem kell banki belépés. MyVault