מודדים נראות ב-AI באמצעות סל קבוע של שאלות מייצגות, שנבדק שוב ושוב באותם תנאים, ובכל בדיקה מתעדים אם המותג הוזכר, אם האתר צוטט כמקור, מה נאמר עליו ומי עוד הופיע. אין במנועי AI "מיקום" אחד כמו ברשימת תוצאות החיפוש, והתשובות משתנות בין בדיקות. לכן המדד האמין הוא מגמה לאורך זמן על פני סל שאלות, ולא תוצאה של שאלה בודדת.
מה בעצם מודדים: אזכורים מול ציטוטים
לפני שבונים שיטת מדידה, צריך להפריד בין שני דברים שנשמעים דומים:
- אזכור מותג: שם העסק מופיע בתוך התשובה, למשל ברשימת המלצות או בהשוואה. אזכור יכול לנבוע ממידע שהמודל צבר באימון או ממקורות חיצוניים, גם בלי קישור לאתר שלכם.
- ציטוט מקור: המנוע מפנה לעמוד באתר שלכם כאחד המקורות לתשובה. זה קורה כשהמנוע מחפש ברשת בזמן אמת, למשל בתשובות עם קישורים ב-ChatGPT, בציטוטים הממוספרים של Perplexity או בקישורים התומכים בפיצ'רי ה-AI של גוגל.
שני המדדים מספרים סיפורים שונים. הרבה אזכורים ומעט ציטוטים אומרים בדרך כלל שאחרים מדברים עליכם, אבל העמודים שלכם לא משמשים מקור. הרבה ציטוטים ומעט אזכורים יכולים להעיד שהתוכן שלכם משמש להסבר כללי, אבל המותג לא נכנס להמלצות. את הרקע לאופן שבו מנועים בוחרים מקורות הסברנו במדריך מה זה GEO.
בניית סל השאלות
שלב 1: לאסוף שאלות אמיתיות
הטעות הנפוצה היא להמציא שאלות מהראש. עדיף לאסוף אותן ממקורות שמשקפים את הלקוחות:
- שירות לקוחות ומכירות: מה שואלים לפני שקונים, ואילו חלופות משווים.
- Search Console: שאילתות ארוכות וביטויים כמו "איך", "מה ההבדל", "מה הכי מתאים".
- קהילות ופורומים: איך אנשים מנסחים את הבעיה בשפה שלהם.
- עמודי מתחרים: על אילו שאלות הם עונים.
שלב 2: לסווג
סל טוב מאוזן בין סוגי שאלות, ולכל סוג יש מה לבדוק:
| סוג שאלה | דוגמה | מה בודקים |
|---|---|---|
| הגדרה והסבר | "מה זה CRM?" | האם האתר מצוטט כמקור להסבר |
| השוואה | "מה ההבדל בין X ל-Y?" | איך המותג מתואר לעומת אחרים |
| המלצה | "איזו מערכת מתאימה לעסק קטן?" | האם המותג ברשימה, ובאיזה הקשר |
| שאלה על המותג | "מה ידוע על [שם המותג]?" | דיוק המידע ונימת התיאור |
| מקומית | "…בחיפה" / "…בישראל" | רלוונטיות לאזור השירות |
כדאי לסמן לכל שאלה גם את שלב ההחלטה (מודעות, השוואה, בחירה) ואת המוצר או השירות שהיא נוגעת בו. כך אפשר לראות בהמשך איפה החוזקות ואיפה הפערים.
שלב 3: לקבוע גודל
אין מספר קסם. סל קטן מדי רגיש לרעש, וסל גדול מדי קשה לתחזוקה. לעסק עם קו מוצרים אחד, כמה עשרות שאלות הן נקודת התחלה סבירה. לעסק עם כמה קווי מוצר עדיף סל נפרד לכל קו.
שלב 4: להוסיף שאלות ביקורת
זו התוספת שהכי חסרה בדוחות שאנחנו רואים. הוסיפו לסל כמה שאלות שאתם לא מתכוונים להשפיע עליהן, למשל שאלות כלליות בתחום שבהן מותג מוכר אחר מופיע באופן קבוע. אם בבדיקה מסוימת גם שאלות הביקורת משתנות בבת אחת, סביר שהשתנה המנוע ולא המצב שלכם. בלי שאלות כאלה קשה להבחין בין תוצאה של העבודה לבין עדכון של המערכת.
לקבע את תנאי הבדיקה
זה החלק שהכי הרבה אנשים מדלגים עליו, והוא זה שקובע אם אפשר להשוות בין תקופות. תעדו:
- אילו מנועים נבדקים, ובאיזה ממשק.
- האם הבדיקה נעשית בחשבון מחובר או לא, ובאיזו שפה.
- שכל שאלה נבדקת בשיחה חדשה, כדי שהיסטוריית השיחה לא תשפיע.
- ניסוח קבוע לכל שאלה, ותדירות קבועה.
מה לתעד בכל תשובה
- אזכור: האם המותג הוזכר.
- הקשר: מומלץ, מוזכר כחלופה, או מוזכר בהקשר שלילי.
- דיוק: האם המידע על המותג נכון (מחיר, שירותים, מיקום).
- ציטוטים: אילו עמודים צוטטו, והאם אחד מהם שלכם.
- מתחרים ומקורות חיצוניים: מי עוד הוזכר, ואילו אתרים חוזרים כמקור.
מעקב אחרי שינויים לאורך זמן
המדד הבסיסי הוא שיעור האזכור: בכמה מתוך השאלות בסל המותג הוזכר. לצידו כדאי לעקוב אחרי שיעור הציטוט ושיעור הדיוק. שלושת המדדים צריכים להיקרא יחד: עלייה באזכורים עם ירידה בדיוק אינה הצלחה.
לצד הנתונים, נהלו יומן שינויים: מתי עודכן עמוד באתר, מתי פורסמה כתבה חיצונית, ומתי מנוע הודיע על עדכון או שינה ממשק. כשמגמה משתנה, היומן עוזר להבין מה קדם לשינוי. גם אז, זה מתאם ולא הוכחה לסיבה.
ומה עם גוגל? כאן יש גם נתונים רשמיים. לפי התיעוד של גוגל, אתרים שמופיעים בפיצ'רי ה-AI נכללים בתנועה הכללית בדוח הביצועים של Search Console, ומדריך האופטימיזציה של גוגל מפנה גם לדוח ביצועים ייעודי לפיצ'רי AI ב-Search Console. כדאי לשלב את הנתונים האלה בדוח, לצד בדיקות סל השאלות. על סקירות AI עצמן אפשר לקרוא במאמר מה זה AI Overview.
איך נראה דוח נראות שימושי
דוח טוב לא מסתפק במספר אחד. מבנה שעובד:
- סיכום תקופתי: שיעור אזכור, ציטוט ודיוק, לעומת הבדיקות הקודמות.
- פילוח: לפי מנוע, לפי סוג שאלה ולפי מוצר או שירות.
- שגיאות שנמצאו: מידע לא נכון שמנועים מציגים, ומאיזה מקור הוא כנראה הגיע.
- מקורות חוזרים: אתרים חיצוניים שמצוטטים שוב ושוב בתחום שלכם.
- הערות שיטה: כל שינוי בתנאי הבדיקה או במנועים עצמם.
- צעדים הבאים: מה מתקנים או משפרים, ואיזו שאלה בסל אמורה לשקף את השינוי.
המגבלות של כלי מעקב
יש כיום כלים שמריצים שאלות במנועי AI באופן אוטומטי ומציגים "ציון נראות". הם יכולים לחסוך עבודה, אבל חשוב להבין מה הם לא יודעים:
- אין גישה למערכות הפנימיות: גוגל כותבת במפורש שלאף כלי צד שלישי אין גישה למערכות הדירוג או ה-AI הפנימיות שלה. כל כלי מציג דגימה שהוא עצמו הריץ.
- שונות: אותה שאלה יכולה לקבל תשובות שונות בבדיקות שונות, ולכן תוצאה בודדת אינה מייצגת.
- תנאים שונים מהמשתמש האמיתי: כלי אוטומטי בודק בדרך כלל בלי היסטוריה, בלי חשבון אישי ובמיקום מסוים. התשובה שלקוח אמיתי רואה עשויה להיות אחרת.
- הסל קובע את התוצאה: ציון נראות טוב כמו השאלות שנבחרו. סל שנבנה מביטויים נוחים ייתן תמונה אופטימית מדי.
דוח נראות מול דירוג אורגני
| נושא | דירוג אורגני | דוח נראות ב-AI |
|---|---|---|
| מה נמדד | מיקום עמוד ברשימת תוצאות | אזכור, ציטוט ודיוק בתשובה כתובה |
| יחידת המדידה | שאילתה ועמוד | שאלה ותשובה, על פני סל שאלות |
| מקור הנתונים | Search Console וכלי מעקב מיקומים | בדיקות סל שאלות, ובגוגל גם Search Console |
| יציבות | יחסית יציבה בטווח הקצר | משתנה בין בדיקות, ניסוחים ומשתמשים |
| קשר לתנועה | ישיר יחסית: מיקום, הופעות, קליקים | חלקי: לא כל אזכור מוביל לביקור באתר |
| איך קוראים נכון | שינוי במיקום לאורך זמן | מגמה על פני כמה בדיקות, עם שאלות ביקורת |
שני הדוחות משלימים זה את זה. ההבדלים העקרוניים בין התחומים מפורטים במאמר GEO מול SEO.
לסיכום
סל שאלות טוב הוא כלי עבודה, לא ציון. הוא מראה איפה אתם מוזכרים, איפה מתחרים מקבלים את ההמלצה, אילו מקורות מעצבים את התשובות ואיפה יש מידע שגוי לתקן. בנו אותו משאלות אמיתיות, קבעו תנאי בדיקה, הוסיפו שאלות ביקורת, ותנו למגמה ולא לבדיקה בודדת להוביל את ההחלטות.
להמשך קריאה: מה זה AEO