מדידת אזכורים במנועי AI: איך יודעים שאתם באמת נמצאים בתשובות

בעל עסק שכתב שלושה מאמרים על התחום שלו, פתח פרופיל גוגל עסקי מסודר והוסיף סכמת נתונים מובנים לאתר, שואל שאלה פשוטה: איך יודעים בכלל אם זה עובד. בגוגל יש Search Console שמראה חשיפות, מיקומים וקליקים. במטא יש ניהול מודעות עם עלות ליד. במנועי הבינה המלאכותית אין שום דבר כזה. אין דשבורד רשמי, אין דוח יומי, אין קליקים שנספרים. המדריך הזה מתייחס בדיוק לחלל הזה: איך בונים מעקב אמין על נוכחות במנועי AI כשאף אחד מהמנועים לא מגיש לכם דוח.

בקצרה: אין דשבורד רשמי לאזכורי מותג במנועי AI, ולכן צריך לבנות מדידה ידנית ושיטתית. הבסיס הוא סט קבוע של 8 שאלות בארבע קטגוריות מוגדרות, בדיקה של ארבעה מנועים בכל סבב, ניקוד פשוט מ-0 עד 3 לכל אזכור, וטבלת מעקב שחוזרים אליה פעם בשבועיים. המדד לא נותן מספר מדויק כמו קליקים, אבל הוא נותן מגמה אמינה על פני כמה סבבים, ומצליב בין פעולה שעשיתם לבין שינוי שהתרחש בפועל.

למה מדידת אזכורים במנועי AI היא בעיה אחרת מהחיפוש הרגיל

ב-SEO קלאסי, המדידה נבנית מסביב לשלושה מקורות ברורים: Google Search Console שמראה כמה פעמים העמוד הופיע ועל אילו שאילתות, Google Analytics שמראה מי הגיע לאתר ומה הוא עשה בו, וכלים חיצוניים כמו סמראש או אחרפס שמראים מיקום ממוצע. שלושת המקורות האלה נותנים מספרים דטרמיניסטיים שאפשר להשוות בין תקופות.

במנועי AI, שלושת המקורות האלה פשוט לא קיימים. OpenAI לא מפרסמת דוח על אזכורי מותג בתוך תשובות של ChatGPT. Perplexity לא מגישה סטטיסטיקה של כמה פעמים העסק שלכם הוצג כמקור. גוגל לא חושפת מתי בדיוק העמוד שלכם נכלל בתקציר של AI Overviews על שאילתה נתונה. הנוכחות שלכם בתשובות היא אירוע שקורה בשיחה אחת של משתמש אחד, בלי שאתם רואים אותו ובלי שאף מערכת סופרת אותו.

יש עוד קושי אחד שלא קיים בגוגל: כל תשובה של מנוע AI היא הסתברותית. הרצה של אותה שאלה בדיוק, באותו מנוע, בהפרש של שעה, יכולה להחזיר ניסוח שונה, סדר שונה של שמות ולפעמים גם שם אחר לגמרי. זה אומר שגם אם היה דשבורד, מדידה של סבב אחד לא היתה אמינה.

שלושת הדברים שכן אפשר למדוד באמינות

חוסר הדשבורד לא אומר חוסר מדידה. אפשר להסתכל בעקביות על שלושה דברים ולהוציא מהם תמונה אמיתית.

אזכור בתשובה על שאלה קבועה. אם אתם מריצים בכל סבב את אותה שאלה בדיוק, ובודקים אם שם העסק מופיע בתשובה, אתם בונים בסיס להשוואה. השאלה חייבת להיות זהה מילה במילה בכל ריצה, אחרת אתם משווים תפוחים לתפוזים.

דיוק המידע שנאמר עליכם. לא רק אם הוזכרתם, אלא אם הפרט שהופיע נכון. שם עסק מלא, עיר, שירות, ולפעמים גם טווח מחירים. פרט שגוי הוא סימן שהמנוע שואב ממקור ישן, וזה שווה בפני עצמו כי אפשר לפעול עליו.

מיקום היחסי בתשובה. האם הוזכרתם כאחת מהאפשרויות הראשונות, כאזכור צדדי בסוף, או רק כשמישהו שאל על העסק בשמו. שלושת המצבים האלה שווים משקל שונה בפועל, כי לקוח שקורא תשובה של מנוע לרוב עוצר אחרי השם הראשון או השני.

עד כאן העקרונות. השאלה המעשית שנשארת היא איך אורזים את שלושת הדברים האלה לתוך מבנה אחד קבוע שאפשר לחזור אליו בלי לחשוב מחדש בכל סבב, ושמייצר ציון אחד שאפשר להשוות מסבב לסבב. כאן נכנס מדד הנוכחות במנועי AI, טבלת מעקב עם שיטת ניקוד קבועה שכל בעל עסק יכול להעתיק ולהתאים לעצמו.

מדד הנוכחות במנועי AI: השיטה השלמה

הטבלה בנויה משלושה מרכיבים קבועים: סט שאלות, סט מנועים, וסולם ניקוד. כל תא בטבלה הוא ציון שאלה מסוימת במנוע מסוים בסבב מסוים. הציון הכולל של הסבב הוא סכום התאים, מתורגם לאחוז מהמקסימום.

סט השאלות: 8 שאלות בארבע קטגוריות. שתי שאלות מכל קטגוריה, כדי שכל קטגוריה מיוצגת ולא ייבנה מדד שרואה רק חצי מהתמונה.

קטגוריה	דוגמה לשאלה
שאלות מותג	“מה אתה יודע על [שם העסק המלא]?” · “האם [שם העסק] נותן שירות ב[עיר]?”
שאלות מידע בתחום	“מה זה [שירות מרכזי]?” · “כמה עולה [שירות מרכזי] ב[עיר]?”
שאלות המלצה מקומית	“המלץ על נותן שירות של [תחום] ב[עיר]” · “מי הכי טוב ל[תיאור לקוח] ב[עיר]?”
שאלות השוואה	“מה ההבדל בין [שם העסק] ל[מתחרה מרכזי]?” · “עדיף ללכת ל[שם העסק] או ל[מתחרה]?”

הכלל הבלתי מתפשר: השאלות נכתבות פעם אחת בסבב הראשון, נשמרות בגיליון, ולא משתנות בין סבבים. אם החלטתם לשנות שאלה אחת, מתחילים ממנה קו זמן חדש, כי המשך ההשוואה למספרים הישנים כבר לא תקף.

סט המנועים: ארבעה. ChatGPT, Perplexity, Gemini ו-Google AI Overviews. כל שאלה נשאלת בכל מנוע, ולכן הטבלה היא 8 שורות של שאלות על 4 עמודות של מנועים, סך הכל 32 תאים בכל סבב.

סולם הניקוד: 0 עד 3. ארבע דרגות שברורות מספיק כדי שלא יהיה ויכוח מה מקבל מה.

ציון	משמעות
0	העסק לא הוזכר בתשובה
1	הוזכר, אבל עם פרט לא מדויק
2	הוזכר עם מידע מדויק ובניסוח נייטרלי
3	הוזכר בין השלושה הראשונים ובהמלצה חיובית

הציון של הסבב הוא סכום כל התאים חלקי 96 (המקסימום התיאורטי), מוצג באחוזים. סבב טיפוסי של עסק שהתחיל אתמול יראה 5% עד 15%. עסק שעבר סבב עבודה על כל שכבות הקידום למנועי בינה מלאכותית, מגיע לרוב לטווח של 40% עד 65%. 100% אף פעם לא ריאלי, כי חלק מהתאים תלויים בגורמים שלא בשליטתכם, כמו שאלת השוואה שבה מנוע העדיף את המתחרה מטעמים לגיטימיים.

איך מריצים את הבדיקה בפועל

הריצה הראשונה לוקחת בין 40 ל-60 דקות. הבאות מתקצרות ל-25 עד 35, אחרי שהשאלות מוקלטות בגיליון ורק צריך להעתיק ולהדביק.

הזרימה: פותחים חלון גלישה נקי בכל אחד מהמנועים, מריצים את השאלות בסדר, מעתיקים את התשובה השלמה לעמודה נפרדת בגיליון, מנקדים כל תא, ומחשבים סכום. חשוב שלא להתחיל שיחה חדשה מכל שאלה, אלא לפתוח שיחה נקייה לכל שאלה, כי הקשר קודם משנה את התשובה. חשוב גם לרשום את התאריך והשעה של כל סבב, כי המנועים מתעדכנים באי סדירות ולפעמים שינוי חד קשור לעדכון מודל ולא לפעולה שלכם.

הבדיקה של Google AI Overviews קצת שונה. שם אין שיחה, אלא מקלידים את השאלה בגוגל.co.il בחלון גלישה בסתר, ובודקים אם התקציר של AI מופיע בכלל, ואם כן, האם העסק מוזכר בו או בקישורי המקור בצד.

איך קוראים את התוצאה

הציון של סבב בודד מעניין פחות מהמגמה בין סבבים. שלושה קווים מנחים.

עלייה של 5% ומעלה בין שני סבבים רצופים באותו כיוון, היא סימן שפעולה שעשיתם נכנסה. שווה לבדוק איזה תאים ספציפית זזו, כדי לזהות את המקור.

נפילה של 5% ומעלה בסבב בודד היא לרוב רעש רגעי, לא סיבה לפאניקה. חוזרים לסבב הבא ובודקים אם הנפילה עקבית. אם היא נשארת, מתחילים לחפש: אולי מקור חיצוני חשוב הוריד תוכן, אולי מנוע עדכן מודל, אולי מתחרה עשה מהלך.

תא ספציפי שמראה 1 בכמה סבבים, כלומר אזכור עקבי עם פרט שגוי, הוא סימן לתקן. הפרט השגוי מגיע ממקור מסוים שהמנועים שואבים ממנו, ואפשר לפעול עליו. תיקון של מקור אחד כזה יכול להזיז 3 עד 5 תאים במכה, כי כמה מנועים שואבים מאותם מקומות.

לצד הטבלה עצמה, שווה להסתכל על שני מדדים משלימים שנותנים הקשר. הראשון הוא ההשוואה בין הקטגוריות: אם שאלות המותג מקבלות ציון גבוה אבל שאלות ההמלצה נשארות אפס, זה סימן שהמנועים מכירים את העסק אבל לא ממליצים עליו, וזה כיוון עבודה שונה מלגמרי מהמצב ההפוך. השני הוא ההשוואה בין המנועים: אם Perplexity הרבה מעל השאר, זה בדרך כלל אומר שהמקורות שנוכחים בקהילות (רדיט, פורומים) חזקים, וש-ChatGPT ו-Gemini דורשים עבודה על מקורות אחרים לגמרי.

איפה המדד לא רלוונטי

לא כל עסק צריך את הטבלה במלואה. עסק חד מוצרי מקומי, כמו מסעדה בעיר קטנה, ייהנה משתי הקטגוריות של מותג והמלצה בלבד, כי שאלות ההשוואה כמעט לא נשאלות בתחומו. עסק חדש שהמנוע לא מכיר בכלל, יראה שורה שלמה של אפסים בסבב הראשון, ואין טעם להתחיל למדוד לפני שנעשתה עבודה בסיסית של הכנסת העסק למקורות שהמנועים בכלל שואבים מהם, מהלך שמפורק בפירוט במדריך המעשי לגרום למנועי AI להזכיר את העסק.

המדד גם לא בא במקום שאר עבודת הקידום למנועי בינה מלאכותית. הוא השכבה החמישית של GEO, מעקב אחר הנוכחות בתשובות, שיושבת מעל ארבע השכבות של גילוי, פענוח, שליפה וסמכות. בלי השכבות שמתחת, אין מה למדוד. עם השכבות שמתחת ובלי המדד, אין דרך לדעת אם העבודה החזירה משהו. מי שרוצה להעמיק דווקא בשליפה, כלומר בכתיבה של פסקאות שקל למנוע לצטט, ימצא את התבנית בשבעה עקרונות כתיבה לתוכן שמנועי AI מצטטים. מי שהמדד מסמן לו חולשה ספציפית בגוגל AI Overviews, יכול להעמיק במדריך על התקציר של גוגל, שם השאלה של מדידת השפעת התקציר נפרשת במלואה.

מה עושים השבוע

הצעד הראשון מיידי. פותחים גיליון חדש, כותבים בעמודה אחת את שמונה השאלות עם הפרטים הספציפיים של העסק שלכם, יוצרים ארבע עמודות למנועים, ומריצים סבב ראשון. השעה הראשונה הזאת נותנת לכם קו התחלה שאפשר להשוות אליו בעוד שבועיים. הצעד השני, שקורה אחרי הסבב הראשון, הוא לזהות תא בודד עם ציון 1, שבו מופיע פרט שגוי, ולתקן את המקור שממנו הפרט נשאב. זו הפעולה עם ההחזר הגבוה ביותר על השקעת זמן שאפשר לעשות בסבב הראשון.

עסק שרוצה שכל השגרה הזאת תרוץ ברקע בלי שיצטרך לזכור אותה בעצמו, יכול לבחור בין שלוש דרכים: להקדיש ערב עבודה כל שבועיים ולהריץ ידנית, לבנות סקריפט קטן שמוציא את התשובות דרך ה-API של המנועים ומשאיר את הניקוד לאדם, או להיעזר בליווי שמקים את התשתית ואת המעקב. כל שלוש הדרכים מגיעות לאותה יכולת, וההבדל הוא בקצב שבו בונים אותה.

שאלות נפוצות

איך מודדים אזכורים במנועי AI כשאין להם Search Console?

בונים מדידה ידנית ושיטתית במקום להסתמך על דוח שלא קיים. הכלל: סט קבוע של 8 שאלות שלקוח פוטנציאלי באמת שואל, ארבעה מנועים שבודקים בכל סבב, ציון פשוט מ-0 עד 3 לכל אזכור, וטבלת מעקב שחוזרים אליה כל שבועיים. השיטה לא נותנת מספר מדויק כמו קליקים, אבל היא נותנת מגמה אמינה שמראה אם אתם עולים או יורדים בנוכחות.

אילו מנועי בינה מלאכותית שווה לבדוק בישראל היום?

ארבעה שנותנים כיסוי טוב לרוב העסקים: ChatGPT של OpenAI, שהוא הנפוץ ביותר, Perplexity שכמעט תמיד מציג מקורות, Gemini של גוגל שמשולב עמוק במוצרים של גוגל, ו-Google AI Overviews שהוא התקציר שגוגל מציגה מעל תוצאות החיפוש. עסק שרק מתחיל יכול לפתוח בשלושת הראשונים ולהוסיף את התקציר של גוגל אחרי סבב אחד או שניים.

כמה שאלות צריך בסט הבדיקה?

שמונה שאלות זה המספר שמאזן בין רזולוציה לבין זמן. פחות מזה, המדגם קטן מדי והציון קופץ בין סבבים בגלל רעש רגעי. יותר מזה, הריצה נופלת אחרי חודשיים כי אין לזה זמן בשגרה. את השמונה מחלקים לארבע קטגוריות של שתי שאלות בכל אחת: שאלות מותג, שאלות מידע בתחום, שאלות המלצה מקומית, ושאלות השוואה למתחרה.

מה ההבדל בין שאלת מותג לשאלת המלצה בסט המעקב?

שאלת מותג בודקת אם המנוע מזהה אתכם בכלל, למשל מה אתה יודע על העסק בעיר. שאלת המלצה בודקת אם הוא ממליץ עליכם כשלקוח מתאר את הצורך שלו בלי לדעת את שמכם, למשל המלץ על נותן שירות בתחום מסוים בעיר מסוימת. השאלות הראשונות מודדות מודעות, השאלות השניות מודדות אזכור בהקשר של בחירה. שני הסוגים חייבים לחיות באותה טבלה, כי הם עונים על שתי שאלות שונות של הקידום.

איך נותנים ציון לאזכור בתוך תשובה של מנוע?

בסולם פשוט של ארבע דרגות שמונע ויכוחים על ניואנסים. 0 כשהעסק לא הוזכר בכלל. 1 כשהוזכר אבל עם פרט לא נכון, למשל כתובת ישנה או שירות שכבר לא ניתן. 2 כשהוזכר עם מידע מדויק ובניסוח נייטרלי. 3 כשהוזכר בין השלושה הראשונים ברשימה ובהמלצה חיובית. הציון היחיד הזה חל על כל תא בטבלה, כלומר על כל צירוף של שאלה ומנוע.

באיזו תדירות מריצים את בדיקת האזכורים?

פעם בשבועיים היא נקודת האיזון הטובה לרוב העסקים. שבועית מייצרת יותר מדי רעש כי המנועים משנים תשובות בין הריצות גם בלי שכלום זז אצלכם, וחודשית מפספסת שינוי אמיתי אחרי פרסום תוכן חדש או תיקון מקור מרכזי. בסבבים הראשונים אפשר להריץ שבועית כדי לבסס קו התחלה יציב, ואחרי חודש לעבור לקצב של פעם בשבועיים.

איך יודעים אם השינוי בציון הוא אמיתי או רעש רגעי?

לפי שני כללים. הראשון, שינוי נחשב משמעותי רק כשהוא מופיע בשני סבבים רצופים באותו כיוון, לא בסבב בודד. השני, בודקים את התא הספציפי שהזיז את הציון: אם קפצנו מ-1 ל-3 באותה שאלה בשני מנועים שונים, זה סימן שהתקנו משהו במקור שהמנועים שואבים ממנו. אם הקפיצה קרתה במנוע אחד בלבד ובשאלה בודדת, זה כנראה רעש של הרגע ולא עקבי לאורך זמן.

האם אפשר לאוטמט את הבדיקה?

חלקית. אפשר לבנות סקריפט שמריץ את השאלות דרך ה-API של כל מנוע ומרכז את התשובות בגיליון, וזה חוסך את הזמן של ההעתקה הידנית. את הניקוד עצמו כדאי להשאיר ידני בסבבים הראשונים, כי בעל העסק הוא היחיד שיודע להבדיל בין מידע מדויק לפרט שנשמע נכון אבל שגוי. אחרי כמה סבבים אפשר להוסיף שלב חצי אוטומטי שמסמן חשד לפרט לא מדויק כדי שהאדם יאשר או ידחה.

מה עושים כשהמנוע ממציא פרט לא נכון על העסק?

מסמנים בטבלה איזה פרט שגוי הוזכר, ובודקים מה המקור שהמנוע כנראה שאב ממנו. שם עסק ישן שנשאר באינדקסים ותיקים, כתובת שלא עודכנה בפרופיל גוגל העסקי, שירות שהעסק כבר לא נותן. את המקור הזה מתקנים במקום שאפשר, ובסבב הבא בודקים אם הפרט הוסר. חשוב לתעד את התיקון עצמו בעמודה נפרדת בטבלה, כדי שאחרי כמה סבבים תוכלו לראות את המסלול המלא: איפה הפרט הופיע, מה תוקן, ואחרי כמה זמן הוא הוחלף.

איך מדידה כזאת מתחברת לשאר עבודת ה-GEO?

היא סוגרת את המעגל. עבודת GEO אמיתית בונה מקורות שהמנועים ישאבו מהם, מפרסמת עמודי תוכן שקל לצטט, ומטפחת סמכות חיצונית. בלי מדידה, כל הפעולות האלה הן ניחוש עיוור. עם מדידה חוזרת, כל שינוי בטבלה משקף השפעה של פעולה מסוימת, ובעל העסק יכול להחליט מה להעמיק ומה לזנוח. הטבלה היא לא המטרה של הקידום, היא הצורה היחידה לדעת שהקידום עובד.