ניתוח מתחרים במנועי AI: המדריך המלא ליתרון תחרותי

הרצתי 42 שאילתות ב-ChatGPT על תחום אחד. הלקוח שלי, שמדורג במקום הראשון בגוגל על מילת המפתח המרכזית שלו, הופיע ב-4 מהן. מתחרה שיושב אצלו במקום השביעי בתוצאות האורגניות הופיע ב-29. זה לא באג, וזו בדיוק הסיבה שכתבתי את המדריך הזה.

זמן קריאה: 14 דקות, בסוף תדעו בדיוק איך לבדוק את עצמכם

המתחרה שלכם לא עקף אתכם בגוגל, הוא נכנס לתשובה במקומכם

ניתוח מתחרים במנועי AI הוא תהליך שבו אתם ממפים מי מוזכר, מומלץ או מצוטט בתשובות של מודלים גנרטיביים על שאילתות שרלוונטיות לעסק שלכם. לא מי מדורג. מי מוזכר.

ההבדל נשמע סמנטי עד שאתם רואים אותו במספרים. בעמוד תוצאות קלאסי יש עשר תוצאות, ולכל אחת יש סיכוי לקליק. בתשובה של מנוע AI יש בדרך כלל שניים עד ארבעה שמות. השאר לא קיימים.

אני קורא לזה תחרות על אזכור. אין בה מקום שביעי. או שאתם בתשובה, או שאתם מחוצה לה, והמשתמש כלל לא יידע שהייתם קיימים.

מקום ראשון בגוגל כבר לא מגן עליכם

לקוח שלנו בתחום הציוד הרפואי החזיק מקום ראשון על שלוש מילות מפתח מרכזיות במשך ארבע שנים. התנועה שלו ירדה ב-18% ברבעון אחד. בדקנו הכל, מהירות, קניבליזציה, קישורים. הכל היה תקין.

מה שקרה זה שהקונים שלו הפסיקו להגיע לעמוד התוצאות. הם שאלו צ'אטבוט "איזה ספק מומלץ ל…" וקיבלו שלושה שמות. הוא לא היה ביניהם.

SEO סופר דירוגים, מנועי AI סופרים אזכורים

כשאני מסביר את זה בפגישות, אני מצייר טבלה. היא עושה את העבודה יותר טוב מעשר דקות של הסברים.

שימו לב לשורה האחרונה. עסק בינוני שמסביר את עצמו בבהירות, עם הגדרות חדות ונתונים שאפשר לצטט, מנצח לא פעם מותג גדול שכותב שיווקית ומעורפל.

ארבע השכבות שבהן מתנהלת התחרות

שכבת הפלטפורמה קובעת איפה בכלל נשאלת השאלה, וזה משתנה מקהל לקהל. שכבת השאילתה היא הניסוח, ושינוי מילה אחת משנה לפעמים את כל רשימת השמות. שכבת המקור היא מאיפה המודל שואב מידע. שכבת המיצוג היא איך אתם מוצגים כשאתם כן מוזכרים, ופה נשבר הרבה מאוד עסקים שמופיעים כאופציה זולה במקום כאופציה מקצועית.

למה המנוע בחר דווקא בהם, וגם: המתחרה האמיתי שלכם יכול להיות שיטה, לא חברה

אין תשובה אחת, אבל יש ארבעה גורמים שאני רואה חוזרים בכל בדיקה שאנחנו מריצים. רלוונטיות ישירה לשאלה שנשאלה, לא לתחום באופן כללי. סמכות המקורות שמזכירים אתכם. בהירות הניסוח אצלכם באתר. עקביות הישות, כלומר שהשם, התחום והמיקום שלכם ייראו זהים בכל מקום ברשת.

הנקודה הרביעית היא הרוצחת. ראיתי עסק שמופיע בשלוש וריאציות שם שונות בפרופילים שונים, ומנוע AI פשוט דילג עליו לטובת מתחרה עם זהות אחידה. עקרונות של שקיפות והסברתיות, כמו אלה שמופיעים במדריך לשימוש אחראי בבינה מלאכותית במגזר הציבורי, מסבירים למה מערכות נדרשות להישען על מקורות שניתן להצביע עליהם.

בדקנו פעם עסק שמוכר מערכות ניהול תורים למרפאות. רשימת המתחרים שהוא נתן לנו כללה ארבע חברות. הרצנו 30 פרומפטים. שתיים מהחברות שלו לא הופיעו אף פעם. במקומן הופיעו שוב ושוב שתי קטגוריות פתרון שהוא בכלל לא חשב עליהן.

אסור להתחיל מרשימת מתחרים. מתחילים משאלות, ורואים מי צף.

ישירים, עקיפים, ומי שגונב לכם את הקטגוריה

מתחרה ישיר מוכר את אותו פתרון לאותו קהל. מתחרה עקיף פותר את אותה בעיה בדרך אחרת, ולכן הוא מסוכן יותר, כי הוא משנה את הגדרת השאלה עצמה. בתשובות של מנועי AI, מתחרה עקיף מקבל לעיתים את המשפט הראשון בתשובה, וזה משפט שקובע איך המשתמש יחשוב על כל הקטגוריה.

חמישה פרומפטים זה מדגם, ארבעים זה נתון

הטעות הכי נפוצה שאני רואה אצל אנשים שמנסים לעשות את זה לבד היא בדיקה של שלוש שאילתות ומסקנה גורפת. תאמינו לי, גם אני עשיתי את זה בהתחלה, והגעתי למסקנות שגויות לחלוטין.

סט עובד מכסה ארבע כוונות. שאלות הגדרה בסגנון "מה זה", שאלות ביצוע בסגנון "איך עושים", שאלות השוואה, ושאלות בחירה והמלצה. לכל כוונה אני מייצר שלוש עד חמש וריאציות ניסוח, כולל שאלות עם אילוץ מפורש כמו תקציב, גודל עסק או שוק ישראלי.

המקור החינוכי על הכרת מנועי חיפוש והבדלים ביניהם מדבר בדיוק על אסטרטגיות ניסוח שאילתות, וזה בדיוק המיומנות שנדרשת פה, רק בהקשר מסחרי.

תבניות שאילתות שאני מריץ בכל אודיט

• — "מה הדרך הכי טובה ל…" חושפת את ברירת המחדל של המודל
• — "השוואה בין X ל-Y" מגלה מי נחשב יריב לגיטימי שלכם
• — "יתרונות וחסרונות של…" מוציאה החוצה מסגור שלילי שיושב עליכם
• — "איך לבחור ספק ל…" מייצרת רשימת קריטריונים שאתם רוצים לכתוב

באילו מנועים לבדוק, ולמה זה תלוי בקהל שלכם

אנחנו עובדים עם מאות לקוחות בארץ ובחו"ל, כולל ארה"ב, גרמניה ושוויץ, והתפלגות המנועים משתנה בין השווקים בצורה דרמטית. לקוח B2B גרמני מקבל פניות ממנועי תשובות עם ציטוטים. לקוח ישראלי בשירותים לצרכן מקבל אותן מצ'אט כללי בלי מקורות בכלל.

אזכור זה לא מדד, אלה החמישה שאני סופר

שאלו אותי פעם בפגישה "אז אנחנו מופיעים או לא". התשובה הנכונה היא שזו שאלה לא מספיק טובה.

המסגור הוא המדד שאף אחד לא בודק והוא הכי משפיע. עסק שמוזכר כ"אופציה זולה לעסקים קטנים" קיבל אזכור, אבל הוא גם קיבל תקרת מחיר. הערכת מהימנות מקורות וזיהוי הטיות, נושא שמפורט בדוח הטכני של מבחן תנופה למחר, היא בדיוק המיומנות שנדרשת בשלב הניקוד.

Share of Voice בגרסת מנועי תשובות

אני מחשב אותו כאחוז השאילתות שבהן אתם מוזכרים מתוך הסך, מחולק לאותו נתון אצל שלושת המתחרים החזקים. לקוח שלנו בתחום הפיננסי עלה מ-9% ל-34% בתוך חמישה חודשים, בזמן שהמתחרה המוביל ירד מ-61% ל-44%.

פערי מקורות, או הבדיקה שחושפת למה הם שם

קחו את כל התשובות שבהן מתחרה מוזכר, ורשמו את המקורות שהמנוע נשען עליהם. עשו את זה על 30 תשובות ותקבלו רשימה של 10 עד 15 נכסים חוזרים. עכשיו השאלה הפשוטה. אתם מופיעים שם?

ברוב הפעמים התשובה היא לא, ולא בגלל שהתוכן שלכם גרוע, אלא בגלל שאתם לא נמצאים בשכבת צד ג'. מדריכי השוואה, סקירות מקצועיות, פורומים מקצועיים, מאגרי ידע ואזכורים בכתבות. מערכת WEBFORCE שלנו מנטרת אזכורים כאלה ומתריעה בזמן אמת כשמתחרה נכנס למקור חדש, וזה נותן לנו חלון של שבועות במקום לגלות את זה ברבעון הבא.

שישה שלבים, בלי בולשיט

התהליך שאנחנו עובדים לפיו קבוע, וזה מה שמאפשר להשוות בין סבבים.

• שלב ראשון, הגדרת מטרה. נראות על קטגוריה שלמה זו מטרה אחרת מנראות על שאילתות קנייה
• שלב שני, בניית סט שאילתות של 30 עד 50 פרומפטים
• שלב שלישי, הרצה עקבית באותם תנאים בכל המנועים
• שלב רביעי, איסוף התשובות והמקורות לגיליון מובנה
• שלב חמישי, ניקוד לפי חמשת המדדים
• שלב שישי, תוכנית סגירת פערים עם תאריכים ואחראים

הריצו כל סט לפחות בשני סבבים בהפרש של שבוע. ראיתי הבדל של 20 נקודות אחוז בשיעור אזכור בין שני סבבים על אותה שאילתה בדיוק.

כל כמה זמן לבדוק

חודשי למדידה שוטפת, רבעוני לעדכון אסטרטגיה ותוכן. זה לא שרירותי. מודלים מתעדכנים, מקורות משתנים, ומתחרה שפרסם מדריך השוואה טוב יכול להיכנס לתשובות תוך שבועיים.

הכתבה ב-ynet על ההבדלים בתשובות של ChatGPT וקלוד לפי ניסוח והגדרות מדגימה יפה כמה שינוי קטן בשאלה או בשפה משנה את הפלט. לכן סבב בודד הוא אנקדוטה, ושלושה סבבים הם מגמה.

התוכן שמנועי AI אוהבים נראה משעמם

הדף הכי מצוטט שיש לנו אצל לקוח אחד הוא דף שהעורך רצה למחוק. טבלת השוואה עם 11 שורות, בלי סטוריטלינג, בלי תמונת כותרת מרשימה. הוא צוטט 23 פעמים ב-40 שאילתות.

מה שעובד זה תשובה ישירה בפסקה הראשונה, הגדרה חד משמעית של מונח, השוואה מסודרת עם קריטריונים, ונתון שאפשר לצטט בלי להסביר את כל ההקשר. ההנחיות הרשמיות של גוגל בנושא תוכן שמצליח בחוויות ה-AI בחיפוש חוזרות על אותו רעיון, כלומר ייחודיות וערך אמיתי למשתמש.

Answer-first, או איך לכתוב פסקה שאפשר לשאוב

הכלל אצלנו פשוט. שלושים המילים הראשונות אחרי כל כותרת חייבות לענות על הכותרת. אחרי זה בואו תוסיפו הקשר, סייגים ודוגמאות כמה שתרצו.

כותרות H2 ו-H3 מנוסחות כשאלות אמיתיות שאנשים שואלים, לא כביטויים שיווקיים. מונחים נשארים עקביים לאורך כל האתר, כי מודל שרואה אתכם מתארים את עצמכם בשלוש דרכים שונות לא יודע מה לצטט.

גוגל מפרסמת מדריך לאופטימיזציה לפיצ'רים גנרטיביים בחיפוש שמבהיר שהמערכות האלה נשענות על אותן מערכות דירוג ואיכות. אין קסם נפרד. יש כתיבה ברורה ואתר שאפשר לסרוק.

עקרונות ניסוח שאני מכריח את הכותבים שלי

• חד משמעיות לפני יופי
• מספרים במקום תארים, כי "מהיר" זה כלום ו-1.8 שניות זה ציטוט
• תנאים מפורשים, למשל "רלוונטי לעסקים עם מעל 500 מוצרים"
• פירוק לשלבים ממוספרים בטקסט, שהמודל יוכל לשחזר בלי לנחש סדר

הם מוזכרים ואתם לא, תוכנית 90 יום

בשלושים הימים הראשונים אנחנו סוגרים פערי תוכן. לוקחים את חמש השאילתות שבהן המתחרה מוזכר הכי הרבה, ובודקים איזה מידע קיים אצלו ולא קיים אצלנו. בדרך כלל זה עמוד הגדרה, טבלת השוואה או עמוד תמחור שקוף.

בשלושים הבאים עובדים על נוכחות צד ג'. סקירות מקצועיות, מדריכים, השתתפות בפורומים רלוונטיים, אזכורים במאגרי ידע.

בשלושים האחרונים נגישות טכנית. אם הבוט לא מצליח לסרוק ולחלץ, כל השאר תיאורטי. אנחנו מומחים בקידום אורגני בלבד, וזה מה שמאפשר לנו להיכנס לרזולוציה הזו במקום לפזר תקציב על חמישה ערוצים.

המנוע ממציא עליכם עובדות, מה עושים

קרה לנו עם לקוח שמנוע AI טען שהוא סגר סניף שמעולם לא היה קיים. מקור אחד שגוי, מ-2019, המשיך להתגלגל.

הטיפול הוא בשלושה מישורים. איתור המקור השגוי ותיקון או הסרה שלו, ואם אי אפשר אז דחיקה שלו בתוכן עדכני. יצירת עמוד עוגן רשמי באתר עם עובדות יבשות, תאריכים, שמות ומספרים. ודיווח לפלטפורמה במקומות שבהם קיים מנגנון פידבק.

כלים, ומי מוכר לכם חלומות

שלוש קבוצות. מודלים גנריים כמו ChatGPT, Gemini ו-Claude, שהם למעשה כלי המחקר עצמו, בתנאי שאתם מריצים פרומפטים זהים ומתעדים. כלי ניטור ייעודיים ל-AI visibility, שהשוק שלהם צעיר, חלקם מצוינים וחלקם מוכרים דשבורד יפה מעל שלוש בדיקות ביום. כלי ניטור אזכורים כלליים, שתופסים איפה מדברים עליכם ברשת הרחבה.

הרבה כלים מדווחים על "נראות" בלי לגלות כמה סבבים הם הריצו. תשאלו את השאלה הזו לפני שאתם משלמים.

אפשר ידנית? כן, וזה יעלה לכם שש שעות בחודש

עשיתי את זה ידנית במשך שנה וחצי לפני שבנינו אוטומציה. זה עובד. פותחים גיליון עם עמודות לשאילתה, מנוע, תאריך, שמות שהוזכרו, מקורות וסיווג מסגור. מריצים 30 פרומפטים בשלושה מנועים, בערך 90 הרצות, ועם תיעוד מסודר תגיעו לחמש עד שש שעות בחודש.

היתרון של השיטה הידנית הוא שאתם קוראים את התשובות ורואים את הניואנס. החיסרון הוא קנה מידה. ברגע שאתם עוברים ל-100 שאילתות ושישה מנועים, זה כבר לא בר קיימא, ובנקודה הזו אוטומציה מפסיקה להיות מותרות.

הדוח שההנהלה באמת קוראת

דוח של 40 שקפים לא נקרא. אני יודע, כתבתי כמה כאלה. המבנה שעובד מתחיל בתקציר מנהלים של חצי עמוד עם שלושה ממצאים ושלוש המלצות. אחריו מתודולוגיה קצרה, ממצאים בטבלאות, ניתוח פערים מול שני מתחרים מובילים, תוכנית פעולה עם תאריכים, ורשימת מדדים למעקב.

שווה לחבר לזה גם נתוני מדידה רשמיים. גוגל הציגה דוחות ביצועים לנראות בפיצ'רים גנרטיביים ב-Search Console, וזה נותן לכם שכבת אימות שאינה תלויה בהרצות הידניות שלכם.

שאלות נפוצות