דלג לתוכן 
אם אתם בודקים את שם העסק שלכם ב ChatGPT, Gemini או מנוע AI אחר ורואים שהמותג מופיע, קל מאוד להגיע למסקנה שהכול עובד. הבעיה היא שבדיקה אחת אינה באמת מדידה. התשובה שקיבלתם יכולה להשתנות לפי ניסוח השאלה, ההקשר, סוג המשתמש, המקורות שהמערכת מצאה ואפילו השאלה הקודמת שנשאלה באותה שיחה.
בעולם שבו אנשים כבר לא תמיד מתחילים את תהליך החיפוש מרשימה של תוצאות, עסקים צריכים להסתכל על נראות בצורה רחבה יותר. השאלה היא כבר לא רק באיזה מקום האתר נמצא עבור ביטוי מסוים, אלא האם המותג בכלל נכנס לתשובה, באיזה הקשר הוא מופיע, לאילו שאלות הוא מקושר, אילו מקורות מוזכרים לידו ומה קורה לאחר החשיפה.
לכן מדידת נראות במנועי AI דורשת שיטה מסודרת. לא צילום מסך בודד ולא חיפוש מזדמן של שם העסק, אלא סט של שאלות קבועות, מדדים ברורים ותהליך שמאפשר להשוות בין תקופות.
למה אי אפשר למדוד מנועי AI בדיוק כמו דירוגים בגוגל?
בדירוג אורגני קלאסי אפשר לעקוב אחרי ביטוי ולראות באיזה מקום נמצא עמוד מסוים. למרות שגם תוצאות גוגל משתנות בין משתמשים, מכשירים ומיקומים, עדיין קיימת יחידת מדידה שקל יחסית להבין: מיקום של כתובת מסוימת עבור שאילתה.
בתשובות AI התמונה מורכבת יותר. המשתמש יכול לשאול שאלה ארוכה מאוד, לבקש המלצה לפי כמה תנאים, להמשיך בשאלת המשך ולשנות את ההקשר תוך כדי השיחה. במקום עשר תוצאות מסודרות הוא עשוי לקבל תשובה אחת שמחברת כמה מקורות, כמה מותגים וכמה נקודות מידע.
גם עצם ההופעה אינה בינארית. עסק יכול להופיע כהמלצה מרכזית, כדוגמה שולית, כמקור למידע, כחלק מרשימה או רק דרך עמוד שלו שמצוטט מבלי ששם המותג מקבל בולטות משמעותית.
לכן מדידה רצינית צריכה לבדוק לא רק האם הופעתם, אלא איך הופעתם.
אילו מדדים באמת כדאי לבדוק?
המדד הראשון הוא שיעור הופעה. בונים קבוצה קבועה של שאלות חשובות לעסק ובודקים בכמה מהן המותג מופיע. אם בדקתם שוב את אותה קבוצת שאלות בחודש הבא, תוכלו לראות אם הנוכחות התרחבה או הצטמצמה.
המדד השני הוא סוג ההופעה. יש הבדל בין מצב שבו המותג מוזכר בתוך פסקה כללית לבין מצב שבו הוא מוצג כאחת האפשרויות הרלוונטיות לשאלה מסחרית. לכן כדאי לסווג את ההופעות ולא להסתפק בספירה.
המדד השלישי הוא המקור. כאשר המערכת מציגה מקורות, חשוב לבדוק האם היא מפנה לאתר שלכם, לעמוד חיצוני שמזכיר אתכם, לפרופיל עסקי, לכתבה או למקור אחר. המידע הזה עוזר להבין אילו נכסים בפועל בונים את הנראות שלכם.
המדד הרביעי הוא ההקשר. מותג יכול להופיע פעמים רבות ועדיין להיות מקושר לנושא שאינו מרכזי מבחינתו. המטרה היא לא רק לצבור אזכורים, אלא לבנות קשר ברור בין שם העסק לבין השירותים, המוצרים והתחומים החשובים לו.
המדד החמישי הוא נראות מול מתחרים. לא מדובר רק בשאלה מי מופיע יותר. כדאי לבדוק באילו סוגי שאלות המתחרים מופיעים ואתם לא, אילו מקורות מחזקים אותם ומה חסר אצלכם כדי להיות חלק מאותה שיחה.
המדד השישי הוא המעבר מהחשיפה להתנהגות. בסופו של דבר עסק לא צריך אזכורים לשם האזכורים. צריך לבדוק האם במקביל מופיעות כניסות ממקורות AI, חיפושי מותג, פניות או התנהגויות אחרות שמראות שהנראות הדיגיטלית מתחילה להשפיע גם על המשתמשים.
מתחילים מסט שאלות ולא משם המותג
אחת הטעויות הנפוצות ביותר היא לפתוח מנוע AI ולשאול מי זאת החברה שלכם. זאת בדיקה לגיטימית של היכרות עם הישות, אבל היא כמעט לא אומרת דבר על הנראות העסקית האמיתית.
משתמש שלא מכיר אתכם בדרך כלל לא יחפש את שם המותג. הוא ישאל שאלה על הבעיה שלו. הוא עשוי לחפש ספק בתחום מסוים, לבקש השוואה, לשאול איזו אפשרות מתאימה לצורך מסוים או לבקש הסבר לפני שהוא בכלל מוכן לדבר עם חברה.
לכן לפני שבודקים תוצאות צריך למפות את מסע החיפוש. אפשר לחלק את השאלות לשאלות מידע, שאלות פתרון, שאלות השוואה, שאלות מסחריות ושאלות מותג.
בשלב המידע המשתמש עדיין לומד. בשלב הפתרון הוא כבר מנסה להבין אילו דרכי פעולה קיימות. בשלב ההשוואה הוא בוחן אפשרויות. בשלב המסחרי הוא מחפש חברה, שירות או מוצר. בשלב המותג הוא כבר רוצה להבין מי אתם והאם כדאי לבחור בכם.
כאשר בונים תהליך קידום AI בצורה מסודרת, כדאי שהמדידה תשקף את כל המסע הזה ולא רק את השלב שבו המשתמש כבר יודע את שם העסק.
איך בונים קבוצת בדיקה שאפשר לחזור אליה?
הכלל החשוב ביותר הוא עקביות. אם בכל חודש תשאלו שאלות אחרות, לא תוכלו לדעת אם הנראות השתפרה או שרק שיניתם את הבדיקה.
מתחילים מרשימה של נושאים מרכזיים לעסק. מתחת לכל נושא בונים כמה סוגי שאלות. במקום לבדוק רק ביטוי קצר, כדאי לחשוב איך לקוח אמיתי היה מנסח צורך.
לדוגמה, ספק בתחום מסוים יכול לבדוק שאלה כללית שמבקשת להבין את השירות, שאלה שמשווה בין שתי דרכי פתרון, שאלה שמחפשת ספק מתאים לעסק מסוג מסוים ושאלה שמבקשת המלצות על חברות שעונות על כמה תנאים.
חשוב לשמור את הנוסחים המקוריים. כאשר חוזרים לאותה בדיקה בהמשך, משתמשים באותה קבוצת בסיס. אפשר להוסיף שאלות חדשות כאשר השוק משתנה, אבל לא כדאי למחוק את קבוצת הבסיס שעליה נשענת ההשוואה.
כדאי גם להפריד בין שאלות קריטיות לבין שאלות משניות. לא לכל הופעה יש אותה משמעות עסקית. אם שירות מסוים אחראי לחלק משמעותי מהפעילות, השאלות סביבו צריכות לקבל משקל גדול יותר בדוח.
בונים נקודת פתיחה לפני שמבצעים שינויים
לפני שמתחילים לשכתב עמודים, להוסיף תוכן או לחזק אזכורים, צריך לתעד את המצב הקיים. אחרת יהיה קשה להבין אם העבודה שבוצעה אכן שינתה משהו.
בנקודת הפתיחה כדאי לרשום עבור כל שאלה האם המותג הופיע, כיצד תואר, אילו מתחרים הופיעו, האם היה קישור או ציטוט, איזה עמוד שימש כמקור ומה הייתה מטרת התשובה.
אין צורך להפוך את הדוח למפלצת של נתונים. המטרה היא ליצור בסיס שאפשר להבין במהירות. לפעמים טבלה פשוטה עם השאלה, המנוע, סוג ההופעה, המקור והערה קצרה מספיקה כדי להתחיל לזהות דפוסים.
כאשר חוזרים על הבדיקה בהמשך, חשוב להסתכל על שינוי ולא רק על המספר הנוכחי. עסק שעבר מהיעדר מוחלט להופעה בכמה שאלות מסחריות עשה התקדמות משמעותית, גם אם עדיין יש הרבה מקום להשתפר.
מה אפשר ללמוד מהמקורות שמנועי AI בוחרים?
אחד החלקים המעניינים ביותר במדידה הוא לא המותגים אלא המקורות. אם אתם מזהים שוב ושוב אתרים מסוימים שמספקים מידע בתחום שלכם, קיבלתם רמז חשוב לגבי סוג התוכן שנחשב שימושי באותן שאלות.
כדאי לבחון מה יש באותם עמודים. האם הם מסבירים מושגים בצורה ברורה, כוללים השוואות, מציגים מידע מקורי, עונים ישירות על השאלה, מציינים מי כתב את התוכן או מרכזים מידע שקל להבין ולחלץ ממנו תשובה.
המטרה אינה להעתיק את המבנה של המתחרים. המטרה היא לזהות מה חסר אצלכם. לפעמים תגלו שהאתר שלכם מדבר היטב על השירות אבל כמעט לא עונה על השאלות שקודמות לרכישה. במקרים אחרים תגלו שיש תוכן טוב, אבל הוא מפוזר בין כמה עמודים חלשים ואין עמוד אחד שמרכז את הנושא בצורה ברורה.
ניתוח המקורות יכול גם לחשוף פער בין מה שאתם חושבים שהאתר שלכם משדר לבין הדרך שבה מערכות חיצוניות מבינות אותו.
נראות ללא הקשר אינה בהכרח הצלחה
קל להתלהב מאזכור של שם העסק, אבל צריך לקרוא את כל התשובה. האם המותג משויך לתחום הנכון? האם הוא מופיע בהקשר שמתאים להצעת הערך שלו? האם המידע עליו מעודכן?
זה חשוב במיוחד לעסקים ששינו שירותים, קהלים, מיתוג או תחומי פעילות. אם מידע ישן עדיין מופיע במקורות שונים ברשת, מנוע AI עשוי לחבר את המותג למאפיינים שכבר אינם מדויקים.
לכן דוח נראות צריך לכלול גם איכות הקשר. אין צורך לתת לכל תשובה ציון מלאכותי ומדויק מדי. אפשר לסווג בצורה פשוטה האם האזכור מדויק, חלקי או בעייתי ולתעד מה צריך לתקן.
איך מחברים בין נראות AI לבין נתוני האתר?
נראות היא שכבה אחת בלבד. במקביל צריך לבדוק מה קורה באתר.
כדאי לבחון מקורות תנועה שמזוהים עם פלטפורמות AI, דפי נחיתה שאליהם מגיעים משתמשים מאותם מקורות ואת הפעולות שהם מבצעים לאחר הכניסה. לצד זה אפשר לבדוק שינויים בחיפושי מותג, כניסות ישירות ופניות שבהן לקוחות מציינים שהכירו את החברה דרך כלי AI.
לא תמיד יהיה אפשר לייחס כל לקוח בצורה מושלמת. משתמש יכול לקבל המלצה בכלי אחד, לחפש אחר כך את שם החברה בגוגל ורק אז להיכנס לאתר. במקרה כזה מקור הביקור האחרון לא מספר את כל המסע.
זאת בדיוק הסיבה שלא כדאי למדוד את התחום דרך נתון יחיד. משלבים בין נראות בתשובות, מקורות, חיפושי מותג, תנועה והתנהגות עסקית.
מה צריך להופיע בדוח חודשי?
דוח טוב צריך לאפשר להבין בתוך כמה דקות מה השתנה.
בחלק הראשון מציגים את קבוצת השאלות החשובות ואת שיעור ההופעה בהן. בחלק השני מראים אילו נושאים התחזקו ואילו עדיין חלשים. בחלק השלישי מציגים מקורות שחזרו שוב ושוב. בחלק הרביעי מסכמים פעולות שבוצעו באתר ואת השינוי שנראה לאחריהן.
חשוב גם להראות דוגמאות ממשיות. צילום של תשובה משמעותית יכול להמחיש ללקוח או לצוות מה המספרים מייצגים, כל עוד הוא משמש דוגמה ולא המדד היחיד.
לבסוף מסיימים בפעולות. דוח בלי החלטות הוא ארכיון. אם גיליתם שהמותג אינו מופיע בשאלות השוואה, צריך לבחון איזה מידע חסר. אם עמוד מסוים מתחיל לקבל אזכורים, צריך להבין למה דווקא הוא ולחזק את מה שעובד.
טעויות שגורמות למדידה להיראות טובה יותר ממה שהיא באמת
הטעות הראשונה היא לבדוק רק שאלות מותג. ברור שקל יותר להופיע כאשר המשתמש כבר כותב את שם החברה.
הטעות השנייה היא לבחור רק שאלות שבהן כבר יודעים שמופיעים. כך אפשר לייצר דוח יפה מאוד שלא משקף את השוק.
הטעות השלישית היא להסתכל רק על אזכור ולא על ההקשר.
הטעות הרביעית היא לשנות את קבוצת הבדיקה בכל פעם.
הטעות החמישית היא להתייחס לכל מנוע כאילו הוא עובד בדיוק אותו הדבר. בפועל צריך לתעד בנפרד את התוצאות מכל מערכת שנבדקת ולהימנע מהסקת מסקנה גורפת מתשובה אחת.
הטעות השישית היא להתמקד בחשיפה ולהתעלם מהעסק. עשר הופעות בשאלות לא רלוונטיות יכולות להיות פחות חשובות מהופעה אחת בשאלה שנמצאת קרוב מאוד לקבלת החלטת רכישה.
מדידה טובה צריכה להוביל לשינוי באתר
המטרה של המעקב אינה להוכיח שעשיתם עבודה. היא לגלות מה לעשות עכשיו.
אם מנועי AI מכירים את המותג אבל לא מקשרים אותו לשירות המרכזי, צריך לחזק את הקשר הזה בתוכן ובנוכחות הדיגיטלית. אם המתחרים מופיעים בשאלות שבהן אתם חסרים, צריך להבין איזה מידע הם מספקים. אם עמוד מסוים מצוטט שוב ושוב, אפשר להשתמש בו כמודל להבנת סוג התוכן שהמערכות מצליחות לקרוא ולהשתמש בו.
כך המדידה הופכת ממסמך פסיבי למערכת משוב. בודקים, מזהים פער, משפרים, מחכים להצטברות מידע חדש ובודקים שוב.
נראות במנועי AI היא מדד שצריך לבנות לאורך זמן
החיפוש משתנה, הכלים משתנים וגם הדרך שבה משתמשים שואלים שאלות משתנה. לכן אין בדיקה אחת שתיתן לכם תשובה קבועה לגבי מצב המותג.
מה שכן אפשר לבנות הוא תהליך עקבי. קבוצה קבועה של שאלות, סיווג ברור של סוגי הופעות, מעקב אחר מקורות, השוואה למתחרים וחיבור לנתוני האתר ולתוצאות העסקיות.
ברגע שעובדים בצורה הזאת, השאלה כבר אינה האם העסק הופיע היום בתשובה אחת. אפשר להתחיל להבין באילו נושאים המותג מקבל נוכחות, מה מחזק אותה, היכן עדיין קיימים פערים ואילו פעולות באמת משנות את התמונה.
