אתרים דו-לשוניים: כשהעברית והאנגלית מתחרות זו בזו
למה עמוד עברי ועמוד אנגלי של אותו תוכן מתחרים על אותו ציטוט, מה קנוניקל ו-hreflang באמת עושים, ואיזו גרסה כדאי להחליט שתנצח לפני שכותבים תוכן.
תאריך הוא אחד הפרטים שהכי קל להוסיף לעמוד ואחד היחידים שמודל אוהב לשאוב כמעט תמיד. הוא גם הפרט שהכי קל לזייף, וזה בדיוק מה שהופך אותו למסוכן.
עודכן:
מודל שמרכיב תשובה מחפש משפטים שאפשר להעתיק בלי לקחת סיכון. משפט שכתוב בו מתי נבדק המידע נותן לו בדיוק את זה: הוא יכול לצטט אתכם ולהוסיף הסתייגות זמן באותה נשימה, ואם הנתון התיישן האחריות מתועדת אצלכם ולא אצלו. לכן פסקה שמתחילה ב"נכון ל-24 באוגוסט 2026" נשלפת בתדירות גבוהה בהרבה מאותה פסקה בלי המשפט הזה. זו התרשמות מדגימה חוזרת ולא נתון שמישהו מפרסם, ואנחנו מסמנים אותה ככזו.
הצד השני של אותו מטבע הוא הסיפור האמיתי של העמוד הזה: ברגע שאתם מדביקים תאריך על נתון, אתם חתומים עליו. הזזת התאריך בלי לגעת בנתון היא לא אופטימיזציה, היא הצהרה שאין לה כיסוי.
לתאריך שלושה תפקידים שונים בתוך תשובה, ורק אחד מהם נשמע כמו מה שמוכרים בשוק.
הוא הופך פסקה ליחידת ציטוט עצמאית. אחד התנאים לשליפה הוא שהקטע יובן בלי מה שכתוב מעליו. תיארוך פותר חצי מהבעיה הזו לבד, כי הוא מוסיף את ההקשר החסר בתוך המשפט. הרעיון המלא של יחידת ציטוט מפורק במדריך הכתיבה לציטוט.
הוא מכריע בין מקורות סותרים. כששני עמודים אומרים דברים שונים על אותה שאלה, המודל צריך לבחור. עמוד שמצהיר מתי נבדק המידע נותן קריטריון הכרעה. עמוד בלי תאריך הוא הצד שנוטים לוותר עליו, גם כשהוא הצודק.
הוא מאפשר למודל לגדר את עצמו. תשובה שמנוסחת "לפי בדיקה מאוגוסט 2026" בטוחה יותר עבורו מתשובה שמצהירה על מצב עכשווי. בשאלות שהתשובה עליהן משתנה, זמינות, מחירים, רשימות מדינות, המודלים מעדיפים בבירור מקור שמאפשר להם את הניסוח הזה.
שימו לב מה חסר ברשימה: הבטחה שתאריך טרי משפר את הסיכוי להיבחר. לא ראינו לכך בסיס, וגם לא ראינו טענה כזו בתיעוד של אף מנוע.
רוב הבלגן מתחיל בכך שמדברים על "התאריך של העמוד" כאילו יש אחד. יש ארבעה, הם מסופרים במקומות שונים, והם יכולים לסתור זה את זה בלי שאף אחד ישים לב.
| התאריך | איפה הוא יושב | מה הוא אומר בפועל |
|---|---|---|
| תאריך פרסום | טקסט גלוי וסימון מובנה | מתי העמוד נולד. כמעט אף פעם לא מעניין בשאלה מסחרית |
| תאריך עדכון | סימון מובנה, לעתים גם בטקסט | מתי הקובץ נגע לאחרונה. לא מעיד על שינוי מהותי |
| תאריך בדיקה | טקסט גלוי בלבד, אתם כותבים אותו | מתי מישהו אימת את הנתון מול המקור. זה התאריך שמצוטט |
| תאריך במפת האתר | קובץ מפת האתר | רמז לסורק מתי לחזור. לא נראה לקורא ולא מצוטט |
ההבחנה המעשית: רק תאריך הבדיקה נשלף לתשובות. האחרים משפיעים על סריקה ועל הצגה בתוצאות, לא על מה שמודל מעתיק, כי הוא מעתיק טקסט. הצד הטכני של הסימון עצמו יושב במדריך הטכני, וכאן מעניין רק מה שנשאר גלוי לעין.
הכשל הנפוץ באתרים ישראליים הוא בדיוק בשורה השלישית: התאריך קיים בסימון המובנה ולא בטקסט. מבחינת מודל שקורא את העמוד, אין שם תאריך בכלל. אין מה לצטט.
זה נמכר בשוק כתחזוקה, ובמקרים רבים זה קורה בכלל אוטומטית, כשהמערכת מעדכנת את שדה העדכון בכל שמירה. שלוש תוצאות, לפי סדר החומרה.
התאריך במפת האתר מאבד ערך. אם כל העמודים באתר מדווחים שהם עודכנו אתמול, המידע הזה מפסיק להיות אות ומתחיל להיות רעש. מנוע שמגלה שהדיווח לא תואם שינוי אמיתי לומד להתעלם ממנו, ואז גם כשבאמת עדכנתם משהו חשוב, ההודעה לא מגיעה.
נוצר פער בין ההצהרה לתוכן. עמוד שכתוב עליו "עודכן החודש" ומתאר מצב משנה שעברה הוא לא רק לא מועיל, הוא פועל לרעתכם. קורא אנושי שמזהה נתון מיושן מתחת לתאריך טרי מפסיק להאמין לכל השאר בעמוד.
אתם הופכים למקור לטענה שגויה. זה החלק שמעטים חושבים עליו. אם מודל שאב מכם מספר, הצמיד לו את התאריך שאתם הצהרתם עליו, והגיש אותו למישהו כמצב עכשווי, השגיאה מיוחסת לכם בשם. בתחומים שמשתנים מהר זה קורה, ובמקרים חמורים זה מגיע למצב שדורש טיפול לפי מדריך תיקון מידע שגוי.
העמדה שלנו, והיא לא מוסכמת: עדיף עמוד שכתוב עליו "נבדק לאחרונה בפברואר 2026" מעמוד שכתוב עליו "עודכן היום" ואינו נכון. תאריך ישן וכן הוא סיגנל אמינות. תאריך טרי וריק הוא חוב שמתגלה בדיוק ברגע הלא נכון.
הטעות ההפוכה נפוצה לא פחות: לרוץ ולעדכן הכול כל חודש. רוב התוכן בעמוד מקצועי טוב לא מתיישן בכלל, ורענון גורף שלו הוא בזבוז שגם מסכן עמודים שכבר עובדים.
| סוג המידע | קצב התיישנות | מתי לחזור |
|---|---|---|
| זמינות מוצר או שירות בשוק מסוים | מהיר מאוד | חודשי, ובתקופת הכרזות אף בתדירות גבוהה יותר |
| מחירים, מינימומים, עמלות | מהיר | רבעוני, ומיד עם כל שינוי בפועל |
| רשימות: מדינות, שפות, יכולות בממשק | מהיר | חודשי. אלה השורות שהכי מצוטטות והכי מתיישנות |
| שמות טכניים של סורקים וממשקים | בינוני | רבעוני, כי חברות מוסיפות שמות בלי הודעה מוקדמת |
| רגולציה, חובות דיווח, תנאי סף | בינוני | חצי שנתי, ובעקבות שינוי חקיקה |
| הגדרות, שיטות עבודה, הסבר מנגנון | איטי | שנתי, ובעיקר כדי להוסיף ולא כדי לתקן |
המסקנה שמשנה סדרי עבודה: מסמנים מראש אילו פסקאות בעמוד רגישות לזמן. לא צריך כלי מיוחד, מספיקה רשימה בקובץ צדדי שאומרת אילו שורות דורשות אימות ומתי נבדקו לאחרונה. עמוד ממוצע יגיע לשתיים או שלוש כאלה, ואת השאר אפשר להשאיר בשקט שנה שלמה. בלי המיפוי הזה מגיעים למצב המוכר שבו כל עמוד "צריך עדכון" ואף אחד לא מגיע לזה.
המיפוי הזה הוא גם מה שהופך תחזוקה לעבודה שאפשר לתמחר. הוא נכנס לתחזוקה השוטפת שנכללת בליווי כרשימה קצרה של פסקאות עם תאריך אימות, ולא כסבב עדכון גורף על כל האתר.
הכלל פשוט: התאריך צריך לשבת באותו משפט של העובדה, לא בשורת מטא-דאטה בראש העמוד. מודל ששולף פסקה בודדת לא נושא איתו את מה שכתוב בכותרת.
השוו:
"עודכן: אוגוסט 2026" בראש העמוד, ובגוף: "השירות אינו זמין בישראל."
"בבדיקה שערכנו ב-24 באוגוסט 2026, השירות אינו זמין לעסק הרשום בישראל, והגישה נקבעת לפי מדינת הרישום של העסק ולא לפי מיקום המשתמש."
השני עומד לבד, ומכיל את התאריך, את התנאי ואת המנגנון. הראשון, כשמוציאים אותו מההקשר, הוא טענה חסרת זמן שאף אחד לא ירצה לצטט.
שלוש תוספות זולות שמחזירות הרבה:
שלושה טריגרים, ולא לוח שנה קבוע.
שינוי אמיתי בעולם. הכרזה, שינוי מחיר, פתיחת שוק חדש. זה הרגע היחיד שבו רענון הוא חובה, ולרוב הוא דורש שינוי של שורה אחת ותוספת שורה ליומן.
סתירה שמופיעה בתשובות. אם בדגימה החוזרת שלכם מודל מצטט אתכם עם נתון שכבר לא נכון, זה טריגר מיידי. הדגימה עצמה, ואיך בונים ממנה מדד, מפורטות במדריך המדידה, והאופן שבו זה מתנהג בפועל ב-ChatGPT במדריך ChatGPT.
חלוף הזמן שהצהרתם עליו. אם כתבתם "נבדק מדי חודש", עצם המעבר של חודש הוא הטריגר. הצהרה שלא מקיימים גרועה מהיעדר הצהרה, כי היא נותנת למודל ביטחון מדומה בנתון.
מה שלא נחשב טריגר: תחושה שהעמוד "לא זז". שכתוב של עמוד שכבר עובד כדי לייצר בו תנועה הוא אחד ממקורות הנזק השקטים בתחום, והוא מופיע ברשימת הטעויות החוזרות. אם העמוד מצוטט, כל שינוי בניסוח הפסקה המצוטטת הוא סיכון שצריך סיבה.
בשוק הישראלי הצעת הרענון החודשית היא לרוב אחת משתיים: תוספת מילים לעמוד, או הזזת תאריך. הראשונה לרוב לא עושה כלום, השנייה מזיקה.
רענון ששווה כסף הוא עבודת אימות: לעבור על הפסקאות הרגישות לזמן, לפתוח את המקור הרשמי של כל אחת, לתקן את מה שהשתנה, ולכתוב ביומן מה נבדק ומה נמצא. זו עבודה משעממת שדורשת גישה למקורות וסבלנות ולא כישרון כתיבה, וזו הסיבה שכמעט אף אחד לא מוכר אותה. השיקול התקציבי סביבה יושב במדריך התקצוב, והשאלה מי אמור לבצע אותה בפועל במדריך העבודה מול סוכנות.
מקרה מיוחד שכדאי להכיר: תוכן שמתאר את מצב הפרסום במנועי AI מתיישן מהר במיוחד, כי הרשימות משתנות כמעט מדי חודש. לכן עמוד המצב בישראל בנוי כעמוד עם תאריך בדיקה מוצהר, וכל שינוי מתועד בארכיון העדכונים עם התאריך שבו נקלט. מונחים שחוזרים כאן מוסברים במילון.
אף מנוע לא פרסם כמה משקל יש לרעננות בבחירת מקור, ואין דרך לבודד את המשתנה הזה מבחוץ. אנחנו יודעים שפסקאות מתוארכות נשלפות הרבה, ולא יודעים אם זה בגלל התאריך עצמו או בגלל שפסקה מתוארכת נוטה להיות גם ספציפית יותר. שתי ההשערות מסבירות את מה שאנחנו רואים באותה מידה.
לא ידוע גם באיזו תדירות מנועי AI סורקים מחדש עמוד קיים, ואם היא זהה לתדירות של החיפוש הרגיל. המשמעות המעשית היא שאחרי תיקון נתון אין לכם דרך לדעת מתי הגרסה המתוקנת נכנסת לתשובות, מלבד לדגום ולראות.
ולבסוף, השאלה שאין עליה תשובה: כמה זמן נתון שגוי ממשיך להופיע אחרי שהמקור תוקן. ראינו טווח רחב, מימים ועד שבועות, בלי חוקיות שאפשר להצביע עליה. מי שמבטיח לכם תיקון מיידי מבטיח משהו שלא בשליטתו. עוד שאלות על זה יושבות בעמוד השאלות והתשובות.
למה עמוד עברי ועמוד אנגלי של אותו תוכן מתחרים על אותו ציטוט, מה קנוניקל ו-hreflang באמת עושים, ואיזו גרסה כדאי להחליט שתנצח לפני שכותבים תוכן.
למה מנוע AI קורא את הטקסט של הביקורות ולא את הממוצע, איזו ביקורת בכלל נשלפת לתוך תשובה, מה מותר לבקש מלקוח, ולמה ביקורות מזויפות נשרפות בסוף.
כשמתחרה מופיע בתשובה של AI ואתם לא, רשימת המקורות שבתשובה מגלה למה. תהליך אבחון בחמישה שלבים שמפריד בין חסימה טכנית, היעדר מהסל ופער בתוכן.
איך מפרידים בסרץ' קונסול בין ירידה שנגרמת מסיכומי AI לבין עונתיות, עדכון ליבה ותחרות: דפוסי הופעות מול קליקים, קבוצת ביקורת, ומה שאי אפשר לדעת.
כלי ניטור נראות ב-AI לא מקבלים נתונים מהמנועים אלא דוגמים שאלות בעצמם. מה זה אומר על המספרים שהם מציגים, ושלוש שאלות לשאול לפני שקונים כלי כזה.
סדר הפעולות המלא לנראות במנועי AI: מה בודקים ראשון, מה מתקנים לפני שכותבים, איך מודדים בסיס, ומה מחזיר הכי הרבה בכל שלב, כולל מה שאפשר לדלג עליו.
בלי מצגת, בלי התחייבות ובלי שיחת מכירה. עשרים דקות שבסופן תדעו אם יש כאן משהו בשבילכם.
לא בקטע של טפסים? [email protected]