המתחרה מוזכר ואני לא: איך מאבחנים
כשמתחרה מופיע בתשובה של AI ואתם לא, רשימת המקורות שבתשובה מגלה למה. תהליך אבחון בחמישה שלבים שמפריד בין חסימה טכנית, היעדר מהסל ופער בתוכן.
ביקורת היא לא ציון. היא פסקת טקסט ציבורית שנכתבה על העסק שלכם, יושבת במקום שנסרק, ואפשר לשלוף ממנה משפט לתוך תשובה. ברגע שמסתכלים עליה ככה, גם מה שכדאי לעשות וגם מה שאסור נראים אחרת.
עודכן:
הדבר הראשון שצריך להפנים: מנוע שמרכיב תשובה לא רואה ארבעה וחצי כוכבים. הוא רואה טקסט. הממוצע הוא מספר אחד שאפשר להזכיר בחצי משפט, והמשפטים שהלקוחות כתבו הם החומר שממנו נבנית התשובה. עסק עם ממוצע גבוה וביקורות בנות שתי מילים מספק למנוע כמעט כלום. עסק עם ממוצע נמוך במקצת וביקורות מפורטות מספק לו הרבה.
זה הופך את הביקורות לקטגוריית תוכן, לא לקטגוריית מוניטין. תוכן שלא אתם כותבים, שאתם לא שולטים בו, ושבכל זאת יש דרכים לגיטימיות להשפיע על האופי שלו.
בשאלות מסוג "את מי מומלץ" או "מי טוב ב-", המקורות שנשלפים הם לרוב לא אתרי הספקים. את ההיגיון הזה פירטנו במדריך האזכורים, והביקורות הן המקרה הקיצוני שלו: הן בדיוק מה שנראה למודל כמו עדות של צד שלישי, ולכן הן נכנסות למקום שאליו עמוד "למה לבחור בנו" לא יגיע לעולם.
יש לזה גם צד פחות נעים. פרופיל ביקורות הוא נכס שיושב אצל מישהו אחר, נסרק בקצב שלו, ומופיע בתשובות בלי שתדעו. אפשר לסגור את האתר לגמרי ועדיין להיות מוזכרים דרכו. וזה עובד לשני הכיוונים: משפט קשה שנכתב לפני שנתיים בפרופיל פעיל הוא טקסט זמין לשליפה, בדיוק כמו כל טקסט אחר.
הכלל שנגזר מזה: כל מקום שבו נכתב עליכם משהו ציבורי הוא חלק ממאגר המקורות שלכם. פרופילים עסקיים, ספריות מקצועיות, קבוצות פתוחות לאינדוקס, פורומים ותיקים, אתרי דירוג נישתיים. חלקם משפיעים יותר מהאתר שלכם, ורובם לא מנוהלים על ידי אף אחד אצלכם.
לא כל ביקורת שווה. ההיגיון זהה לזה של יחידת ציטוט בעמוד שלכם: מודל מחפש קטע שאפשר להעתיק לתשובה בלי הקשר נוסף, ושיש בו פרט שאפשר לתלות בו אמירה.
| סוג הביקורת | מה יש בה | סיכוי להישלף |
|---|---|---|
| "מעולים, ממליץ" | שום פרט. אין שירות, אין מיקום, אין נסיבות | אפסי. תורמת רק לממוצע |
| "שירות מצוין ומקצועי מאוד" | שבח כללי בלי עוגן | נמוך. נבלעת בין אלפי ניסוחים זהים |
| "עשו לי החלפת מזגן בדירה בחיפה, הגיעו יומיים אחרי הפנייה" | שירות מוגדר, אזור, ציון זמן | גבוה. עונה בדיוק על שאלה שמישהו שואל |
| "היה עיכוב באספקה, פנו אליי ותיקנו תוך שבוע" | בעיה ופתרון, כלומר סיפור שלם | גבוה. גם ביקורת שאינה מושלמת נשלפת |
השורה האחרונה היא זו שמפתיעה אנשים. ביקורת של ארבעה כוכבים שמתארת תקלה שטופלה היא לא פעם חומר טוב יותר מחמישה כוכבים בלי מילים, כי היא ספציפית וכי היא נשמעת אמיתית. מודל שנדרש להצדיק אמירה נמשך למקור שנראה כמו עדות, לא למקור שנראה כמו סיסמה.
זו גם הסיבה שאורך לבדו לא מספיק. שלוש שורות של התלהבות בלי אף פרט קונקרטי הן עדיין טקסט ריק. מה שקובע הוא צפיפות העובדות: איזה שירות, איפה, מתי, כמה זמן לקח, מה היה מיוחד במקרה.
הבקשה עצמה לגיטימית. מה שנמצא סביבה קובע אם זה בסדר. שלושה כללים שאנחנו עובדים לפיהם:
לבקש מכולם, לא רק מהמרוצים. סינון לפי שביעות רצון לפני הבקשה הוא בדיוק מה שהפלטפורמות מגדירות כהטיה, וגם מה שמייצר פרופיל שנשמע מזויף. פרופיל שכולו חמישה כוכבים בניסוח דומה קורא לעצמו חשוד.
לבקש קרוב לאירוע. לקוח שנשאל שבוע אחרי הפרויקט זוכר פרטים. לקוח שנשאל אחרי חצי שנה כותב "מעולים". ההבדל בין השניים הוא כל ההבדל מבחינת מה שנשלף בסוף.
לשאול שאלה, לא לבקש דירוג. "מה עשינו בשבילך ומה היה חשוב לך" מייצר טקסט. "תדרגו אותנו" מייצר מספר. אין כאן שום תחכום, ורוב העסקים עדיין שולחים את הבקשה השנייה.
מה שאסור, ולא רק מטעמי מוסר: לשלם עבור ביקורת, להתנות הטבה בביקורת חיובית, לכתוב בעצמכם, או לקנות חבילה. בישראל, מעבר לתנאי השימוש של הפלטפורמות, פרסומת שמתחזה לחוות דעת של צרכן היא בעיה גם מול הרגולציה הצרכנית, ולא עניין פנימי בין העסק לפלטפורמה.
כאן כדאי להוריד לרגע את הדיון המוסרי ולהסתכל על המכניקה. ביקורות מזויפות נכשלות בשלוש שכבות שונות, וכל אחת מהן לבדה מספיקה.
השכבה הראשונה, הפלטפורמה. גילוי דפוסים הוא בדיוק סוג הבעיה שמערכות למידה טובות בו: התפרצות ביקורות בפרק זמן קצר, מחברים בלי היסטוריה, אוצר מילים חוזר, אותם מחברים שממליצים על עסקים לא קשורים. הפלטפורמות מסירות ביקורות רטרואקטיבית, לפעמים חודשים אחרי שנכתבו, ולפעמים בגלים. עסק שבנה על זה מוצא את עצמו יום אחד עם פרופיל חצי ריק, בלי התראה מוקדמת.
השכבה השנייה, הסתירה בין המקורות. מודל שמרכיב תשובה על עסק לא קורא פרופיל אחד. הוא רואה כמה מקורות בבת אחת, וכשאחד מהם אומר משהו שהשאר לא תומכים בו, הפער מוריד את מידת הביטחון. ההשפעה היא לא עונש, היא בחירה: מקור שנראה פחות בטוח נזרק לטובת מקור שנראה יותר בטוח. במקרים כאלה העסק פשוט לא מופיע בתשובה, בלי סימן ובלי הסבר.
השכבה השלישית, מה שנשאר. זה הנזק שכמעט אף אחד לא מתמחר. גל של ביקורות מזויפות מייצר טקסט ציבורי, והטקסט הזה נסרק בזמן שהוא באוויר. גם אחרי שהפלטפורמה הסירה אותו, הוא יכול להמשיך לחיות בהעתקים, בצילומי מסך, בכתבות ובדיונים. אם משהו מהם נכנס למשקל של מודל, אין לכם דרך להוציא אותו משם, ואפילו לא דרך לדעת שהוא שם. למה בקשה מהמודל בצ'אט לא פותרת את זה מוסבר במדריך התיקון.
העמדה שלנו, והיא לא נאמרת מספיק בשוק: הסיכון האמיתי בזיוף אינו קנס ואינו חשיפה תקשורתית. הוא שאתם משקיעים כסף בייצור טקסט שהמערכת בסופו של דבר לא סופרת, ובמקביל תופסים בו את המקום שבו טקסט אמיתי היה יכול לשבת.
בכל הפרופיל, תגובת בעל העסק היא הטקסט היחיד שאתם מנסחים בעצמכם, והוא נסרק בדיוק כמו הביקורת עצמה. רוב העסקים מבזבזים אותו על "תודה רבה, נשמח לראותכם שוב".
תגובה שעושה עבודה עושה שלושה דברים בבת אחת: מזכירה במפורש איזה שירות בוצע, מזכירה את האזור או את סוג הלקוח, ומוסיפה פרט עובדתי שלא היה בביקורת. תגובה לביקורת על תיקון מזגן יכולה להבהיר שהשירות מכסה אזור מסוים, או מהו זמן התגובה הרגיל. זה לא טריק, זו פשוט הזדמנות לכתוב עובדה נכונה במקום שנסרק ממילא.
בביקורת שלילית אותו היגיון עובד חזק אפילו יותר. תגובה עניינית שמתארת מה קרה ומה נעשה היא בדיוק סוג הטקסט שמודל אוהב לצטט, כי יש בה שני צדדים. תגובה מתגוננת, או גרוע מזה ויכוח, מייצרת טקסט ציבורי שלילי חדש שכתבתם אתם, במקום להשאיר את המקור לבדו.
עוד נקודה שנעלמת: תגובה מאוחרת בשנה עדיין נסרקת. אין תוקף לטקסט הזה, ולכן מעבר על ביקורות ישנות בלי מענה הוא אחת העבודות הזולות שיש, וגם אחת מהמשעממות.
ראשית, לבדוק שזה בכלל קורה. השיטה זהה לזו שבמדריך המדידה: סט שאלות קבוע, חלון נקי לכל שאלה, ותיעוד של מה שנאמר ומאיפה זה נשלף. כשמנוע מזכיר חיסרון, לרוב אפשר לראות מאיזה מקור זה הגיע.
אחר כך יש שלוש דרכי פעולה, לפי סדר התועלת:
אם הטענה נכונה, התיקון הוא בעסק ואז בטקסט. כשהבעיה מטופלת ומצטברות ביקורות חדשות שמתארות את המצב הנוכחי, המשקל של הביקורת הישנה יורד באופן טבעי. זה לוקח חודשים, לא שבועות, וזה גם החלק היחיד שבאמת פותר.
אם הטענה שגויה או מפרה את כללי הפלטפורמה, יש מסלול דיווח, וזה המקום היחיד שבו יש סיכוי להסרה. חשוב לדעת שהמסלול איטי, שחלק גדול מהפניות נדחה, ושביקורת ביקורתית וכנה איננה כשלעצמה עילה להסרה.
אם הטענה נכונה חלקית, התגובה היא הכלי. היא לא מוחקת כלום, אבל היא מוסיפה למקור צד שני שאפשר לצטט.
מה שלא עובד: לקבור ביקורת שלילית תחת גל של חיוביות. הגל מזוהה, וגם כשלא, מודל שמסכם פרופיל לא מסתמך על סדר התצוגה בעמוד. הטעויות שחוזרות בתחום מרוכזות בעמוד הטעויות.
ביקורות אינן ערוץ נפרד. הן שכבה אחת מתוך מה שנכתב עליכם ברשת, ולכן העבודה עליהן נשענת על אותם יסודות. שם עסק אחיד בכל הפרופילים, כתובת ותחום זהים, וסימון שקושר את הכול לישות אחת נמצאים במדריך הטכני. ההיגיון של בחירת מקורות בזמן אמת נמצא במדריך ChatGPT. והשאלה כמה מהעבודה הזו שייכת למותג נדונה בעמוד המותג.
הפרופילים האלה נספרים בדיוק כמו העמודים שלכם, ולכן גם מה שנכתב עליכם במקומות אחרים נכנס לעבודה ולא רק מה שאתם מפרסמים בעצמכם.
נקודה אחרונה: בסיכומי AI של גוגל, מקטעי ביקורות מופיעים לעתים כחלק מהתשובה עצמה ולא רק כקישור. המשמעות היא שהטקסט נצרך בלי שהגולש מגיע אליכם, וזה משנה איך קוראים את הנתונים בכלי הניתוח. ההסבר המלא בעמוד סיכומי ה-AI, והמונחים מוסברים במילון.
אף מנוע לא פרסם איך הוא משקלל ביקורות: לא כמה משקל יש לממוצע מול הטקסט, לא איך מטופלת ביקורת ישנה מול חדשה, ולא אם פרופיל אחד גובר על אחר. כל מה שכתוב כאן על אופי הביקורת שנשלפת נשען על דגימה חוזרת ועל ההיגיון של בחירת מקורות, ולא על תיעוד רשמי, ואנחנו מסמנים את זה במפורש.
גם בכיוון ההפוך אין ודאות. אין דרך לדעת מבחוץ אם ביקורת שהוסרה מהפלטפורמה עדיין משפיעה על מה שמודל אומר, ואין ממשק שיגיד לכם מאיזה פרופיל נשלף משפט מסוים. מי שמציג לכם מספר של "השפעת ביקורות על נראות ב-AI" מציג תוצאה של דגימה שהוא ביצע, לא נתון מהפלטפורמה.
ומה שכן ידוע ולא משתנה: אין מסלול בתשלום שעוקף את שכבת הביקורות. גם מודעות ChatGPT, שנפתחו לעסק ישראלי ב-16 בספטמבר 2026, קונות יחידה נפרדת ולא שינוי במה שהמנוע אומר עליכם. את המצב המעודכן אנחנו מתחזקים בעמוד המצב בישראל, ושאלות נפוצות בנושא מרוכזות בעמוד השאלות והתשובות.
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.
מי גובר על מי כשיש שני כללים, למה שורה ריקה מסיימת בלוק, איך Allow מנצח Disallow, ומה קורה כשהקובץ מחזיר שגיאה. הטעויות התחביריות שחוסמות בלי כוונה.
שכבת הגנה או CDN יכולים לחסום את סורקי ה-AI לפני שהבקשה מגיעה לאתר, בלי שורה אחת ב-robots.txt. איך מאבחנים את זה בחמישה שלבים, ומה בדיוק מתקנים.
בלי מצגת, בלי התחייבות ובלי שיחת מכירה. עשרים דקות שבסופן תדעו אם יש כאן משהו בשבילכם.
לא בקטע של טפסים? [email protected]