נתח אזכורים

Share of voice

מדד שמנסה לכמת כמה פעמים עסק מוזכר בתשובות של מנועי AI ביחס למתחרים, על בסיס סט שאלות קבוע. אין מדידה רשמית מהפלטפורמות, ולכן זו הערכה חוזרת ולא נתון.

עודכן: 19 בספטמבר 2026

מדד שאתם מייצרים, לא מדד שמקבלים

נתח אזכורים מנסה לענות על שאלה פשוטה: מתוך כל התשובות שהמנוע נותן לשאלות שחשובות לכם, בכמה מהן אתם מוזכרים ביחס למתחרים. הבעיה היא שאין מי שיספק את המונה ואת המכנה.

אף מנוע לא מדווח כמה פעמים עסק הוזכר בתשובות למשתמשים אמיתיים. אין דוח, אין ממשק, אין מספר. לכן כל נתח אזכורים שתראו הוא תוצאה של דגימה: מישהו הגדיר סט שאלות, שאל אותן, וספר.

זה לא פוסל את המדד. זה מגדיר מה הוא: הערכה חוזרת על מדגם מוגדר, ולא מדידה של תופעה. מי שמציג לכם אחוז בלי להגיד מה היה סט השאלות ובאיזה מנוע ובאיזו גרסה, הציג מספר שאין לו פשר.

מה הופך דגימה למדד ששווה משהו

סט שאלות קבוע, שנכתב פעם אחת ולא משתנה בין מדידות. ברגע שמוסיפים שאלות באמצע, ההשוואה לחודש הקודם נשברת.

חלון נקי לכל שאלה: בלי חשבון מחובר, בלי היסטוריית שיחה, בלי שאלה קודמת באותו חלון. מנוע שדיבר איתכם חמש דקות זוכר, ואז אתם מודדים את הזיכרון שלו ולא את השוק.

חזרות. כל שאלה נשאלת כמה פעמים, כי אותה שאלה מחזירה ניסוחים ומקורות שונים בהרצות שונות. שם שמופיע פעם אחת מתוך חמש אינו אותו דבר כמו שם שמופיע בחמש מתוך חמש.

ורישום של הגרסה והתאריך. מנוע שעודכן בין שתי מדידות יכול להסביר לבדו את כל השינוי שראיתם.

מה המדד מראה ומה הוא מסתיר

מה שהוא מראה היטב: מגמה על פני חודשים, ופער בין מתחרים בקטגוריית שאלות מסוימת. אם בחמש שאלות ההמלצה מתחרה אחד מופיע תמיד ואתם אף פעם, זה ממצא שקשה לטעות בו. ממצא כזה הוא נקודת הפתיחה של המעקב שחוזר חודש בחודשו.

מה שהוא מסתיר: כמה אנשים באמת שאלו את השאלות האלה. שאלה שדגמתם עשרים פעם יכולה להישאל בשוק פעמיים בחודש, ושאלה שלא חשבתם עליה יכולה להיות החשובה ביותר. הדגימה מודדת נראות, לא ביקוש, ואלה שני דברים שונים.

איך זה נראה בפועל

תרחיש מומצא: משרד עורכי דין שעוסק בדיני עבודה, שבנה סט של חמש עשרה שאלות. חמש שאלות מידע, כמו מה מגיע לעובד שפוטר אחרי שנתיים. חמש שאלות תהליך, כמו כמה זמן לוקח הליך בבית הדין. וחמש שאלות המלצה, כמו את מי לקחת לתביעת פיטורים בתל אביב.

בהרצה ראשונה, בשלוש חזרות לכל שאלה בשני מנועים, המשרד מופיע בשש מתוך חמש עשרה. כל ההופעות הן בשאלות התהליך, אף אחת מהן לא בשאלות ההמלצה. מתחרה אחד מופיע באחת עשרה, מתוכן ארבע בשאלות ההמלצה.

החישוב עצמו פשוט: שש חלקי חמש עשרה. מה שחשוב הוא לא האחוז אלא הפילוח. המשרד חזק כשהשאלה עובדתית, ואינו קיים כשהשאלה היא על בחירה. זו לא בעיית תוכן באתר, זו בעיה של איפה השם שלו מופיע ברשת.

שלושה חודשים אחר כך, אותן שאלות בדיוק, אותו חלון נקי. המספר עלה לשמונה. מתוכן אחת בשאלת המלצה. זה מעט, וזה השינוי היחיד שבאמת מעניין בטבלה.

זוויות שונות

לעסק עם מעט מתחרים ישירים

המדד עובד טוב, כי המכנה קטן ואפשר לעקוב אחרי כולם בשם. במקרה כזה שווה לרשום לא רק אם הוזכרתם, אלא באיזה סדר ובאיזה הקשר. להיות מוזכרים אחרונים ברשימה של חמישה זה לא אותו דבר כמו להיות המומלץ הראשון.

לעסק בקטגוריה עמוסה

כשיש עשרות שחקנים, האחוז שלכם יהיה נמוך תמיד וההשוואה בין חודשים תהיה רועשת. עדיף לוותר על מדד כולל ולהתמקד בתת קבוצה: חמש שאלות שבהן אתם באמת רוצים להופיע, ומעקב עליהן בלבד. מדידה של הכול היא בדרך כלל מדידה של כלום.

לעסק מקומי

הוסיפו את שם העיר או האזור לכל שאלה במדגם, ובדקו גם בלי שם המקום. הפער בין שתי הגרסאות מספר הרבה: עסק שמופיע רק עם שם העיר מזוהה כמקומי, ועסק שנעלם גם איתה בדרך כלל חסר נוכחות באינדקסים.

מה זה אומר בפועל

הגדירו סט שאלות פעם אחת, כתבו לידו את התאריך ואת המנוע, ואל תיגעו בו. מדדו לפני שאתם מתחילים לעבוד, אחרת לא תדעו מה השתנה. השאירו שלוש עד חמש שאלות כקבוצת ביקורת שלא תעבדו עליהן בכלל, כי בלעדיה כל שינוי במנוע ייראה כמו הישג שלכם. ותעדו הכול בגיליון אחד, כולל הרצות שבהן לא הופעתם.

איך בודקים את זה לבד

כתבו בין עשר לעשרים שאלות אמיתיות, מחולקות לשלוש קטגוריות: מידע, תהליך, המלצה.
בחרו שני מנועים ורשמו את הגרסה ואת התאריך.
שאלו כל שאלה שלוש פעמים, כל פעם בחלון חדש ובלי חשבון מחובר.
רשמו לכל הרצה: אילו עסקים הוזכרו, באיזה סדר, ואילו כתובות צוטטו.
חשבו לכל עסק כמה הרצות מתוך הסך הכול הזכירו אותו. זה המספר.
חזרו על אותו תהליך בדיוק בעוד חודש, ושמרו את שתי הטבלאות זו לצד זו.

המלכודת

המלכודת הראשונה היא לבדוק בחשבון המחובר שלכם. המנוע מכיר אתכם, ראה את האתר שלכם, ולפעמים אפילו זוכר שיחות קודמות, ולכן הוא מזכיר אתכם. פותחים חלון פרטי והשם נעלם. המלכודת השנייה היא להשוות בין שתי מדידות שנעשו בסטים שונים או במנועים שונים ולהציג את ההפרש כשיפור. והמלכודת השלישית, הכי שקטה: לשנות את סט השאלות אחרי חודש שבו התוצאה הייתה גרועה. ברגע שזה קורה, כל ההיסטוריה מאבדת ערך.

מתי זה לא רלוונטי לכם

אם התחום שלכם כמעט לא נשאל במנועי AI, וזה קורה בנישות מקצועיות צרות מאוד, תמדדו רעש. במקרה כזה עדיף למדוד תנועה בפועל ולא נראות. גם עסק שאין לו מתחרים מזוהים בשם, למשל ספק יחיד בתחום, לא ירוויח הרבה מהשוואה, ויעדיף לעקוב אחרי האם התשובה עליו מדויקת. ואם אין לכם מי שיבצע את זה בעקביות כל חודש, עדיף לא להתחיל: מדידה אחת בלי המשך גרועה ממדידה אפס, כי היא מייצרת ביטחון שווא.

שאלות נפוצות

כמה שאלות צריך במדגם?

מספיק כדי לכסות את קטגוריות השאלות החשובות, ומעט מספיק כדי שתריצו אותן באמת כל חודש. בפועל בין עשר לעשרים עובד לרוב העסקים, וחשוב יותר שהסט יישאר קבוע מאשר שיהיה גדול.

כלים אוטומטיים מדויקים יותר מבדיקה ידנית?

הם עושים את אותו דבר בקנה מידה גדול יותר ובעקביות טובה יותר, וזה יתרון אמיתי. הם לא מקבלים נתון מהמנוע, ולכן הם לא מדויקים יותר במובן של קרובים לאמת. השוואה בכלים מול בדיקה ידנית.

מה ההבדל בין זה לבין נתח חיפוש?

נתח חיפוש מודד כמה אנשים מחפשים את שם המותג שלכם מול המתחרים, כלומר ביקוש. נתח אזכורים מודד כמה פעמים אתם מופיעים בתשובות שדגמתם, כלומר נראות. שני מדדים שונים שקל לבלבל בגלל השם.

המספר שלי ירד. זה אומר שמשהו נשבר?

לא בהכרח. בדקו קודם את קבוצת הביקורת: אם גם שם ירד, השינוי כנראה במנוע ולא אצלכם. בדקו אחר כך אם המנוע התעדכן בין המדידות. רק אם שני אלה נקיים, שווה לחפש סיבה באתר או באזכורים.