E-E-A-T בעברית: איך לבנות סמכות שמנועי AI מצטטים
מדריך מעשי לבניית E-E-A-T בעברית: ישות מחבר, מקורות אמינים ואותות אמון שגורמים ל-ChatGPT, Perplexity ו-AI Overviews לצטט אתכם דווקא.
בקצרה: E-E-A-T הוא ראשי תיבות של ניסיון, מומחיות, סמכותיות ואמינות. בעברית בונים אותו בשלושה צירים: ישות מחבר מזוהה עם היסטוריה אמיתית, תוכן עם מקורות וציטוטים מספריים, ואותות אמון חיצוניים כמו אזכורי מותג. מנועי AI מצטטים מקורות שעומדים בקריטריונים האלה, גם כשהם לא ראשונים בגוגל.
מי שמוכר שירותי GEO חייב לכתוב תוכן שהוא עצמו דוגמה ל-GEO נכון. הפוסט הזה הוא בדיוק זה. כל מה שכתוב כאן על איך לגרום ל-ChatGPT ולמנועי AI לצטט אתכם, מיושם בתוך הפוסט הזה עצמו. שווה לשים לב לאיך הוא בנוי, לא רק למה שהוא אומר.
מה זה בכלל E-E-A-T ולמה זה קריטי בעברית?
E-E-A-T הוא מסגרת שגוגל משתמשת בה כדי להעריך איכות של תוכן: Experience (ניסיון אישי), Expertise (מומחיות), Authoritativeness (סמכותיות) ו-Trustworthiness (אמינות). זו לא רשימת תיוג טכנית בקוד. זו דרך לתאר מה הופך מקור למקור שאפשר לסמוך עליו.
בעברית הסיפור חריף יותר. כמות התוכן האיכותי בעברית קטנה בהרבה מאשר באנגלית, אז כשמנוע AI מחפש מקור סמכותי בעברית לשאלה מקצועית, הוא בוחר מתוך בריכה רדודה. מי שיש לו אותות אמון ברורים בולט מיד. בשוק האנגלי אתם נלחמים מול אלף מתחרים. בעברית, לרוב, מול עשרה. זה יתרון שאפשר לתפוס.
ההבדל בין SEO קלאסי ל-GEO (אופטימיזציה למנועים גנרטיביים) הוא שגוגל הקלאסי דירג עמודים, ומנוע AI מרכיב תשובה. כשהוא מרכיב תשובה, הוא צריך להחליט אילו מקורות לשלב ולצטט. E-E-A-T הוא בדיוק הקריטריון שלפיו הוא מחליט.
איך בונים ישות מחבר שמנועי AI מזהים?
ציר ה-Experience וה-Expertise מתחיל באדם, לא במאמר. מנוע AI מנסה להבין מי כתב את התוכן ואם יש לו רקע שמצדיק להקשיב לו. בלי ישות מחבר ברורה, התוכן מרחף בחלל בלי עוגן של אמינות.
בפועל זה אומר כמה דברים קונקרטיים:
- עמוד מחבר אמיתי עם שם מלא, תפקיד, תחום התמחות וקישור לפרופילים חיצוניים (LinkedIn, פרסומים).
- חתימה עקבית. אותו שם, אותו איות, בכל המאמרים. ככה נבנית ישות אחת ולא חמש ישויות מפוצלות.
- Schema מסוג Person ו-Article שמקשר בין המחבר לתוכן בצורה שמכונה קוראת.
- ניסיון אישי בגוף הטקסט. משפט כמו "בקמפיין שהרצנו ראינו ש..." שווה יותר מפסקה כללית, כי הוא מסמן Experience אמיתי.
המבחן פשוט: אם מישהו זר היה קורא את הפוסט, האם הוא היה יכול לומר מי כתב אותו ולמה כדאי להאמין לו? אם התשובה לא, חסר לכם הציר הראשון.
למה מקורות וסטטיסטיקות מזיזים את המחט?
כאן נכנס המחקר הכי חשוב בתחום. בעבודת המחקר "GEO: Generative Engine Optimization" שהוצגה בכנס KDD 2024 (Aggarwal ועמיתים, arXiv:2311.09735), הצוות בדק אילו שינויים בתוכן באמת מעלים את הסיכוי שמנוע גנרטיבי יצטט אותו. התוצאה הברורה: הוספת סטטיסטיקות, ציטוטים ומובאות ממקורות העלתה את נראות המקור בתשובות ה-AI בעד כ-40 אחוז.
באותו מחקר נמצא דבר חשוב לא פחות: דחיסת מילות מפתח (keyword stuffing) לא עזרה, ובמקרים רבים אפילו הזיקה. זו הסיבה שהפוסט הזה לא חוזר על "E-E-A-T בעברית" עשרים פעם. החזרה לא תעזור, היא תפגע.
המסקנה המעשית: כל סעיף מהותי במאמר צריך לכלול עובדה אחת קונקרטית עם מקור. לא "מחקרים מראים". כן "מחקר X מ-2024 מצא Y". המספר עם המקור הוא מה שמנוע AI אוהב לשלב בתשובה, כי הוא נותן לו ביטחון לצטט.
הנה טבלה שמרכזת את האותות בצורה שקל למכונה לפרסר ולצטט:
| ציר E-E-A-T | האות בפועל | איך מנוע AI קולט אותו | | --- | --- | --- | | Experience | "בקמפיין שהרצנו ראינו..." | שפה של ניסיון ממקור ראשון | | Expertise | עמוד מחבר + Schema Person | מיפוי ישות מחבר לתוכן | | Authoritativeness | אזכורי מותג באתרים אחרים | קישור בין שם המותג לתחום | | Trustworthiness | מקורות, תאריכים, ציטוטים | אפשרות לאמת את הטענה |
אילו אותות אמון חיצוניים באמת משפיעים?
שני הצירים הראשונים נשענים על מה שאתם כותבים. ציר הסמכותיות נשען על מה שאחרים אומרים עליכם. וכאן יש הפתעה למי שעדיין חי בעולם ה-SEO של 2015.
מחקר של Ahrefs שניתח 75,000 מותגים מצא שאזכורי מותג ברשת (brand mentions) הראו מתאם של 0.664 עם נראות ב-AI Overviews של גוגל, לעומת מתאם של 0.218 בלבד עבור קישורים נכנסים (backlinks). במילים פשוטות: שיגידו את שם המותג שלכם, גם בלי קישור, חשוב יותר משיקשרו אליכם.
הנתון הזה משנה סדרי עדיפויות. במקום לרדוף אחרי קישורים, כדאי לרדוף אחרי ההקשרים שבהם השם שלכם מופיע ליד התחום שלכם. כתבה שמזכירה אתכם, פאנל שאתם מדברים בו, ציטוט שלכם במאמר של מישהו אחר. כל אלה אזכורים שמלמדים את המכונה שאתם ישות אמיתית בתחום.
ומאיפה מגיעים האזכורים שמנועי AI מצטטים? ניתוח של Muck Rack על יותר ממיליון ציטוטים של AI מצא שכ-82 אחוז מהציטוטים מגיעים ממדיה מרוויחה (earned media), וכ-94 אחוז ממקורות לא ממומנים. כלומר, יח"צ אמיתי ותוכן שאנשים מקשרים אליו מרצונם, לא פרסום ממומן, הם הדלק של נראות ב-AI.
כפי שמסכמים החוקרים בעבודת ה-GEO:
"אופטימיזציה למנועים גנרטיביים דורשת מעבר ממניפולציה של מילות מפתח להוספת אותות אמינות מבוססי-מקור לתוך התוכן עצמו."
אפשר להיות מצוטטים בלי להיות ראשונים בגוגל?
כן, וזו אחת הנקודות שהכי קשה לעכל למי שהורגל לחשוב במונחי מיקום אורגני. ניתוחים של חפיפת מקורות מצאו שרק כ-15 עד 38 אחוז מהמקורות שמצוטטים ב-AI Overviews חופפים לעשירייה הראשונה של גוגל באותה שאילתה.
המשמעות: מנוע AI יכול לצטט אתכם גם אם אתם במקום השביעי, או אפילו בעמוד השני, כל עוד התוכן שלכם עונה ישירות על השאלה ועומד בקריטריוני האמון. זה פותח דלת לעסקים קטנים בעברית שאין להם תקציב להילחם על המקום הראשון, אבל יש להם מומחיות אמיתית. בעברית, עם בריכת תוכן רדודה, הדלת הזו רחבה במיוחד.
זו בדיוק העבודה ששירות ה-GEO שלנו עוסק בה: לא לרדוף אחרי מיקום אחד, אלא לבנות את אותות האמון שגורמים למנוע לבחור בכם כשהוא מרכיב את התשובה.
ומה לגבי llms.txt? כדאי להוסיף?
הרבה מאמרים בעברית מציגים את הקובץ llms.txt כאילו הוא גורם דירוג מאושר. זה לא מדויק, וחשוב להגיד את האמת. אף מנוע AI גדול (OpenAI, גוגל, Perplexity, Anthropic) לא אישר שהוא משתמש ב-llms.txt לצורך דירוג, וגוגל אף אמרה במפורש שהיא לא משתמשת בו.
אז למה בכל זאת להוסיף אותו? כי הוא זול לתחזוקה ומהווה ביטוח לעתיד. אם וכאשר מנועים יתחילו להתייחס אליו, תהיו מוכנים. אבל אל תתייחסו אליו כפתרון קסם ואל תבטיחו ללקוחות שהוא מעלה דירוג. הוא לא הוכח ככזה. הכנות הזו היא, אגב, אות Trustworthiness בפני עצמה.
רשימת בדיקה: E-E-A-T בעברית בפועל
לפני שמפרסמים מאמר, עברו על הצירים:
- ישות מחבר קיימת, עם עמוד, חתימה עקבית ו-Schema Person.
- ניסיון ממקור ראשון מופיע בגוף הטקסט, לא רק תיאוריה.
- כל סעיף מהותי כולל עובדה אחת עם מקור מצוטט ותאריך.
- לפחות ציטוט אחד מיוחס למקור אמין.
- אזכורי מותג חיצוניים נבנים במקביל לתוכן, לא אחריו.
- אין דחיסת מילות מפתח. המסר נאמר פעם אחת, נכון.
אם רוצים להעמיק איך זה מתחבר לערוצים אחרים, יש עוד חומר בבלוג שלנו על AI SEO ועל בניית נוכחות שמנועים מצטטים.
שאלות נפוצות
מה ההבדל בין E-E-A-T ל-GEO? E-E-A-T הוא מסגרת להערכת איכות ואמינות של תוכן. GEO הוא התחום שעוסק באופטימיזציה של תוכן כדי שמנועי AI יצטטו אותו. E-E-A-T הוא אחד הכלים המרכזיים בתוך GEO, כי הקריטריונים שהוא מתאר הם בדיוק מה שמנוע מחפש לפני שהוא בוחר מקור לציטוט.
האם E-E-A-T עובד באותו אופן בעברית ובאנגלית? הקריטריונים זהים, אבל התחרות שונה. בעברית כמות התוכן האיכותי קטנה יותר, אז מקור עם אותות אמון ברורים בולט מהר יותר ונבחר לציטוט בתדירות גבוהה יחסית למאמץ.
כמה מקורות צריך מאמר אחד? אין מספר קסם, אבל כלל אצבע טוב הוא עובדה אחת עם מקור בכל סעיף מהותי. מחקר ה-GEO מ-KDD 2024 הראה שהוספת סטטיסטיקות וציטוטים העלתה נראות בעד כ-40 אחוז, אז עדיף לשגות לכיוון של יותר מקורות מאשר פחות.
האם אזכור מותג בלי קישור באמת שווה משהו? כן. ניתוח Ahrefs של 75,000 מותגים מצא מתאם של 0.664 בין אזכורי מותג לנראות ב-AI Overviews, לעומת 0.218 בלבד עבור קישורים. אזכור בלי קישור עדיין מלמד את המנוע שהמותג שלכם קשור לתחום.
צריך להוסיף llms.txt לאתר? אפשר, כביטוח זול לעתיד, אבל לא כגורם דירוג מוכח. אף מנוע גדול לא אישר שהוא משתמש בו לדירוג, וגוגל אמרה שהיא לא. הוסיפו אותו בלי לבנות עליו ציפיות.
איך מתחילים אם אין לי כלום מכל זה? מתחילים בישות מחבר ובמקורות, כי אלה בשליטה מלאה שלכם. אזכורי המותג נבנים לאורך זמן. אם אתם רוצים תהליך מסודר, שירות ה-GEO שלנו ממפה את הצירים שחסרים לכם ובונה אותם לפי סדר עדיפויות.