6 גורמי הדירוג של מנועי AI לפי המחקר האקדמי

לקוחות שואלים אותנו את אותה שאלה כל שבוע: "מה צריך לעשות כדי ש-ChatGPT יזכיר אותנו כשמישהו שואל עליי?". התשובה הכנה היא שאף מנוע לא פרסם אלגוריתם רשמי. אבל בניגוד למה שנהוג לחשוב, יש כבר מספיק מחקר אקדמי ומספיק ניתוחי דאטה בקנה מידה גדול כדי לזהות דפוסים שחוזרים על עצמם. במאמר הזה ריכזנו שישה גורמים שמופיעים שוב ושוב בנתונים, כל אחד עם המקור שלו.

בקצרה: גורמי הדירוג של מנועי AI אינם אלגוריתם מפורסם, אבל המחקר מצביע על שישה דפוסים חוזרים: סטטיסטיקות מצוטטות, ציטוטים ישירים, אזכורי מותג ברשת, כיסוי תקשורתי, מבנה תוכן שקל לחלץ ממנו תשובה, ורלוונטיות סמנטית. לפי מחקר GEO של Aggarwal ושותפיו (KDD 2024), הוספת סטטיסטיקות וציטוטים העלתה את הנראות בעד כ-40 אחוז.

למה בכלל לדבר על "גורמי דירוג" כשאין אלגוריתם רשמי?

חשוב להתחיל בכנות. מנועי AI כמו ChatGPT, Gemini ו-Perplexity לא מפרסמים את הנוסחה שלהם, ובניגוד לעולם ה-SEO הקלאסי אין כאן עשרים שנה של ניסויים מתועדים. מי שמבטיח לכם "המקום הראשון בתשובות של ChatGPT" מוכר לכם אוויר.

מה שכן קיים זה דאטה. בשנתיים האחרונות התפרסמו מחקרים אקדמיים וניתוחים על מיליוני ציטוטים אמיתיים, ומהם אפשר לחלץ קורלציות ברורות. הגישה המקצועית לזה נקראת GEO, ראשי תיבות של Generative Engine Optimization, ואנחנו מסבירים אותה לעומק במדריך מה זה GEO. שישה הגורמים שלמטה הם המסקנות הכי מבוססות שיש כרגע, לא הבטחות.

גורם 1: סטטיסטיקות ומספרים מצוטטים

זה הגורם עם הביסוס הכי חזק, והוא מגיע ישירות מהמחקר האקדמי המרכזי בתחום.

"הוספת סטטיסטיקות, ציטוטים ומקורות לתוכן העלתה את הנראות של המקור בתשובות של מנועים גנרטיביים בעד כ-40 אחוז." מתוך: Aggarwal ושותפיו, "GEO: Generative Engine Optimization", KDD 2024 (arXiv:2311.09735)

המסקנה פרקטית מאוד. אם אתם כותבים "הרבה עסקים מאבדים לקוחות בגלל שיחות שלא נענו", מנוע AI לא מקבל ממשפט כזה שום עוגן. אם אתם כותבים מספר קונקרטי עם מקור, הטקסט הופך לפסקה שקל לצטט ולשבץ בתשובה. מנועי AI בנויים לייצר תשובות מבוססות, ולכן הם נמשכים לתוכן שכבר מספק את העוגדה במקומם.

בפועל זה אומר להחליף ניסוחים מעורפלים בנתונים. במקום "זמן המענה השתפר משמעותית", כתבו "זמן המענה ירד מ-12 שעות לפחות מדקה". מספר ספציפי שווה יותר מעשרה משפטים שיווקיים.

גורם 2: ציטוטים ומקורות חיצוניים

זה הצד השני של אותו מטבע, ושוב מבוסס על מחקר GEO של KDD 2024. תוכן שמצטט מקורות חיצוניים אמינים ומשלב ציטוטים ישירים זוכה ליותר נראות ממנוע שמנסה להעריך את מהימנות המידע.

ההיגיון פשוט: מנוע AI שמרכיב תשובה מעדיף להישען על טקסט שכבר נראה כמו ידע מבוסס, עם הפניות וציטוטים, ולא על דעה בודדת באוויר. כשאתם מצטטים מחקר, רגולציה או מומחה בשם, אתם מורידים מהמנוע את העבודה של לאמת, והוא מתגמל את זה.

טיפ ישראלי: אל תצטטו רק מקורות אמריקאיים. כשמישהו שואל את ChatGPT שאלה בעברית על תקנה ישראלית, חוק הספאם, או נתון מהשוק המקומי, מקור עברי שמצטט את החוק או את הלמ"ס הוא בדיוק מה שחסר למנוע, ולכן יש לו סיכוי גבוה יותר להיבחר.

גורם 3: אזכורי מותג ברשת (לא רק קישורים)

כאן מגיע אחד הנתונים שהכי מפתיעים אנשי SEO ותיקים. במשך שנים ספרנו קישורים נכנסים. בעולם של מנועי AI, אזכור שם בלי קישור עובד טוב יותר.

ניתוח של Ahrefs על 75,000 מותגים מצא מתאם של 0.664 בין אזכורי מותג ברשת לבין נראות ב-AI Overview של גוגל, לעומת מתאם של 0.218 בלבד עבור קישורים נכנסים. במילים פשוטות: כמה מדברים עליכם משפיע פי שלושה בערך מכמה מקשרים אליכם.

הסיבה הגיונית. מנוע שפה לומד מי אתם מתוך כמה פעמים השם שלכם מופיע לצד התחום שלכם בטקסטים שונים. אם "Link AI" מופיע שוב ושוב לצד "מזכירה וירטואלית" ו-"מענה טלפוני בעברית", המודל בונה את הקשר הזה גם בלי אף קישור. הדרך לבנות נוכחות כזו דורשת עבודה שיטתית, וזה בדיוק מה שאנחנו עושים בשירות GEO ו-AI SEO.

גורם 4: כיסוי תקשורתי וביקורות (earned media)

מאיפה מגיעים האזכורים שמשפיעים? התשובה נמצאת בניתוח של Muck Rack על יותר ממיליון ציטוטים של מנועי AI.

| מקור הציטוט | חלק מכלל הציטוטים | | --- | --- | | מקורות לא ממומנים | כ-94 אחוז | | Earned media (כתבות וכיסוי שהושג) | כ-82 אחוז | | תוכן ממומן וקידום בתשלום | מיעוט קטן |

מקור: Muck Rack, ניתוח של יותר ממיליון ציטוטים.

המשמעות ברורה. תוכן ממומן ובאנרים כמעט לא משפיעים על מה שמנוע AI מצטט. מה שכן עובד זה כיסוי שהשגתם: ראיון בכלי תקשורת, אזכור בבלוג מקצועי, ביקורת אמיתית של לקוח, הופעה ברשימה של ספקים מומלצים. בישראל זה אומר להופיע בכתבות בעברית, בקבוצות מקצועיות, ובאתרים שמשווים ספקים בתחום שלכם. הכסף שהיה הולך לקמפיין באנרים יושג טוב יותר אם ינותב להשגת אזכורים אמיתיים.

גורם 5: מבנה תוכן שקל לחלץ ממנו תשובה

גם תוכן מצוין יכול להיכשל אם המבנה שלו מקשה על המנוע לשלוף תשובה. מנועי AI לא קוראים מאמר כמו אדם, הם מחפשים את הקטע שעונה ישירות על השאלה.

בפועל זה אומר כמה דברים מעשיים. כותרות בפורמט של שאלה, כמו "כמה עולה X" או "מה ההבדל בין X ל-Y", תואמות בדיוק לאופן שבו אנשים שואלים את ChatGPT. פסקת תשובה ישירה מיד מתחת לכותרת, באורך של 40 עד 60 מילים, נותנת למנוע בלוק מוכן לשליפה. רשימות וטבלאות עוזרות למנוע להבין מבנה. וסימון Schema תקין, כמו FAQPage, נותן הקשר נוסף, כפי שהסברנו במדריך סכמת FAQ ו-JSON-LD בעברית.

המאמר שאתם קוראים בנוי בדיוק כך, וזה לא במקרה. אנחנו אוכלים מהמנה שאנחנו מגישים.

גורם 6: רלוונטיות סמנטית (בלי דחיסת מילות מפתח)

הגורם האחרון הוא גם אזהרה. בעולם ה-SEO הישן אנשים דחסו מילות מפתח כדי לאותת רלוונטיות. במנועי AI זה לא עובד, ובמקרים רבים מזיק.

מחקר GEO של KDD 2024 בדק את זה ישירות ומצא שהוספת מילות מפתח בכמות גבוהה לא שיפרה את הנראות, ולעיתים קרובות פגעה בה. מנוע שפה מבין משמעות, לא צפיפות מילים. עמוד שחוזר חמש עשרה פעם על "גורמי דירוג מנועי AI" נראה למנוע מלאכותי וחשוד, לא סמכותי.

מה כן עובד: לכסות את הנושא לעומק, לענות על השאלות הנלוות שמשתמש היה שואל בהמשך, ולהשתמש בשפה טבעית ובמונחים מהתחום. רלוונטיות סמנטית נבנית מכיסוי מלא של נושא, לא מחזרה על אותה מילה.

איך כל זה מתחבר לעסק ישראלי

שישה הגורמים האלה לא פועלים בנפרד. עסק שמפרסם תוכן עברי מבוסס נתונים, מצטט מקורות מקומיים, בונה אזכורים בכיסוי תקשורתי במקום בבאנרים, ומבנה את הדפים בפורמט של שאלה ותשובה, בונה נוכחות שמנועי AI מצטטים גם בלי להיות ראשונים בגוגל.

הנקודה האחרונה חשובה במיוחד למי שמתוסכל מ-SEO מסורתי. רק כ-15 עד 38 אחוז מהציטוטים ב-AI Overview חופפים לעשרת התוצאות הראשונות בגוגל. זה אומר שגם אם אתם לא במקום הראשון, יש לכם דלת כניסה נפרדת לתשובות של מנועי AI. למי שרוצה להבין את ההבדל בין שתי הזירות, כתבנו על זה במדריך GEO מול SEO.

נקודת כנות אחת: llms.txt

לסיום, מילה על באז שכדאי להתייחס אליו בזהירות. בקהילה מדברים הרבה על קובץ llms.txt כעל "גורם הדירוג החדש". זו הגזמה. נכון להיום אף מנוע גדול, לא OpenAI, לא גוגל, לא Perplexity ולא Anthropic, אישר שהוא משתמש ב-llms.txt לדירוג. גוגל אף אמרה במפורש שהיא לא משתמשת בו.

המשמעות: llms.txt הוא ביטוח זול לעתיד, לא גורם דירוג מוכח. כדאי להוסיף אותו כי הוא קל ולא מזיק, אבל מי שמוכר לכם אותו כמפתח להופעה בתשובות AI מוכר לכם הבטחה שאין מאחוריה דאטה. אנחנו מעדיפים לבנות על שישה הגורמים שכן יש להם ביסוס.

רוצים לבנות נוכחות שמנועי AI מצטטים?

זה לא קסם ולא טריק. זו עבודה שיטתית על תוכן מבוסס נתונים, אזכורים ומבנה נכון. אם אתם רוצים שמישהו ירים את זה במקומכם, שירות ה-GEO ו-AI SEO שלנו עושה בדיוק את זה לעסקים בישראל. אפשר גם פשוט לדבר איתנו ולשמוע איפה אתם עומדים היום.

שאלות נפוצות

מהם גורמי הדירוג של מנועי AI? אין אלגוריתם רשמי שפורסם, אבל המחקר מצביע על שישה גורמים חוזרים: סטטיסטיקות ומספרים מצוטטים, ציטוטים ומקורות, אזכורי מותג ברשת, כיסוי תקשורתי וביקורות, מבנה תוכן שקל לחלץ ממנו תשובה, ורלוונטיות סמנטית. לפי מחקר GEO של Aggarwal ושותפיו (KDD 2024) הוספת סטטיסטיקות וציטוטים העלתה את הנראות בעד כ-40 אחוז.

האם דירוג גבוה בגוגל מבטיח ציטוט במנועי AI? לא. רק כ-15 עד 38 אחוז מהציטוטים ב-AI Overview חופפים לעשרת התוצאות האורגניות הראשונות בגוגל. אפשר להיות מצוטטים בלי להיות ראשונים בגוגל, ולהיפך.

מה חשוב יותר למנועי AI, קישורים או אזכורים? אזכורים. מחקר של Ahrefs על 75,000 מותגים מצא מתאם של 0.664 בין אזכורי מותג ברשת לבין נראות ב-AI Overview, לעומת 0.218 בלבד עבור קישורים נכנסים.

האם llms.txt עוזר לדירוג במנועי AI? כרגע אין לכך הוכחה. אף מנוע גדול לא אישר שהוא משתמש ב-llms.txt לדירוג, וגוגל אמרה במפורש שהיא לא משתמשת בו. כדאי להתייחס אליו כביטוח זול לעתיד, לא כגורם דירוג מוכח.

כמה מהציטוטים של מנועי AI מגיעים מתוכן ממומן? מעט מאוד. ניתוח של Muck Rack על יותר ממיליון ציטוטים מצא שכ-94 אחוז מהציטוטים מגיעים ממקורות לא ממומנים, וכ-82 אחוז מ-earned media.

האם דחיסת מילות מפתח עוזרת להופיע במנועי AI? לא, ולרוב מזיקה. מחקר GEO מצא שהוספת מילות מפתח בכמות גבוהה לא שיפרה את הנראות ובמקרים רבים פגעה בה. מנועי AI מתגמלים תוכן ברור ומדויק.