ספריית ידע · SumItUp
GEO למותגים: מה ה-AI ממליץ ללקוחות שלכם
יותר ויותר צרכנים שואלים את ChatGPT ו-Gemini מה לקנות, עוד לפני שהם מגיעים לגוגל או לאתר שלכם. Share of Model היא השיטה שלי למדוד מה המנועים האלה אומרים על המותג שלכם, מול המתחרים, ולמה.
מה זה GEO, ולמה זה מגיע לשולחן של מנהל השיווק
GEO (Generative Engine Optimization) הוא העבודה על הנוכחות של המותג בתשובות של מנועי ה-AI. SEO שואל איפה האתר שלכם מופיע בתוצאות החיפוש. GEO שואל אם ה-AI בכלל מזכיר אתכם, באיזה הקשר, ואם הוא ממליץ עליכם או על המתחרה.
המדף השתנה. מי ששואל את ה-AI איזה כרטיס אשראי כדאי לו לטיסות, מקבל תשובה אחת עם שתיים או שלוש המלצות, ולא עשרה קישורים. מותג שלא נמצא בתשובה, לא נמצא על המדף.
וצריך לשים את זה בפרופורציה: היום ה-AI הוא עדיין חלק קטן מהדרך שבה צרכנים בוחרים מוצר. אבל הוא גדל מהר, ומה שהוא אומר היום נבנה ממקורות שאפשר לעבוד עליהם כבר עכשיו.
Share of Model: איך זה עובד
מדמים צרכנים, לא מילות מפתח.
כל מדידה היא מאות שיחות חדשות עם ChatGPT ו-Gemini, בעברית, עם חיפוש באינטרנט פתוח, כמו שצרכן אמיתי שואל. כל שיחה מתחילה מאפס, בלי היסטוריה. את אותה שאלה שואלים בכמה ניסוחים, ומחלקים את השואלים לקבוצות, למשל לקוחות של המותג ומי שעוד לא. המדידה עוברת חמישה סבבים:
- 1המלצה פתוחה: מי מוזכר, ומי מומלץ ראשון
- 2הבנת השוק: האם ה-AI מבחין בין המותגים
- 3מבחן בלבול: האם ה-AI מתקן הנחה שגויה
- 4דירוג תכונות: מה באמת מניע המלצה
- 5בחירה כפויה: את מי הוא בוחר, וממי הוא מזהיר
באותו יום מריצים חזרה קטנה על אותה בדיקה. ההפרש בין שתי ההרצות הוא רצפת הרעש: שינוי קטן ממנה הוא לא ממצא.
מה מודדים
מקרה בוחן: מלחמת ה-FLY
בקיץ 2026 שלושה כרטיסי אשראי עם שמות כמעט זהים התחרו על אותו לקוח: FlyCard (ישראכרט ואל על), FlyAll (כאל ואיסתא) ו-SkyMax (מקס). מקרה מושלם לבדוק מה ה-AI מבין כשהשמות כמעט זהים. מדדתי פעמיים, ביוני ובאוגוסט 2026, על סמך מידע ציבורי בלבד. המספרים כאן הם מהמדידה של אוגוסט: 930 שיחות.
כולם מוזכרים. אחד מומלץ ראשון.
93% מהתשובות מזכירות את FlyCard, ו-83% ממליצות עליו ראשון. FlyAll ו-SkyMax מוזכרים בכ-61% מהתשובות, אבל מומלצים ראשונים רק ב-7% וב-3%. הבעיה שלהם היא לא מודעות.
מוזכר בתשובה
מומלץ ראשון
שני המנועים יחד. בין המנועים יש הבדל גדול: FlyAll מוזכר ב-41% מהתשובות של Gemini וב-92% מהתשובות של ChatGPT.
ה-AI לא מתבלבל בין השמות
למרות השמות הדומים, ה-AI מבחין בין הכרטיסים, יודע מי מנפיק כל אחד, ומתקן את מי שחושב ש-FlyAll הוא שדרוג של FlyCard.
הבנת השוק: 150 תשובות. מבחן הבלבול: 105 תשובות ללקוחות FlyCard.
רק אמון מנבא מי יומלץ ראשון
FlyAll מקבל מה-AI את הציון הגבוה ביותר בשש תכונות מתוך שבע: עמלות, הטבות, גמישות במימוש. FlyCard מוביל רק באמון, ואמון הוא התכונה היחידה שקשורה להמלצה ראשונה.
ציונים 1 עד 10 על שבע תכונות, 126 תשובות עם טבלה מלאה. מתאם על שלושה כרטיסים: מראה כיוון, לא גודל השפעה.
ה-AI קורא חדשות ותוכן, לא את אתרי המותגים
רק 5% עד 9% ממה שה-AI קרא על כל כרטיס הגיע מהאתר של המותג עצמו. השאר: כתבות, תוכן עריכה, אתרי השוואה ובלוגים. כדי לענות, Gemini הריץ 3,684 חיפושים, ורובם על שמות הכרטיסים עצמם, כמו פליי קארד הטבות, או ההבדל בין פליי קארד לפלייאול.
5.3% עד 8.5% מהמקורות הם האתר של המותג עצמו.
כל הסבבים, אוגוסט 2026. מקורות נאספו מנתוני החיפוש של המנועים עצמם. ב-Gemini המקורות נחשפו ב-48% מהתשובות, ב-ChatGPT ב-95%.
141 השוואות, 0 שינויים אמיתיים
בין יוני לאוגוסט נראה כאילו FlyAll קפץ ב-21 נקודות. בפועל, הגרסה של ChatGPT שבה השתמשנו ביוני הוחלפה בינתיים בגרסה אחרת. על אותו מנוע, Gemini, השינוי היה 3 נקודות, בתוך הרעש. מתוך 141 השוואות, אף שינוי לא עבר את הרף. לכן כל מדידה חוזרת מחזיקה את גרסאות המנועים קבועות, ובודקת כל שינוי מול רצפת הרעש.
עיגול ריק: יוני. עיגול מלא: אוגוסט. הרצועה הבהירה: רצפת הרעש, 9.1 נקודות לכל כיוון, שנמדדה בהרצה חוזרת באותו יום.
מה מותג עושה עם זה
- להשקיע במקורות שה-AI קורא: כתבות, תוכן עריכה ואתרי השוואה, ולא רק באתר הבית.
- לכתוב לחיפושים שה-AI מריץ בפועל, ולא לניחושים על מה שהצרכן מקליד.
- לחזק את התכונה שמניעה המלצה בקטגוריה שלכם, גם אם היא לא זו שאתם כבר מובילים בה.
- למדוד שוב אחרי כל שינוי, מול רצפת הרעש, כדי לדעת אם זה עבד.
שאלות נפוצות
עוד על GEO בספריית הידע
בואו נתחיל לעבוד
נשמח לשמוע על הפרויקט שלכם ולעזור לכם להגיע ליעדים