ניטור מותג ב-AI: כמה פרומפטים באמת צריך ברשימת המעקב

כל תוכנית לניטור מותג ב-AI מתחילה ברשימת פרומפטים, וכמעט כל רשימה כזאת נבנית ממה שהצוות כבר מאמין בו. עשרים פרומפטים מרגישים יסודיים. חמישים מרגישים ממצים. אף אחד לא בודק אם הרשימה עוד מגלה משהו.

הרצנו עשרים פרומפטים על פני שלושה משטחי AI בספטמבר 2026 ועקבנו אחרי דבר אחד: מאיפה הגיעו המקורות. לא אזכורים של המותג שלנו, אלא מכלול הדומיינים שהתשובות משכו פנימה. אם רשימת הפרומפטים שלמה, הוספת פרומפטים צריכה להפסיק למצוא מקורות חדשים. זה לא קרה.

מה מדדנו

התייחסנו לכל אחת מ-60 התשובות כתצפית אחת על יקום המקורות, וספרַנו דומיינים שונים ולא מקומות ציטוט. Gemini החזיר 989 תגי מקור על פני עשרים התשובות שלו, אך רבים מהם הצביעו על אותו עמוד, ולכן מספר הדומיינים הוא היחידה ההגונה כאן. הנתונים ברמת התגים נמצאים בניתוח בודק הנראות ב-AI.

תוצאה 1: הרשימה לעולם אינה נסגרת

זה החלק שקובע כיצד יש לבנות תוכנית ניטור. אחרי כל פרומפט הוספנו את הדומיינים החדשים שלו לכל מה שנמצא עד כה.

הפרומפט האחרון הוסיף 14 דומיינים שאף פרומפט קודם לא העלה. הרווח השולי הקטן ביותר על פני עשרים הפרומפטים היה 14, והגדול ביותר 34. אין בטווח הזה נקודה שבה פרומפט נוסף מפסיק להצדיק את עצמו, כלומר רשימת פרומפטים אינה מדגם שמשלימים אותו אלא מדגם שממשיכים למשוך ממנו.

הגרסה המעשית: רשימה של חמישה פרומפטים שנכתבה מהזיכרון מכסה כשליש ממה שמכסים עשרים פרומפטים. זה הפער בין תוכנית ניטור שמבחינה בשינוי בקטגוריה לבין תוכנית שמדווחת את אותן חמש תשובות בכל חודש.

תוצאה 2: כל משטח רואה שליש אחר של אותו מרחב

432 הדומיינים לא היו מחולקים באופן אחיד. כל משטח הגיע לפרוסה אחרת של אותה קבוצת שאלות.

Gemini ו-Perplexity יחד מצאו 400 מתוך 432 הדומיינים, כלומר ChatGPT הוסיף 32 דומיינים ששום משטח אחר לא העלה. בשנים עשר הפרומפטים שבהם ChatGPT לא חיפש, המשטח הזה לא תרם דבר, ולכן החציון שלו הוא אפס.

המסקנה לניטור אינה נוחה. אם הכלי שלך עוקב אחרי משטח אחד, אתה לא מריץ גרסה מוקטנת של תוכנית תלת-משטחית. אתה מדווח על אוכלוסיית מקורות אחרת, והתשובה לשאלה "האם מצטטים אותנו יותר החודש" עשויה להיות פשוט "לא שינינו דבר, המשטח שינה". מדדנו את אותו אפקט ברמת התשובה בתנודתיות ההרצה של גשש הנראות ב-AI.

תוצאה 3: שני משטחים כמעט אינם מסכימים על אותו פרומפט

השווינו את רשימות המקורות ש-Gemini ו-Perplexity הפיקו לאותו פרומפט, באותו יום ובאותה שפה.

• שתי הרשימות חלקו חציון של 2.5 דומיינים מתוך כעשרים בכל אחת.
• חציון חפיפת ג'קארד היה 0.089.
• ורק ב-3 מתוך 8 הפרומפטים שבהם גם ChatGPT החזיר מקורות חלקו שלושת המשטחים אפילו דומיין אחד, והחפיפה התלת-כיוונית הגדולה ביותר הייתה שני דומיינים.
• הסכמה מלאה של שלושת המשטחים על פרומפט בודד מעולם לא קרתה.

שתי תשובות לאותה שאלה, הבנויות מקבוצות עמודים כמעט זרות זו לזו. זה הטיעון החזק ביותר שמצאנו נגד דיווח ממשטח בודד, והוא גם חדשות טובות: לעמוד חדש יש הרבה יותר סיכויים להילקח מכפי שרשימת מקורות אחת מרמזת.

תוצאה 4: רוב המקורות מופיעים פעם אחת

432 הדומיינים מחולקים באי-אחידות קיצונית.

• 324 מתוך 432 הדומיינים, כלומר 75 אחוז, הופיעו בדיוק באחת מ-60 התשובות.
• רק 17 דומיינים הופיעו בחמש תשובות או יותר.
• הליבה החוזרת קטנה וצפויה: ahrefs.com ב-16 תשובות, semrush.com ב-15, reddit.com ב-14, אחר כך frase.io ב-9, ואשכול של 6 שכולל את otterly.ai, tryprofound.com, llmpulse.ai, cognizo.ai ו-searchenginejournal.com.

זה מפצל את עבודת הניטור לשניים, ושני החצאים דורשים קצב שונה. הליבה החוזרת היא השכבה שבודקים לעתים קרובות, כי שינוי בה הוא שינוי אמיתי במקור משותף. הזנב החד-פעמי הוא השכבה שמדגמים, כי 75 אחוז מהיקום הם רעש עד שהם חוזרים.

מה לנטר במקום רשימה מלאה

שלושה כללים יצאו מההרצה הזאת.

1. תעד את סוג הפרומפט, לא רק את הפרומפט. התשובה הרחבה ביותר שלנו באה מפרומפט על איך בכלל מצטטים אותך, לא מהשוואת כלים, והצרה ביותר באה דווקא מהשוואה. סוגים מתנהגים אחרת, והסוג הוא מה שמדווחים עליו.
2. שמור את שם המשטח בכל רשומה. מספר ציטוטים בלי שם משטח אינו בר-השוואה, כי אורכי הרשימות נבדלים בפקטור של שלושה.
3. החלף את פרומפטי הגילוי. עשרים פרומפטים מצאו 432 דומיינים, והעקומה אומרת שעשרים אחרים ימצאו כמה מאות אחרים. קידום וסילוק הם המנגנון היחיד שמשמור על הפאנל כן.

עלות אינה המגבלה כאן. מסלול מלא של עשרים פרומפטים על שלושה משטחים עלה 1,444 דולר, כך שתוכנית חודשית עומדת על כ-17 דולר בשנה על נתונים, לפני זמן סקירה. המגבלה היא שזמן הסקירה הוא החצי היקר, ולכן מבנה השכבות חשוב יותר מאורך הרשימה. המשטח של Google עצמו אינו נכלל בפאנל הזה כלל וזקוק למכשיר אחר, כפי שמסביר גשש ה-AI Overview.

מגבלות

• יום אחד, מקום אחד, אנגלית, שלושה משטחים, גרסת מודל אחת לכל אחד.
• ספירת הדומיינים מסירה כפילויות בתוך תשובה, כך שעמוד שצוטט חמש פעמים נספר פעם אחת.
• את סוגי הפרומפטים סיווגנו אנחנו, לא שום טקסונומיה חיצונית.
• נתוני העלות מכסים יצירת תשובות בלבד.
• התרומה של ChatGPT מונמכת בגלל שנים עשר הפרומפטים שבהם לא חיפש, וזו תכונה של אותו משטח ולא של מערך הפרומפטים.

שאלות נפוצות

כמה פרומפטים אני צריך לניטור מותג ב-AI?

אין בנתונים שלנו נקודת השלמה. עשרים פרומפטים מצאו 432 מקורות, והעשרים עדיין הוסיף 14 חדשים. בחר גודל פאנל שאתה יכול לסקור מדי חודש, ואז השקע את המאמץ באיכות הפרומפטים ובהחלפתם ולא באורך הרשימה.

לנטר משטח AI אחד או כמה?

כמה, ולדווח עליהם בנפרד. שני המשטחים הכבדים חלקו חציון של 2.5 מקורות לפרומפט, והסכמה תלת-כיוונית מלאה מעולם לא קרתה. תוכנית חד-משטחית מודדת את אותו משטח, לא את הקטגוריה שלך.

האם דומיין שמופיע פעם אחת שווה מעקב?

רק כתצפית. 324 מתוך 432 דומיינים הופיעו פעם אחת, כך שהופעה בודדת קרובה יותר לרעש מאשר לאות. קדם דומיין לשכבת המקורות החוזרים אחרי שהוא מופיע בתשובה שנייה, ומוטב במשטח שני.

באיזו תדירות על הפאנל לרוץ?

חודשית לפאנל המלא, שבועית לליבה החוזרת. רשימת החוזרים קצרה מספיק כדי שמסלול שבועי על משטח זול אחד יעלה פחות מחמישים סנט בחודש, והמסלול החודשי הוא המקום שבו נכנסים מקורות חדשים.

עמדת Auspia: הפסיקו למדוד רשימות פרומפטים לפי כמה יסודיות הן מרגישות, והתחילו למדוד מתי הן מפסיקות למצוא משהו. בנתונים שלנו הנקודה הזאת מעולם לא הגיעה, כלומר יחידת התכנון הנכונה היא סוגי הפרומפטים והחלפתם, ולא רשימה אחת ארוכה יותר. חלקו את המקורות החוזרים לשכבות, דגמו את הזנב, והשאירו את שם המשטח צמוד לכל מספר שאתם מדווחים עליו.

מאת: אלינה שו