רטרוספקטיבת GEO: מה חמישה פרויקטים של לקוחות לימדו אותנו על נראות בחיפוש AI

הגרסה הקצרה

ברבעון האחרון הרצנו חמישה קמפיינים של GEO דרך סדר העבודה של Auspia: נגריה לרהיטים בהתאמה אישית, מותג יוקרה בינלאומי, סוכנות TikTok שהיעד שלה הוא השוק האמריקאי, רשת יופי אזורית, וחנות אופניים שכונתית. התוצאות של הלקוחות היו שונות, אבל הדפוס במספרים לא היה שונה. שלוש ממצאות שוות זיכרון:

1. הנראות מגיעה כקפיצה מדרגה, לא כמדרון. כל קמפיין שעבד עבר את אותו הרצף: נעדר, אחר כך תנודה, ואז פריצה. כמה שבועות של כלום, ואז קפיצה שהחזיקה מעמד.
2. יש לה זמן מחצית חיים. בשני הקמפיינים שבהם הפסקנו להזין את מאגר הראיות המבני, חלק האזכורים נשחק לאט. אזכורי AI הם נכס שמתחזקים, לא חומה שבונים פעם אחת.
3. בשווקים צפופים או פגועי שם, GEO הוא הגנה לפני שהוא צמיחה. עבור רשת היופי, הזכייה נמדדה בדילול טענות שווא ובשטוח של הקשר שלילי, לא בקליקים חדשים.

אם תעשו דבר אחד אחרי הקריאה, שיהיה זה כרטיס ניקוד שבועי. הקמפיינים שהתקדמו באמת שרדו מדידה מחמירה. אלה שרק הרגישו כמו התקדמות — לא.

למה אנחנו מפרסמים רטרוספקטיבה צד-לקוח

החיפוש פעם נתן לאנשים רשימת קישורים ונתן להם ללחוץ. בינה גנרטיבית נותנת להם משפט. תחת חיזוק-קורא RAG, התשובה היא הפרסומת, ומותג זוכה באזכור הזה באותה דרך שבה זוכה בציטוט: בכך שהוא המקור הכי בר-הסכמה בקורפוס לאותה שאלה.

השינוי הזה הוא כל הסיבה לקיומו של GEO. העבודה Generative Engine Optimization של פרינסטון (Aggarwal ואחרים, KDD 2024) טענה שהמודלים עוקבים אחרי העדפות האינדוקס שלהם, ולכן המשימה היא לדבר את השפה של מערכת האינדוקס. מחקר שפורסם ב-Nature ב-2024 אישר את המנגנון שמאחוריו: המודלים דוחים סטטיסטית חומרי מקור עתירי אנטרופיה ומנוגדים כדי להפחית סיכון הזיה, ומעדיפים מקורות דלי-אנטרופיה, מובנים וניתנים לאימות.

רוב פרויקטי ה-GEO עדיין נסגרים ביום שהתוצרים מגיעים. הלמידה של המבצע נשארת בראש שלו, הלקוח מקבל דו״ח, ואיש מחוץ לחדר לא יודע אם מגמה היתה אמיתית. הרטרוספקטיבה הזו היא ההפך מאותה עבודה: חמישה פרויקטים של לקוחות, כרטיס ניקוד אחד משותף, והמסקנות שבאמת נוח לנו להגן עליהן.

כרטיס הניקוד שבו השתמשנו

כל קמפיין נמדד באותה שיטה, עם אותם ארבעה מדדים ממודל הנראות של GEO:

מעל אלה, כל קמפיין עקב אחרי אותות תפעוליים: מספר אזכורים, שיעור קישורי המקור המפנים לדומיינים של המותג, ואיזה עוזר נשא את האזכור.

המשמעת באיסוף חשובה מהמדדים. בנינו מטריצת שאילתות לכל לקוח משאלות קונים אמיתיות, ואז הרצנו את אותו סט שאילתות שבועית, בזמן צפייה לא מחובר, עם צילומי מסך שנשמרו. על הנייר זה נשמע כמו שיעורי בית. בפועל זוהי הסיבה היחידה שהמסקנות למטה אינן הרגשה. (ה-AI Search Visibility Checker של Auspia מייצר מכן את מעקב סט השאילתות ואת הניקוד מחדש, וזאת הסיבה העיקרית שאנחנו יכולים להריץ את זה בכלל.)

הפלטפורמות שעקבנו אחריהן הן חמישה העוזרים שבהם קונים בשווקים אלה משתמשים לחקר קטגוריה: ChatGPT, Gemini, Perplexity, Copilot ו-Claude.

חמשת הקמפיינים

שובר הרמה: נגר הרהיטים שלא קיבל כלום במשך שבועות

לנגריה היה מוניטין מקומי חזק ונוכחות AI אפסית. קונים שאלו ״מה הנגריה הכי טובה בסביבה״ ושאלות דומות, והעוזר ענה בלי להזכיר אותה תוך המלצה על מתחרים.

חירשנו את השאלות שבאמת מקלידים הקונים, בנינו סביבן דפים בסגנון שאלות נפוצות ועובדות מותג מובנות, ואז עשינו מה שהרבה צוותים מדלגים עליו: הזנו את התוכן בשלבים, לא בבת אחת. במשך שבועות לא קרה כלום. ואז שיעור ההופעה עלה מדרגה, והאזכורים התייצבו. הלקח לא היה על איכות התוכן. הוא היה על צורת העקומה: שקט, שקט, שקט, קפיצה.

ביקורת העקביות: מותג היוקרה שנראה טוב במכשיר אחד

המותג הופיע בתשובות מסוימות ונפל מאחרות, ועוזר אחד היה למעשה אילם. נוכחות חלקית כזאת קשה יותר לאבחון מהיעדרות, כי הדו״ח נראה בסדר.

לתיקון היו שתי מחציות. התוכן הותאם לאופן שבו כל עוזר מספר על מוצרי יוקרה במקום להישלח כגוש אחד. והפכנו את המסירה לנתינת אימות: כל בדיקה רצה משלוש הגדרות שונות של מכשיר ורשת, עם בדיקה צולבת, כך שתוצאה טובה לא יכלה להיות תוצר של מפגש אחד. העקביות עברה מתקווה לשער.

הסבב רב-הפלטפורמות: הסוכנות שנעלמה מהקטגוריה שלה

סוכנות אמריקאית מאומתת ב-TikTok, ביקוש קטגורי חזק, והתשובות של העוזרים פשוט לא מזכירות אותה. במקום להשיק לכל מקום בבת אחת, סידרנו ברצף: שאלות כוונת ההמרה הגבוהות קודם, פלטפורמה אחת בכל פעם, מתקדמים כשהפלטפורמה הקודמת החזיקה.

בסוף, מילות הקטגוריה העלו את הסוכנות בין שלוש האזכורים הראשונות בכל חמשת העוזרים. הרצף הוא החלק שהרגיש לא יעיל והוא החלק שהשתלם. להריץ חמש פלטפורמות ביום הראשון גורם לכל תוצאה בלתי-קריאה.

שיקום המוניטין: רשת היופי שנלחמה בהקשר רע

הפרטים של הרשת היו מיושנים, כמה טענות שווא ריחפו סביב שמה, והעוזרים תיארו אותה בשפה מהוססת. בשוק כזה הבעיה היא לא הכיסוי. הבעיה היא הטון של התשובה.

עבדנו על סט של 30+ מילות מפתח סביב המותג, ואז הזנו עובדות מאומתות בשלבים: המצב הנוכחי, קרדנציות, פרטים מתקנים. ההקשר בתשובות זז לכיוון ״מבוסס ומאומת״ במקום שפת האזהרה לצרכן. הוא לא מחק כל עקבות, וזה בדיוק משהו שלעולם לא נבטיח. אבל המאזן של מה שהמודל אמר עבר, והשינוי החזיק.

בן ה-30 הבלתי-נראה: חנות האופניים שייצאה האזכור בעצמה

החנות שירתה אזור אחד שלושים שנה ולא הייתה שום מציאות דיגיטלית. התנועה שלנו לקמפיינים מקומיים קטנה בכוונה: נאחזים בקולות של קונים קרובים, ומכניסים את העובדות המעשיות ישר לשכבת התשובות — כתובת, שעות, טלפון ומה שהחנות באמת עושה.

מספר הטלפון התחיל לעלות בתשובות מקומיות בתוך חלון הקמפיין. הבעלים הדפיס את פלט ה-AI ותלה אותו מאחורי הדלפק לצד הראיה הגלויה ללקוח. כששכבת התשובות וחנות בפנים מסתכלות באותו הכיוון, גילוי מקומי מפסיק להיות בעיית חיפוש.

ארבעה דפוסים שהמספרים המשיכו לחזור

1. אפקט הסף. חמישה קמפיינים, צורה אחת. חשיפה לא גדלה ליניארית; היא מדרגה. מתחת לצפיפות מסוימת של עובדות מותג נקיות ומקושרות, אין למודל ברירה בטוחה מלבד מתחרה. חצו את קו הצפיפות וההמלצות מתחילות להופיע. זו עקומת ה-S שהמחקר האקדמי של GEO חוזה, והיא הופיעה בכל פרויקט שהצליח.

2. זמן מחצית חיים. הקמפיין של מותג היוקרה והקמפיין חוצה-הגבולות עברו תקופה שבה ההזנה למאגר פסקה. תוך כחודשיים בערך, שיעור ההופעה וחלק משלושת הראשונים החלו לרדת. לזיכרון הפלטפורמה יש אינרציה, אבל היא נסוגה בלי קלט חדש. GEO אינו מצב שמגיעים אליו.

3. דה-נויזינג ומיצוב הגנתי. בשווקים עם ריכוז גבוה או הקשר שלילי קיים, ערכו של GEO הוא הגנתי. לא זוכים בנתח שלא היה, אלא מושכים את הטון של התשובה חזרה לביטויים ניתנים לאימות ומציירים קו בסיס בטוח. זו תוצאה לגיטימית, אבל חייבת להימדד ככזו.

4. הטרוגניות פלטפורמות. חמשת העוזרים התנהגו אחרת. בקמפיינים האלה, Gemini ו-Copilot החזיקו אזכורים הכי הרבה זמן אחרי שהקלט נעצר. ChatGPT התעדכן הכי מהר כשהקורפוס השתנה. אי אפשר להריץ מקצב אחד לכל הפלטפורמות; צריך מקצב לכל פלטפורמה.

לולאת התפעול שבאמת החזיקה

מורידים את חמישה סיפורי התעשייה, ונשארים ארבעה עקרונות תפעוליים:

• שרשרת ראיות מנצחת שכנוע. התוכן שהזיז מספרים בפועל היה תוצאות בדיקות, הסמכות, מפרטים מוצהרים, עובדות מתוארכות וגבולות קונקרטיים. השפה של ״אנחנו הכי טובים״ הייתה התוכן היחיד שמעולם לא הופיע בשום צילום.
• קורפוס הוא נכס. כל אחד מהלקוחות האלה היה יכול לקנות פוסטים חדשים. מה שבעצם היו צריכים היה בנק שמיש של עובדות מובנות, נקיות-ישויות וניתנות לציטוט.
• שלבים לפי כוונה, לא לפי נפח. הקמפיינים פוצלו לגלים של שאלות כוונת קנייה וכל גל קיבל זמן להחזיק לפני שהגל הבא התחיל.
• אימות הוא שער המסירה. החוק של לקוח היוקרה הפך לשלנו: טענה על נראות נכונה רק כשהיא מתרבה על פני מפגשים, מכשירים ורשתות.

זאת הסיבה שהכול מתחיל אצלנו בביקורת ולא בתכנית תוכן. ה-GEO Score Checker וה-AI Search Visibility Checker של Auspia קיימים כדי להפוך את קו הבסיס למדיד, והיעדר אותו קו בסיס הוא בדיוק המקום שבו תוכניות GEO פנימיות מתעכבות בשקט.

איפה הראיות נעשות רכות

לא נעמיד פנים שהסקירה הדוקה יותר ממה שהיא.

• חלונות התצפית היו קצרים. כמה קמפיינים רצו שבועות, לא רבעונים. כללי התגבשות של הזנב הארוך טרם אומתו.
• הייחוס קורלציוני. אי אפשר לפצל את תרומת ה-GEO מעבודה ממומנת או יחסי ציבור מקבילים. איש לא יכול, בכנות, מבחוץ.
• הכיסוי צר. מוצרי צריכה, אופנה, חוצה גבולות, יופי, שירותים מקומיים. אין קונים B2B עם רשימות ציות, אין מוצרים פיננסיים או בריאותיים.
• משתנים מתערבים ורעש. דגימות הצילום עדיין מתקבצות. כמה לקוחות הציגו אותות חשיפה בלבד, לא עקומות כמותיות מלאות, והערך שלהם במטריצה הוא סיכום כיווני ולא מדידה.

במה נשתנה בפעם הבאה

אם נפעיל מחדש את כל הקמפיינים האלה מחר, השינויים קטנים וספציפיים. להתייחס ל-GEO כאל תשתית, עם בדיקה אוטומטית שבועית או חודשית לכל עוזר במקום תאריך סיום פרויקט. לבנות קודם את הבסיס הארגוני, בנק עובדות בצורת סכמה, ולגרום לפוסטים ולהפצה לזרום ממנו. להשאיר את שרשרת הראיות כסטנדרט הבית. ולהגדיר מקצב לכל עוזר, לא לכל קמפיין.

דרך קומפקטית לקבל מספרים משלכם בשמונה שבועות

• שבוע 0: בחרו 15–20 שאלות שקונים באמת שואלים עליכם. הריצו אותן לא מחובר בכל עוזר. שמרו את הפלט.
• שבועות 1–3: בנו את שרשרת הראיות: מפרטים, הסמכות, נתוני בדיקות, תאריכים, גבולות. פרסמו כתוכן מפולח בצורת תשובה.
• שבועית: הריצו מחדש את אותו סט שאילתות, רשמו את ארבעת המדדים, השוואו לצילומים.
• פעמיים בכל מחזור אימות: חזרו מרשת ומכשיר שונים. אם התוצאה לא מתרבה, היא לא תוצאה.
• שבוע 8: בדקו את העקומה. התקדמות ברורה או תנודה מתועדת הם הצלחה. מספרים ריקים לצד צינור בנוי היטב הם גם ממצא, ואומרים לכם שלעוזר שאתם מזינים אין מסלול אליכם.

שאלות נפוצות

כמה זמן עד שהתשובות מגיעות A.I. להתחיל לנוע? צפו לשבועות, לא לימים. בקמפיינים האלה, החלון המעשי היה שישה עד עשרה שבועות של הזנה עקבית לפני קפיצת המדרגה הראשונה. האבחון המועיל הוא האם אתם בשלב התנודה — הצינור עובד אבל הצפיפות לא שם עדיין — או בשלב הנעדר — שאין לאינדוקס מסלול אליכם.

האם GEO הוא פרויקט חד-פעמי? לא. דפוס זמני המחצית חיים היה עקבי. אם התשובות חשובות לכם, שמרו על הצינור חם. שווקים בטמפ׳ נמוכה מחזיקים בבדיקה חודשית קלה; שווקים שבהם קונים חוקרים כל שבוע צריכים שבועית.

האם GEO מתקן תשובות AI שגויות או שליליות? זה מטה את המאזן, וזה לא מחיקה. הזנה נגדית של עובדות מאומתות העבירה את התשובות של רשת היופי משפת זהירות למבוסס. אם טענת שווא מגיעה מתוך רשומת מקור שגויה בעצמה, תקנו קודם את רשומת המקור. ולעולם אל תקראו ״זה זז״ כ״זה קבוע״.

באיזה עוזר נתחיל? זה שבו הקונים שלכם באמת חוקרים. בקמפיינים האלה זה אף פעם לא היה אותו משטח. מתחילים שם, מאמתים, ואז מרחיבים. השקה של חמישה ביום הראשון מקשה לדעת מה עבד.

זה לא פשוט SEO בשם אחר? עבודה אחרת. SEO מתחרה ברשימת קישורים שגורמת לאנשים ללחוץ; GEO מתחרה בתוך משפט שנוצר שאנשים קוראים. בסיס משותף: עובדות נקיות ומובנות ועקביות. אבל המדידה, המקצב ומצבי הכשל שונים, והרצת שתי הלולאות בנפרד היא איך שהקמפיינים האלה למעשה נוהלו.

כותב: איתן מארלו, מוביל מדידת GEO מעל 500 שאילתות ב-Auspia. כותב על מעקב שאילתות, דו״חות ציטוט ולדוחות נראות שמחזיקים את ה-GEO ישר.