איך עושים AI citation tracking ובודקים אם ChatGPT, Gemini ו-Perplexity מזכירים את העסק שלך
לקוחות מגיעים אליי ואומרים: "ה-AI אמר שאתה מומחה". אני שמח לשמוע את זה, ומיד עולה לי שאלה פחות נעימה. על כמה שיחות כאלה אני לא שומע? ועל כמה שאלות ה-AI המליץ על מישהו אחר? בעל עסק שמופיע היום בתשובות של ChatGPT לא רואה את זה בשום דוח, אלא אם הוא בודק. לבדיקה הזו קוראים AI citation tracking – מעקב קבוע אחרי התשובות של מנועי AI כדי למדוד אם הם מזכירים את העסק שלך.
🚀 קחו את העסק שלכם לשלב הבא עם AI citation tracking
השאירו פרטים וקבלו ייעוץ חינם עבור שירותי AI citation tracking!
בקצרה, מודדים שלושה דברים, בסדר הזה. האם מנועי ה-AI מזכירים את השם שלך בתשובה. האם הם מקשרים לאתר שלך כמקור. והאם מישהו לוחץ ומגיע. את שני הראשונים בודקים עם רשימה קבועה של שאלות שחוזרים עליה לאורך זמן. את השלישי רואים ב-Google Analytics, עם מגבלה שכדאי להכיר מראש: הוא רואה רק חלק מהתמונה. מה שמעניין בעל עסק הוא לא מספר בודד אלא הכיוון, כלומר אם השם שלו מופיע ביותר תשובות מאשר בבדיקה הקודמת.
מה זה AI citation tracking, במילים פשוטות
AI citation tracking הוא מעקב קבוע אחרי התשובות של ChatGPT, Gemini, Perplexity ומנועי AI אחרים: האם הם מזכירים את העסק שלך, האם הם מקשרים לאתר שלך כמקור, ועל אילו שאלות זה קורה. מה שהוא מודד נקרא AI visibility, ובעברית פשוטה: נראות במנועי AI.
המונח מבלבל, כי באקדמיה "ציטוט" הוא הפניה למאמר מחקרי. לא בזה מדובר כאן, וגם לא בקישורים מאתרים אחרים. מדובר במה שקורה בתוך התשובה שמודל נותן ללקוח שלך, כשהוא שואל מי עושה את מה שאתה עושה.
אפשר לעקוב אחרי ChatGPT, אחרי Perplexity ואחרי ג'ימני גוגל, ומשלושתם רוב העסקים מתחילים. אותה שיטה עובדת גם על Copilot, על Claude ועל התשובות שגוגל מציג בראש החיפוש. נראות ב-ChatGPT, נראות ב-Gemini ונראות ב-Perplexity הן שלושה מספרים נפרדים, כי כל מנוע נשען על מקורות קצת אחרים.
עוד הבחנה שחוסכת בלבול: בדיקה חד-פעמית של מה המנועים אומרים עליך היא צילום מצב. מעקב הוא אותה בדיקה שוב ושוב, ורק הוא מראה אם משהו זז.
אזכור, ציטוט וביקור הם שלושה מספרים שונים
כל שכבה יכולה להתקיים בלי האחרות, ולכן מודדים כל אחת בנפרד. מודל יכול להזכיר אותך בלי לקשר, לקשר בלי שאיש ילחץ, ומישהו יכול להגיע ממנו בלי שתדע שזה היה המקור.
| שכבה | מה קורה | איפה רואים את זה |
|---|---|---|
| אזכור | השם של העסק מופיע בתוך התשובה | רק בקריאת התשובות עצמן |
| ציטוט | האתר מופיע כמקור עם קישור | ברשימת המקורות שהמנוע מצרף |
| ביקור | מישהו לחץ על הקישור והגיע לאתר | ב-Google Analytics, באופן חלקי |
אזכור, כשהשם שלך נמצא בתוך התשובה
על זה בנוי מעקב אזכורים ב-AI. שואלים את השאלה, קוראים את התשובה, ובודקים אם השם שלך שם ובאיזה הקשר. אזכור בלי קישור שווה יותר ממה שנראה. מי שקרא "כדאי לבדוק את X", ואחר כך חיפש את X בגוגל, הגיע בגלל ה-AI, וזה לא יופיע כ-AI באף דוח.
אזכור בלי קישור הוא לא אזכור שלא שווה כלום, הוא אזכור שלא נמדד.
ציטוט, כשהאתר שלך מופיע כמקור
ציטוט הוא כשהמנוע מצרף את האתר שלך לרשימת המקורות של התשובה. מעקב ציטוטים ב-ChatGPT, ב-Perplexity ובשאר המנועים בודק גם איזה עמוד צוטט. לפעמים זה עמוד הבית, לפעמים מאמר ישן שכמעט שכחת, ולפעמים זה בכלל לא האתר שלך אלא אתר אחר שכותב עליך. את המקרה האחרון שווה לרשום, כי הוא מראה מאיפה המודל לומד מי אתה.
ביקור, כשמישהו לחץ והגיע
רק השכבה הזו מגיעה לאנליטיקה. היא גם הקטנה מבין השלוש, כי רוב האנשים קוראים את התשובה ולא לוחצים על המקור. בעל עסק שמסתכל רק על הביקורים יחשוב שה-AI לא מביא לו כלום. והוא יטעה.
Prompt-level tracking, או למה שואלים את אותן שאלות שוב ושוב
Prompt-level tracking הוא מעקב ביצועים לפי פרומפט: רשימה קבועה של שאלות שלקוח אמיתי היה שואל, שבודקים אותן שוב ושוב ב-ChatGPT, ב-Gemini וב-Perplexity כדי לראות מה משתנה לאורך זמן.
למה לא מספיק לשאול פעם אחת? כי מודל לא נותן את אותה תשובה פעמיים. אם תשאל היום ומחר, מחשבון אחר או בניסוח קצת שונה, תקבל רשימה אחרת של שמות. ככה זה עובד, זו לא תקלה.
בדיקה אחת היא אנקדוטה. אותן שאלות, באותו ניסוח, בכל חודש, הן כבר נתון.
השאלות עצמן מגיעות ממה שלקוחות באמת שואלים, לא ממה שנוח לבעל העסק שישאלו. בניית הרשימה היא נושא בפני עצמו. כאן מספיק לדעת שהרשימה קבועה, ושלא משנים אותה באמצע רק כי התוצאה לא מצאה חן.
AI share of voice, כמה מהתשובות שלך וכמה של המתחרים
AI share of voice, ובעברית נתח קול במנועי AI, הוא החלק שלך מתוך כל התשובות שהזכירו מישהו מהתחום. אפשר לקרוא איך Ahrefs מחשבים נתח קול ב-AI, והנוסחה עצמה פשוטה: מספר התשובות שמזכירות את העסק שלך, חלקי מספר התשובות שמזכירות מותג כלשהו מהרשימה, כפול 100.
לדוגמה, אם בבדיקה החודשית רק חלק מהתשובות שהזכירו מישהו מהרשימה הזכירו גם אותך, מחלקים את מספר התשובות שלך במספר הכולל ומכפילים ב-100, וכך מקבלים את הנתח שלך באחוזים.
המספר הזה שווה משהו רק מול רשימה קבועה. מוסיפים מתחרה לרשימה, והאחוז שלך יורד בלי שקרה שום דבר בשוק. מורידים שאלה שבה לא הופעת, והוא עולה בלי שעשית דבר. לכן אני מחליט פעם אחת מי ברשימה ועל מה שואלים, ומשווה רק מול זה.
נתח קול שמחושב מול רשימה משתנה הוא מספר שאפשר לגרום לו להגיד כל דבר.
מדידת תנועה ממנועי AI ב-Google Analytics
ב-Google Analytics אפשר לראות חלק מהביקורים שמגיעים ממנועי AI, ולאחרונה זה נעשה קל יותר. לפני שמפרידים את תנועת ה-AI, כדאי לדעת כמה כניסות יש לאתר בכלל, כדי שיהיה מול מה להשוות.
LLM referral tracking, או מעקב תנועה מ-LLM, הוא בסך הכול זיהוי של המקור שממנו הגיע הביקור. הקושי הוא שלא כל ביקור מגיע עם מקור.
ערוץ AI Assistant ב-GA4
מאז 13 במאי 2026, GA4 משייך ביקורים ממנועי AI מוכרים כמו ChatGPT, Gemini ו-Claude לערוץ בשם AI Assistant, בלי שצריך להגדיר דבר, כפי שמתואר במדריך על ערוץ AI Assistant ב-GA4. בדוחות הוא מופיע עם medium בשם `ai-assistant`. ביקור שמגיע בלי מקור מזוהה לא נכנס לערוץ הזה, ולכן המספר שם הוא הרצפה ולא התמונה המלאה.
מה עוד אפשר לסנן
מה שהערוץ לא תופס אפשר לתפס לבד, לפי שם האתר שממנו הגיע הביקור. המקורות הנפוצים הם chatgpt.com ו-chat.openai.com, perplexity.ai ו-claude.ai, ו-ChatGPT גם מוסיף לקישורים שהוא נותן תגית `utm_source=chatgpt.com`. בלי ערוץ או סינון, ביקורים כאלה נוחתים בדרך כלל תחת Referral או Unassigned, מעורבבים עם כל השאר.
מסנן אחד עם ביטויים רגולריים, משהו בסגנון `chatgpt|openai|perplexity|claude|gemini`, מאחד אותם לשורה אחת. ככה AI referral traffic הופך ממשהו שמרגישים למשהו שרואים.
מה GA4 לא רואה
GA4 לא רואה ביקור שהגיע בלי מקור, וגם לא את מי שקרא תשובה ואחר כך הקליד את שם העסק בגוגל. יש אפליקציות שלא מעבירות מאיפה הגיע המשתמש, ואז הביקור נרשם כישיר. ומי שקרא בצ'אט "כדאי לדבר עם X", סגר את החלון ושאל חבר על X כמה ימים אחר כך, יירשם כחיפוש רגיל.
התופעה לא חדשה. מי שזוכר את not provided מכיר את התחושה: התנועה קיימת, רק שהאנליטיקה לא יודעת לייחס אותה.
גם בפרסום ממומן זה אותו עיקרון. יוסי דהרי כתב בביקורת בגוגל: "גיל זיהה שהתקציב הולך על המרות שלא היו אמיתיות". מדידה טובה מתחילה מהשאלה מה המספר באמת סופר. ב-AI התשובה היא: פחות ממה שקרה.
כלי מעקב בתשלום או בדיקה ידנית?
לעסק עם מקבל החלטות אחד, בדיקה ידנית חודשית של רשימת שאלות קצרה מספיקה כדי להתחיל. כלי בתשלום נכנס לתמונה כשהרשימה גדלה ואין זמן לעבור עליה ביד.
יש שתי דרכים. אחת היא פלטפורמות מעקב, כמו Semrush או Otterly.AI, שמריצות את השאלות שלך לפי לוח זמנים ומחשבות נתח קול לבד. הדרך השנייה היא לשבת פעם בחודש, לשאול את אותן שאלות בכמה מנועים, ולרשום בטבלה: הוזכרת או לא, קושרת או לא, מי עוד הופיע.
גם ל-Microsoft Clarity, הכלי של מיקרוסופט לניתוח התנהגות גולשים, יש היום מודול AI Visibility שמודד ציטוטים של האתר במנועי AI. אם הוא כבר מותקן אצלך, שווה להציץ.
ככה אני עושה את זה: רשימה קבועה של שאלות, אותם מנועים, אותו ניסוח, ובדיקה שחוזרת על עצמה. את הריצה עצמה עושים אצלי סוכני אנליטיקה, שמריצים את השאלות, אוספים את התשובות ומסמנים מה השתנה. ב-GPR סוכני AI עושים את עבודת הביצוע, צוות קטן בודק, ואני חותם על כל עבודה. סוכן יודע לספור אזכורים. הוא לא יודע להחליט אם תשובה שמזכירה אותך בהקשר שלילי היא בעיה, וזה תפקיד של בן אדם.
חלק מהכלים מוכרים את התחום בשם AI search analytics, או אנליטיקה לחיפוש AI. השם פחות חשוב. אם מישהו אחר מודד את זה בשבילך, בין אם סוכנות AI ובין אם פרילנסר, שאל אותו שלוש שאלות: אילו שאלות הוא בודק, מול אילו מתחרים, ומה הוא עושה כשהמספר לא זז.
מה עושים עם המספרים
מדידה שווה משהו רק אם היא מובילה לתיקון: מוצאים על אילו מקורות המנועים נשענים כשהם עונים על השאלות שלך, מתקנים אותם, ומודדים שוב.
המספרים מראים מאיפה להתחיל. נניח שה-AI מצטט אתר השוואה ישן שבו הפרטים שלך לא נכונים, אז מתחילים שם. ואם מתחרה מופיע כי יש לו עמוד שעונה בדיוק על השאלה, ואצלך עמוד כזה חסר, זה הצעד הבא. לזה קוראים AI citation optimization, או אופטימיזציה לציטוטים במנועי AI, והמדידה היא מה שמזין אותה.
מעקב כזה לא עומד לבד. הוא המשך טבעי של שירותי קידום אתרים: אותה שאלה של איפה מוצאים אותך, רק במקום חדש. אני בשיווק דיגיטלי מאז 2015, ומאז לא השתנה העיקרון. השתנה המקום שבו הלקוח שואל.
אצלי זה שירות בשם "מה ה-AI אומר על העסק שלך": בודקים מה המודלים עונים כששואלים עליך, מתקנים את המקורות, ומודדים שוב.
ואם בבדיקה הראשונה גילית שאתה כמעט לא מופיע, המצב טוב יותר ממה שנראה, כי עכשיו יש לך קו בסיס. בלי מספר ראשון אין דרך לדעת אם משהו שעשית עבד.