מאת: שהם לוי
כשלקוח מבקש ממנוע AI להציע ספקים, להסביר תחומי התמחות או להשוות בין חברות, התשובה עלולה לכלול מידע חלקי, ישן או שגוי. עבור חברה המוכרת שירות מקצועי, טעות כזאת יכולה לפגוע בהבנת השירות גם אם האתר עצמו מדויק. ביקורת נראות מותג במנועי AI נועדה לזהות פערים, לבחון מהו מקורם ולשפר את המידע הזמין. היא אינה שיטה שמבטיחה הופעה בכל תשובה.
מגדירים מראש מה רוצים לבדוק
מכינים מאגר קטן וקבוע של שאלות שמבוססות על התנהגות לקוחות: מה החברה עושה, למי השירות מתאים, אילו תחומים היא מכסה, מי המתחרים הרלוונטיים ומה ההבדל בין מודלי שירות. לכל שאלה מציינים שפה, שוק, הקשר וסוג המשתמש. בדיקה של שאלה כללית כגון מי החברה הטובה ביותר אינה מלמדת הרבה, משום שהיא חסרה הגדרות וקריטריונים.
מומלץ להפריד בין שאלות מותג ישירות לבין שאלות קטגוריה. בשאלות המותג בוחנים דיוק עובדות, ובשאלות הקטגוריה בוחנים האם המותג בכלל נזכר ומהי ההצדקה שניתנה לכך. לא נכון לחבר את שני הסוגים למדד אחוז אחד כאילו הם מודדים אותה תופעה.
מתעדים תשובות באופן שאפשר לחזור עליו
יוצרים גיליון שבו מופיעים התאריך, הכלי, נוסח השאלה, השפה, סוג החשבון אם ידוע, התשובה, הקישורים המצוטטים והערכת הדיוק. אם אפשר, חוזרים על בדיקות בכמה מועדים כדי להבין האם מדובר בתופעה עקבית. גם אז יש לזכור שתשובות עשויות להשתנות לפי הקשר השיחה, המשתמש, העדכונים בכלי והתוכן שהמנוע מצליח לאחזר.
הבדיקה אינה מדגם מייצג של מה שכל המשתמשים רואים. לכן אין להציג נתון כגון הופענו ב-60 אחוז מהשאלות כהיקף החשיפה האמיתי של המותג בשוק. זהו לכל היותר מדד פנימי למדגם שנבדק, וכך יש לסמן אותו.
מסווגים שגיאות לפי מקור הבעיה
טעות אחת יכולה לנבוע מאתר הבית שבו מופיע ניסוח מעורפל; אחרת ממאמר ישן שמציג שירות שהחברה כבר אינה מספקת; ושלישית מאתר חיצוני ששמר תיאור לא עדכני. בודקים אם המידע באתר עקבי בין עמוד אודות, עמודי שירות, פרופילי מומחים ופרסומים חיצוניים. כדאי גם לבדוק האם קיימים עמודי מקור שמסבירים תחומים מורכבים לעומק ולא רק מזכירים מונחים.
כאשר מתגלה פער, מנסחים תוכנית תיקון לפי סוגו. מידע שגוי בבעלות החברה מעדכנים במקור. מידע חיצוני אפשר לנסות לתקן באמצעות פנייה מקצועית לבעל האתר. מידע חסר עשוי להצדיק יצירת עמוד ידע משמעותי. אין הצדקה להציף את הרשת במסרים משוכפלים רק כדי להשפיע על תשובות.
בניית מקור אמת מותגי
מקור אמת הוא מערכת עקבית של נתונים: שם החברה, תחומי פעילות, קהלי יעד, אנשים מרכזיים, מוצרים, שיטות עבודה, אזורי פעילות וערוצי קשר. כל נתון צריך להיות נכון ומגובה. רצוי להשאיר הפרדה בין עובדות מוסדיות לבין יתרונות שהחברה טוענת לגביהם. ניתן להוסיף נתונים מובנים כאשר הם מתאימים להנחיות ולמידע שמופיע בפועל בעמוד.
בנוסף, מומלץ להציג תוכן שאפשר לצטט באופן אחראי: הגדרות מדויקות, דוחות, מאמרים מקצועיים ומקרי שימוש מוסברים. אם המותג מציג רק סיסמאות קצרות, יהיה לקורא קשה יותר להבין את תחום המומחיות, ללא קשר לזהות מנוע החיפוש.
מטריצת ביקורת לדוגמה
| סוג שאלה | מה בודקים | פעולה אפשרית |
| עובדה על החברה | שם, תחומים, צוות | תיקון אתר ופרופילים |
| הבדלה ממתחרים | תיאור התועלת והמומחיות | עמוד השוואה שקוף |
| שאלה מקצועית | נוכחות מידע מקורי | מדריך עומק או מחקר |
| בחירת ספק | התאמה וגבולות שירות | חידוד דפי שירות |
מדידה שלא יוצרת אשליה של דיוק
אפשר לתעד שיפור בדיוק העובדתי של תשובות שנבדקו, מספר טעויות שתוקנו ושימוש במקורות החברה. במקביל מודדים נתוני חיפוש ממותג, תנועה מזוהה כאשר קיימת ופניות עסקיות. אבל אין להסיק אוטומטית שתיקון תוכן גרם לשינוי בתשובת AI או להכנסה. זהו תחום שבו חלק מהנתונים עדיין מוגבלים והצגת חוסר ודאות היא חלק מאחריות מקצועית.
שלושה סוגי תיקון שצריך להבחין ביניהם
הסוג הראשון הוא תיקון עובדתי, למשל שם שירות או בעל תפקיד שכבר אינו מעודכן. זהו שינוי שצריך להופיע במקורות הציבוריים בשליטת החברה. הסוג השני הוא הרחבת הקשר: התשובות מציגות חברה כמשרד פרסום כללי אף שהיא מתמקדת בשירותים מקצועיים. כאן נדרש תוכן שמסביר את התחומים, גבולות הפעילות ומקרי השימוש. הסוג השלישי הוא ניסיון להשפיע על בחירת ספק. כאן אין הבטחה שהתוכן ישנה את התשובה, ויש לבנות יתרון ממשי ולא רק טענת עליונות.
כיצד מוסרים ממצאים להנהלה
מומלץ להציג שלוש דוגמאות מייצגות לכל היותר מכל קבוצת שאלות, לציין את תאריך הבדיקה ולהסביר מהו הפער ומה מתוכנן לתקן. לא כדאי להציג צילום מסך של תשובה אחת כאילו הוא מדגם של כלל המשתמשים. אם נעשה שינוי באתר, מתעדים אותו ובודקים שוב באופן עקבי. דוח נראות כזה נועד לעזור למותג להיות מדויק ומועיל יותר, ולא לייצר מספר כותרתי שאין לו תוקף סטטיסטי.
שאלות נפוצות
האם אפשר לשלוט באופן שבו ChatGPT מתאר חברה?
לא באופן מלא. אפשר לשפר מידע ציבורי, לשמור על עקביות ולתקן מקורות, אך התשובות אינן בבעלות המותג.
האם פרסום מאות אזכורים זהים יעזור?
אין בסיס להבטיח זאת, ופעילות מניפולטיבית עלולה להזיק למוניטין. תוכן משמעותי ומקורות אמינים עדיפים על שכפול.
האם כדאי לבדוק רק את שם החברה?
לא. יש לבדוק גם בעיות מקצועיות וקטגוריות שבהן לקוחות מחפשים פתרון, אך להפריד את המדדים ולשמור על ניסוחי בדיקה עקביים.
סיכום
ביקורת נראות AI היא קודם כול ביקורת מידע ומוניטין. משפרים את מקור האמת, מוסיפים ידע מקורי ומודדים מגמות בזהירות, במקום להבטיח שליטה בתשובות שאינן בשליטת החברה.
רוצים שנעשה את זה בשבילכם? בפינגווין אנחנו מלווים עסקים בנראות בגוגל ובמנועי הבינה המלאכותית. דברו איתנו.













