שאלות גילוי בעברית: איך בונים סט שבודק נוכחות ב-AI (לא מוניטין)

שאלת גילוי היא שאלה בעברית שלקוח פוטנציאלי מקליד למנוע תשובות — ChatGPT או Gemini — בלי לציין את שם העסק. רק שאלה כזו בודקת אם המודל בכלל מוצא ומזכיר אתכם כשאף אחד לא «רמז» לו את השם. שאלות שמזכירות את המותג מודדות מוניטין ומנפחות ציון; הן לא מודדות נוכחות. הדף הזה מלמד איך בונים סט שאלות גילוי אמיתי בעברית — לא איך מחשבים מדדים. עומק המדידה ב־עמוד המתודולוגיה וב־איך מודדים נוכחות ב־ChatGPT בעברית. אחרי שיש סט נכון — בדיקה חינמית של עד כ־20 שאלות גילוי בנִיכָּר (Nikar), ופירוט מה הדוח מראה ב־בדיקת נוכחות חינמית ב־ChatGPT: מה הדוח באמת מראה.

מהי שאלת גילוי — ולמה היא לא שאלת מוניטין

שאלת גילוי (discovery question) היא שאלה מסחרית בעברית שמחפשת למי לפנות — בלי שם מותג. דוגמה: «מי עורך דין מומלץ לדיני עבודה בתל אביב?» או «איזה סוכן ביטוח כדאי לבדוק לפני חידוש פוליסה?» השואל לא יודע (או לא מזכיר) את שם העסק שלכם; הוא מחפש המלצה או כיוון.

שאלת מוניטין (או שאלת מותג) היא ההפך: היא מזכירה את השם במפורש — «מה אתה יודע על משרד כהן ושות׳?» או «האם סוכנות ישראלי נדל״ן אמינה?» כאן המודל מתבקש להתייחס למותג שכבר הוזן. תשובה מחמיאה לשאלה כזו לא אומרת שלקוח שהקליד שאלה פתוחה היה מגלה אתכם.

ההבחנה הזו היא בסיס המדידה בנִיכָּר: נוכחות נספרת רק על שאלות גילוי. שאלות ממותגות נשארות מחוץ לציון — כי הן בודקות ידע על המותג, לא גילוי. פירוט למה רק גילוי נכנס לציון — ב־עמוד המתודולוגיה וב־מרכז השאלות. כאן אנחנו מתמקדים בבנייה: איך מנסחים סט שלא מערבב בין השניים.

למה שאלות עם שם העסק מנפחות ציון

כששואלים מנוע תשובות «מה אתה יודע על [שם העסק]?» — המודל קיבל את השם כקלט. אזכור של אותו שם בתשובה הוא כמעט מובן מאליו; זה לא ראיה שמישהו היה מגלה אתכם בחיפוש פתוח. אם מערבבים שאלות כאלה עם שאלות גילוי ומחשבים «ציון נוכחות» אחד — הציון מתנפח ונהיה חסר משמעות.

לכן סט מדידה שמבוסס על שאלות ממותגות בלבד (או על תערובת לא מסומנת) עלול להרגיש «טוב» גם כשלקוחות אמיתיים שמקלידים ל־ChatGPT או ל־Gemini «מי מומלץ ל…» בכלל לא רואים אתכם. נִיכָּר מסרבת לערבב: הציון מבוסס גילוי בלבד. אם כל מה שהזנתם הוא מותג — עדיף לומר «לא ניתן למדוד» מאשר לתת אפס מזויף או ציון מנופח. שקיפות כזו היא יתרון אמון, לא באג.

דוגמה צד-לצד (אותו עסק, שני סוגי שאלות)

אותו עסק — שני ניסוחים. הראשון גילוי; השני מוניטין. אין כאן תוצאות ריצה מומצאות — רק הבחנה מתודולוגית:

משפט / עו״ד:

• גילוי: «מי עו״ד מומלץ לליטיגציה מסחרית בתל אביב?»
• מוניטין: «מה אתה יודע על משרד לוי ושות׳?»

נדל״ן / תיווך:

• גילוי: «איזה מתווך כדאי לבדוק לקניית דירה ברמת גן?»
• מוניטין: «האם סוכנות בית נכון אמינה?»

ביטוח:

• גילוי: «מי סוכן ביטוח מומלץ לביטוח חיים ופנסיה באזור המרכז?»
• מוניטין: «מה אומרים על סוכנות ביטוח שקד?»

בשלושת הזוגות: רק שאלת הגילוי בודקת אם המודל מציע אתכם כשאין רמז לשם. שאלת המוניטין בודקת מה המודל יודע (או ממציא) עליכם אחרי שכבר נתתם לו את השם. להרחבה אנכית לפי תחום — AEO לעורכי דין, AEO לנדל״ן ותיווך ו־AEO לביטוח ופיננסים.

איך בונים סט שאלות גילוי בעברית

זה הלב של הדף: סט טוב הוא אוסף שאלות בעברית מקורית, בכוונת גילוי, עם כיסוי תת-נושאים בלי כפילות מלאכותית — ובלי שם המותג שלכם באף שאלה. שלושת העקרונות הבאים הם מסגרת עבודה, לא «טריק קידום».

עקרון 1 — שאלות שלקוח באמת שואל

כתבו כמו שלקוח מקליד — לא כמו תרגום של שאילתת SEO מאנגלית. בעברית ישראלית אנשים שואלים «מי מומלץ ל…», «למי לפנות ב…», «איזה… כדאי לבדוק לפני…» — לא משפטים מתורגמים מילולית מ־«best lawyer near me». אם השאלה נשמעת כמו כותרת בלוג ולא כמו מה שמקלידים ב־ChatGPT בערב אחרי פגישה עם לקוח — תנסחו מחדש.

בנִיכָּר מאגר השאלות בנוי בעברית מקורית לפי תחום. בבדיקה החינמית נבחרות שאלות בעלות משקל גבוה מהמאגר לפי התחום שציינתם — לא רשימה אקראית ולא תרגום אוטומטי. כשאתם בונים סט בעצמכם (לפני בדיקה או במקביל), אותו עיקרון: עברית שמישהו באמת מקליד, לא «גרסה עברית» של פרומפט אנגלי.

דוגמאות גילוי נוספות (מתודולוגיות בלבד — בלי הבטחת דירוג):

• «מי עורך דין מומלץ לפיטורין שלא כדין באזור השרון?»
• «איזה מתווך כדאי לבדוק למכירת דירת 4 חדרים בפתח תקווה?»
• «מי יועץ פנסיוני מומלץ לפני מעבר מקום עבודה?»

טיפ מעשי: לפני שאתם נועלים ניסוח, הקלידו את השאלה בקול — כמו שמדברים עם חבר שממליץ על בעל מקצוע. אם היא נשמעת כמו מודעת דרושים או כמו כותרת מאמר, צמצמו. אם היא נשמעת כמו מה שהייתם שואלים את ChatGPT בערב אחרי שיחה עם לקוח פוטנציאלי — אתם בכיוון הנכון. המאגר של נִיכָּר נבנה מאותה לוגיקה: שאלות שיש להן משקל בתחום, לא תרגום מילולי של שאילתות אנגליות.

עקרון 2 — כוונת גילוי, לא בדיקת ידע על המותג

לפני שמוסיפים שאלה לסט — שאלו: האם השואל מחפש המלצה או כיוון («מי מומלץ», «למי לפנות», «איזה… כדאי»), או שהוא כבר יודע את השם ובודק מה אומרים עליו? רק הסוג הראשון שייך לסט גילוי.

סימנים שזו בדיקת ידע על המותג (ולא גילוי): שם העסק מופיע בשאלה; השאלה היא «מה אתה יודע על…», «האם X אמין», «ספר לי על X»; או שהשאלה מניחה שהמותג כבר ידוע. כאלה אפשר לשמור לשיחה פנימית עם המודל — לא לסט שממנו מחשבים נוכחות.

גיאוגרפיה והתמחות כן שייכות לגילוי כשהן חלק ממה שלקוח באמת שואל: «בתל אביב», «לדיני משפחה», «לביטוח רכב חדש». הן מצמצמות את הכוונה בלי להזין את שם המותג — וזה בדיוק מה שרוצים בסט גילוי.

דוגמה להפרדה חדה: «מי סוכן ביטוח מומלץ לביטוח דירה בתל אביב?» היא גילוי. «האם סוכנות שקד טובה לביטוח דירה?» היא מוניטין — גם אם הוספתם התמחות. השם בשאלה הופך את הבדיקה לידע על המותג. כשאתם עוברים על טיוטת הסט, סמנו כל שאלה שיש בה שם עסק (שלכם או של מתחרה שאתם «מזריקים») והוציאו אותה מרשימת הגילוי.

עקרון 3 — כיסוי תת-נושאים בלי כפילות מלאכותית

סט טוב מכסה כמה זוויות אמיתיות של התחום — לא אותה שאלה עשר פעמים עם מילה אחת שהוחלפה. בעו״ד: ליטיגציה, חוזים, דיני עבודה — אם אלה באמת קווי שירות נפרדים. בנדל״ן: קנייה, מכירה, שכירות — אם הלקוחות שואלים אחרת בכל אחד. בביטוח: חיים, בריאות, רכב — לפי מה שרלוונטי לעסק.

כפילות מלאכותית נראית כך: «מי מתווך מומלץ ברמת גן?» ואז «איזה מתווך כדאי ברמת גן?» ואז «מתווך טוב ברמת גן — מי?» שלוש גרסאות כמעט זהות לא נותנות תמונה רחבה יותר; הן רק מאריכות את הסט. עדיף שאלה אחת חזקה לכל תת-נושא אמיתי, מאשר חמש וריאציות של אותה כוונה.

סדר עבודה מומלץ לבניית סט קצר: (1) רשמו 5–8 כוונות אמיתיות של לקוחות בתחום; (2) נסחו שאלה אחת בעברית לכל כוונה בלי שם מותג; (3) מחקו זוגות שנשמעים כמו אותה שאלה; (4) בדקו שאין אף שם עסק; (5) רק אז הריצו בדיקה או העבירו לנִיכָּר לבחירת שאלות מהמאגר. כך הסט נשאר קצר, חד, ורלוונטי — בלי להעמיד פנים שיש «יותר מדי נתונים».

בדיקה מהירה לפני שסוגרים סט: האם אפשר להסביר בקצרה למה כל שאלה שם (תת-נושא / אזור / כוונה שונה)? אם התשובה היא «כדי שיהיו יותר שורות» — מחקו. אם התשובה היא «כי לקוחות שואלים גם על X וגם על Y» — השאירו.

כמה שאלות מספיקות — ומה עושה הבדיקה החינמית

לבדיקה ראשונה מספיק סט ממוקד של שאלות גילוי בעברית בתחום שלכם — לא מאות פרומפטים. המטרה היא בסיס השוואה אחיד: אותן שאלות, מנוע אחד, קריאה ברורה של אזכורים — לא צילום מסך של שיחה אישית אחת.

בנִיכָּר הבדיקה החינמית מריצה עד כ־20 שאלות גילוי בעברית (בלי שם המותג) מול מנוע אחד: לפי מקור ההפניה אם מזוהה כלל ייעודי; אם אין אות — הבדיקה רצה ב־ChatGPT. Gemini אינה ברירת המחדל של ההרצה החינמית. הדוח מציין איזה מנוע נבדק, ומחזיר בין השאר אחוז אזכור, מיקום ממוצע ונתח קול — שלושת השמות האלה מסבירים למה הסט חשוב (בלי שם מותג בשאלות אין גילוי אמיתי למדוד). פירוט נוסחאות ועומק מדידה — לא כאן; ראו עמוד המתודולוגיה ו־מדדי נוכחות ב־AI.

מה הדוח באמת כולל אחרי הריצה — בפוסט החינמי הלייב: בדיקת נוכחות חינמית ב־ChatGPT: מה הדוח באמת מראה. להתחיל הרצה: בדיקת הנוכחות החינמית (אימייל בלבד, ₪0). מדריך ידני משלים למי שבודק גם מחוץ לכלי: איך בודקים נוכחות ב־AI.

מי שצריך מדידה במנועים נוספים מעבר להרצה החינמית יכול להרחיב לפי המחירון — למשל חבילה חד־פעמית ב־₪9.90 לעד שלושה מנועים — במקום להניח כיסוי Gemini (או מנועים אחרים) בחינם כברירת מחדל.

מתי מסרבים לתת ציון (ולמה זה חשוב)

אם כל השאלות בסט ממותגות — או אם אין מספיק שאלות גילוי תקינות למדידה — נִיכָּר מעדיפה לומר «לא ניתן למדוד» מאשר להציג ציון אפס או ציון מנופח. אפס נשמע כמו «בדקנו ולא מצאנו אתכם»; «לא ניתן למדוד» אומר «הסט לא בודק גילוי — תתקנו את השאלות». זה הבדל אמון.

גם סט מעורב מסוכן: אם רוב השאלות גילוי ורק «כמה» ממותגות, והמערכת לא מפרידה — הציון עדיין עלול להתנפח. לכן חשוב לתייג מראש: גילוי נכנס למדידה; מוניטין נשאר בחוץ. אם אתם בונים סט ידני לבדיקה פנימית, שמרו שני קבצים נפרדים במקום רשימה אחת מעורבת.

למה זה חשוב למי שבונה סט: אם תמלאו את הרשימה בשאלות «מה אתה יודע על [העסק שלי]?» תקבלו תשובות מחמיאות — ותפספסו את השאלה העסקית האמיתית: האם לקוח שמחפש המלצה פתוחה בכלל רואה אתכם. סירוב לתת ציון על סט כזה מגן עליכם מפני מסקנה שגויה. פירוט נוסף ב־מרכז השאלות וב־עמוד המתודולוגיה.

צעדים הבאים — הריצו בדיקה על שאלות גילוי אמיתיות

סיכום קצר של מה לבנות: שאלות בעברית בלי שם העסק; כוונת «למי לפנות»; כיסוי תת-נושאים אמיתיים בלי וריאציות כפולות; והפרדה ברורה משאלות מוניטין. הדף הזה לימד לבנות את הסט — לא לחשב מדדים. אחרי שיש סט (או כשאתם מוכנים לתת לנִיכָּר לבחור שאלות גילוי מהמאגר לפי תחום):

• הריצו בדיקת נוכחות חינמית — עד כ־20 שאלות גילוי, מנוע אחד, בלי הבטחת הופעה או דירוג.
• קראו מה הדוח מראה בפועל: בדיקת נוכחות חינמית ב־ChatGPT: מה הדוח באמת מראה.
• לעומק מדידה (לא בנייה): עמוד המתודולוגיה ו־איך מודדים נוכחות ב־ChatGPT בעברית.
• שאלות נפוצות על נוכחות, מנוע אחד, ו«לא הצלחנו למדוד»: מרכז השאלות.

נִיכָּר לא מבטיחה שתופיעו בתשובות אחרי בניית סט או אחרי בדיקה. הסט הנכון רק מוודא שאתם מודדים את הדבר הנכון — גילוי, לא מוניטין. משם אפשר לשתף דוח, להשוות הרצות, ולהחליט אם להרחיב מנועים — בלי ודאות דירוג ובלי הבטחת «הופעה אחרי בדיקה».