Google Web Guide: האם העתיד הוא חיפוש היברידי?

לנוכח הטרנדים הגועשים עלינו כמעט מדי יום, יש נטייה לחשוב שהחיפוש בגוגל מתקדם לעבר עתיד המבוסס כולו על בינה מלאכותית. אבל המציאות היא שרוב החיפוש (אפילו AI mode) הוא הכלאה של בינה מלאכותית / מודלים של LLM (במיוחד ג'מיני), יחד עם האלגוריתמים המרכזיים של חיפוש אורגני שגוגל משפרת כבר למעלה משני עשורים.

מדריך האינטרנט של גוגל (Google Web Guide), נכון לעכשיו בגרסת בטא בחו"ל בלבד, נותן לנו הצצה איך עתיד החיפוש ההיברידי הזה עשוי להיראות. על פני השטח הוא נראה דומה מאוד לחיפוש מסורתי, אך הוא מופעל על ידי שכבות מרובות של בינה מלאכותית, כולל פיזור שאילתות (Query fan-out) מורכב.

מה זה Google Web Guide?

מדריך האינטרנט של גוגל הוא תוצאת חיפוש משולבת (היברידית) שהושקה במעבדות גוגל בסוף יולי 2025. פיצ'ר זה משלב בין תוצאות החיפוש האורגניות של גוגל עם תכונות של בינה מלאכותית (ג'מיני), כולל שימוש בפיזור שאילתות כדי לחשוף נושאי משנה ותוצאות נוספות.

נכון להיום ה-Web guide מופיע רק בגוגל חו"ל וכך הוא נראה:

להלן הרכיבים הבסיסיים של גוגל ווב גייד:

תוצאות אורגניות (FastSearch)

בראש התוצאה מופיעות, הפלא ופלא, תוצאות אורגניות המוכרות לנו. מתחת להן מופיע כפתור להצגת "התאמות מהירות" (Quick matches), המבוססות על טכנולוגיית FastSearch של גוגל.

טכנולוגיה זו משתמשת ב- RankEmbed עם טכנולוגיית ליבה הדומה לחיפוש רגיל, אך נועדה להיות מהירה ויעילה יותר. FastSearch משמש גם לעיגון נתונים עבור ג'מיני.

סיכומי AI / LLM

מתחת לתוצאות האורגניות ברובן (בדרך כלל, שתיים מהן), אנו מקבלים את הכותרת "מדריך האינטרנט" וכן סיכום שנוצר על ידי בינה מלאכותית. סיכום זה מוצג עבור כל התוצאות, למרות שלעיתים הוא מתמקד בכמה דברים ספציפיים בהתאם לשאילתת החיפוש.

פירוט נושאי משנה

פיזור שאילתות (Query fan-out) הושק עם AI mode בחודש מאי. הוא מנסה לפרק שאילתה לתת-נושאים כדי לקבל תמונה רחבה יותר של מה שהמחפש עשוי לרצות. שאילתות fan-out מתרחשות מאחורי הקלעים ב-AI mode וב- AI overviews – אך מוצגות בעקיפין ב-Web guide.

לאחר סיכום ה-web guide מוצגים בלוקים של תוצאות אורגניות. לכל בלוק יש כותרת ותיאור, ולאחר מכן עד ארבע תוצאות גלויות (כרגע).

כל אחד מהמקטעים הללו הוא תוצר של פיזור שאילתות. למרות שהפירוט עצמו אינו מוצג, מדריך האינטרנט מייצר את שאילתות הפירוט, מפעיל את חיפושי הפירוט, מדרג את התוצאות הרלוונטיות ביותר עבור כל פירוט ולאחר מכן מסכם את התוצאות הללו. הכותרות אינן שאילתות ה-fan out עצמן, ככל הידוע לנו, אלא התוצאה הסופית של התהליך.

בבדיקה שנעשתה עבור החיפוש "עכברי גיימינג אלחוטיים" – להלן רשימה של כל תת-נושא / פיזור שאילתות:

• עכברי גיימינג אלחוטיים הטובים ביותר: ביקורות ובחירות של מומחים.
• השוואות מפורטות של עכברי גיימינג אלחוטיים.
• רשימת מוצרים וקניות של עכברי גיימינג אלחוטיים.
• סקירת עכברי גיימינג אלחוטיים של Razer.
• המלצות ודיונים מתוך קהילות בנושא עכברים אלחוטיים.
• סקירות מעמיקות של עכברי גיימינג אלחוטיים ספציפיים.
• מדריכים לבחירת עכברי גיימינג ופתרון בעיות.

הערה: מספר פיזור השאילתות בכל תוצאה נתונה השתנה לא מעט במהלך הבדיקה (ובין שאילתות). עוד רגע ניכנס לאופן הביצוע של פיזור השאילתות בכל חיפוש, בהתבסס על תוצאות נצפות של Web Guide.

כתיבה מחדש על ידי AI / LLM

בינה מלאכותית וג'מיני פועלים גם בדרכים פחות ברורות בתוך Web Guide.

לדוגמה, לא כל סניפט מתחת לכותרת היא תגית המטא תיאור של העמוד או התוכן שלו. זהו סיכום המבוסס על שערוך הכוונה של המחפש, שמסביר כיצד הדף משרת את הכוונה הזו. במילים אחרות, במקום רק לסכם את הדף, גוגל/ג'מיני מנסים לומר מדוע הם חושבים שהדף הזה רלוונטי.

בדוגמאות נוספות, תוצאות מצטטות תוכן רלוונטי לשאילתת המחפש מתוך פורומים. ניתן לטעון שזה טוב למחפשים ויכול להוביל לקליקים רלוונטיים יותר. עם זאת, כאנשי שיווק בתחום החיפוש, זוהי אבולוציה נוספת שמאלצת אותנו לשחרר את השליטה בתוכן שלנו, ולהסתכל על התמונה הגדולה יותר של מה המחפש עשוי לרצות.

אם נחבר את הכל יחד, פיצ'ר זה בהחלט מרגיש הרבה יותר אורגני מ-AI mode, אבל המציאות קצת יותר מסובכת. בואו נדבר על מה שקורה מאחורי הקלעים.

מה זה בדיוק Query fan-out?

כאשר גוגל השיקה את AI Mode, ליז ריד (סמנכ"לית וראש תחום החיפוש בגוגל) כתבה:

"AI mode משתמש בטכנולוגיית פיזור השאילתות שלנו, המפרק את השאלה לתת-נושאים ומוציא ריבוי שאילתות בו זמנית בשם המחפש. זה מאפשר לחיפוש לצלול עמוק יותר לתוך האינטרנט מאשר חיפוש מסורתי בגוגל."

בעוד ש"ריבוי" עשוי להיות הגזמה, AI mode אישר ויזואלית שגוגל ביצעה חיפושים נוספים וניתחה מספר תוצאות חיפוש (נראה שההודעה הזו כבר לא קיימת). בדרך כלל, זה היה בערך חצי תריסר חיפושים.

כאשר ווב גייד הושק במעבדות גוגל, ג'סטין וו (מנהל מוצר) אישר גם הוא את השימוש בטכניקת פיזור שאילתות בתוצאות Web Guide:

"בדומה ל-AI mode גם ווב גייד משתמש בפיזור שאילתות, ומבצע בו זמנית מספר חיפושים קשורים כדי לזהות את התוצאות הרלוונטיות ביותר."

מעבר לתובנות מסוימות שניתן למצוא בפטנטים, גוגל חשפה מעט מאוד על אופן פעולת פיזור השאילתות, או באילו סוגי fan-out הם משתמשים בדרך כלל.

אילו fan-outs גלויים בתוצאות החיפוש?

בהתבסס על כותרות המופיעות ב- Web Guide, האם ניתן לחבר את סוגי פיזור השאילתות שגוגל עשויה לבצע, וליצור שאילתות משלנו?

באמצעות כותרות שנצפו בפועל, מומחי חברת Moz ניסו להבין איך פועל תהליך הפיזור. זה כלל לא מעט ניכוי, והתוצאה הסופית אינה מודל של איך בדיוק גוגל עובד – אלא מסגרת להבנת התהליך הרחב יותר.

המחקר של מוז הסיק בסופו של דבר טקסונומיה של 10 סוגי פאן-אאוט. סוגים אלו מאורגנים באופן רופף כ"מסע משתמש": מה מנסה המחפש להשיג, ומהם הצעדים שהוא עשוי לנקוט במסע הזה לקראת פעולה סופית?

כשאנו מתקדמים לעבר עולם היברידי זה, ייתכן שיהיה מוטב להתרחק משאילתות חיפוש מסורתיות ולעבור לשאלות (פרומפטים). לפיכך כל הדוגמאות הבאות מבוססות על השאלה: "מהם העכברים האלחוטיים הטובים ביותר עבור גיימרים?"

פיזור סמנטי

בעולם של AI / LLM יש דרכים רבות לומר בערך את אותו הדבר. Semantic fan-outs הן שאילתות או פרומפטים עם מילים שונות, אך משמעות דומה. לדוגמה:

"אילו עכברי גיימינג מתפקדים בצורה הטובה ביותר עבור שחקנים?"
"מהם עכברים אלחוטיים טובים עבור גיימרים?"

פיזור ישויות

Entity fan-out מרחיב את נושא הישות – אדם, מקום, דבר או מותג:

"האם עכברי HyperX טובים לשחקני FPS?"
"האם Pulsar היא בחירה טובה לגיימרים?"

פיזור המשך-מעקב

Follow-up fan-out כנראה מובן מאליו – מה המחפש צפוי לשאול בהמשך? דוגמאות כלליות:

"כמה זמן מחזיקים עכברי גיימינג אלחוטיים?"
"האם עכברים אלחוטיים טובים למשחק תחרותי?"

פיזור תכונות

Attribute fan-out מתמקד בתכונה או מאפיין ספציפיים, כגון:

"כמה חשובים חיי הסוללה בעכברי גיימינג?"
"כמה DPI חשוב לעכברי גיימינג?"

פיזור מעקב חזוי

מה לגבי המעקב שאחרי המעקב? Anticipate fan-out מסתכל שני צעדים או יותר קדימה, לפעמים אפילו על שאלות לאחר עסקה:

"אילו הגדרות רגישות עוזרות לגיימרים חדשים?"
"אילו אביזרים עוזרים למשתמשי עכבר אלחוטי?"

פיזור עובדתי

באמצעות Factual fan-out, שלושת סוגי הפיזור הבאים צוללים לכוונת חיפוש אינפורמטיבית (Informational intent): עובדות, נתונים ופרטים ספציפיים:

"אילו סקרים בוחרים מקצוענים לעתים קרובות?"
"באיזו תדירות גיימרים מחליפים עכברים אלחוטיים?"

פיזור הדרכה

Tutorial fan-out צולל עמוק יותר לנושא, כגון מדריכים לסוגיהם. שלושת סוגי הפיזור האינפורמטיבי הם מועמדים טובים לשיווק מבוסס תוכן:

"איך להאריך את חיי הסוללה בעכברי גיימינג"
"איך להגדיר עכבר גיימינג חדש?"

פיזור פרספקטיבה

Perspective fan-out מתמקד בפרספקטיבות ודעות אנושיות, כולל דיונים ופורומים, שגוגל נשענת עליהם במידה רבה:

"אילו עכברים מומלצים לעתים קרובות?"

פיזור השוואות

סוגי הפיזור הללו מתאימים למורד המשפך השיווקי, לכיוון פעולה או עסקה. Comparison fan-out משווה שני פריטים או מושגים או יותר:

"מה מחזיק מעמד זמן רב יותר: עכברים אופטיים או עכברי לייזר?"
"האם עכברי פרימיום באמת טובים יותר מעכברים זולים?"

פיזור עסקאות

Transact fan-outs נוגעות במרחב מסחרי או עסקי ברור. המחפש מוכן לבצע פעולה, כגון רכישה:

"מתי בדרך כלל עכברי גיימינג יוצאים למבצע?"
"היכן ניתן לקנות משטחי עכבר לעכברים אלחוטיים?"

שימו לב ש-10 סוגי ה-fan outs הללו אינם ממצים או שוללים זה את זה. המטרה היא לספק מסגרת להבנה מדוע וכיצד מתרחש פיזור השאילתות, ולהמחיש כיצד מיפוי שלהן יכול לעזור למשווקים להבין טוב יותר את מסע המחפש.

איך כל זה משפיע על קידום אתרים?

החדשות הטובות הן שחיפוש היברידי הוא אורגני לפחות בחלקו, ו-Web Guide נשען במידה רבה על אלגוריתמים מרכזיים של חיפוש בגוגל. לקראת עתיד היברידי, הנה שלושה דברים שכדאי לזכור:

חיפוש הוא שיחה

בין אם מדובר בשיפור שאילתה ולחיצה על תוצאות, או בשיחה הלוך ושוב עם LLM – חיפוש הוא שיחה. שפה טבעית היא מצב ברירת המחדל שלנו כבני אדם, והמעבר לחיפוש שיחתי מתרחש כבר למעלה מעשור.

צריך לדעת לשחרר

לא משנה כמה טוב תעצבו את התוכן שלכם, כותרות או תיאורי מטא – גוגל יסכם ויפרש אותן עצמאית יותר ויותר בעתיד. זה אולי נשמע מתסכל, אבל חשוב להתמקד בהנעת המחפש לכיוון מועיל הדדית – גם אם זה אומר לוותר על הניסיון לשלוט בכל צעד שהוא עושה.

מיקומים יהיו מבולגנים

אומנם עדיין יש מיקומים בחיפוש היברידי וב-web guide, אבל קחו בחשבון שני דברים:

ראשית, אם פיזור שאילתות נתון משרת טוב יותר את צורכי המחפש, הוא עשוי להעדיף זאת על פני תוצאות אחרות. במילים אחרות, תוצאה מספר 6 יכולה להיות הרלוונטית ביותר, אם היא התוצאה הראשונה שמתיישרת בצורה הטובה ביותר עם כוונתו וצרכיו של המחפש.

שנית, ואולי מדאיג יותר, התוצאות בתוך כל פיזור נתון מגיעות כנראה מהמיקומים האורגניים המובילים של שאילתת-משנה זו. במילים אחרות, תוצאה מספר 7 יכולה למעשה להיות תוצאה מספר 1 או מספר 2 בשאילתה אחרת. משמעות הדבר היא שנצטרך להתחרות במקביל על מספר שאילתות-משנה, כדי להתמקם בכל דף תוצאות של ווב גייד נתון.

האם AI Mode הוא לא העתיד?

סביר להניח ששמעתם משווקים שאומרים ש-AI Mode המבוסס על ג'מיני בלבד, הוא עתיד בלתי נמנע. אומנם אנחנו לא נביאים, אך רוב הסיכויים שזה לא סביר מסיבות רבות. הנה שתי הגדולות בהן:

1. מודלים גדולים של שפה (LLMs) לא טובים בהכל. אפילו OpenAI הודתה שהזיות הן מאפיין שלהם, לא באג. עיגון עובדות (Search grounding) ואחזור מוגבר (RAG) יכולים לעזור, אך הם לא פותרים את הבעיה הבסיסית. LLMs הם סימולטורים הסתברותיים של שפה ויש להם מגבלות רבות.

גם בלי הזיות, LLMs לא מתאימים למשימות מסוימות, כמו חיפוש מותגים וחיפושים מקומיים. התוצאה היא שגוגל נאלצת להוסיף קישורים ותכונות ל-AI mode, מה שהופך אותו למעשה לתוצאת חיפוש היברידית.

2. בינה מלאכותית גנרטיבית עולה הרבה כסף. אנו יודעים ש-OpenAI מדממת כסף, והערכות מוקדמות מצביעות על כך שפרומפטים של LLM עולים לגוגל ולבינג לפחות פי 10 מחיפוש מסורתי. בעוד שהתשתיות משתפרות והעלויות יורדות, יש גם לחץ להשיק דגמים חדשים, גדולים ובעלי יכולות גבוהות יותר, מה שמגביר את העלויות. לדוגמה: גוגל שילבה מייד את ג'מיני 3 בתוך AI mode, מרגע השקתו.

במקביל, גוגל התקשתה ליצור רווחים מתוצאות AI mode, מה ששיבש את מאמציה ארוכי הטווח להשתמש בתכונות SERP כדי להניע את המחפשים במורד המשפך אל שאילתות שבהן מודעות פרסום וקניות יעילות יותר.

שימו לב שזה לא בינארי – אנחנו יכולים להגיע למצב היברידי שנמצא איפשהו בין ווב גייד ל-AI mode, או שאנחנו יכולים בסופו של דבר לקבל ניתוב של חיפושים מסוימים ל-AI mode ואחרים ל-Web guide.

מה זה אומר לגבי קידום אתרים?

בקצרה, web guide וסוגים אחרים של חיפוש היברידי טובים לקידום אתרים. הם מבוססים על תוצאות אורגניות והאלגוריתמים שאנו כבר מכירים.

התשובה הארוכה היא שלא משנה מה צורת החיפוש בגוגל – בני אדם רוצים להשתמש בשפה טבעית, ומכונות משתפרות בנושא הזה. גם אלו חדשות טובות, וזהו נתיב שאנו צועדים בו כבר למעלה מעשור.

בין אם העתיד נוטה יותר לכיוון תוצאות אורגניות מסורתיות, או יותר לכיוון תוצאות מבוססות AI / LLM – עלינו להבין את מסע החיפוש הרחב יותר, את הנתיבים שאנשים עוברים לקראת פעולה, ואיך לשרת את צורכיהם בנקודות מרובות לאורך נתיבים אלה. ווב גייד של גוגל מראה לנו את הסימנים לאורך הדרך.