כאשר תשובות הבינה המלאכותית נסמכות על מקורות חיצוניים, המקורות עשויים להיות מוצגים בגוף התשובה במספר דרכים. עם זאת יש להבין שגם אם ה-AI השתמש באתר שלכם כמקור עיגון (Grounding Source), זה לא אומר שהדף שלכם הופיע כציטוט (Citation), או ששם המותג שלכם אוזכר בתשובה עצמה (Mention).
מדובר באירועים מתואמים אך נפרדים, שנוצרים בשלבים שונים של תהליך מתן התשובות ב-AI. עם זאת, רבים נוטים לבלבל ביניהם ולהתייחס אליהם כאל אירוע אחד - מה שגורם גם לבלבול ולשגיאות במדידת הנראות בכלי מעקב אחר בינה מלאכותית.
למה מתבלבלים בין ציטוט לאזכור?
אחת הטעויות הנפוצות ביותר בקידום אורגני בבינה מלאכותית, היא להתייחס לשלושה דברים שונים כאחד: אחזור האתר כמקור עיגון, ציטוט האתר בתשובה וכן אזכור האתר בשמו בתוך התשובה.
אירועים אלו קשורים זה לזה ומתואמים ביניהם חזק, כך שקל להתייחס אליהם יחד - אבל הם אירועים נפרדים, שנוצרים על ידי החלטות נפרדות בשלבים שונים של התהליך. הטשטוש ביניהם הוא מקור לרוב הבלבול במדידת הנראות בבינה מלאכותית.
תהליך מתן תשובה בבינה המלאכותית
הנה בערך מה שקורה בין בקשת המשתמש לתשובה שהוא מקבל:
- המשתמש מזין בקשה או שאלה.
- הבקשה מפורקת לריבוי שאילתות (Query fan-out).
- מקורות המידע מצומצמים לפי רלוונטיות.
- קטעי הבסיס ששרדו את הניפוי מתווספים להקשר של המודל.
- המודל מייצר את התשובה, שכוללת שני דברים נפרדים: אזכורי מותג בסדר מסוים בטקסט, לעיתים עם קישורים; וכן ציטוטים המצורפים למקורות בהם השתמש ה-AI.
שלוש תוצאות שונות מתקיימות בתוך הזרימה הזו, אך רובנו חושבים בטעות שמדובר בדבר אחד.
מקור העיגון: אחזור המידע
מקור העיגון (Grounding Source), או בפשטות "מקור", הוא דף שהמערכת אחזרה במטרה להשתמש בו כחומר גלם לתשובה. זוהי תוצאת אחזור בלבד, שמוכרעת בשלבים שלוש וארבע, לפני שנכתבה אפילו מילה אחת מהתשובה.
השאלה האם דף מסוים הופך למקור תלויה בפיצול השאילתות, ברלוונטיות שלכם אליהן וכיצד צומצמה קבוצת המועמדים. אומנם חשוב מאוד להיות מקור המידע שעליו נשענת תשובת ה-AI, אך בפני עצמו זהו תהליך בלתי נראה. המשתמש לעולם לא רואה את קבוצת העיגון ששימשה את המודל. בשלב זה חשוב לציין שקבוצת העיגון היא המאגר שממנו המודל שואב מידע, אך לא את התשובה עצמה.
ציטוט: ייחוס המידע למשתמש
ציטוט (Citation) הוא מקור מידע שהמודל בחר להציג כמקור. זהו הקישור הקטן והממוספר המוצג ברשימת ה"מקורות", כלומר הייחוס המצורף לטענה. זוהי תת-קבוצה של קבוצת מקורות העיגון: כל ציטוט הוא מקור עיגון, אך רוב המקורות הללו לעולם אינם מצוטטים. המודל שולף הרבה יותר מקורות ממה שהוא מציג בסוף בפועל.
ציטוט מתייחס למקור. הוא אומר למעשה: "טענה זו נשענת על עמוד זה". הוא, כשלעצמו, אינו אומר דבר על המותג המופיע בטקסט של התשובה. ציטוטים הם הביבליוגרפיה, לא תהליך סיעור המוחות שהוביל לתשובה.
אזכור: שם מותג מופיע בתשובת ה-AI
אזכור (Mention) הוא המותג שמופיע בשמו בגוף התשובה - החלק שהמשתמש קורא וזוכר בפועל. זו החלטה המבוססת על תהליך יצירת התשובה (לכן המודל נקרא ג'נרטיבי), והיא מושפעת הרבה יותר מההערכות הקודמות של המודל - כלומר מה שהוא כבר יודע - מאשר אילו דפים במקרה נחתו בקבוצת העיגון.
המודל נוטה להחליט על מי לדבר, ואז מחפש מקורות כדי לתמוך בהחלטה. ההמלצה עצמה מגיעה מסיעור המוחות; הציטוט מגיע מהביבליוגרפיה.
אזכור הוא תוצאה בעלת משקל מסחרי. משתמש לא קורא את רשימת המקורות ולא מתרשם מהמותג; הוא קורא את המשפט שמציין אותו, או את זה שלא.
למה שלושת הסוגים נראים מפוצלים?
מכיוון שכל תוצאה נקבעת על ידי מנגנון שונה, יכול להתרחש כל אחד מהשילובים הבאים:
- מעוגן אך לא מצוטט - זו ברירת המחדל. הדף שלכם נסרק אך מעולם לא הופיע כהפניה. מצב זה נפוץ וברובו בלתי נמנע - המודל מאחזר הרבה יותר ממה שהוא מצביע עליו בפועל.
- מצוטט אך לא מוזכר - הדף שלכם מיוחס כמקור, אך המותג שלכם לעולם לא מופיע בהמלצה הקריאה. אתם סיפקתם את הראיות ומתחרה קיבל את הקרדיט בטקסט. לא סימפטי, אנחנו מסכימים.
- מוזכר אך לא מצוטט - המודל מציין את שם המותג שלכם מהידע הקודם שלו (נתוני אימון), בלי לצרף את הדף שלכן כמקור. המותג שלכם עבר דרך זיכרון המודל, לא דרך אחזור בזמן אמת, כך ששום דבר לא צוטט.
- מוזכר ומצוטט - המקרה שכולם מניחים שהוא הנורמה. זה קורה לעתים קרובות, כי השלושה מתואמים. זה פשוט לא מובטח.
למרות ששני מצבים מתואמים חזק - מקור מצוטט נוטה יותר להיות מוזכר, ומותג מוזכר נוטה יותר להיות מצוטט - המתאם ביניהם נמוך בהרבה מאחד. התייחסות לאחד כאל מייצג של השני, פירושה מדידה שגויה של הנראות בבינה המלאכותית.
מדוע זה חשוב למדידת נראות ב-AI?
מכיוון שעיגון, ציטוט ואזכור הם שלושה אירועים נפרדים ולא אחד, הווה אומר שהם שלוש בעיות מדידה נפרדות ולא שלוש תוויות לאותו מספר. כלי מדידה שסופר אירוע אחד אך מדווח עליו כאירוע אחר, לא רק חוטא במדידה לא מדויקת אלא מודד משהו שונה לחלוטין ממה שדרוש לקבלת החלטות מושכלת אודות תקציב השיווק שלכם.
הגרסה הנפוצה ביותר של שגיאה זו היא דיווח על "מצוטט כמקור עיגון" כאילו היה "מצוטט בתשובה" - כלומר דיווח זה מכווץ את אירוע האחזור לאירוע הייחוס. נתון זה מנפח את הנראות לכאורה, עם דפים שהמשתמש מעולם לא ראה הפניה אליהם, שלא לדבר על קריאה של שם המותג שלכם.
ההבחנה הזו גם ממסגרת מחדש מה תוכן יכול ולא יכול לעשות. אחזור - הפיכה למקור עיגון, וזכייה בציטוט - מגיבה באמת לתוכן ולרלוונטיות. זוהי השכבה שאתם יכולים להנדס. האזכור, ומעליו ההמלצה, נשענים על המידע הקודם של המודל, שכמעט ולא זז בתגובה למידע מעמוד בודד.
אתם יכולים לנצח לחלוטין בשלב האחזור, ועדיין לאבד את השורה היחידה שהמשתמש קורא. זו הסיבה שנראות בבינה מלאכותית פחות עוסקת בנוכחות ויותר בהשפעה - ומדוע המדד האמיתי נשען על אזכור במקום להסתתר מאחורי ספירת ציטוטים.
רגע לפני סיום: מה חשוב לעשות
כדי להקל עליכם, דרגו את התוצאות לפי כמה הן שוות: ציטוט טוב, אזכור טוב יותר, המלצה היא הטובה ביותר. כל המלצה היא אזכור, לא כל אזכור הוא המלצה וציטוט אינו ערובה לאף אחד מהם. כל העניין בהפרדת המונחים הוא שאתם יכולים לנצח בקצה הזול של הסולם ולהפסיד בקצה היקר, ומדד שמטשטש אותם לעולם לא יגיד לכם מי זה מי.
האם אפשר לסמוך על כלים למדידת נראות בבינה מלאכותית? ראשית, לדעתנו המקצועית מוטב לבחור בכלי AI Visibility של צד ראשון, כלומר כלים כגון גוגל קונסול וכן כלי מנהל האתרים של מיקרוסופט. לאחרונה הם החלו להציג מידע מינימלי בנושא חשיפות ב-ai שלהם, וזה תמיד עדיף על כלי צד שלישי (כגון ahrefs / semrush).
אם בכל זאת אתם נאלצים להשתמש בכלים חיצוניים (כי עדיין אין מידע צד ראשון של צ'ט ג'יפיטי או פרפלקסיטי), היעזרו בהבדלים שצוינו כאן בין מקור, ציטוט ואזכור כדי להבין מה הכלים הללו באמת מודדים, ואיך זה יכול להשפיע על הביצועים העסקיים שלכם.