האם אותות AEO באתר מנבאים הופעה בתשובות AI? מדדנו 62 עסקים
לא, לא במחקר הזה. ב-62 עסקים מקומיים ביפן, ציון AEO שלנו לאתר (נתונים מובנים, llms.txt, גישת סורקים ואותות דומים) לא הראה קשר לתדירות שבה Perplexity הזכיר עסק או ציטט אותו כשנשאל להמלצות: ρ של ספירמן = 0.03 (רווח בר-סמך 95%: −0.23 עד 0.28, p = 0.834). עם 62 עסקים, המחקר יכול היה לזהות באופן אמין רק מתאמים של כ-|ρ| ≥ 0.35, ולכן לא ניתן לשלול קשר חלש יותר.
פורסם ב-28 באוקטובר 2026. הנתונים נמדדו ב-24 באוקטובר 2026. Nurevo מפתחת כלי AEO, כולל הציון שנבדק כאן; ראו "ניגוד העניינים שלנו" בהמשך.
סיכום
- השאלה: האם עסקים שהאתרים שלהם מקבלים ציון גבוה יותר במדד הקריאות ל-AI של Nurevo (0 עד 100) מופיעים לעתים קרובות יותר בתשובות AI לשאלות שאינן מזכירות אותם בשמם?
- התשובה: לא נתמכה. ρ = 0.03 בסך הכול, ועדיין 0.03 לאחר תקנון לפי תחום ועיר.
- בסך הכול, עסקים הופיעו ב-21.0% מהתשובות לשאלות גילוי; 25 מתוך 62 הופיעו לפחות פעם אחת.
- גם אף רכיב בודד של הציון (נתונים מובנים, llms.txt, כיסוי וכו') לא הראה קשר, לאחר תיקון להשוואות מרובות.
- מה אנחנו לומדים מכך: נתונים מובנים עוזרים ל-AI לקרוא נכון את פרטי העסק, אבל כשלעצמם הם לא קובעים אם העסק יוזכר. גורמים אחרים חשובים יותר, וככל הנראה ביניהם מה שאתרים אחרים אומרים על העסק. הנקודה האחרונה היא השערה שהמחקר הזה לא בדק.
למה ערכנו את המחקר
המלצות AEO (אופטימיזציה למנועי תשובות), כולל שלנו, גורסות שהנגשת אתר לקריאה על ידי AI (נתונים מובנים של schema.org, קובץ llms.txt, מתן גישה לסורקי AI, תוכן המרונדר בצד השרת) עוזרת לעסק להופיע בתשובות AI. Nurevo מוכרת ציון שבנוי בדיוק על האותות האלה. רצינו ראיות כנות לשאלה אם הציון משקף את מה שבאמת חשוב לבעלי עסקים: שה-AI יזכיר אותם. קבענו את ההשערה, את הניתוח ואת קריטריוני ההחלטה לפני שאספנו תשובה כלשהי, והתחייבנו לפרסם את התוצאה בכל מקרה.
שיטה
- מדגם: 72 עסקים מקומיים עם אתר רשמי משלהם, שנבחרו באמצעות חיפוש ברשת (ללא אתרי פורטל), ב-5 תחומים (מרפאות שיניים, מסעדות, מספרות ומכוני יופי, יועצי מס, לינה) וב-4 ערים ביפן (טוקיו, אוסקה, פוקואוקה, סאפורו). 10 הוצאו משום שלא ניתן היה לחשב ציון לאתר שלהם, ונותרו 62 לניתוח.
- ציון: דף הבית, robots.txt ו-llms.txt של כל אתר דורגו באותו קוד של הציון הציבורי של Nurevo: נתונים מובנים (30 נקודות), כיסוי (25), קריאוּת (20), llms.txt (15) ועקביות (10), עם שער לגישת סורקים, חסימה ברמת ה-edge ורינדור בצד השרת (כישלון בו מגביל את הציון ל-15).
- מנוע: Perplexity, דרך ה-Agent API שלו עם ההגדרה המוכנה "fast" (חיפוש אחד ברשת ואז תשובה), אותו מתאם שבו משתמשת התוכנית בתשלום של Nurevo למדידת נראות ב-AI. מנוע אחד בלבד; ראו מגבלות.
- שאלות: שלוש שאלות "גילוי" לכל עסק, המציינות את האזור ואת סוג העסק אך לא את העסק עצמו (לדוגמה: "המלץ על רופא שיניים ב-Umeda"), המשותפות לכל העסקים מאותו תחום באותו אזור, ועוד שאלה "שמית" אחת המבקשת את הכתובת ושעות הפתיחה של העסק. כל שאלה נשאלה שלוש פעמים.
- מדד תוצאה: עסק "הופיע" בתשובה אם שמו הופיע בתשובה או שהדומיין שלו היה בין המקורות המצוטטים. שיעור ההופעה הוא חלק תשובות הגילוי שבהן הופיע.
- בדיקת הגלאי: בתשובות לשאלות השמיות זוהה שם העסק ב-84.3% מהמקרים, מעל סף ה-70% שקבענו כדי לסמוך על הגלאי.
- ניתוח: מתאם דירוגים של ספירמן עם ערך p בשיטת פרמוטציות ורווח בר-סמך בשיטת bootstrap; מתאם חלקי עם תחום ועיר כאפקטים קבועים; מבחן פרמוטציות בתוך שכבות; ורגרסיה לוגיסטית עם אפקטים קבועים לתחום ולעיר ותיקון quasi-binomial, משום שתשובות חוזרות לאותה שאלה אינן בלתי תלויות. ששת מבחני הרכיבים תוקנו בשיטת Holm.
הקריטריון ל"נתמכה" נקבע מראש: ρ ≥ 0.3, p < 0.05, רווח בר-סמך 95% מעל אפס, ומתאם מתוקנן חיובי. טקסט התשובות לא נשמר; נשמרו רק האם השם הופיע, האם הדומיין צוטט, ומיקום הציטוט.
תוצאות
המסקנה היא "לא נתמכה". כל מבחן של הציון מול ההופעה מניב מתאם הקרוב לאפס:
| מבחן | תוצאה | ערך p |
|---|---|---|
| ציון מול שיעור הופעה (ρ של ספירמן, ראשי) | 0.03 (רווח בר-סמך 95%: −0.23 עד 0.28) | 0.834 |
| כנ"ל, בתקנון לפי תחום ועיר (מתאם חלקי) | 0.03 | 0.845 |
| כנ"ל, מבחן פרמוטציות בתוך שכבות | 0.03 | 0.829 |
| ציון מול הופעת השם (שאלות גילוי) | −0.04 | 0.782 |
| ציון מול ציטוט האתר של העסק (שאלות גילוי) | 0.18 | 0.149 |
| ציון מול ציטוט האתר של העסק (שאלות שמיות) | −0.03 | 0.813 |
| רגרסיה לוגיסטית עם אפקטים קבועים לתחום/עיר, quasi-binomial: יחס סיכויים לכל +1 סטיית תקן בציון (18.81 נקודות) | ×1.01 (רווח בר-סמך 95%: 0.62 עד 1.64) | 0.972 |
המקדם הגדול ביותר, 0.18 בין הציון לבין ציטוט האתר של העסק עצמו, אינו נבדל מאפס (p = 0.149) ואין לפרש אותו כממצא.
לפי טווח ציון
Nurevo מציגה את הציון באדום, בצהוב או בירוק. רוב האתרים במדגם היו באדום, ואף אחד לא הגיע לירוק, ולכן המחקר אינו אומר דבר על ציונים גבוהים מאוד.
| טווח | עסקים | שיעור הופעה ממוצע | הופיעו לפחות פעם אחת |
|---|---|---|---|
| אדום | 54 | 20.8% | 22 |
| צהוב | 8 | 22.2% | 3 |
| ירוק | 0 | - | - |
לפי רכיבי הציון
אף אחד מרכיבי הציון לא היה קשור להופעה. לאחר תיקון Holm כל ערכי ה-p הם 1.000. המבחנים האלה היו גישושיים.
| רכיב | ρ של ספירמן מול שיעור ההופעה |
|---|---|
| נתונים מובנים (schema) | 0.08 |
| כיסוי | 0.12 |
| קריאוּת | −0.17 |
| llms.txt | −0.02 (יחס סיכויים 1.41, רווח בר-סמך 95%: 0.79 עד 2.52) |
| עקביות | 0.06 |
| שער (גישת סורקים, edge, רינדור בצד השרת) | 61 עברו: הופעה 21.3%; 1 נכשל: 0% |
לפי תחום ולפי עיר
ההופעה השתנתה לפי תחום ולפי עיר יותר מאשר לפי ציון. אלה נתונים תיאוריים מקבוצות קטנות, לא הבדלים שנבדקו סטטיסטית.
| קבוצה | עסקים | ציון ממוצע | שיעור הופעה |
|---|---|---|---|
| יועצי מס | 13 | 27.92 | 10.3% |
| לינה | 13 | 21.08 | 23.9% |
| מרפאות שיניים | 13 | 40.15 | 25.6% |
| מספרות ומכוני יופי | 8 | 24.25 | 8.3% |
| מסעדות | 15 | 24.20 | 30.4% |
| אוסקה | 15 | 26.27 | 15.6% |
| סאפורו | 17 | 29.41 | 9.8% |
| טוקיו | 15 | 25.53 | 31.1% |
| פוקואוקה | 15 | 29.27 | 28.9% |
מגבלות
- מחקר חתך: מדידה אחת של אתרים רבים מראה קשר, לא סיבתיות. כדי לדעת אם שיפור אתר משנה את הופעתו נדרש מחקר לפני-ואחרי על אותם אתרים.
- עוצמה סטטיסטית: עם 62 עסקים, מתאם חלש מכ-|ρ| = 0.35 עלול לעתים קרובות לא להתגלות. עסקים באותו אזור ובאותו תחום חולקים את אותן תשובות, ולכן המדגם האפקטיבי קטן עוד יותר. "לא נמצא" כאן אין פירושו "לא קיים".
- מנוע אחד, שבוע אחד: Perplexity עם ההגדרה "fast", שנמדד ב-24 באוקטובר 2026. ChatGPT, Gemini, AI Overviews של Google ו-Copilot משתמשים באינדקסים ובמודלים אחרים; התוצאות האלה אינן חלות עליהם.
- משתנים מבלבלים שלא נצפו: ביקורות, מודעות למותג, פרסום, ותק העסק ורישומים באתרים אחרים לא נמדדו. התקנון נעשה רק לפי תחום ועיר.
- מדגם: העסקים אותרו באמצעות חיפוש ברשת, ולכן הם נוטים לכיוון עסקים שכבר קל למצוא. אף אתר לא קיבל ציון ירוק. 5 תחומים ו-4 ערים ביפן אינם בהכרח מייצגים תחומים, אזורים או שפות אחרים.
מה זה אומר לאתר של העסק שלכם
נתונים מובנים, llms.txt וגישת סורקים עדיין ממלאים תפקיד: הם מאפשרים ל-AI לקרוא את פרטי העסק (כתובת, שעות פתיחה, מספר טלפון, שירותים) ישירות ובמדויק במקום לנחש. זה תפקיד שכדאי למלא, והוא שונה מהתפקיד של לקבל המלצה. במחקר הזה, אתר שנקרא טוב יותר לא היה אתר שהוזכר יותר.
השערת העבודה שלנו היא שמקורות מחוץ לאתר (רישומי ביקורות ומפות, תקשורת מקומית, מדריכים, אתרים אחרים שמזכירים את העסק) משפיעים במידה רבה על השאלה אם AI יזכיר עסק כשהוא עונה על שאלת המלצה. המחקר הזה לא מדד את המקורות האלה, ולכן זו השערה שיש לבדוק, לא תוצאה.
בפועל: שמרו על הבסיס באתר מסודר, כי הוא הופך את מה שה-AI אומר עליכם למדויק, ומדדו אם ה-AI באמת מזכיר אתכם במקום להסיק זאת מציון קריאוּת.
ניגוד העניינים שלנו, ומה אנחנו משנים
Nurevo מפתחת כלי AEO, והציון שנבדק כאן הוא אחד המוצרים שלנו. תוצאה שלפיה הציון אינו מנבא הופעה היא לא תוצאה שהיינו בוחרים, ואנחנו מפרסמים אותה משום שהקריטריונים נקבעו לפני שהנתונים הגיעו, ומשום שבעלי עסקים צריכים לדעת מה ציון יכול ומה אינו יכול לומר להם.
מה אנחנו עושים בעקבות זאת: איננו מציגים את ציון הקריאוּת ל-AI כמנבא של הופעה בתשובות AI. במקום זאת אנחנו מודדים הופעה ישירות: תוכנית Pro מודדת באיזו תדירות Perplexity מזכיר אתר או מצטט אותו (בטא), ואנחנו מוסיפים בדיקת הופעה חודשית קטנה לאתרים בתוכניות Free ו-Standard. בנוסף, אנחנו מפתחים גרסה שנייה של הציון שמשלבת נראות AI מדודה עם האותות באתר, במקום להסתמך על האותות באתר בלבד.
השמות והאתרים של העסקים שנמדדו אינם מפורסמים.
שאלות נפוצות
האם נתונים מובנים גורמים ל-AI להזכיר את העסק שלי?
במחקר הזה על 62 עסקים מקומיים ב-Perplexity, לא נמצא קשר בין אותות באתר כמו נתונים מובנים לבין התדירות שבה עסק הוזכר (ρ = 0.03). נתונים מובנים עוזרים ל-AI לקרוא נכון את הפרטים שלכם, אבל כשלעצמם הם לא ניבאו אזכור.
האם llms.txt עוזר לעסק להופיע בתשובות AI?
לא מצאנו קשר במחקר הזה: ρ = −0.02 בין רכיב llms.txt לבין שיעור ההופעה (ערך p מתוקן Holm = 1.000). המחקר היה קטן והשתמש במנוע אחד, ולכן אין בכך הוכחה ש-llms.txt לעולם אינו משנה.
האם זה אומר ש-AEO חסר טעם?
לא. AEO באתר הופך את מה שה-AI אומר על עסק למדויק. המחקר מרמז שהוא אינו מספיק כדי לקבל המלצה, ושיש למדוד אזכורים ישירות ולא להסיק אותם מציון קריאוּת.
איזה מנוע AI נמדד?
Perplexity בלבד, דרך ה-Agent API שלו עם ההגדרה "fast", ב-24 באוקטובר 2026. התוצאות אינן חלות על ChatGPT, Gemini, AI Overviews של Google או Copilot.