Share of Voice במנועי AI: כמה מהשיח שייך לכם?

איך זה עובד בפועל? לוקחים את השאלות שלקוחות באמת שואלים, נגיד "איזה משרד עורכי דין מומלץ לדיני עבודה בתל אביב?", קובעים מהן רשימה סגורה, ומריצים אותה מול המנועים. בכל תשובה רושמים מי הוזכר. זהו, זה הבסיס.

Share of Voice הוא החלק של המותג מתוך כלל האזכורים. אם בסט של חמישים שאלות נספרו מאה אזכורים של מותגים בתחום, ועשרים מהם שייכים ללקוח שלכם, הנתח שלו הוא חמישית מהשיח. שאר השמונים מתחלקים בין המתחרים, וגם החלוקה הזאת עצמה היא מידע חשוב.

החישוב עצמו פחות חשוב מהעיקרון: המדד תמיד יחסי. הוא לא שואל כמה פעמים המותג הוזכר, אלא כמה מהבמה הוא קיבל.

ספירת אזכורים לבדה נשמעת כמו נתון, אבל היא לא אומרת כמעט כלום. שלושים אזכורים בחודש יכולים להיות הישג יפה בנישה קטנה, או טיפה בים בתחום שבו המתחרה המוביל מוזכר פי עשרה.

תרחיש מוכר מחיי סוכנות: בדוח החודשי מספר האזכורים ירד, והלקוח מתקשר מודאג. בדיקה קצרה מגלה שהתשובות של המנועים באותו חודש פשוט כללו פחות שמות של מותגים, אצל כולם. המתחרים ירדו יותר, והנתח של הלקוח דווקא עלה. המספר האבסולוטי קטן, המעמד התחרותי התחזק.

זה בדיוק התפקיד של Share of Voice: לנקות את הרעש. תנודות שמשפיעות על כל השוק לא מזיזות אותו, ומה שנשאר הוא השאלה היחידה שבאמת מעניינת: איפה המותג ביחס למתחרים.

הנתון נעשה שימושי באמת כשמפרקים אותו לנושאים. קחו לדוגמה משרד רואי חשבון: בשאלות על החזרי מס הוא מחזיק נתח יפה מהשיח, בשאלות על הנהלת חשבונות לעצמאים הוא כמעט לא קיים, ובליווי חברות מתחרה אחד גדול חולש על רוב התשובות.

מהפירוק הזה נגזרות שלוש החלטות שונות. את הנושא החזק שומרים, עם תוכן שממשיך לבסס את המעמד. בנושא שבו הפער מהמוביל קטן נלחמים, כי שם ההשקעה תזיז את הנתח הכי מהר. ובנושא שבו שחקן ענק שולט בפער עצום, לפעמים ההחלטה הנכונה היא לא להשקיע שם עכשיו, ולנתב את התקציב למקום שבו יש סיכוי אמיתי.

כך המדד הופך מתצוגה לתוכנית עבודה: אילו עמודי תוכן לחזק, אילו שאלות עדיין לא מקבלות תשובה טובה באתר, ועל אילו נושאים להילחם ברבעון הקרוב.

רוב הלקוחות לא צריכים לשמוע את המונח עצמו. משפט אחד פשוט עושה את העבודה: מתוך מאה פעמים שמנועי AI ממליצים על ספק בתחום שלכם, אתם מופיעים בעשרים, והמתחרה המוביל בשלושים וחמש. כל בעל עסק מבין את המשפט הזה בלי הסברים.

בשקף עצמו שלושה רכיבים מספיקים:

• מגמה לאורך זמן, שמראה אם הנתח גדל או מצטמק מחודש לחודש.
• השוואה שמית למתחרים שהלקוח מכיר, כי מיקום מול שם מוכר אומר לו יותר מכל מספר בודד.
• שורת מסקנה אחת בשפה פשוטה, למשל: החודש עברנו את המתחרה המרכזי בשאלות על החזרי מס.

מדידה חד פעמית לא שווה הרבה, כי תשובות של מנועי AI משתנות בין הרצה להרצה. הסיגנל האמיתי נמצא במגמה: אותו סט שאלות, באותם מנועים, במחזוריות קבועה. רק כך אפשר להגיד בביטחון שהנתח עלה בגלל העבודה שנעשתה ולא בגלל תנודה אקראית.

אפשר לנהל את זה ידנית בגיליון, וללקוח אחד זה אפילו סביר. בסוכנות עם עשרות לקוחות זה מפסיק להיות מעשי, ולכן יש מערכות מעקב ייעודיות, GEO Rank בהן, שמריצות את סט השאלות בקביעות, מחשבות את הנתח מול המתחרים ומכניסות אותו לדוח שנשלח ללקוח.

ומה עושים עם זה? מכניסים לדוח החודשי, ליד הדירוגים, ולא כנספח חד פעמי. לקוח שרגיל לראות כל חודש גם מיקומים וגם נתח מהשיח ב-AI מפסיק להגיע לישיבות עם צילומי מסך מפתיעים. הוא כבר יודע את התשובה.