מצב הנראות ב-AI של עסקים בישראל 2026: מחקר מקורי של Amud1

מנועי הבינה המלאכותית כבר משנים את הדרך שבה לקוחות מוצאים עסקים. במקום להקליד בגוגל ולעבור על עשר תוצאות, לקוח שואל את ChatGPT או את Gemini “מי הכי טוב ל-X בעיר שלי”, ומקבל תשובה אחת. השאלה ששווה כסף לכל בעל עסק: האם אתה בתשובה הזו? הממצא המרכזי של המחקר שלנו ברור: שוק הנראות ב-AI ריכוזי באופן קיצוני, מספר קטן מאוד של אתרים שולט במה שה-AI ממליץ, וכל השאר כמעט לא קיימים.

כדי לבדוק את זה עם נתונים ולא עם תחושות, ב-Amud1 הרצנו מחקר מקורי. שאלנו את ChatGPT (עם חיפוש חי ברשת) ואת Google Gemini (עם grounding) סך הכל 18 שאלות שלקוחות אמיתיים שואלים, על פני 6 תחומים (עורכי דין, רואי חשבון, מרפאות שיניים, קליניקות אסתטיקה, אינסטלטורים, מעצבי פנים) ו12 ערים בישראל. תיעדנו אילו עסקים כל מנוע נוקב בשמם, ועל אילו מקורות הוא מתבסס. אלה הממצאים.

איך הרצנו את המחקר

לפני שניגשים למספרים, חשוב להבין מה בדיוק נמדד. בנינו סט שאלות שמשקפות את הדרך שבה אנשים אמיתיים מנסחים בקשה למנוע AI, לא ביטויי חיפוש יבשים כמו שמקלידים בגוגל אלא משפטים שלמים בסגנון “מי עורך הדין הכי מומלץ ל…” או “תמליץ לי על…”. כל שאלה שייכה לאחד מששת התחומים והופנתה לעיר ספציפית מתוך שתים עשרה הערים, כך שהתמונה מכסה גם תחומים שונים וגם פיזור גאוגרפי, ולא נשענת על נישה אחת או על מטרופולין אחד בלבד.

את אותן שאלות הפנינו לשני המנועים בנפרד ותיעדנו שני דברים לכל תשובה: אילו עסקים, אם בכלל, המנוע נקב בשמם, ועל אילו מקורות הוא ביסס את התשובה. החלוקה הזו חשובה כי היא מפרידה בין שתי שאלות שונות לגמרי. הראשונה היא שאלת התפוקה: מי בכלל מגיע לתשובה הסופית שהלקוח רואה. השנייה היא שאלת התשתית: מאיפה המנוע שואב את הביטחון להמליץ, כלומר אילו אתרים הוא קורא לפני שהוא עונה. שתי השאלות יחד מספרות את הסיפור המלא של איך עובד מנגנון ההמלצה, ולמה עסק אחד נכנס לתשובה ואחר נשאר בחוץ.

שלושה ממצאים מרכזיים

1. שוק הנראות ב-AI ריכוזי מאוד

מתוך כל המקורות שמנועי ה-AI ציטטו ב-18 השאלות, רק 20 דומיינים שונים הופיעו, וחמשת המובילים לבדם תפסו 66% מכלל הציטוטים. במילים אחרות: מספר קטן מאוד של אתרים שולט במה שה-AI ממליץ, וכל השאר כמעט לא קיימים.

המשמעות של ריכוזיות כזו עמוקה יותר ממה שנדמה במבט ראשון. בעולם של גוגל, גם אם לא הגעת למקום הראשון, יש עשר תוצאות בעמוד הראשון ועוד עמודים אחריו, וללקוח יש סיכוי לגלות אותך גם אם אתה במקום השביעי. בעולם של AI אין עמוד תוצאות, יש תשובה אחת. כש-66% מהציטוטים מגיעים מחמישה מקורות בלבד, המשמעות היא שעסק שלא מופיע באותם מקורות מובילים פשוט לא קיים מבחינת המנוע. אין מקום שביעי שאפשר להיתפס בו. זו הסיבה שהנראות ב-AI מתנהגת יותר כמו זוכה אחד שלוקח הכל, ופחות כמו תחרות דירוג הדרגתית.

מהצד השני של אותו מטבע, הריכוזיות היא גם הזדמנות. כשמספר המקורות שמשפיעים על התשובה כל כך קטן, המפה ברורה. אין צורך לנסות להופיע בעשרות אתרים, מספיק להבין מי הם המקורות הבודדים שהמנוע באמת קורא, ולבנות בהם נוכחות. עסק שמבין שהרשימה קצרה יכול למקד את כל המשאבים שלו בנקודות הנכונות, במקום לפזר אותם על פני הרבה מאמצים שלא משפיעים על מה שהלקוח רואה בסוף. ככל שהשוק ריכוזי יותר, כך התשואה על פעולה ממוקדת גבוהה יותר.

2. מנועי ה-AI מסתמכים על ספריות, לא על אתרי העסקים

המקורות שה-AI מצטט הכי הרבה הם ספריות עסקים ומצרפי דירוגים, לא האתרים של העסקים עצמם. זה מאשר את העיקרון המרכזי של GEO: נוכחות ואזכורים במקורות חיצוניים אמינים חשובים יותר ממה שכתוב באתר שלך.

#	דומיין	אזכורים	סוג
1	easy.co.il	11	ספריית עסקים
2	duns100.co.il	8	דירוג חברות
3	medreviews.co.il	7	ביקורות רפואה
4	pro.co.il	7	ספריית בעלי מקצוע
5	midrag.co.il	4	דירוג נותני שירות

הדפוס הזה הגיוני מנקודת המבט של המנוע. כשמודל שפה צריך להמליץ על עסק, הוא מחפש מקור שכבר ריכז וסינן הרבה עסקים במקום אחד, מקור שנראה אובייקטיבי ולא כמו פרסום עצמי. אתר של עסק בודד הוא בהגדרה צד מעוניין, ולכן המנוע נוטה להעדיף ספרייה או מצרף דירוגים שמשדרים נייטרליות. זה לא אומר שהאתר שלך לא חשוב, אבל זה אומר שהאתר לבדו לא מספיק. אם המנוע אף פעם לא רואה את שמך במקור שהוא סומך עליו, התוכן המושקע באתר שלך פשוט לא נכנס למשוואה.

שימו לב גם לסוגי המקורות בטבלה. שלושה מהחמישה הם ספריות או מצרפי בעלי מקצוע רוחביים, אחד הוא דירוג חברות ואחד מתמחה בביקורות רפואה. התמהיל הזה מלמד שהמנוע לא מסתפק במקור גנרי אחד, אלא שוקלל לפי הקשר: בתחומים הרפואיים נכנס לתמונה מקור מתמחה בביקורות רפואה, ובתחומי המקצוע נכנסות הספריות הרוחביות. לעסק זה אומר שהמיקוד צריך להתאים לתחום, כי הספרייה שתשרת מרפאת שיניים אינה בהכרח אותה ספרייה שתשרת אינסטלטור. הכרת המקור הנכון לתחום הספציפי היא חלק מהעבודה, לא פרט טכני שולי.

3. Gemini סירב לנקוב בשמות ב-50% מהמקרים, ChatGPT אף פעם לא

זה הממצא המפתיע ביותר. ChatGPT נקב בשמות עסקים בכל 18 השאלות (בממוצע 9.7 עסקים לשאלה). לעומתו, Gemini החזיר תשובה ללא שום שם עסק ב-9 מתוך 18 השאלות, חצי מהמקרים.

והדפוס לא אקראי: Gemini נמנע מלנקוב בשמות דווקא בתחומי השירות והמקצוע (אינסטלטורים בכל שלוש הערים, מעצבי פנים בכל שלוש הערים, וחלק מהאסתטיקה), בעוד שבתחומים כמו עורכי דין, רואי חשבון ומרפאות שיניים הוא כן המליץ על עסקים ספציפיים. המסקנה: בחלק מהתחומים Gemini בוחר לתת עצה כללית במקום שם, וכל עוד זה המצב, ChatGPT הוא זירת הקרב המרכזית לאותם תחומים.

ההבדל בין שני המנועים הוא לקח אסטרטגי בפני עצמו. הפער בין מנוע שנוקב בשמות תמיד לבין מנוע שנמנע מכך בחצי מהמקרים מלמד שאין דבר כזה “נראות ב-AI” באופן כללי. יש נראות ב-ChatGPT ויש נראות ב-Gemini, והן לא זהות. עסק בתחום האינסטלציה למשל יכול להיות מוזכר היטב ב-ChatGPT ובו זמנית לחיות בעולם שבו Gemini בכלל לא מוכן לתת שם בתחומו. מי שמסתמך על בדיקה אחת במנוע אחד עלול להסיק מסקנה הפוכה מהמציאות.

שווה גם לשים לב לעוצמה של המספר 9.7. כש-ChatGPT נוקב בממוצע בכמעט עשרה עסקים לשאלה, המשמעות היא שהתשובה שלו אינה רשימה קצרה של זוכה אחד אלא מעין מצרף משלו, וגם בתוך הרשימה הזו יש סדר וחשיבות למי שמופיע ראשון ולמי שחוזר על פני שאלות שונות. כלומר גם כשנכנסים לתשובה, השאלה הבאה היא היכן בתוכה. לעומת זאת, בכל פעם ש-Gemini מחזיר תשובה ללא שום שם, הוא למעשה מסיט את הלקוח חזרה לחיפוש ידני או למקור אחר, וכאן נפתח חלון שבו דווקא הנוכחות בספריות שעלו במחקר הופכת קריטית עוד יותר, כי היא המקור שאליו הלקוח עלול להגיע בהמשך הדרך.

מה זה אומר לעסק שלך, בפועל

1. הנראות ב-AI לא מתחלקת באופן שווה. אם אתה לא בין הדומיינים והעסקים שה-AI חוזר עליהם, אתה פשוט לא בתשובה. זה לא עניין של “להשתמש ב-AI”, זה עניין של לבנות את האותות שה-AI מתגמל.
2. ספריות הן נקודת כניסה קריטית. הופעה בספריות שה-AI סומך עליהן (כמו easy.co.il, pro.co.il, duns100) היא מהצעדים הראשונים והזולים ביותר להיכנס לתשובות.
3. לכל מנוע התנהגות שונה. מי שמסתמך רק על בדיקה ידנית ב-ChatGPT מפספס את התמונה. צריך למדוד את שני המנועים, וזה בדיוק מה שאנחנו עושים.

המסקנה שעולה מהממצאים מתיישבת עם מה שכבר ידוע בענף בהקשר רחב יותר. ניתוח של Ahrefs על פני כ-75,000 מותגים מצא שאזכורי מותג ברחבי הרשת מתואמים פי כ-3 עם נראות ב-AI לעומת קישורים. במילים אחרות, מה שכתוב עליך במקומות אחרים משפיע יותר ממה שאתה מקשר אליו בעצמך, וזה בדיוק מה שראינו כשהמנועים העדיפו ספריות ומצרפי דירוגים על פני אתרי העסקים. במקביל, פרסום ב-Search Engine Land מצביע על כך שנראות מקומית ב-AI נחשבת קשה משמעותית מדירוג אורגני בגוגל, מה שתואם את הריכוזיות הגבוהה שמדדנו: יש פחות מקומות בתשובה, והתחרות עליהם חריפה.

כדי להבין לעומק איך נכנסים לתשובות האלה, כדאי לקרוא את המדריך המלא ל-GEO וקידום אתרים AI, ואת הניתוח של אזכורי מותג ונראות ב-AI שמסביר למה האזכורים החיצוניים הם המנוע האמיתי של ההמלצה.

איך לפעול לפי הממצאים

הממצאים לא נשארים ברמת התובנה, הם מתורגמים לסדר פעולות ברור. הדרך לפעול לפי הנתונים האלה היא שיטת עָמוּד, שבונה את הנראות בשלבים שכל אחד מהם נגזר ישירות ממה שראינו במחקר.

1. התחל מהספריות שה-AI כבר סומך עליהן. הממצא שחמישה דומיינים תפסו 66% מהציטוטים אומר שיש כתובת מדויקת. נוכחות מסודרת ועקבית בספריות מהסוג שעלה במחקר היא הצעד הראשון, הזול והמהיר, להיכנס למאגר שממנו המנוע שואב.
2. בנה מהות וסכמה בארכיטקטורה ברורה. כדי שהמנוע יוכל בכלל לצטט אותך, הוא צריך להבין באופן חד משמעי מי אתה, מה התחום שלך ובאיזו עיר אתה פועל. כאן נכנס שלב המהות והסכמה בשיטת עָמוּד, שמתרגם את העסק לשפה שהמנוע קורא.
3. כתוב תוכן בר-ציטוט. מכיוון שהמנועים מעדיפים מקורות שמרכזים מידע אובייקטיבי, התוכן שלך צריך להיות כתוב כך שיהיה קל לצטט ממנו: תשובות ברורות, נתונים, הגדרות מדויקות.
4. מדוד את שני המנועים בנפרד. הפער בין ChatGPT ל-Gemini מחייב מדידה כפולה. מה שעובד בזירה אחת לא בהכרח עובד בשנייה, ובלי מדידה שקופה אי אפשר לדעת איפה אתה עומד באמת.

בתחומים שבהם Gemini נמנע מלהמליץ, כמו אינסטלציה ועיצוב פנים, יש לכך השלכה מעשית מיידית: כל המאמץ צריך להתמקד קודם כל בזירה שבה ההמלצה בכלל קורית, ולבנות שם אחיזה לפני שמטפלים במנוע שעדיין מסרב לנקוב בשמות.

מגבלות המחקר

חשוב לקרוא את הממצאים עם הסייגים הנכונים. ראשית, זהו תצלום מצב נקודתי. תוצאות מנועי AI משתנות בין הרצות ולאורך זמן, וייתכן שאותה שאלה תיתן תשובה מעט שונה ביום אחר. לכן יש להתייחס למספרים כאל מגמה מייצגת ולא כאל מדידה מוחלטת. שנית, היקף המחקר הוא שמונה עשרה שאלות על פני שישה תחומים ושתים עשרה ערים. זהו מדגם ממוקד שנועד לחשוף דפוסים, לא סקר ממצה של כל ענף וכל עיר בישראל. שלישית, ההגדרה של “נקב בשם” היא הזכרה של עסק מסוים בתשובה, ולכן היא מודדת נוכחות ולא בהכרח את איכות ההמלצה או את מיקומה בתוך התשובה. ולבסוף, הממצאים תקפים לשני המנועים שנבדקו ולתצורה שבה נבדקו, והם אינם מתיימרים לתאר מנועים אחרים. למרות המגבלות האלה, הדפוסים שעלו עקביים מספיק כדי להצביע על כיוון פעולה ברור, ואנחנו מתכוונים לעדכן את המחקר מעת לעת כדי לעקוב אחרי שינויים.

מתודולוגיה

השאלות נשאלו ל-ChatGPT (מודל gpt-5 עם כלי חיפוש ברשת) ול-Gemini (מודל gemini-2.5-flash עם google_search) בתאריך 31.05.2026. נבדקו 18 צירופים של תחום ועיר. “נקב בשם” נמדד כהזכרה של עסק מסוים בתשובה. תוצאות מנועי AI משתנות בין הרצות ולאורך זמן; זהו תצלום מצב מייצג, לא מדידה מוחלטת. נעדכן את המחקר מעת לעת.

רוצה לדעת אם אתה מופיע בתשובות של ChatGPT ו-Gemini בתחום שלך? קבל דוח נראות AI חינם או בדיקת מוכנות AI חינם.