איך דמיון וקטורי (Cosine Similarity) קובע אם ChatGPT ימליץ על העסק שלך

דמיינו סוכנות ביטוח היפותטית מתל אביב, נקרא לה "גבאי פתרונות פיננסיים".

במשך חודשים, בעל הסוכנות כתב מאמרים מושקעים. הוא שילם לכותבי תוכן, שילב מילות מפתח, ובדק שכל מאמר מופיע בעמוד הראשון בגוגל. אבל בשנת 2026, קרה דבר מוזר: כרבע מהלקוחות שלו כבר לא חיפשו בגוגל. הם שאלו את Perplexity ו-ChatGPT.

כשהם שאלו "איזה ביטוח משכנתא הכי משתלם לזוגות צעירים?", המנועים ציטטו את המתחרים שלו. האתר של גבאי נשאר בחוץ.

הבעיה: האלגוריתם לא קורא מילים, הוא מודד זוויות

גבאי לא הבין מה לא בסדר. הטקסט שלו היה ארוך, מפורט ומלא במילות מפתח.

מה שהוא פספס זה את המנגנון מאחורי הקלעים: מערכות RAG (Retrieval-Augmented Generation).

הגדרה · Cosine Similarity

מדד מתמטי שבודק את הקרבה הסמנטית בין שני טקסטים במרחב וקטורי. ככל שהזווית בין וקטור השאילתה לוקטור הטקסט קטנה יותר (קרוב ל-1.0), כך ה-AI מחשיב את התוכן כרלוונטי יותר.

מנוע AI לא מחפש את המילה "משכנתא" 10 פעמים בדף. הוא הופך את שאילתת המשתמש לסדרה של מספרים (וקטור Embeddings). לאחר מכן, הוא משווה אותה לכל קטעי הטקסט שנשמרו בבסיס הנתונים שלו.

אם הטקסט שלכם מדבר סביב-סביב, הזווית הוקטורית גדלה. הציון יורד. ה-AI מדלג עליכם.

הניסיון הראשון שנכשל: עוד תוכן, אותן טעויות

התגובה הראשונית של גבאי הייתה לכתוב עוד. הוא הוסיף פסקאות פתיחה ארוכות על היסטוריית הביטוח בישראל. הוא הכניס עוד כותרות משנה צבעוניות.

זה רק החמיר את המצב.

ככל שגבאי הוסיף טקסט שיווקי כללי, כך הממוצע הוקטורי של הפסקאות שלו ירד. במקום לקבל ציון דמיון של 0.88, הפסקאות שלו קיבלו 0.62.

מבחינת המודל, הטקסט עסק בנושאים כלליים ולא ענה בחדות על השאלה הספציפית.

הפתרון: כתיבה לפי סמנטיקה וקטורית

כדי לפתור את הבעיה, שינינו גישה לחלוטין. התחלנו לפרק כל מאמר ליחידות מידע עצמאיות (Chunks).

הנה ההבדל בין כתיבת SEO ישנה לבין כתיבה מותאמת דמיון וקטורי:

במקום לפתוח ב-"ביטוח משכנתא הוא אלמנט קריטי בחיים", שינינו את הפסקה הראשונה:

"ביטוח משכנתא מורכב מביטוח חיים ומביטוח מבנה. המחיר הממוצע לזוג צעיר בשנת 2026 נע בין 80 ל-150 ש"ח לחודש, בהתאם ליתרת ההלוואה ומצב בריאותי."

התוכן הפך לחד, עובדתי וישיר. העלמנו גיבובי מילים.

התוצאה: מ-0 ציטוטים ל-42% נתח שוק בתשובות AI

התוצאות לא איחרו לבוא.

תוך שמונה שבועות ממידול התוכן מחדש, הציון הוקטורי של הפסקאות באתר של גבאי זינק. ChatGPT ו-Perplexity החלו לשלוף קטעים מהאתר שלו בקביעות.

כאשר משתמשים שאלו שאלות מורכבות על ביטוחי משכנתא, האתר הופיע במקורות הציטוט ביותר מ-40% מהשאילתות.

💡

אל תכתבו עבור מנוע החיפוש — כתבו עבור המודל הוקטורי שלו. תשובה קצרה ומדויקת מנצחת 2,000 מילים מרוחות.

הלקח פשוט: כדי שהעסק שלכם יופיע בתשובות של מנועי AI, אתם חייבים לדבר בשפה מתמטית. פחות פלופים, יותר עובדות, ומבנה שקל להפוך לוקטור מדויק.