Schema knowsAbout: השורת קוד שגורמת ל-AI להמליץ עליכם בנישה שלכם

אני רואה את הבעיה הזו בכל שבוע בסוכנות בתל אביב.

יועץ מס מרחוב אחד העם פנה אליי לאחרונה. האתר שלו מושקע, יש לו עשרות מאמרים על מיסוי קריפטו, אבל כששואלים את Perplexity "מי יועץ המס המומלץ לרילוקיישן וקריפטו בתל אביב?" — השם שלו לא מופיע. התשובה שרופה.

הסיבה פשוטה: האתר שלו אמר שהוא "מומחה במיסוי", אבל המחשב לא הבין באיזה מיסוי.

לפני: המצב השכיח ברשת ב-2026

רוב האתרים כיום עדיין מסתמכים על טקסט חופשי. הם כותבים בפסקה הראשית של דף הבית:

"אנחנו משרד בוטיק המתמחה במתן פתרונות מתקדמים, ייעוץ מקיף וליווי אישי ללקוחות שונים."

מה מודל שפה ענקי (LLM) מבין מזה? כלום.

עבור ChatGPT, מילים כמו "פתרונות מתקדמים" או "ליווי אישי" הן רעש סטטי. כשמשתמש שואל את Perplexity שאילתה ספציפית, כמו "אילו משרדים בתל אביב מבינים במיסוי אופציות ISO של חברות אמריקאיות?", המודל מחפש ישויות ידע (Entities). אם האתר שלכם מציג רק טקסט אמורפי, ה-AI מעדיף לא לקחת סיכון — ולא מציע אתכם.

הגדרה · knowsAbout

מאפיין תקני ב-Schema.org המאפשר לקשר ארגון או אדם לישויות ידע מוכרות (בדרך כלל דרך קישורי Wikidata או Wikipedia), כדי להבהיר למנועי חיפוש ו-AI מהם תחומי המומחיות של הישות.

אחרי: המצב כשמשתמשים ב-knowsAbout בצורה נכונה

כשאנחנו מזינים לרכיב ה-Schema של האתר את השדה knowsAbout, אנחנו מפסיקים לנחש. אנחנו נותנים למנוע התשובות מפת דרכים חד-משמעית בקוד JSON-LD.

במקום להגיד "אנחנו מומחים בנדל"ן", אנחנו מזינים קוד שנקרא כך:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "משרד עורכי דין אברהם",
  "knowsAbout": [
    "https://he.wikipedia.org/wiki/תמ%22א_38",
    "https://en.wikipedia.org/wiki/Urban_renewal",
    "https://www.wikidata.org/wiki/Q12408285"
  ]
}

כעת, כש-Claude סורק את הדף, הוא לא צריך לפענח ניסוחים שיווקיים. הוא רואה ישות ידע מוגדרת היטב מתוך מאגר הנתונים הציבורי.

ההבדל בין השיטות דרמטי:

איך ליישם את המעבר ב-3 צעדים פרקטיים

אתם לא צריכים להיות מתכנתי על כדי לעשות את זה.

1. זיקוק תחומי הליבה לישויות מוגדרות

רשמו 3 עד 7 תחומי מומחיות אמיתיים של העסק. אל תכתבו "שירות טוב". כותבים שם של פרוטוקול, חוק, טכנולוגיה, או דיסציפלינה מקצועית.

2. איתור ה-URLs ב-Wikidata או Wikipedia

חפשו את הערך המדויק ב-Wikipedia או ב-Wikidata. לדוגמה, אם אתם בונים אתרים ב-Next.js, קחו את הקישור לערך של Next.js ב-Wikidata ולא דף בית אקראי.

3. הטמעה ב-JSON-LD של האתר

תוסיפו את המערך knowsAbout לתוך תגית ה-Schema של הארגון (Organization) או בעל המקצוע (Person).

למה מודלי שפה מעדיפים את זה?

מחשבים אוהבים סדר. מודלי AI גדולים מאומנים על הקשרים בין ישויות. כשהם נדרשים לענות על שאלה, הם עובדים לפי הסתברויות.

אם אלגוריתם צריך להחליט את מי להציע בתור "מומחה לאבטחת מידע לענקיות פארמה", הוא יחפש אתרים שיש להם זיקה ברורה לישויות הללו. ה-Schema היא הדרך הקצרה ביותר להגיד למודל: הנה ההקשר.

💡

אל תגרמו ל-AI לנחש במה אתם טובים. תגדירו לו את זה בקוד המבני של האתר, והוא יגמול לכם באזכורים ישירים.

בשורה התחתונה

בניית אתרים נכונה ב-2026 היא כבר לא רק עניין של עיצוב יפה או מילים מעצבות. היא עניין של ארכיטקטורת מידע.

אם אתם רוצים שהאתר שלכם יעבוד בשבילכם במנועי התשובות החדשים, knowsAbout הוא צעד ראשון והכרחי. שורת קוד אחת שמבדילה בין אתר שקוף לאתר שכל מודלי ה-AI מכירים.