מה מודדים מחקרי מודעות
ChatGPT, איפה הם חלוקים, ואיך לקרוא את המספרים שלהם לפני ששינוי באסטרטגיית המודעות או המותג שלכם, צעד אחר צעד.

בעמוד זה
בקצרה
מודעות ב-ChatGPT הן יחידות ממומנות ש-OpenAI מציגה למשתמשים בוגרים מחוברים בתוכניות Free ו-Go. שלושה מחקרים שפורסמו בין אוגוסט לנובמבר 2026 מדדו באיזו תדירות מופיעות המודעות האלה, האם הן מתאימות לשאלה, ומי מקבל אותן. אף אחד מהם אינו מוכיח אם מודעות משנות את התשובה עצמה, ורוב המדגמים קטנים או קצרים.
רוצים להעמיק? שאלו את
שאלון קצר
איך לגרום ל-ChatGPT ולעוזרי AI אחרים להזכיר אתכם?
Sorank מתאים לתשובות שלכם
נסו אותו 3 ימים באתר שלכם וראו איפה אתם עומדים ב-Google, ב-ChatGPT ובשאר מערכות הבינה המלאכותית.
התחילו ניסיון חינם ל-3 ימים3 ימים חינם, ואז מפסיקים מתי שרוצים. אחריות להחזר כספי למשך 90 יום, בכפוף לתנאים.
מודעות ChatGPT הן מיקומים ממומנים ומסומנים בבירור, שמופיעים לצד תשובת העוזר. הן מגיעות למשתמשים בוגרים מחוברים בתוכניות Free ו-Go, ואף תוכנית בתשלום אינה רואה אותן. כל מחקר למטה מתחיל מהכללים האלה, ולכן צריך להכיר אותם לפני שקוראים כל מספר.
OpenAI פרסמה את הודעת הבדיקה שלה ב-9 בפברואר 2026. בדף שלה כתוב שהבדיקה כוללת "logged-in adult users on the Free and Go subscription tiers", ואילו בתוכניות Plus, Pro, Business, Enterprise ו-Education אין מודעות. המודעות "always clearly labeled as sponsored and visually separated from the organic answer". OpenAI גם מציינת ש-"ads do not influence the answers ChatGPT gives you", ושהמפרסמים מקבלים נתוני ביצועים מצטברים, כמו צפיות או קליקים, ולא את השיחות שלכם או את הפרטים האישיים שלכם. ההודעה של OpenAI על בדיקת מודעות ב-ChatGPT היא המקור שכל הכתבות מפנות אליו, ולכן קראו אותה קודם.

כלל התוכניות חשוב למדידה. מחקר שנערך על חשבון Plus ימצא אפס מודעות, וזה לא אומר דבר על השוק. זה משקף את התוכנית. אם אתם רוצים את התמונה הרחבה יותר של אופן בניית התשובות של העוזר, התחילו מאיך ChatGPT עובד, מהאימון ועד חיפוש ברשת וציטוטים, ומדף המודל ChatGPT. לצד המפרסם במערכת המודעות, המדריך שלנו למודעות ChatGPT ולמנהל המודעות של OpenAI מכסה את ההגדרה והמדידה.
שלושה מחקרים שפורסמו בין אוגוסט לנובמבר 2026 הם המדידות הציבוריות המפורטות ביותר של מודעות ChatGPT שהצלחנו לאתר עד לדף של המפרסם עצמו. כל אחד מהם שואל שאלה אחרת, ולכן הם לא נותנים את אותם מספרים. הטבלה מראה מה כל מחקר מדד ומה הוא משאיר בחוץ.
| מחקר | פורסם | נתונים | מה נמדד | מה נשאר בחוץ |
|---|---|---|---|---|
| SE Ranking | 10 באוגוסט 2026 | 50006 שאילתות מסחריות ב-20 נישות בארה"ב, נתונים נאספו ב-23 ביולי 2026 | שיעור מודעות לכל שאילתה, מידת הרלוונטיות של המודעה לשאילתה, השוואה ל-Google AI Mode | תוכניות Plus ותוכניות בתשלום אחרות, ההשפעה של המודעות על התשובות, כל מגמה (תמונת מצב אחת) |
| Seer Interactive | 12 בנובמבר 2026 | 161 סשנים מתועדים של חיפוש AI מתשע מחקרי שימושיות ללא מנחה, מרץ עד ספטמבר 2026 | האם משתמשים אמיתיים ראו מודעות על המסך, והאם הן התאימו לשאילתה | מדגם מייצג של משתמשים (רק שניים מתשעת המחקרים שאלו על מודעות) |
| Brookings | תחילת אוקטובר 2026 | 91 חשבונות בובה מחוברים, יותר מ-3600 מודעות שנאספו, חשבונות שנוצרו בין ינואר למרץ 2026 | מי מקבל מודעות, נבדק לפי הכנסה ולפי גזע או מוצא אתני | גודל הקבוצות (רק כמה חשבונות לכל שילוב), וכל תקופה אחרי שהחשבונות הפסיקו לקבל מודעות נוספות |
המדגמים שעומדים מאחורי המחקרים
מקורות: SE Ranking, 10 באוגוסט 2026; Seer Interactive, 12 בנובמבר 2026; Brookings, אוקטובר 2026
כתבות אחרות על הנושא מגיעות מכלי GEO, ולא הצלחנו לאמת את הנתונים שלהן מול מקור ראשוני, ולכן השמטנו אותן. צטטו רק מספרים שאתם יכולים לעקוב אחריהם עד לדף של המפרסם, ובדקו את שורת המדגם לפני שאתם חוזרים על כל מספר.

במדגם של SE Ranking, ל-25.94% מהשאילתות המסחריות ב-ChatGPT הוחזרה מודעה, לעומת 29.45% ב-Google AI Mode. השיעור תלוי מאוד בנושא, ולכן שיעור כללי אחד אומר מעט מאוד על התשובות שהקונים שלכם רואים.
SE Ranking השתמשה ב-50006 שאילתות מסחריות מ-20 נישות בארה"ב, בערך 2500 לכל נישה. לכל שאילתה היא רשמה את התשובה שנוצרה, את המקורות שצוטטו ואת כל מיקום ממומן. בסך הכול, ל-12974 שאילתות הוחזרה מודעה. השאילתות הגיעו ממחקר קודם של אותו מפרסם על AI Mode, מה שהופך את שתי הפלטפורמות לברות השוואה. הנתונים נאספו ב-23 ביולי 2026, והמחקר פורסם ב-10 באוגוסט 2026 (SE Ranking, מחקר מודעות ChatGPT, 10 באוגוסט 2026).
הפער לפי נושא גדול בהרבה מהפער בין הפלטפורמות. בתחום הבריאות, המחקר מצא מודעות ב-28.69% משאילתות ChatGPT לעומת 2.64% ב-AI Mode, פי יותר מעשרה. בקטגוריית חדשות ופוליטיקה, השיעור היה 28.76% ב-ChatGPT לעומת 6.8% ב-AI Mode. השיעורים הכוללים נראים דומים, וההבדל נמצא בהרכב הנושאים.
דוגמה
דמיינו קונה ששואל את ChatGPT איזו תוכנת הנהלת חשבונות מתאימה לעצמאי. התשובה האורגנית מציגה שלושה כלים, וכרטיס ממומן למוצר רביעי מופיע לידה. זה המצב שהשיעור מודד: מודעה באותה תשובה שבה מופיעה ההמלצה האורגנית, ולא מודעה שהחליפה אותה. זו הדגמה ולא מקרה שנמדד.
Seer Interactive בחרה בדרך אחרת. המאמר שלה מ-12 בנובמבר 2026 מדווח על 161 סשנים של חיפוש AI שתועדו כשמשתתפים השתמשו בעוזרים שלהם וחשבו בקול רם. במחקר הביטוח, 34 מתוך 76 תשובות הניתנות לצפייה (45%) נשאו מודעה. הנתון הזה מכסה תחום אחד עם 16 סשנים בלבד, ולכן אינו שיעור של ChatGPT בכללותו.
Seer מדווחת גם על מגמה ברמת המשתמש: שיעור משתמשי ChatGPT בסשנים שלה שראו מודעה בתוך התשובה עלה מ-2 מתוך 22 במרץ ל-12 מתוך 19 מיולי עד ספטמבר 2026. אלה אנשים ולא תשובות, ולכן הם מראים שיותר משתתפים ראו מודעה, ולא כמה תשובות נשאו מודעה. המגמה היא האות השימושי ביותר מבין שלושת המחקרים, והמדויק פחות, כי הקבוצות משתנות מחודש לחודש. תשובות ומודעות משתנות משבוע לשבוע, ולכן קריאה אחת היא תמונת מצב ולא פסק דין.
לעתים קרובות, אבל לא תמיד. SE Ranking מעריכה ש-14.35% מהחשיפות למודעות לא היו קשורות לשאילתה שלהן יותר ממודעה שנבחרה באקראי. Seer מצאה שכל מודעה במחקר הביטוח שלה הייתה רלוונטית לשאילתה. שתי התוצאות מגיעות ממדגמים שונים ומבדיקות שונות, לכן הן מתארות דברים שונים ולא סותרות זו את זו.
הבדיקה של SE Ranking פועלת כך. היא מחשבת דמיון קוסינוס מבוסס embeddings בין השאילתה, המודעה והתשובה, ואז משווה כל זוג אמיתי של שאילתה ומודעה לזוגות שנערבבו באקראי. מודעה נחשבת לא-רלוונטית רק אם הדמיון שלה נופל בטווח שזוגות אקראיים מייצרים. דגימה של מקרים שסומנו נבדקה לאחר מכן ביד. זו הקריאה המפושטת של הלוגיקה:
sim_real = cos(embed(prompt), embed(ad))
sim_random = cos(embed(prompt), embed(ad_from_another_prompt)) # shuffled pairs
off_target = sim_real falls inside the range produced by sim_random
זו בדיקה שמרנית. מודעה צריכה להיראות לא יותר קשורה ממודעה אקראית כדי שתסומן, ולכן מודעות בעלות רלוונטיות חלשה, שנראות קשורות במידה מסוימת, עוברות כמתאימות לנושא. המחברים אומרים ש-14.35% כנראה מהווה הערכה נמוכה מדי, כי הבדיקה הידנית מצאה יותר מודעות בעלות רלוונטיות חלשה ממה שהבדיקה האוטומטית תפסה. הפיזור בין הנושאים רחב: 2.6% לחיות מחמד, 51.1% ליחסים ו-54.2% לחדשות ולפוליטיקה.
שני מדדים של רלוונטיות וחשיפה משני מחקרים
מקורות: SE Ranking, 10 באוגוסט 2026; Seer Interactive, 12 בנובמבר 2026

Seer מוסיפה נקודה שחשובה למותגים. בחמישה מתוך שישה תחומים שבהם הייתה משימה עם מותג, הכרטיס הממומן היה של חברה אחרת מזו שהמשתמש ציין. כלומר, שאילתה ששמה את החברה שלכם עלולה להציג את המודעה של המתחרה באותה תשובה. המאמר של Seer מציין גם שהמפרסמים משתנים עם השאלה, כלומר המפרסמים שאתם רואים תלויים בניסוח השאילתה.
מחקר הביקורת של Brookings מצא שחשבונות בהכנסה נמוכה היו סבירים בהרבה לקבל מודעות, ולא מצא ראיה לכך שגזע או מוצא אתני שינו את הסיכוי של חשבון לקבל מודעה. המחברים מזהירים שהמדגם קטן, ולכן תוצאת הגזע, שהיא ממצא אפס, דורשת זהירות בשני הכיוונים. התייחסו לתוצאה על ההכנסה כחזקה יותר.
שווה להכיר את התכנון, כי זה המחקר היחיד מבין השלושה ששולט בפרופיל. החוקרים יצרו 91 חשבונות מחוברים בשלוש קבוצות גזע ומוצא אתני (שחורים, היספנים ולבנים) ובשלוש שכבות הכנסה, עם לפחות תשעה חשבונות לכל שילוב של גזע והכנסה. מכיוון שפלטפורמות אינן חושפות הכנסה או גזע, השתמשו החוקרים באזור גיאוגרפי כפרוקסי, על ידי גישה לכל חשבון מתוך מיקודים עם המאפיינים האלה. בכל יום נשלחו לחשבונות שאילתות בקטגוריות נושא רבות. חלק מהקטגוריות היו כאלה שבהן מודעות סבירות, כמו מתכון ללזניה, וחלק היו כאלה שבהן OpenAI אמרה שלא תציג מודעות, כמו בריאות הנפש. המחקר אסף יותר מ-3600 מודעות (Brookings, "Understanding the beginning of advertising on ChatGPT", תחילת אוקטובר 2026).
איך בוצעה ביקורת חשבונות הבובה
ממצא ההכנסה מגיע מ-53 חשבונות שקיבלו לפחות מודעה אחת. ההכנסה שלהם התרכזה סביב ערך שכיח של כ-60000 דולר, בעוד שחשבונות שלא קיבלו מודעה אף פעם שיאם סביב 80000 דולר. התוצאה מובהקת לפי אמות המידה של המחקר, אבל היא מתארת קבוצה קטנה של חשבונות מתקופה מוקדמת אחת.
המחקר גם הסתיים מוקדם. כחודש אחרי ההתחלה, כל החשבונות הפסיקו לקבל מודעות נוספות. המחברים אומרים ש-OpenAI אולי זיהתה אותם. זו אזהרה לכל מי שמעתיק את השיטה: פלטפורמה שמזהה חשבונות ביקורת יכולה לשנות מה שהם רואים, ולכן הנתונים שהם מייצרים אינם מדגם ניטרלי. המחקר לא מצא ראיה לכך שההגנות בנושאים רגישים נכשלו, והמחברים מזהירים גם מלהסיק יותר מדי מכך.
אין עדיין מחקר ציבורי שמראה שהן משנות, ואף מחקר לא יכול להוכיח שהן לא משנות. OpenAI אומרת שמודעות אינן משפיעות על התשובות. שלושת המחקרים מתעדים איפה מודעות מופיעות ומי רואה אותן, ולא האם התשובה הייתה שונה בלעדיהן.
חוקרים חיצוניים לא יכולים לכבות מודעות עבור תשובה אחת, ולכן אין להם קבוצת בקרה נקייה. הקרוב ביותר שהם יכולים להגיע אליו הוא להשוות תשובות לאותה שאילתה לאורך ימים או חשבונות. ההשוואה הזו מוטה, כי מודעות מופיעות בעיקר בשאילתות מסחריות, ושאילתות מסחריות כבר מייצרות תשובות שונות, עם יותר רשימות מוצרים, השוואות ומקורות משלהן. הבדל בציטוטים בין תשובות עם מודעה לתשובות בלי מודעה לא מראה השפעה בכוחות עצמו.
מבחן הוגן ישמור על אותה שאילתה, תוכנית, מיקום ויום, ואז ירשום את הציטוטים של כל תשובה, ויחזור על המבחן מספיק פעמים כדי לראות מעבר לסבב המודעות. גם אז תמדדו מה העוזר עשה, לא למה. עד ש-OpenAI תפרסם נתונים או ביקורת עצמאית תבחן את הטענה, התייחסו ל"ads do not influence answers" כעמדת החברה. המחקרים הציבוריים לא מאשרים אותה ולא מפריכים אותה.
מה המחקרים יכולים ומה לא יכולים לומר לכם
שלושת המחקרים משתמשים בשלוש שיטות: פאנל שאילתות קבוע, סשנים מתועדים של שימושיות וחשבונות בובה. כל שיטה עונה היטב על שאלה אחת ומפספסת את האחרות, לכן השוו ביניהן לפי השיטה ולא לפי הכותרת. ההצהרה של OpenAI היא סוג רביעי של ראיה, טענה של חברה ולא מדידה.
העיקרון: מריצים רשימה קבועה של שאילתות בכל פלטפורמה, ומתעדים כל תשובה וכל מודעה. מתי להשתמש: כשצריך שיעורים על פני נושאים רבים ורוצים להשוות פלטפורמות. יתרון: היקף, ואפשר להריץ שוב את אותן שאילתות. מגבלה: קבוצת השאילתות קובעת את התוצאה. SE Ranking עצמה מזהירה שדירוג המפרסמים רגיש לבחירת מילות המפתח, שמודעות מתחלפות ולכן אותה שאילתה יכולה לקבל מודעה אחרת או בכלל לא לקבל מודעה בחזרה, ושמאגר המפרסמים משתנה במהירות. דוגמה: הפער בתחום הבריאות (28.69% מול 2.64%) מופיע רק משום שאותן שאילתות בריאות הורצו בשתי הפלטפורמות.
העיקרון: משתתפים אמיתיים משתמשים בכלי ה-AI שלהם בזמן שהם חושבים בקול רם, והמסך מוקלט. Seer דגמה כל הקלטה כל שתי שניות בעזרת זיהוי טקסט על המכשיר כדי לאתר יחידות מודעה, ואז בדקה כל יחידה בעין מול מה שהמשתתף אמר. מתי להשתמש: כשרוצים לדעת מה אדם רואה בפועל על המסך. יתרון: המודעה באמת הייתה על המסך, והמילים של המשתתף נמצאות שם. מגבלה: 161 סשנים אינם מדגם מייצג, ורק שני מתוך תשעת המחקרים שאלו את המשתתפים ישירות על מודעות. במחקר אחד, הסריקה האוטומטית התאימה לבדיקה הידנית בכל סשן ובכל ספירת מודעות, אבל היא פספסה כמה וריאציות יצירתיות. Seer מציינת גם ש-Gemini, Claude ו-Grok נסרקו רק במחקרים מסוימים, ולכן היעדר מודעות שם פירושו "מה שראינו", לא "אין כזה".
העיקרון: חשבונות מבוקרים עם פרופילים קבועים מקבלים את אותן שאילתות, ולכן אפשר לייחס הבדלים לפרופיל. מתי להשתמש: כשרוצים לדעת מי מקבל מודעות ממוקדות. יתרון: המשתנים נשלטים, מה ששתי השיטות האחרות לא יכולות לעשות. מגבלה: קבוצות קטנות, גיאוגרפיה כתחליף להכנסה ולגזע, וסיכון זיהוי, שהוא מה שסיים את המחקר מוקדם. דוגמה: ה-53 חשבונות שקיבלו מודעה, שהתרכזו בהכנסות נמוכות, לעומת חשבונות שלא קיבלו מודעה אף פעם.
| שיטה | מחקר | יחידת המדידה | השאלה הטובה ביותר | הנקודה העיוורת העיקרית |
|---|---|---|---|---|
| פאנל שאילתות קבוע | SE Ranking | שאילתה ותשובה | באיזו תדירות, והאם מתאים? | תלוי בקבוצת השאילתות; תמונת מצב |
| סשנים מתועדים | Seer Interactive | סשן ומשתמש | מה משתמש אמיתי רואה | קטן, לא מייצג, מעט שאלות ישירות על מודעות |
| ביקורת חשבונות בובה | Brookings | חשבון | מי מקבל מודעות | קבוצות קטנות, זיהוי, סיום מוקדם |
המספרים לא מסכימים מסיבות שאפשר לציין: שאילתות שונות (מסחריות בלבד, או מיקס רחב יותר), יחידות שונות (תשובות, סשנים או משתמשים), תקופות שונות (יום אחד ביולי, מרץ עד ספטמבר, ינואר עד מרץ) ותוכניות שונות. חלק מהסיכומים המשניים מייחסים ל-Seer נתח של 38% מהתשובות המתאימות לנושא מתוך כ-55000 תשובות. אבל המאמר של Seer שקראנו אינו מציג חלוקה כזאת ומכסה 161 סשנים, ולכן לא הצלחנו לאשר את המספר. אל תצטטו אותו לפני שתמצאו אותו בדף של המפרסם.
מתי נאספו הנתונים ומתי פורסמו
הריצו רשימה קבועה של 30 עד 50 שאילתות קונה מחשבון Free אחד מחובר, באותו יום ובאותו שוק, ותעדו כל מודעה וכל ציטוט של הדומיין שלכם. שיעור המודעות הוא מספר התשובות שנשאו מודעה חלקי כל התשובות. חזרו על ההרצה לפחות בשלושה ימים, כי המודעות מתחלפות.
לפני שמריצים את הבדיקה
אזהרה
אל תיצרו קבוצת חשבונות כדי להעתיק את ביקורת Brookings. המחברים אומרים שכחודש אחרי ההתחלה, כל החשבונות שלהם הפסיקו לקבל מודעות נוספות. השתמשו בחשבון אחד שאתם מחזיקים בו, הריצו את השאילתות ידנית, וקראו את תנאי השימוש של OpenAI לפני כל איסוף אוטומטי. בדיקה ידנית איטית יותר, אבל היא שומרת על בטיחות החשבון ועל יושרת התוצאה.
=COUNTIF(F2:F51,"yes")/COUNTA(A2:A51)
טיפ
לפני שאתם משקיעים כסף, בדקו אם ChatGPT כבר מזכיר את המותג שלכם בתשובות האורגניות. ChatGPT Visibility Checker, הכלי החינמי שלנו, שואל את ChatGPT עם חיפוש ברשת מופעל, ואז מדווח אם הדומיין שלכם מצוטט כמקור ואם המותג מוזכר בתשובה.
מודעה קונה מיקום מסומן לצד התשובה, לא מקום בתוכה. OpenAI אומרת שמודעות אינן משפיעות על התשובות, ולכן את הציטוט בתשובה האורגנית אי אפשר לקנות בקמפיין. המחקרים מראים גם שהכרטיס הממומן מגיע לעתים קרובות מחברה אחרת מזו שהמשתמש שאל עליה. תכננו לשני הערוצים, ומדדו כל אחד בנפרד.
מודעה ממומנת או ציטוט אורגני
שאילתות על מותג דורשות תשומת לב מיוחדת. אם החברה שלכם היא נושא השאלה, צפו שמקום המודעה ילך למישהו אחר. עקבו אחרי שאילתות המותג למודעות באותו אופן שבו אתם עוקבים אחרי חיפוש מותג ב-Google, ובדקו את המודעה שרואים בשם החברה שלכם לפחות פעם בשבוע במהלך קמפיין.
בדקו תקציבים קטנים, והשוו את עלות הרכישה לקמפייני החיפוש והרשתות החברתיות לפני שמזיזים כסף. המדריך שלנו למודעות AI משווה בין מודעות בתוך תשובות AI לפורמטים ממומנים אחרים, וכתיבת מודעות מסביר איך לכתוב מודעות קצרות שמתאימות לשיחה.
בצד האורגני, עקבו אחרי רשימה קבועה של שאילתות לאורך זמן, במקום לבדוק ידנית. מעקב אזכורים ב-AI של Sorank מריץ את השאילתות שלכם ב-ChatGPT, Claude ו-Gemini מדי חודש, ומציג אילו תשובות מזכירות את המותג שלכם ואילו מקורות הן מצטטות. אם אתם מעדיפים להתחיל ידנית, המדריך שלנו לביקורת נראות ב-AI מסביר את השלבים, והערך במילון המונחים על ציטוטי AI מגדיר מה נחשב ציטוט.
הטעויות הנפוצות ביותר הן לראות במדגם את השוק כולו, לערבב בין תשובות למשתמשים, ולצטט מספר בלי היחידה או המקור שלו. כל אחת מהן קל לתפוס ברגע שיודעים איזו שאלה לשאול.
קריאה שגויה של מחקר מול קריאה נכונה
מהי: כותרת שאומרת "ChatGPT מציג מודעות בX% מהתשובות" כשהמדגם הוא רשימה של שאילתות מסחריות, או 16 סשני ביטוח. איך לזהות: קראו את שורת המדגם לפני התוצאה, ובדקו אם השאילתות, הנישות, הסשנים או החשבונות מתוארים. איך לתקן: נסחו מחדש את הטענה עם המדגם שלה, למשל "במדגם של SE Ranking מ-50006 שאילתות מסחריות ב-20 נישות בארה"ב".
מהי: הצבת נתח של תשובות לצד נתח של משתמשים, כאילו הם מודדים את אותו דבר. ה-45% של Seer הוא נתח של תשובות בתחום אחד, והמגמה שלה מ-2 מתוך 22 ל-12 מתוך 19 היא נתח של משתמשים. איך לזהות: חפשו את המילים "of responses", "of sessions", "of users" או "of accounts" ליד כל מספר. איך לתקן: כתבו את היחידה לצד כל מספר שאתם מצטטים.
מהי: לקרוא לשיעור של יום אחד מגמה, או להשוות שני מחקרים שנערכו בחודשים שונים כאילו הם סדרה אחת. SE Ranking עצמה מזהירה שמודעות מתחלפות ושמאגר המפרסמים משתנה במהירות. איך לזהות: בדקו את תאריכי איסוף הנתונים. שיעור מיום אחד, או מתקופה של כמה שבועות, הוא קריאה ולא מגמה. איך לתקן: חזרו על אותן שאילתות במספר תאריכים, והשוו שיעורים רק לאותן שאילתות.
מהי: המסקנה שמודעות דוחפות תשובות לעבר מותגים או מהם, רק משום ששניהם מופיעים יחד. מודעות מופיעות בעיקר בשאילתות מסחריות, והתשובות האלה נראות שונות ממילא. איך לזהות: כל משפט שאומר שמודעות "מגדילות", "מקטינות" או "מעצבות" המלצות, בלי קבוצת בקרה. איך לתקן: כתבו "מופיע יחד עם", ושמו את הגורמים המבלבלים: סוג השאילתה, הנושא והתוכנית.
מהי: חזרה על מספר שמופיע בכמה כתבות, שאף אחת מהן לא מקשרת לדף הראשוני, או שהמדגם שלו לא תואם את המדגם של המפרסם. איך לזהות: חפשו את המספר בדף של המפרסם. אם הוא לא שם, הוא לא שייך למחקר הזה. איך לתקן: פתחו את הדף הראשוני, מצאו את המשפט וצטטו את ניסוחו. ה-38% על הרלוונטיות לנושא שמופיע למעלה הוא דוגמה: לא מצאנו אותו בדף של Seer, ולכן לא השתמשנו בו.
הריצו בדיקה קטנה לפני שמקבלים החלטה תקציבית. מדדו את שיעור המודעות לשאילתות שלכם, תעדו את הציטוטים שלכם, ואז החליטו אם בקטגוריה שלכם שווה לבצע בדיקה ממומנת.
תוכנית לשבוע אחד
המחקר ישתנה כל הזמן ככל שההשקה תתרחב. שיטת הקריאה שלכם תשרת אתכם יותר זמן מכל מספר בודד, ולכן שמרו את המדגם, היחידה והתאריך לצד כל מספר שאתם מצטטים.
כן. מאז 9 בפברואר 2026, OpenAI בודקת מיקומים ממומנים ב-ChatGPT למשתמשים בוגרים מחוברים בתוכניות Free ו-Go. אין מודעות בתוכניות Plus, Pro, Business, Enterprise ו-Education, ו-OpenAI אומרת שמודעות אינן משפיעות על התשובות.
במדגם של SE Ranking מאוגוסט 2026, ל-25.94% מהשאילתות המסחריות ב-ChatGPT הוחזרה מודעה, לעומת 29.45% ב-Google AI Mode. השיעור משתנה מאוד לפי נושא, והבריאות מציגה את הפער הגדול ביותר, ולכן המספר מתאר את המדגם הזה בלבד.
אף מחקר ציבורי לא הראה שהן משנות, ואין מחקר שיכול להוכיח שהן לא משנות. OpenAI אומרת שמודעות אינן משפיעות על התשובות, אבל מחקרים חיצוניים רק מתעדים איפה מודעות מופיעות ומי רואה אותן.
