מטופלים שואלים היום את ChatGPT ואת Gemini את אותן שאלות שפעם שאלו חברים: למי ללכת, מי מומחה בתחום, על מי אפשר לסמוך. רוב הרופאים לא יודעים מה המודלים עונים כשהשאלה נוגעת לתחום ולעיר שלהם. בדיקת נראות AI לרופא היא הדרך לגלות את זה באופן מסודר: סדרת שאלות קבועה, כמה מנועים, ותיעוד שמאפשר להשוות מחודש לחודש. המאמר הזה עוסק במדידה בלבד, ושיפור התוצאה הוא כבר נושא נפרד.
איך בודקים אם ChatGPT ו-Gemini ממליצים עליך?
בדיקת נראות AI לרופא נעשית בשאילת סדרה קבועה של 10 עד 20 שאלות, כפי שמטופל היה מנסח אותן, בכמה מנועים במקביל. לכל שאלה רושמים אם שמך הופיע, באיזה מקום, אם הפרטים נכונים ועל אילו מקורות המודל נשען. חוזרים על אותה בדיקה אחת לחודש ומשווים את התוצאות.
למה אי אפשר למדוד את זה כמו מיקום בגוגל?
בגוגל יש עמוד תוצאות, ומיקום שלוש נשאר מיקום שלוש עד שמשהו משתנה. מודלי שפה עובדים אחרת. אותה שאלה, באותו ניסוח, יכולה לקבל תשובה שונה בכל פעם, כי המודל מנסח מחדש וכי חלק מהמנועים מחפשים ברשת בזמן אמת וחלק עונים מתוך מה שלמדו. גם ניסוח השאלה, השפה והיסטוריית השיחות של המשתמש משפיעים. לכן שאלה בודדת שנשאלה פעם אחת לא מלמדת כמעט כלום. מה שכן מלמד הוא שיעור: בכמה מתוך כלל השאלות וההרצות השם שלכם מופיע. זה מדד הסתברותי, וכך צריך לקרוא אותו. על הדרך שבה מטופלים משתמשים במנועים האלה כתבנו במאמר כך מטופלים מוצאים רופא דרך ChatGPT.
אילו שאלות שואלים בבדיקה?
בונים רשימה קבועה שמכסה כמה סוגי כוונה, ומנסחים את השאלות בשפה שבה מטופל מדבר.
- שאלות המלצה ישירות. מי רופא מומלץ בתחום שלכם בעיר שלכם, ומי המומחים המובילים בארץ לטיפול מסוים.
- שאלות בעיה. יש לי תסמין מסוים, לאיזה רופא כדאי לפנות באזור שלי.
- שאלות השוואה. מה ההבדל בין שני רופאים או שתי מרפאות, ואיך בוחרים ביניהם.
- שאלות מותג. מה ידוע על הרופא בשמו המלא, האם הוא מומלץ, מה הניסיון שלו.
- שאלות טיפול. כמה עולה טיפול מסוים ואצל מי כדאי לעשות אותו.
שאלות המותג חשובות במיוחד, כי הן חושפות טעויות: התמחות שגויה, כתובת ישנה, בלבול עם רופא בעל שם דומה. בתחומים שבהם מטופלים משווים הרבה לפני החלטה, כמו כירורגיה פלסטית, כדאי להוסיף שאלות לכל ניתוח מרכזי בנפרד.
רשימה של שתים עשרה עד חמש עשרה שאלות מספיקה למרפאה עם תחום אחד. מרפאה עם כמה תחומים או כמה סניפים צריכה סט נפרד לכל אחד. את הרשימה כותבים פעם אחת ולא משנים בין בדיקה לבדיקה, אחרת אי אפשר להשוות.
איך מריצים את הבדיקה בלי להטות את התוצאה?
הטעות הנפוצה היא לבדוק מהחשבון האישי, שבו המודל כבר מכיר אתכם משיחות קודמות. בדיקה נקייה נעשית בשיחה חדשה לכל שאלה, עם זיכרון והתאמה אישית כבויים, או במצב שיחה זמנית. בודקים לפחות בארבעה מנועים: ChatGPT, Gemini, Perplexity ותשובות ה-AI בתוך החיפוש של גוגל. כל שאלה מריצים שלוש פעמים, כדי לקבל תמונה של עקביות. שואלים בעברית, ובמרפאות שפונות לתיירות מרפא או לקהל דובר שפות אחרות, גם באנגלית או ברוסית. ולא מוסיפים רמזים: שאלה שכוללת את שם המרפאה כבר איננה שאלת המלצה.
כדאי לרשום גם את גרסת המודל ואם החיפוש ברשת היה פעיל באותה שיחה, כי שני הפרטים האלה משנים את התשובות יותר מכל דבר אחר.
מה רושמים ואיך נותנים ציון?
גיליון פשוט מספיק. שורה לכל הרצה, ועמודות קבועות: תאריך, מנוע, השאלה, האם הופעתם, באיזה מקום ברשימה, האם הפרטים שנמסרו נכונים, מה הנימה, אילו מתחרים הוזכרו ואילו מקורות צוטטו. מהגיליון הזה גוזרים שלושה מדדים. שיעור הופעה: באיזה חלק מההרצות השם עלה. מיקום ממוצע בתוך התשובות שבהן הופעתם. ודיוק: בכמה מהתשובות כל הפרטים היו נכונים. לפי מה שאנחנו רואים, רופאים שלא עבדו על הנושא מופיעים בדרך כלל רק בחלק קטן מההרצות של שאלות ההמלצה, גם כשהם מדורגים היטב בגוגל.
כדאי להוסיף גם עמודת הערות חופשית. לפעמים המודל לא ממליץ על אף רופא בשמו ומפנה לאינדקס רופאים או לאתר השוואות, וזה ממצא בפני עצמו: הוא מראה באיזה אתר שווה לוודא שהפרופיל שלכם מלא ומעודכן.
איך קוראים את התוצאות?
כל דפוס מצביע על בעיה אחרת. אם אינכם מופיעים באף מנוע, גם לא בשאלות מותג, חסר למודלים מידע בסיסי עליכם, ולרוב הבעיה מתחילה באתר ובנוכחות מחוץ לו. אם אתם מופיעים בשאלות מותג ולא בשאלות המלצה, המודלים מכירים אתכם אך לא מקשרים אתכם לתחום ולעיר. אם מופיעים פרטים שגויים, צריך לאתר את המקור שממנו הם נשאבו, בדרך כלל אינדקס ישן או פרופיל שלא עודכן, ולתקן שם.
דפוס נוסף ששווה לשים אליו לב הוא פער בין מנועים. לפי מה שאנחנו רואים, רופא שמופיע היטב במנועים שמחפשים ברשת בזמן אמת אך נעדר מתשובות שניתנות בלי חיפוש נהנה בדרך כלל מדירוג אורגני טוב, וחסרים לו אזכורים ותיקים במקורות חיצוניים.
ואם מתחרה מסוים חוזר כמעט בכל תשובה, שווה לבדוק אילו מקורות המודל מצטט לגביו: עמודי טיפול, ביקורות, כתבות. עמודת המקורות היא החלק השימושי ביותר בגיליון, כי היא מראה על מה המודלים נשענים בתחום שלכם. מה עושים עם הממצאים פירטנו במאמר איך גורמים ל-ChatGPT להמליץ על המרפאה.
כל כמה זמן חוזרים על הבדיקה?
אחת לחודש מספיקה לרוב המרפאות, עם אותה רשימת שאלות בדיוק. מודלים מתעדכנים, מקורות חדשים נכנסים, ושינויים שעשיתם באתר מחלחלים בקצב שונה בכל מנוע: במנועים שמחפשים ברשת בזמן אמת אפשר לראות שינוי בתוך שבועות, ובתשובות שנשענות על ידע שנלמד זה לוקח חודשים. בדיקה ידנית של חמש עשרה שאלות בארבעה מנועים אורכת בדרך כלל כמה שעות. יש כלים שעושים זאת אוטומטית, אבל רובם עדיין חלשים בעברית ובחיפושים מקומיים בישראל, ולכן אנחנו משלבים בדיקה ידנית גם כשיש כלי. מי שרוצה נקודת פתיחה מהירה יכול להתחיל מעמוד האבחון הדיגיטלי שלנו.
בלי מדידה, כל שיחה על נראות במנועי AI נשארת ברמת התחושה. גיליון אחד, רשימת שאלות קבועה וכמה שעות בחודש נותנים תמונה ברורה של המצב ושל הכיוון. את המדידה הזאת אנחנו מריצים לכל מרפאה בשירות קידום אורגני ו-GEO, כחלק מהעבודה שלנו בתור סוכנות שיווק לרופאים.
שאלות נפוצות על בדיקת נראות AI לרופא
האם יש כלי שבודק נראות AI באופן אוטומטי?
יש כמה כלים שמריצים שאלות במנועי AI ומדווחים על אזכורים. רובם נבנו לשוק דובר אנגלית, והכיסוי שלהם בעברית ובחיפושים מקומיים בישראל חלקי. לכן גם כשמשתמשים בכלי, כדאי לשלב בדיקה ידנית של השאלות החשובות ביותר למרפאה.
למה ChatGPT עונה תשובה אחרת בכל פעם?
מודלי שפה מנסחים כל תשובה מחדש, ויש בתהליך מרכיב של אקראיות. בנוסף, חלק מהתשובות נשענות על חיפוש ברשת בזמן אמת, שהתוצאות שלו משתנות. לכן מודדים שיעור הופעה על פני כמה הרצות, ולא תשובה בודדת.
מה עושים אם המודל מוסר עליי מידע שגוי?
קודם מאתרים את המקור. שואלים את המודל על מה הוא מתבסס, ובודקים אינדקסים, פרופילים ישנים ועמודים באתר שלכם. מתקנים את המידע במקור, ומוודאים שהפרטים הנכונים מופיעים באופן אחיד בכל מקום. התיקון מחלחל לתשובות בהדרגה.
האם מי שמדורג ראשון בגוגל מופיע גם בתשובות ה-AI?
לא תמיד. יש חפיפה, כי חלק מהמנועים נשענים על תוצאות חיפוש, אבל המודלים שוקלים גם ביקורות, אזכורים באתרים אחרים ובהירות המידע על הרופא. אנחנו רואים לא מעט רופאים שמדורגים היטב בגוגל וכמעט לא מוזכרים בתשובות.
שותפי הצמיחה של הרופאים המובילים בישראל · 800+ רופאים · 1,000+ לידים בחודש
