איך להגדיר schema:about ו-schema:mentions כדי ש-AI יצטט אותך נכון

רועי, בעל חנות רהיטים ברחוב הרצל בתל אביב, התקשר אליי ושאל למה Perplexity מציג את החנות שלו כספקית רשמית של איקאה. כשהסתכלתי בקוד של העמוד שלו, התשובה הייתה ברורה: הוא כתב מאמר השוואה על ספות מעצבים לעומת ספות של איקאה, ומנוע ה-AI התבלבל לגמרי בין המותג הפרטי שלו לבין הענקית השוודית. ב-2026, מודלי שפה לא רק "קוראים" טקסט — הם מחפשים מבנה נתונים סמנטי. אם אתה לא מגדיר להם בדיוק מהו נושא העמוד ומהם רק אזכורים משניים, אתה מהמר על הציטוטים שלך.

למה מודלי שפה מתבלבלים בלי דיוק סמנטי

כשאנחנו קוראים טקסט, המוח האנושי מבין מיד מה עיקר ומה טפל. מודל שפה, לעומת זאת, מעבד את העמוד כווקטורים של מילים. אם המילה "Shopify" מופיעה 15 פעם במאמר שבכלל מדבר על תהליכי ייעול בתי עסק, המודל עלול לסווג את העמוד כמדריך Shopify.

הגדרה · Entity Mapping

התהליך שבו מנוע חיפוש או מודל שפה מקשר בין מילים בטקסט לבין ישויות מוכרות בבסיס הנתונים שלו (כמו חברות, אנשים או מוצרים).

האלגוריתם צריך גבולות גזרה גזורים. כאן נכנס הקוד המובנה (Schema Markup). הוא מפשט את הטקסט ומגיש אותו אל המודל בצורה מבנית.

זה עובד פשוט.

התפקיד של about — הגדרת הליבה של העמוד

המאפיין about בקוד הסכימה נועד להגיד למנוע החיפוש: "זה הנושא המרכזי של העמוד. כל השאר שולי".

אם כתבתי מאמר מקיף על פיתוח אתרים בוורדפרס, הישות ב-about תהיה מערכת וורדפרס.

💡

הגדרת 'about' בסכימה מסמנת למודלי שפה את הישות המרכזית, בעוד 'mentions' מונע מהם להתבלבל בין הנושא הראשי לאזכורי משנה.

כשאתה מגדיר ישות תחת about, מומלץ לקשר אותה במידת האפשר ל-Wikidata או ל-Google Knowledge Graph. כך אתה מנטרל כל ספק לגבי הזהות של הנושא.

התפקיד של mentions — הקשר היקפי בלי לגנוב את ההצגה

מה קורה כשאני מזכיר כלי עזר, מתחרה, או מושג משני בתוך המאמר? כאן בדיוק נכנס המאפיין mentions.

הגדרת גורמים אלה בתוך mentions אומרת למנוע ה-AI: "הנושאים האלה מוזכרים בטקסט ומוסיפים הקשר, אבל העמוד הוא לא עליהם".

בלי הפרדה זו, Perplexity ו-ChatGPT נוטים לערבב ישויות. הם עלולים להציע את האתר שלך כפתרון לבעיה שרק הוזכרה כדוגמה שולית.

השוואה פרקטית: איך זה נראה במבנה הנתונים

בואו נראה את ההבדל בין שני המאפיינים האלה בפועל:

ההפרדה הזאת היא ההבדל בין מאמר שמופיע כציטוט מדויק ב-Perplexity לבין מאמר שמנוע ה-AI מתעלם ממנו כי התקבלו אותות סותרים.

איך לחבר את המאפיינים ל-Wikidata

כדי להבטיח אפס הזיות מצידם של Claude או ChatGPT, אל תסתפקו בציון השם של הישות בלבד.

הוסיפו שדה sameAs בתוך תגית ה-about וה-mentions, וקשרו ישירות לערך ה-Wikidata המתאים. למשל, אם הזכרתם את העיר תל אביב, קשרו לערך של תל אביב ב-Wikidata. זה נותן למודל עוגן חד-משמעי.

זה עובד מדהים.

💡

שילוב קישורי Wikidata בתוך ערכי Schema מנטרל כמעט לחלוטין את הזיות ה-AI לגביזהות המותג.

בסופו של דבר, GEO ב-2026 הוא לא משחק של מילות מפתח — הוא משחק של ישויות והקשרים. מי שמנגיש למנועים את המידע בצורה הסמנטית והנקייה ביותר, הוא זה שמקבל את ההמלצה של ה-AI.