מניפת שאילתות (Query Fan-Out) היא השיטה שבה מנוע חיפוש מבוסס AI מפצל שאלה אחת לכמה חיפושים ברשת, כל אחד על חלק אחר של השאלה, ומרכיב מהתוצאות תשובה אחת. במדריך הזה אני מסביר איך לראות מה ChatGPT מחפש כדי לענות על פרומפט, מה מצאו מחקרים על מיליוני חיפושים כאלה, ואיך להשתמש בהם כדי לשפר את התוכן באתר.
כשמבקשים המלצה על מסך גיימינג במחיר שפוי, המערכת עשויה לחפש בנפרד מפרטים, השוואות ומחירים. המפרט עוזר לבדוק אם המסך מתאים למשחקים, והמחיר עוזר לבדוק אם הוא בתקציב. קריאת החיפושים האלה יכולה לעזור לזהות מידע שחסר בעמוד המוצר או במדריך הקנייה.
אשתמש בבדיקה שעשיתי ב־ChatGPT כדי להראות איך עוברים מרשימת חיפושים להחלטות על תוכן.
מה זה מניפת שאילתות (Query Fan-Out) ואיך היא עובדת?
מפרומפט למניפת שאילתות
המונח מגיע מהתיעוד של גוגל ל־AI Overviews ול־AI Mode, שעשויים להריץ במקביל כמה חיפושים קשורים על תתי־נושאים שונים כדי למצוא את המידע לתשובה אחת. המדריך של גוגל לאופטימיזציה לפיצ׳רים של AI גנרטיבי נותן דוגמה: לשאלה איך לטפל בדשא מלא בעשבים שוטים, שאילתות המניפה יכולות לכלול חיפוש של קוטלי העשבים הטובים ביותר לדשא, של הסרת עשבים בלי כימיקלים ושל דרכים למנוע עשבים בדשא. Google: המדריך של גוגל לאופטימיזציה לפיצ׳רים של AI גנרטיבי בחיפוש
ב־AI Mode מדובר בערך בתריסר חיפושים לשאלה: כך תיאר זאת מנהל הנדסה בחיפוש של גוגל בראיון ממרץ 2026. Deep Search ב־AI Mode משתמש באותה שיטה ומריץ מאות חיפושים.
גם ב־Gemini API עם חיפוש גוגל המודל יכול לנסח כמה חיפושים בעקבות בקשה אחת. פרומפט הוא מה ששאלנו את המערכת. מניפת השאילתות כוללת את החיפושים שהיא ביצעה ברשת כדי לענות. Google: התיעוד של Gemini API על חיפוש Google
חיפוש בכמה כיוונים וחיפוש בכמה סבבים
המערכת יכולה לחפש מידע על כמה חלקים של השאלה, ואז להמשיך לחפש לפי מה שמצאה. ChatGPT יכול לשלוח שאילתות לספקי חיפוש ולנסח חיפושים נוספים אחרי שקיבל את התוצאות הראשונות. מרשימת השאילתות לבדה אי אפשר לדעת אם כל החיפושים התבצעו במקביל או מה גרם למערכת לעבור מחיפוש אחד לאחר.
המונח מופיע גם בכתיב query fanout או query fan out, ובעברית כפיצול שאילתות או הרחבת שאילתות. לצורך הניתוח, מעניין יותר להבין איזה מידע כל חיפוש מבקש למצוא מאשר לספור כמה ניסוחים נוצרו.
במה שאילתות מניפה שונות ממחקר מילות מפתח
מחקר מילות מפתח מעריך מה אנשים מקלידים, על סמך נתוני עבר של מנוע חיפוש. שאילתת מניפה היא מה שהמנוע עצמו חיפש, באותו רגע, כדי לענות על פרומפט אחד, ורוב השאילתות האלה הן ניסוחים שאף אחד לא מקליד: בבדיקה של Seer Interactive, ל־95% מהשאילתות ש־Gemini ניסח לא היה נפח חיפוש בכלל. לכן שאילתת מניפה מצביעה על מידע שהתוכן הקיים באתר צריך לספק, והיא לא מחייבת עמוד חדש.
כמה חיפושים מנועי AI מריצים לכל פרומפט, לפי המחקרים
כמה חברות ניתחו שאילתות מניפה שנאספו מ־ChatGPT, Perplexity, Grok ו־Gemini, חלקן במיליונים. כל מחקר בדק מנוע ומדגם אחרים, ולכן הטבלה מציינת את שניהם:
| מחקר | מה נבדק | מה נמצא |
|---|---|---|
| Ahrefs, אוקטובר 2026 | 66.6 מיליון תשובות של ChatGPT בגרסה החינמית בלי התחברות, ו־15 מיליון שאילתות מניפה, אוגוסט עד ספטמבר 2026 | ב־14.4% מהתשובות היו שאילתות מניפה, כ־1.6 בממוצע לתשובה. 6.8% מהשאילתות השתמשו ב־site: כדי לחפש באתר אחד, ו־75.9% מחיפושי ה־site: הנפוצים כוונו לאתר של המותג עצמו. |
| Ahrefs, אוגוסט 2025 | 118,931 שאילתות מניפה של ChatGPT | 1.78 חיפושים בממוצע לפרומפט, ו־75% מהפרומפטים הובילו לשני חיפושים בדיוק. 83% מהכתובות ש־ChatGPT קיבל לא הופיעו בתוצאות של גוגל לאותה שאילתה. |
| Peec AI, מאי 2026 | 5 מיליון שאילתות מניפה מ־ChatGPT, Perplexity ו־Grok, אפריל 2026 | 2.1 שאילתות לפרומפט ב־ChatGPT, 1.4 ב־Perplexity ו־6.8 ב־Grok. Grok השתמש ב־site: ב־18.3% מהשיחות. |
| Seer Interactive, נובמבר 2025 | 501 פרומפטים דרך ה־API של Gemini 3, עם חיפוש גוגל מופעל | 10.7 שאילתות מניפה לפרומפט, 6.7 מילים בממוצע לשאילתה. ל־95% מהשאילתות לא היה נפח חיפוש, 26.4% כללו שם מותג ו־21.3% כללו שנה. |
| LoudFace, 2026 | 3,718 תשובות לפרומפטים של קנייה, יולי עד אוגוסט 2026 | ChatGPT פיצל את השאלה לכמה חיפושים ב־47% מהתשובות, Perplexity ב־2% בלבד. |
ChatGPT מריץ מעט חיפושים, כשניים לפרומפט, בעוד Grok ו־Gemini מתכננים הרבה יותר. המנועים גם מנסחים מחדש את השאלה כשהם מחפשים: לפי Peec AI, ChatGPT מוסיף מילים כמו best, top ו־reviews ושמות של מותגים, ובנתוני ספטמבר של Ahrefs המילה official הופיעה ב־13.1% משאילתות המניפה באנגלית. גם השאלה אם ChatGPT מחפש בכלל תלויה בחשבון ובסוג השאלה: 14.4% מהתשובות בגרסה החינמית בלי התחברות בנתונים של Ahrefs, לעומת 47% מהתשובות לפרומפטים של קנייה בנתונים של LoudFace.
דוגמה: מה ChatGPT חיפש כדי להמליץ על מסך גיימינג?
השאלה המקורית והחיפושים שנצפו
ביקשתי מ־ChatGPT: ״תמליץ לי על מסך מחשב טוב למשחקים חדשים במחיר שפוי״. אלה החיפושים שראיתי בבדיקה:
best value 27 inch 1440p 180Hz IPS gaming monitor 2026 official specs
site:ksp.co.il מסך גיימינג 27 1440p 180Hz IPS
site:ivory.co.il מסך גיימינג 27 1440p 180Hz IPS
Gigabyte GS27QA official specifications
Dell Alienware AW2725DM official specifications
AOC Q27G4XF official specifications
site:zap.co.il GS27QA AW2725DM Q27G4XF
site:ivory.co.il "Q27G4XF" מחיר
site:ksp.co.il "GS27QA" מחיר
site:ivory.co.il "AW2725DM" מחיר
site:ivory.co.il "XG27ACS" מחירברשימה מופיעים חיפוש כללי באנגלית, חיפושי מפרט של דגמים מסוימים וחיפושים בעברית בחנויות ובאתר השוואת מחירים. הביטוי site: ממקד חיפוש באתר מסוים, כך ש־site:ivory.co.il מצביע על חיפוש באתר אייבורי. עצם הופעת שם החנות בשאילתה אינה אומרת שהחנות צוטטה בתשובה.
הדוגמה מראה מה ChatGPT חיפש בשיחה אחת בחשבון שלי. היא לא כוללת את המקורות שקיבלו קישור בתשובה, ואי אפשר ללמוד ממנה מה הוא יחפש בשיחה אחרת או למה בחר דווקא בדגמים האלה.
חיפוש מפרט וחיפוש מחיר עוזרים לענות על שאלות שונות: האם המסך מתאים למשחקים, והאם הוא בתקציב. הייתי מחלק את השאילתות לקבוצות לפי השאלות האלה, גם כשחלקן בעברית וחלקן באנגלית. שני ניסוחים שונים יכולים לחפש בדיוק את אותו מידע.
איך לבדוק אילו שאילתות נחשפו בשיחת ChatGPT?
גוגל לא מציגה את שאילתות המניפה שהיא מריצה, והן גם לא מופיעות ב־Search Console. ChatGPT כן חושף את החיפושים שלו, ולכן הדוגמאות במדריך הזה לקוחות מ־ChatGPT.
אפשר לבצע את המחקר בשתי דרכים. הדרך הידנית היא להריץ פרומפטים ולבדוק את השאילתות שנחשפו בעזרת תוסף כמו תוסף הכרום שבניתי ל־ChatGPT. התוסף עוזר לאסוף ולקרוא את הנתונים בכל שיחה, ואת ההשוואה בין הבדיקות צריך לעשות בנפרד. זו דרך נוחה לחקור דוגמאות ולהבין מה ה־AI חיפש בתגובה לפרומפט מסוים, אבל כמה בדיקות ידניות אינן מספיקות כדי לקבוע אילו דפוסים חוזרים לאורך זמן.
הדרך השנייה היא מעקב אוטומטי באמצעות כלי שמריץ את אותם פרומפטים בקביעות, אוסף את השאילתות שנחשפו ומרכז את השאילתות והדפוסים שחוזרים לאורך זמן. כשבוחרים כלי, צריך לוודא שהוא אכן אוסף שאילתות חיפוש ולא מסתפק במעקב אחר אזכורים וציטוטים. מעקב כזה מאפשר להשוות בין בדיקות ולזהות מה חוזר במדגם, אך גם הוא אינו נתון על מה שלקוחות שואלים בפועל.
מה ההבדל בין שאילתה, מקור וציטוט?
- שאילתה: מה שה־AI חיפש ברשת כדי להרכיב את התשובה.
- מקור: עמוד באתר שהופיע בתוצאות החיפוש שה־AI קיבל בחזרה.
- ציטוט: קישור למקור שה־AI שילב בתשובה עצמה.
בדיקה ב־ChatGPT בעזרת התוסף
אחרי ההתקנה, אפשר לבצע בדיקה קצרה בשיחה חדשה:
- לפתוח את ChatGPT בכרום בחשבון מחובר וללחוץ על סמל התוסף בסרגל הדפדפן. התוסף נפתח בחלונית צד, לצד השיחה.
- לשלוח פרומפט לבדיקה שעוסק במוצר, בשירות או בנושא שרוצים לחקור ודורש מידע מהרשת, ולבחור חיפוש ברשת אם הוא לא הופעל אוטומטית.
- להמתין לסיום התשובה. השאילתות מופיעות בחלונית בזמן שהתשובה נכתבת, והמקורות והציטוטים מתמלאים כמה שניות אחרי שהיא מסתיימת.
- לעבור בין הלשוניות ״שאילתות״, ״מקורות שצוטטו״ ו״מקורות שלא צוטטו״. כשהתשובה כוללת מפה או קרוסלת קניות, מופיעות גם הלשוניות ״מקומות״ או ״מוצרים״. בשדה ״בדיקת דומיין״ אפשר להקליד דומיין ולראות אם החיפושים הגיעו אליו ואם התשובה ציטטה אותו.
- לשמור את הפרומפט ואת התשובה לצד הנתונים. בתפריט ״עוד״, תחת ״השיחה הזו״, אפשר לבחור ״ייצוא כ-CSV״ כדי לשמור קובץ טבלה שאפשר לפתוח באקסל או ב־Google Sheets.





מה אפשר להסיק מהנתונים שנאספו?
מניפת השאילתות מראה מה ה־AI חיפש כדי לענות על הפרומפט שנבדק: אילו דגמים בדק, אילו השוואות חיפש ואיזה מידע ניסה למצוא. זה יכול לעזור לבחור מה להוסיף לתוכן באתר, גם בלי לדעת כמה אנשים שואלים שאלה דומה. הבדיקה לא מגלה איך לקוחות מנסחים את הפרומפטים שלהם או כמה פעמים הם שואלים כל שאלה, והתוסף יכול להציג רק את הנתונים שהצליח לקרוא מהשיחה.
אם רשימת השאילתות ריקה, כדאי לבדוק אם ChatGPT חיפש ברשת ואם התוסף הצליח לאסוף את נתוני השיחה. ייתכן שלא היה חיפוש, שנתוני החיפוש לא היו זמינים לתוסף או שהאיסוף נכשל. רשימה ריקה לא אומרת שאין עניין בנושא.
איך לאסוף מניפות שאילתות שאפשר להשוות?
בחירת פרומפטים לבדיקה
שאלות שעולות בשיחות מכירה ובפניות לתמיכה יכולות לתת רעיונות לפרומפטים לבדיקה. גם השוואה בין מוצרים או שירותים יכולה להיות נקודת התחלה. המדריך למעקב אחר פרומפטים מציע להפריד בין שאלות על צורך, השוואות ושאלות על מותג. אלה פרומפטים שבחרנו למחקר, ואין בכך הוכחה שלקוחות שואלים את אותן שאלות ב־AI.
תיעוד הפרומפט ותנאי הבדיקה
לכל בדיקה כדאי לפתוח שורה בגיליון ולשמור בה את הפרומפט ואת התנאים שבהם התקבלה התשובה:
- תאריך הבדיקה.
- שם המערכת, המודל והגרסה שמופיעים בממשק או בתשובת ה־API. אם הגרסה לא מוצגת, כדאי לציין זאת.
- אם הבדיקה נעשתה באתר או באפליקציה של המערכת, או דרך API, חיבור שמאפשר לתוכנה לבקש תשובה מהמערכת. צריך לציין גם אם הבדיקה נעשתה בחשבון מחובר ובאיזה מסלול.
- מצב החיפוש ברשת, ואם החיפוש הופעל אוטומטית או נבחר ידנית.
- השפה והאזור שאליהם הפרומפט מתייחס, והמדינה שהוגדרה בכלי המעקב, אם קיימת אפשרות כזאת.
- אם זו שיחה חדשה ואם הזיכרון מופעל.
מזהה קצר כמו ״מסך־01״ וקישור לשיחה יעזרו לחבר בהמשך בין הבדיקה לשאילתות שנאספו בה.
בגיליון נוסף, כל שורה יכולה להכיל שאילתה אחת: מזהה הבדיקה, מה ה־AI חיפש, איזה מידע הוא ניסה למצוא ואיזה עמוד באתר יכול לספק אותו. אם באותה בדיקה הופיעו שלוש שאילתות על מחיר, זו עדיין בדיקה אחת שבה המערכת חיפשה מחיר. צריך לספור אותה פעם אחת כשבודקים בכמה בדיקות הנושא חזר.
חזרה על הבדיקה וזיהוי דפוסים
גם כששולחים את אותו פרומפט שוב, ה־AI יכול לחפש דברים אחרים. כדי שההשוואה תהיה שימושית, כדאי לשמור על אותו נוסח ועל אותם תנאי בדיקה, ולפתוח שיחות חדשות. בדיקות בשפות שונות, באזורים שונים, במודלים שונים או בדרכי איסוף שונות כדאי להשוות בנפרד. אם המודל או דרך האיסוף השתנו, צריך לציין מתי השינוי קרה כדי שאפשר יהיה לפרש את התוצאות לפניו ואחריו.
אפשר להתחיל מכמה פרומפטים שקשורים לעסק ולחזור עליהם במועדים שונים. צריך לשמור בכל פעם את השאילתות ואת התשובה, גם כשהאתר לא קיבל קישור. כך אפשר לראות אילו חיפושים חוזרים בכמה בדיקות, ולא לבחור רק את התשובות שבהן האתר הופיע.
בתיעוד כדאי לציין כמה בדיקות בוצעו ובכמה מהן הופיע כל נושא. למשל, ״חיפוש אחר מפרט הופיע בארבע מתוך שש בדיקות״ מתאר בדיוק מה נמצא בבדיקות האלה. זו דוגמה לאופן הרישום, לא תוצאה מהבדיקה שלי, והיא לא אומרת שארבעה מתוך שישה לקוחות יקבלו את אותם חיפושים.
זיהוי נושאים ומקורות שחוזרים
אחרי החלוקה לקבוצות, אפשר לבדוק אילו נושאים ואילו עמודים חוזרים בכמה בדיקות. אם אותו עמוד מופיע שוב, כדאי לפתוח אותו ולבדוק מה יש בו: מפרט ברור, מחיר עדכני, השוואה או בדיקה של המוצר. כך אפשר להבין איזה מידע העמוד מספק. עצם הופעתו שוב ושוב לא מוכיחה שה־AI ״סומך״ על האתר.
את המקורות כדאי לרשום בגיליון נפרד, עם מזהה הבדיקה, כתובת העמוד, האם יש אליו קישור בתשובה ומה כתוב ליד הקישור. אם הנתונים לא מראים איזו שאילתה הובילה לעמוד, אין סיבה לנחש. למשל, כשבתשובה מופיע מחיר לצד קישור לעמוד מוצר, כדאי לפתוח את העמוד ולבדוק שזה אותו דגם, באותו מחיר ובאותם תנאים.
איך להפוך את הממצאים לשיפור תוכן?
לפני כתיבת תוכן חדש, כדאי לבדוק אם כבר יש באתר עמוד שאמור לספק את המידע שה־AI חיפש. חיפוש מפרט של דגם שנמכר באתר הוא סיבה לבדוק את עמוד המוצר שלו. אם המפרט חסר, לא ברור או מופיע רק בתמונה, אפשר להוסיף אותו כטקסט ולהסביר מה הנתונים אומרים למי ששוקל לקנות.
הטבלה הבאה מראה איך הייתי משתמש בשאילתות מהבדיקה שלי כדי להחליט מה לשפר באתר שמוכר מסכים:
| שאילתה שנצפתה | הצורך של הלקוח | בדיקה באתר והפעולה האפשרית |
|---|---|---|
Gigabyte GS27QA official specifications | להבין אם המפרט מתאים לשימוש | לבדוק את עמוד הדגם ולהשלים נתונים חסרים והסבר על המשמעות שלהם. |
site:ivory.co.il "Q27G4XF" מחיר | לברר מחיר בחנות מסוימת | באייבורי, לבדוק שהמחיר והזמינות ברורים ועדכניים. בחנות אחרת, לבדוק אם הדגם נמכר בה ואם פרטי המוצר שלה מלאים. |
site:zap.co.il GS27QA AW2725DM Q27G4XF | להשוות בין דגמים | לבדוק אם יש השוואה שימושית באתר. אם חסרה, לשקול עמוד שעוזר לבחור לפי תקציב ושימוש. |
שלושת החיפושים האלה אינם מחייבים שלושה עמודים חדשים. מפרט ומחיר יכולים לקבל מענה בעמוד מוצר קיים. השוואה עשויה להצדיק עמוד נפרד אם היא עוזרת ללקוח לבחור בין דגמים. לפני כתיבה, כדאי לבדוק איזה מידע כבר קיים ואיפה חסר הסבר.
יצירת תוכן לכל וריאציה אפשרית של חיפוש, כולל שאילתות מניפה, בעיקר כדי להשפיע על הדירוג או על תשובות ה־AI, מפרה את מדיניות הספאם של גוגל נגד ניצול לרעה של תוכן בהיקף נרחב (scaled content abuse). המערכות של גוגל מזהות שעמוד רלוונטי גם בלי התאמה מדויקת בין השאילתה לתוכן.
תעדוף לפי רלוונטיות לעסק וללקוח
הייתי מתחיל במידע שחסר לפני קנייה: האם המוצר מתאים, כמה הוא עולה, האם הוא במלאי ומה ההבדל בינו לבין החלופות. אם ה־AI חיפש את אותו מידע בכמה בדיקות והוא חסר באתר, כדאי לבדוק אם אפשר להוסיף אותו לעמוד קיים. מספר הפעמים שחיפוש הופיע בבדיקות לא מלמד כמה לקוחות מחפשים אותו, ולכן כדאי להתחשב גם בפניות של לקוחות ובנתוני החיפוש של האתר.
כמומחה GEO, הייתי משתמש בניתוח הזה כדי לבחור איזה מידע כדאי להשלים באתר, לפי השאלות של הלקוחות ולפי המוצרים והשירותים שהעסק מציע.









