Answer Presence Rate (APR)
הנתח של תשובות ה-AI שמזכירות מותג עבור prompt מסוים, בממוצע על פני הרצות.
APR מודד כמה פעמים מותג מופיע בגוף תשובת LLM עבור prompt במעקב. RankCaster מריץ כל prompt 10× לכל מחזור ומדווח APR עם confidence interval (למשל APR 45% ±8pp) כדי שהמספר ישרוד את חוסר הדטרמיניזם של פלטי LLM.
AI Visibility Marketing (AVM)
דיסציפלינת שיווק המתמקדת בהשגת ציטוט של מותג על ידי LLMs בתשובות שהמשתמשים באמת רואים.
AVM היא הדיסציפלינה המטרייה המכילה GEO ו-AEO. היא מתייחסת לתשובת ה-LLM כמשטח שחשוב, לא רק לקישור ב-SERP. מיושמת כקו שירות על ידי סוכנויות SEO ו-GEO.
Generative Engine Optimization (GEO)
אופטימיזציה ל-LLMs גנרטיביים (ChatGPT, Claude, Gemini) שבהם המותג חייב להופיע בתוך התשובה.
GEO היא הדיסציפלינה הטכנית והתוכנית שמכינה אתר לציטוט על ידי LLMs גנרטיביים. אותות דירוג שונים מ-SEO — structured data, llms.txt, שרתי MCP, canonical-claim assertions, שלמות entity graph — ומדד הצלחה שונה (APR מול מיקום ב-SERP).
Answer Engine Optimization (AEO)
אופטימיזציה למנועי תשובות (Perplexity, תשובות Gemini) שבהם המטרה היא הופעה במקורות המצוטטים.
AEO מכוון למנועים שמצטטים מפורשות את המקורות שלהם. איכות structured data, כיסוי סוגי schema.org, טיפוסים AI-native (Dataset, DefinedTerm, ClaimReview), וציטוטים יוצאים בעלי סמכות גבוהה הם המנופים.
AI Optimization (AIO)
שכבת יסוד — robots.txt, llms.txt, ונגישות ל-AI crawlers — שמאפשרת למודלי AI לקרוא את האתר בכלל.
AIO היא תחתית ה-stack. אם GPTBot / ClaudeBot / Google-Extended לא יכולים לזחול באתר, שום עבודת GEO או AEO לא חשובה. אודיט ה-AI-readiness החינמי ב-/audit נותן ציון ל-AIO ראשון.
Model Context Protocol (MCP)
פרוטוקול פתוח שמאפשר לסוכני AI לתשאל את הדאטה של מותג ישירות דרך שרת שהמותג שולט בו.
MCP מאפשר לך לפרסם שרת ב-/.well-known/mcp שסוכני AI יכולים לקרוא לו כדי לקבל עובדות אמינות על המותג. RankCaster מספקת MCP-as-a-Service — שרת MCP מארח בחמש דקות למותג, ללא כרטיס הנדסי.
LLM-pack
חבילת דאטה בקריאה של מכונה — schema.org, entity graph, llms.txt, MCP discovery — מסופקת כקבצים אמיתיים.
LLM-pack הוא הפלט של צד הבנייה של RankCaster. Schema.org structured data (Organization, Product, FAQPage, Article, DefinedTerm, Dataset), entity graph שמקשר את המותג למקורות קנוניים, llms.txt + llms-full.txt לפי המפרט, MCP discovery ב-/.well-known/mcp, ו-canonical-claim assertions. קבצים שאתה מפיל לאתר.
Return on AI (ROAI)
הכנסה ו-pipeline המיוחסים חזרה ל-sessions שהופנו מ-AI, נמדדים לפי LLM ולפי prompt.
ROAI קושר את Answer Presence Rate לדולרים. Sessions שהופנו מ-ChatGPT, Gemini, Perplexity או Claude נוחתים ב-GA4 עם תיוג UTM, המרות מיוחסות חזרה ל-LLM ול-prompt הספציפיים, והתוצאה היא מספר הכנסה לכל אשכול prompt.