איך לעשות מחקר מתחרים כמו שצריך באמת

ראיתם את זה קורה. מישהו פותח את ChatGPT, כותב "תעשה לי מחקר מתחרים על חברה X", ומקבל בחזרה שלוש פסקאות כלליות שאפשר היה לנחש גם בלי AI. זה לא מחקר. זה ניחוש מנומס.

מחקר מתחרים אמיתי נראה אחרת. אתה רוצה לדעת מי עובד שם, מה הם פרסמו השבוע, על מה המנכ"ל הגיב בלינקדאין, אילו תפקידים הם מגייסים, ומי מזכיר אותם ברשת. הכל. בצורה חוקית, בלי לחבר או לסכן את הפרופיל שלך, ובפחות מ-50 סנט לחברה.

במדריך הזה אני מראה בדיוק איך בניתי לעצמי סוכן AI שעושה את זה מקצה לקצה. אותו דבר אתם תוכלו להרכיב תוך חצי שעה, גם בלי לדעת לכתוב שורת קוד אחת. אז בואו לעניין.

רגע לפני, שתי מילים על למה זה משנה. מי שמוכר B2B יודע שעסקה נסגרת על פרטים. לדעת שהמתחרה העלה מחיר, שהליד מגייס מנהל שיווק חדש, או ששותף פוטנציאלי פתח קו מוצר, זה ההבדל בין פנייה גנרית לפנייה שפוגעת בול. מחקר מתחרים טוב הוא לא תחביב, הוא יתרון מכירה.

למה "תעשה מחקר מתחרים" לצ'אט זה בזבוז זמן

הבעיה היא לא ה-AI. הבעיה היא הקלט. כשאתה מבקש מ-ChatGPT מחקר מתחרים בלי לתת לו גישה לנתונים, הוא עונה ממה שהוא זוכר מהאימון. זה מידע ישן, חלקי, ולפעמים פשוט המצאה.

מחקר מתחרים שמביא ערך עובד הפוך. קודם מחברים את הסוכן לנתונים חיים: לינקדאין, אתר החברה, ותוצאות גוגל. רק אז מבקשים ניתוח. תכלס, ההבדל הוא בין דעה לבין דוסייה.

וזה בדיוק מה שנבנה פה. סוכן AI אחד שמושך נתונים אמיתיים משלושה מקורות, מנתח אותם, ומגיש לך PDF מסודר בסוף.

חשבו על זה ככה. ChatGPT לבדו הוא כמו עובד חכם שאף פעם לא יצא מהמשרד. הוא יודע הרבה, אבל לא ראה את החברה שאתם שואלים עליה. ברגע שנותנים לו עיניים, כלומר גישה ללינקדאין, לאתר ולגוגל, הוא הופך מיועץ כללי לחוקר שיושב מול הנתונים. זה כל הסיפור.

נסיתי את שתי הגישות אחת מול השנייה על אותה חברה. הפרומפט הסתמי החזיר פסקה כללית על "חברה מובילה בתחומה". הסוכן המחובר לנתונים החזיר 14 עובדים חדשים ברבעון, שלושה צירי תוכן, ושני תפקידי מכירות פתוחים בתל אביב. אותה שאלה, עולם אחר.

ההבדל הוא לא חוכמה. זה גישה לנתונים. וברגע שמבינים את זה, מחקר מתחרים מפסיק להיות משימה ידנית ומתחיל להיות כפתור.

מה אפשר לדעת על מתחרה (בצורה חוקית)

לפני הכלים, שווה להבין מה בעצם אפשר לחלץ. הרשימה הזו היא מה שהסוכן שלי מחזיר בבקשה אחת:

📌 כל תוכן האתר של המתחרה: ההצעות, דפי הנחיתה, הבלוגים, גם הישנים שכבר לא מקושרים מהתפריט.

📌 מי עובד בחברה, כמה הם, ואיך זה השתנה. עלייה של 30 אחוז בגיוס ב-6 חודשים מספרת לך סיפור שלם על הכיוון שלהם.

📌 מה הם פרסמו לאחרונה, על מה הגיבו, ומה אהבו. ככה אתה רואה על מה הם מהמרים עכשיו, לא לפני שנה.

📌 איזכורים ברשת: כתבות יח"צ, קישורים מפנים, וה"סנטימנט" סביב המותג.

📌 מי הדרג הבכיר, מה מקבלי ההחלטות כותבים בלינקדאין, ועל מה הם מגיבים. זהב טהור למי שעושה מכירות B2B.

📌 והכל נארז ל-PDF קצר או ארוך, לבחירתכם. דוסייה אחד מסודר במקום עשרים טאבים פתוחים.

שימו לב לנקודה של הגיוס, כי היא חזקה במיוחד. חברה שפתחה שלושה תפקידי מכירות וצמחה ב-25 אחוז בחצי שנה לא רק "מצליחה". היא נכנסת לפריצה לשוק חדש, וזה בדיוק הרגע לדבר איתה או להתכונן אליה. הנתון הזה לבדו שווה את כל המחקר.

אותו תהליך עובד גם על לקוחות פוטנציאליים ועל שותפים, לא רק על מתחרים. מחקר מתחרים הוא רק השם. בפועל זו מכונת אינטליגנציה על כל חברה שתבחרו.

ולמה כל זה חוקי. כי אנחנו לא נכנסים לשום מקום סגור. כל הנתונים האלה גלויים: החברה פרסמה אותם בעצמה בלינקדאין, באתר ובכתבות. אנחנו פשוט אוספים אותם במקום אחד במקום לחפש ידנית בעשרים טאבים. זה ההבדל בין מחקר חכם לבין ריגול.

המצרכים: שני כלים ומפתח API אחד

כל מה שצריך זה שני חשבונות חינמיים ומפתח אחד. בלי כרטיס אשראי בהתחלה.

1. Zooq.dev לנתוני לינקדאין

Zooq.dev נותן גישה לנתוני לינקדאין דרך API, בלי לחבר את הפרופיל שלך ובלי לסכן אותו בחסימה. פותחים חשבון, מעתיקים את מפתח ה-API, נכנסים ללשונית ה-skills ומורידים את סקיל הפרימיום של מחקר חברה. זה הבסיס שעליו הסוכן יושב.

2. Firecrawl.dev לסריקת האתר

Firecrawl.dev סורק אתרים והופך אותם לטקסט נקי שה-AI יודע לקרוא. המנוי החינמי נותן בערך 1000 דפים, ממש מספיק להתחלה. יוצרים מפתח API ושומרים אותו בצד.

טיפ: תבקשו מהסוכן לסרוק קודם את מפת האתר של המתחרה, ורק אז את הדפים החשובים - דף הבית, התמחור, וההצעות. ככה הוא לא שורף 1000 דפים על בלוג ישן, ומשאיר מקום לחברות הבאות שתרצו לחקור באותו חודש.

למה Zooq ולא לגרד לינקדאין לבד? כי גירוד מהדפדפן שלכם הוא הדרך הכי מהירה לחסימת הפרופיל. Zooq עושה את זה דרך API נקי, בלי לגעת בחשבון שלכם. שילמתם כמה סנט, קיבלתם נתונים, המשכתם הלאה. בלי סיכון.

3. איזכורים בגוגל (ההנחיה הסודית)

את החלק של הכתבות והאיזכורים משיגים עם הנחיה אחת קטנה. תכתבו לסוכן: "הוסף למחקר גם חיפוש גוגל של שם החברה, ובנוסף חיפוש בפורמט הזה - כתובת האתר בתוך שני גרשיים - כדי לחלץ איזכורים של המותג ולינקים חוזרים ברשת". פשוט, ועובד מצוין.

הטריק עם הגרשיים סביב כתובת האתר הוא קטן אבל מדויק. הוא מחזיר בעיקר דפים שמקשרים למתחרה או מזכירים אותו בשמו המלא, במקום אלף תוצאות לא קשורות. ככה מקבלים תמונת PR ולינקים אמיתית, לא רעש.

איך בונים את הסוכן מחקר מתחרים, צעד אחר צעד

עכשיו מרכיבים. אני עובד עם Claude Code, אבל אותו דבר עובד ב-Codex, ב-Cursor או בכל סוכן שמריץ כלים. הנה הרצף המדויק.

שלב 1: פותחים סשן

פותחים שיחה חדשה עם הסוכן. נקייה, בלי הקשר קודם שיבלבל אותו.

שלב 2: נותנים לו את המפתחות

מדביקים בצ'אט את כתובות שני האתרים ואת מפתחות ה-API. למתקדמים: שומרים אותם בקובץ env בתיקיית הפרויקט, ככה הם לא יושבים בתוך השיחה. אף פעם אל תשאירו מפתח API בתוך תוכן שמתפרסם.

עוד דבר קטן ששווה לעשות פה: תגידו לסוכן ללמוד את ה-API מהתיעוד באתרים של Zooq ו-Firecrawl לפני שהוא מתחיל. ככה הוא ידע אילו נקודות קצה קיימות ומה כל אחת מחזירה, במקום לנחש. דקה אחת של "קרא קודם את התיעוד" חוסכת המון תיקונים אחר כך.

שלב 3: ההנחיה שבונה את הסקיל

זו ההנחיה שעושה את העבודה. כתבו משהו בסגנון: "אני רוצה שתבנה סקיל מחקר מתחרים שמשלב מחקר לינקדאין מעמיק, סריקת אתר החברה, ואיזכורים בגוגל (כאן מוסיפים את ההנחיה משלב 3 במצרכים). בסיום כל מחקר תייצר לי PDF באורך עד 3 עמודים. השתמש כבסיס בסקיל שצירפתי (מצרפים את קובץ ה-md של מחקר החברה מ-Zooq), וביכולות ה-API של שני האתרים שנתתי לך - למד את מבנה ה-API מהתיעוד באתרים שלהם. עדכן אותי כשסיימת לבנות, ואז נריץ טסט".

שלב 4: טסט, תיקון, חזרה

כשהוא מסיים, תנו לו שם של חברה וכתובת אתר. קראו את הפלט. לא מרוצים מחלק מסוים? תגידו לו בדיוק מה לתקן ותריצו שוב. דווקא שתי איטרציות פה שוות יותר משעה של כיוונון מראש. אחרי שניים-שלושה סבבים יש לכם סקיל מחקר מתחרים שעובד בדיוק כמו שאתם רוצים.

טיפ קטן ששווה זהב: בטסט הראשון תבחרו חברה שאתם כבר מכירים טוב. ככה תזהו מיד אם הסוכן ממציא או מדייק. אם הוא כותב משהו שאתם יודעים שלא נכון, זה הזמן לתקן את ההנחיה, לא אחרי שחקרתם 10 חברות.

הטעות שעשיתי בפעם הראשונה

בפעם הראשונה שבניתי את זה, ביקשתי מהסוכן למשוך את כל העובדים של חברה עם 800 איש. שרפתי חצי מהקרדיטים בקריאה אחת. באסה.

מאז אני עובד אחרת. קודם שואלים את הסוכן כמה קריאות זה ייקח, ורק אז מאשרים. לחברה גדולה אני מבקש רק את הדרג הבכיר, לא את כולם. מחקר מתחרים טוב הוא ממוקד, לא מטאטא הכל.

הלקח השני: סוכן AI טוב הוא כזה שעוצר ושואל לפני שהוא מבזבז. כשבניתם את הסקיל, כתבו לו במפורש "לפני קריאות שצורכות הרבה קרדיטים, תעצור ותבקש אישור". זה הציל לי לא מעט כסף.

והלקח השלישי, אולי הכי חשוב: תתחילו בקטן. חברה אחת, מחקר אחד, קריאה אחת של הפלט. אל תקפצו ישר ל-50 חברות לפני שאתם בטוחים שהסוכן מחזיר בדיוק את מה שאתם צריכים. ברגע שזה עובד על אחת, זה עובד על כולן.

מה הסוכן עושה מאחורי הקלעים

שווה להבין מה קורה ברגע שאתם מריצים מחקר, כי ככה תדעו לכוון אותו טוב יותר. הסקיל מבוסס על שרשרת של שישה שלבים מול ה-API של Zooq.

קודם הוא מזהה את מזהה החברה המספרי מתוך שם או כתובת לינקדאין. אחר כך מושך את הפרופיל: מה הם עושים ולמי. משם הוא לוקח נתוני גיוס, כולל אחוזי הצמיחה ב-6, 12 ו-24 חודשים. זה מספר לכם אם החברה רצה קדימה או תקועה.

הצעד הבא הוא הפוסטים. הסוכן אוסף את הפוסטים האחרונים, מקבץ אותם ל-3 עד 6 צירי תוכן, ובונה מהם ניתוח SWOT. כל נקודת חוזק או חולשה מסומנת אם היא מגובה בפוסט ספציפי או שזו הסקה. בלי לדמיין דברים.

החלק הזה הוא דווקא הכי שווה למשווקים. כשאתה רואה שמתחרה פרסם השבוע שלושה פוסטים על פיצ'ר חדש, אתה יודע על מה הוא מהמר. כשאתה רואה שהוא שותק על נושא שכל השוק מדבר עליו, מצאת פער. זו אינטליגנציה שאי אפשר לקנות בדוח גנרי.

ואז הדרג הבכיר. הסוכן מסנן את אנשי ה-C-level של החברה, מחזיר שם, תפקיד ומיקום, ומפנה לפרופיל. בסוף הוא מושך את המשרות הפתוחות, כי גיוס לתפקיד מסוים הוא אות מוקדם להרחבה. המדריך המלא לסוכני AI עסקיים מסביר לעומק איך הלוגיקה הזו עובדת.

ולמה שני פורמטים בסוף. ה-PDF הוא בשבילכם, לקרוא על קפה ולהחליט. ה-JSON הוא בשביל המכונה: אם בא לכם שהסוכן ימשיך לבד ויכתוב מייל, או יכניס את הנתונים ל-CRM, הוא קורא את ה-JSON וממשיך. ככה מחקר מתחרים מתחבר לאוטומציה שלמה ולא נשאר קובץ בודד בתיקייה.

למתקדמים: batch של 10 חברות והצעד הבא

ברגע שהסקיל עובד על חברה אחת, אתם בעצם מחזיקים מכונה. הנה איך מעלים הילוך.

תנו לסוכן רשימה של 10 חברות שהייתם רוצים לחקור, ובקשו ממנו לעבור אחת-אחת, לייצר PDF לכל אחת, ולשמור הכל בתיקייה ייעודית במחשב. שתו קפה. כשתחזרו, עשרה דוסיירים יחכו לכם מסודרים.

למתקדמים פלוס: בקשו ממנו את הצעד הבא. אם מדובר בלידים, שהוא ינסח מייל פתיחה אישי לכל אחד מהם. אם מדובר במתחרים, שהוא ינסח מייל שמציג הזדמנות עסקית מול הפערים שמצאתם בהצעות שלהם. ככה מחקר מתחרים הופך מדוח לפעולה. אם בא לכם להעמיק בכתיבת ההנחיות עצמן, יש לי מדריך נפרד על הנדסת פרומפטים.

תכלס, ככה זה נראה אצלי בשבוע טיפוסי. ביום ראשון אני זורק לסוכן רשימה של 8 חברות שצצו בשיחות מכירה. הוא רץ עליהן ברקע ומכין דוסייה לכל אחת. ביום שני אני קורא את שמונת ה-PDF-ים על קפה, מסמן שלוש שמעניינות, ומבקש ממנו לנסח להן מייל פתיחה. בלי הסוכן זה היה לוקח לי יומיים. עם הסוכן זה חצי שעה של קריאה.

והכי יפה, כל דוסייה נשמר. אחרי חודש יש לכם ארכיון של עשרות חברות בתיקייה אחת. כשליד חוזר אחרי שלושה חודשים, המחקר כבר מחכה. דווקא ההצטברות הזו היא מה שהופך את זה ממשימה חד פעמית לנכס.

שלוש טעויות שכדאי לא לעשות

טעות ראשונה: לסמוך על הפלט בלי לקרוא. הסוכן מדייק ברוב המקרים, אבל הוא לא מושלם. תמיד תעיפו עין על המספרים החשובים לפני שאתם פועלים לפיהם, במיוחד בפנייה ללקוח.

טעות שנייה: לבקש הכל על כולם. מחקר מתחרים ממוקד על חמש חברות שווה יותר מערימת נתונים על חמישים. תבחרו את מי שבאמת שווה לכם לרבעון הקרוב, ותעמיקו שם.

טעות שלישית: לבנות את הסקיל ולשכוח ממנו. השוק זז, ה-API מתעדכן, והצרכים שלכם משתנים. דווקא ריענון קצר אחת לכמה שבועות שומר על הסוכן AI שלכם חד ומדויק.

כמה זה עולה ומה ההגבלות

התמחור עובד על קרדיטים ב-Zooq, וכל קריאה צורכת קצת. בפועל, מחקר מלא על חברה אחת יוצא פחות מ-50 סנט. את היתרה והעלות לכל קריאה רואים בלוח הבקרה של Zooq.

כמה דברים שכדאי לדעת. אם תקבלו שגיאת 402, נגמרו הקרדיטים וצריך לטעון. שגיאת 429 אומרת שאתם רצים מהר מדי, מחכים חצי דקה וממשיכים. ואם החברה ענקית, בקשו מהסוכן להעריך כמה קריאות זה ייקח לפני שהוא שורף לכם קרדיטים על אלפי עובדים.

שווה גם לשים תקרה. כשבניתם את הסקיל, תגידו לו "אל תעבור 30 קריאות API לחברה אחת בלי לשאול אותי". ככה גם אם תבקשו מחקר על חברת ענק, הוא יעצור ויראה לכם את העלות המשוערת לפני שהוא רץ. שליטה קטנה שמונעת הפתעות בחשבון.

ובאמת, רוב הזמן זה זול עד כדי גיחוך. חברה ממוצעת של 50 עד 200 עובדים יוצאת כמה סנטים בודדים, כי רוב המידע מגיע בקריאות מעטות. רק כשרוצים את כל אלפי העובדים של ארגון ענק זה מתחיל להצטבר, ואת זה ממילא כמעט אף פעם לא צריך למחקר מתחרים.

רוצים להבין איך כל זה מתחבר לתמונה הרחבה של נראות ב-AI, קראו את המדריך שלי על אופטימיזציה למנועי AI. אותו ראש: לתת ל-AI נתונים אמיתיים ולא ניחושים.

אז זהו תכלס. מחקר מתחרים הפסיק להיות פרויקט של יומיים והפך לכפתור. כלי אחד ללינקדאין, כלי אחד לאתר, הנחיה אחת לגוגל, וסוכן שמרכיב הכל ל-PDF. תתחילו מחברה אחת שאתם מכירים, ותראו לבד כמה זה משנה.