הגדרה קצרה
Vector Search הוא חיפוש שמבוסס על דמיון סמנטי בין וקטורים במקום התאמת מחרוזות מדויקת.
הרחבה
בניגוד לחיפוש לקסיקלי (BM25, מילת מפתח), חיפוש וקטורי מוצא מסמכים שקרובים במשמעות גם כשהמילים שונות לחלוטין. הוא מבוצע על ידי מסדים ייעודיים כמו Pinecone, Weaviate, pgvector, ו-Elasticsearch עם תמיכה בוקטורים. זהו הרכיב המרכזי של כל מערכת RAG מודרנית.
למה Vector Search חשוב לקידום ולשיווק?
רוב מערכות החיפוש שבהן הלקוחות שלכם משתמשים היום, מ-ChatGPT עם גלישה ועד חיפוש פנימי באתרי מסחר גדולים, משלבות חיפוש וקטורי. המשמעות העסקית: אתם מתחרים על קרבה במשמעות ולא רק על מילת מפתח. עמוד שעונה טוב על שאלה יכול להיבחר גם אם המתחרה חזר על מילת המפתח עשר פעמים. זה פותח דלת לעסקים קטנים עם ידע אמיתי, שלא יכולים להתחרות בתקציבי קישורים אבל יכולים לכתוב את התשובה המדויקת ביותר.
יש לזה גם צד פנימי. עסקים עם קטלוג גדול, מאגר מאמרים או מרכז תמיכה יכולים להחליף את תיבת החיפוש הישנה בחיפוש וקטורי. לקוח שמחפש „נעליים לריצה בחורף” מקבל גם נעלי ריצה עמידות למים, בלי שמישהו תייג אותן כ„חורף”. פחות תוצאות ריקות, יותר המרות, ונתוני חיפוש פנימי שמלמדים מה הלקוחות באמת מחפשים ומה חסר באתר.
איך מודדים ומיישמים את זה בפועל?
מצד התוכן, הדרך לעבוד עם חיפוש וקטורי היא לכתוב כך שכל יחידת תוכן ניתנת לאחזור בנפרד: כותרות משנה ברורות, פסקאות קצרות, התשובה בראש הפסקה. בדקו בעזרת Perplexity או ChatGPT: שאלו שאלה שלקוח היה שואל וראו אם האתר שלכם מצוטט. אם לא, פתחו את העמוד שאמור לענות ובדקו האם התשובה אכן נמצאת בו בצורה ישירה או רק נרמזת.
מצד ההטמעה, מי שבונה חיפוש פנימי יכול להתחיל עם pgvector על PostgreSQL או Supabase קיים, בלי תשתית חדשה. Elasticsearch ו-OpenSearch תומכים בחיפוש היברידי שמשלב BM25 עם וקטורים, וזה בדרך כלל השילוב הנכון: הלקסיקלי תופס שמות דגמים ומק״טים, הווקטורי תופס כוונה. מדדו הצלחה לפי שיעור החיפושים שהחזירו אפס תוצאות ולפי שיעור ההמרה של משתמשים שהשתמשו בחיפוש.
טעויות נפוצות
- החלפת חיפוש מילות מפתח בחיפוש וקטורי בלבד, ואז לקוחות לא מוצאים מק״ט או שם דגם מדויק.
- הנחה שחיפוש וקטורי „מבין” תוכן שיווקי מעורפל; הוא מוצא דמיון במשמעות, לא קורא מחשבות.
- אינדוקס עמודים שלמים כיחידה אחת במקום פסקאות או קטעים, כך שהתוצאות כלליות ולא מדויקות.
- אי-מדידה: מפעילים חיפוש חדש ולא בודקים מה המשתמשים מחפשים ואילו חיפושים נשארים בלי תשובה.
- שימוש במודל embeddings שאומן בעיקר על אנגלית לחיפוש בעברית, בלי לבדוק את איכות התוצאות על שאלות אמיתיות.
דוגמה מהשטח
דמיינו אתר של רשת מרפאות שיניים עם מרכז מידע של מאות שאלות ותשובות. חיפוש פנימי לקסיקלי על „כאב אחרי סתימה” יחזיר אפס תוצאות, כי המאמר הרלוונטי נקרא „רגישות לאחר טיפול שיקומי” ואין חפיפה במילים. בחיפוש היברידי עם pgvector אותה שאלה תוביל למאמר הנכון, כי המשמעות קרובה. בונוס: דו״ח של שאלות שלא נמצא להן מאמר קרוב הופך לתוכנית תוכן מבוססת ביקוש אמיתי.
להמשך קריאה
שאלות נפוצות על Vector Search
מה ההבדל בין חיפוש וקטורי לחיפוש רגיל?
- חיפוש רגיל מחפש את המילים שהקלדתם בתוך הטקסט. חיפוש וקטורי מחפש טקסט בעל משמעות דומה, גם אם המילים שונות לחלוטין. ברוב המקרים השילוב של שניהם נותן את התוצאות הטובות ביותר.
האם גוגל משתמשת בחיפוש וקטורי?
- גוגל משלבת רכיבים סמנטיים מבוססי ייצוגים וקטוריים כבר שנים, לצד אותות לקסיקליים, קישורים וגרף הידע. אין צורך „לאפטם לווקטורים”; תוכן שעונה ישירות על שאלות עובד טוב בשני העולמות.
כמה עולה להקים חיפוש וקטורי לאתר קטן?
- לאתר קטן אפשר להתחיל בעלות תשתית נמוכה: הרחבת pgvector על מסד נתונים קיים ושירות embeddings בתשלום לפי שימוש. ההוצאה המשמעותית היא בעבודת ההטמעה והכוונון, לא בתשתית עצמה.