def forward(self, x):
    self.z1 = np.dot(x, self.W1) + self.b1
    self.a1 = relu(self.z1)
    self.z2 = np.dot(self.a1, self.W2) + self.b2
    self.a2 = softmax(self.z2)
    return self.a2
def forward(self, x):
    self.z1 = np.dot(x, self.W1) + self.b1
    self.a1 = relu(self.z1)
    self.z2 = np.dot(self.a1, self.W2) + self.b2
    self.a2 = softmax(self.z2)
    return self.a2
def forward(self, x):
    self.z1 = np.dot(x, self.W1) + self.b1
    self.a1 = relu(self.z1)
    self.z2 = np.dot(self.a1, self.W2) + self.b2
    self.a2 = softmax(self.z2)
    return self.a2
def forward(self, x):
    self.z1 = np.dot(x, self.W1) + self.b1
    self.a1 = relu(self.z1)
    self.z2 = np.dot(self.a1, self.W2) + self.b2
    self.a2 = softmax(self.z2)
    return self.a2
def forward(self, x):
    self.z1 = np.dot(x, self.W1) + self.b1
    self.a1 = relu(self.z1)
    self.z2 = np.dot(self.a1, self.W2) + self.b2
    self.a2 = softmax(self.z2)
    return self.a2
def forward(self, x):
    self.z1 = np.dot(x, self.W1) + self.b1
    self.a1 = relu(self.z1)
    self.z2 = np.dot(self.a1, self.W2) + self.b2
    self.a2 = softmax(self.z2)
    return self.a2
def forward(self, x):
    self.z1 = np.dot(x, self.W1) + self.b1
    self.a1 = relu(self.z1)
    self.z2 = np.dot(self.a1, self.W2) + self.b2
    self.a2 = softmax(self.z2)
    return self.a2

q, k, v = split_heads(x, n_head=32)
att = (q @ k.transpose(-2,-1)) / sqrt(dk)
att = att.masked_fill(mask == 0, -inf)
w = softmax(att, dim=-1)
out = merge_heads(w @ v)
q, k, v = split_heads(x, n_head=32)
att = (q @ k.transpose(-2,-1)) / sqrt(dk)
att = att.masked_fill(mask == 0, -inf)
w = softmax(att, dim=-1)
out = merge_heads(w @ v)
q, k, v = split_heads(x, n_head=32)
att = (q @ k.transpose(-2,-1)) / sqrt(dk)
att = att.masked_fill(mask == 0, -inf)
w = softmax(att, dim=-1)
out = merge_heads(w @ v)
q, k, v = split_heads(x, n_head=32)
att = (q @ k.transpose(-2,-1)) / sqrt(dk)
att = att.masked_fill(mask == 0, -inf)
w = softmax(att, dim=-1)
out = merge_heads(w @ v)
q, k, v = split_heads(x, n_head=32)
att = (q @ k.transpose(-2,-1)) / sqrt(dk)
att = att.masked_fill(mask == 0, -inf)
w = softmax(att, dim=-1)
out = merge_heads(w @ v)
q, k, v = split_heads(x, n_head=32)
att = (q @ k.transpose(-2,-1)) / sqrt(dk)
att = att.masked_fill(mask == 0, -inf)
w = softmax(att, dim=-1)
out = merge_heads(w @ v)
q, k, v = split_heads(x, n_head=32)
att = (q @ k.transpose(-2,-1)) / sqrt(dk)
att = att.masked_fill(mask == 0, -inf)
w = softmax(att, dim=-1)
out = merge_heads(w @ v)

emb = tokenizer.encode(query, lang="he")
hits = index.search(emb, top_k=8)
for doc in hits:
    score = cosine(emb, doc.vec)
    if score > 0.71:
        cite(doc.domain, doc.title)
emb = tokenizer.encode(query, lang="he")
hits = index.search(emb, top_k=8)
for doc in hits:
    score = cosine(emb, doc.vec)
    if score > 0.71:
        cite(doc.domain, doc.title)
emb = tokenizer.encode(query, lang="he")
hits = index.search(emb, top_k=8)
for doc in hits:
    score = cosine(emb, doc.vec)
    if score > 0.71:
        cite(doc.domain, doc.title)
emb = tokenizer.encode(query, lang="he")
hits = index.search(emb, top_k=8)
for doc in hits:
    score = cosine(emb, doc.vec)
    if score > 0.71:
        cite(doc.domain, doc.title)
emb = tokenizer.encode(query, lang="he")
hits = index.search(emb, top_k=8)
for doc in hits:
    score = cosine(emb, doc.vec)
    if score > 0.71:
        cite(doc.domain, doc.title)
emb = tokenizer.encode(query, lang="he")
hits = index.search(emb, top_k=8)
for doc in hits:
    score = cosine(emb, doc.vec)
    if score > 0.71:
        cite(doc.domain, doc.title)
emb = tokenizer.encode(query, lang="he")
hits = index.search(emb, top_k=8)
for doc in hits:
    score = cosine(emb, doc.vec)
    if score > 0.71:
        cite(doc.domain, doc.title)

while not stop:
    logits = model(ctx)[:, -1, :]
    probs = softmax(logits / temp)
    tok = sample(probs, top_p=0.92)
    ctx = cat([ctx, tok])
    yield detok(tok)
while not stop:
    logits = model(ctx)[:, -1, :]
    probs = softmax(logits / temp)
    tok = sample(probs, top_p=0.92)
    ctx = cat([ctx, tok])
    yield detok(tok)
while not stop:
    logits = model(ctx)[:, -1, :]
    probs = softmax(logits / temp)
    tok = sample(probs, top_p=0.92)
    ctx = cat([ctx, tok])
    yield detok(tok)
while not stop:
    logits = model(ctx)[:, -1, :]
    probs = softmax(logits / temp)
    tok = sample(probs, top_p=0.92)
    ctx = cat([ctx, tok])
    yield detok(tok)
while not stop:
    logits = model(ctx)[:, -1, :]
    probs = softmax(logits / temp)
    tok = sample(probs, top_p=0.92)
    ctx = cat([ctx, tok])
    yield detok(tok)
while not stop:
    logits = model(ctx)[:, -1, :]
    probs = softmax(logits / temp)
    tok = sample(probs, top_p=0.92)
    ctx = cat([ctx, tok])
    yield detok(tok)
while not stop:
    logits = model(ctx)[:, -1, :]
    probs = softmax(logits / temp)
    tok = sample(probs, top_p=0.92)
    ctx = cat([ctx, tok])
    yield detok(tok)

def backward(self, x, y):
    m = x.shape[0]
    dz2 = self.a2 - y
    dW2 = 1/m * np.dot(self.a1.T, dz2)
    db2 = 1/m * np.sum(dz2, axis=0)
    dz1 = np.dot(dz2, self.W2.T) * d_relu(self.z1)
    self.W2 -= lr * dW2
def backward(self, x, y):
    m = x.shape[0]
    dz2 = self.a2 - y
    dW2 = 1/m * np.dot(self.a1.T, dz2)
    db2 = 1/m * np.sum(dz2, axis=0)
    dz1 = np.dot(dz2, self.W2.T) * d_relu(self.z1)
    self.W2 -= lr * dW2
def backward(self, x, y):
    m = x.shape[0]
    dz2 = self.a2 - y
    dW2 = 1/m * np.dot(self.a1.T, dz2)
    db2 = 1/m * np.sum(dz2, axis=0)
    dz1 = np.dot(dz2, self.W2.T) * d_relu(self.z1)
    self.W2 -= lr * dW2
def backward(self, x, y):
    m = x.shape[0]
    dz2 = self.a2 - y
    dW2 = 1/m * np.dot(self.a1.T, dz2)
    db2 = 1/m * np.sum(dz2, axis=0)
    dz1 = np.dot(dz2, self.W2.T) * d_relu(self.z1)
    self.W2 -= lr * dW2
def backward(self, x, y):
    m = x.shape[0]
    dz2 = self.a2 - y
    dW2 = 1/m * np.dot(self.a1.T, dz2)
    db2 = 1/m * np.sum(dz2, axis=0)
    dz1 = np.dot(dz2, self.W2.T) * d_relu(self.z1)
    self.W2 -= lr * dW2
def backward(self, x, y):
    m = x.shape[0]
    dz2 = self.a2 - y
    dW2 = 1/m * np.dot(self.a1.T, dz2)
    db2 = 1/m * np.sum(dz2, axis=0)
    dz1 = np.dot(dz2, self.W2.T) * d_relu(self.z1)
    self.W2 -= lr * dW2
def backward(self, x, y):
    m = x.shape[0]
    dz2 = self.a2 - y
    dW2 = 1/m * np.dot(self.a1.T, dz2)
    db2 = 1/m * np.sum(dz2, axis=0)
    dz1 = np.dot(dz2, self.W2.T) * d_relu(self.z1)
    self.W2 -= lr * dW2

ACCESSING MEMORY

RAM
CACHE
SSD
DATABASE
CLOUD

WEIGHTS

0.12-0.21 0.12-0.21 0.12-0.21

THROUGHPUT

1264tok/s

ACTIVATIONS

SIGNAL

NEURAL NETWORK

לקוח מחפש עסק כמו שלך.

הואשואלאתהצ׳אט,לאאתגוגל.

הצ׳אטעונהלושניים־שלושהשמות.

ואםאתהלאביניהם,הואלאיתקשרכדילספרלך.

אנחנושואליםאתשלושתהמנועיםמההםעוניםעליך.

┤ ReferoGEO · gap report ├● demo

מי הכי מומלץ בתחום באזור חיפה?✕ נעדרת

כמה עולה שירות כזה בדרך כלל?✓ הוזכרת

על מה להסתכל לפני שסוגרים?✕ נעדרת

לטפל לבד או ללכת לבעל מקצוע?✕ נעדרת

אתה

33%

המתחרה הראשון

75%

נתונים להמחשה. אצלך השאלות נבנות מהתחום שלך, והתשובות נמדדות באמת.

מהשחסר,אנחנוכותבים.אתהמאשר.

והתוכןעולהלאתרשלך,עלהדומייןשלך.

┤ ReferoGEO · site ├● demo

shiputzim-cohen.co.il

כמה עולה שיפוץ מטבח בחיפה

על מה להסתכל לפני שסוגרים עם קבלן

שיפוץ באמבטיה: מה באמת לוקח זמן

המחשה. שלוש תבניות, והכתובת היא שלך: השם של העסק, לא של חברה אחרת.

מדדנו242ציטוטים.לכלאתרהייתהכתובתמשלו.

וזהההבדלמכלמהשמוכריםלךהיום.

┤ ReferoGEO · compare ├

מה שמוכרים לך היוםאצלנו

כותבים לך תוכן ומקוויםמודדים לפני, ואז כותבים

האתר יושב על השם של מישהו אחרלאתר שלך יש כתובת משלו

"שיפרנו לך את הנראות"גרף חודשי שאתה קורא לבד

מילות מפתח מגוגלהשאלות שלקוחות באמת שואלים

וכלחודשאתהרואהבגרףאםעלית.

בואנבדוקמההצ׳אטעונהעליךהיום.

איך זה עובד

בלי כרטיס אשראי · דוח ראשון תוך דקות

נמדד מול המנועים שהלקוחות שלך באמת שואלים

בקצרה

מה זה ReferoGEO

ReferoGEO שואל את מנועי הבינה עשרות שאלות שלקוחות באמת שואלים על התחום שלך, ותוך דקות מראה לך מי מוזכר בתשובות: אתה או המתחרים. אחר כך הוא כותב את התוכן שסוגר את הפער, אתה מאשר כל מילה, וסריקה חוזרת מראה בגרף אם השם שלך עלה.

הדוח

ככה נראה הדוח שאתה מקבל

זה מה שתראה תוך דקות מהבדיקה החינמית: כל שורה היא שאלה של לקוח, וליד כל אחת אם הבינה הזכירה אותך או לא. למטה, אחוז הנראות שלך מול המתחרה הבולט.

┤ ReferoGEO · gap report ├● demo

מי הכי מומלץ בתחום באזור חיפה?✕ נעדרת

כמה עולה שירות כזה בדרך כלל?✓ הוזכרת

על מה להסתכל לפני שסוגרים?✕ נעדרת

לטפל לבד או ללכת לבעל מקצוע?✕ נעדרת

אתה

33%

המתחרה הראשון

75%

נתונים להמחשה. אצלך השאלות נבנות מהתחום שלך, והתשובות נמדדות באמת.

לכל תחום

בכל ענף, הלקוחות כבר שואלים. השאלה אם אתה בתשובות

אלה שאלות בסגנון ששולחים למנועים כל יום, מכל תחום שתבחר. המערכת בונה את הרשימה מהתחום שלך, בניסוח שהלקוחות שלך באמת מקלידים.

עורך דין גירושין בחיפה, את מי כדאי לקחת?legal

רואה חשבון לעצמאים, כמה זה עולה בחודש?finance

השתלת שיניים, על מה חשוב להסתכל לפני?health

קבלן שיפוצים אמין באזור המרכז, יש המלצה?home

יועץ עסקי לעסק קטן, שווה בכלל?consulting

מוסך שלא עובד עליך, איך מזהים?auto

צלמת אירועים בצפון, מי מומלצת ולמה?events

משרד תיווך למכירת דירה, איך בוחרים?realestate

הבעיה

בתשובה יש מקום לשניים־שלושה שמות. כל השאר שקופים ללקוח

העבודה הולכת בשקט

לקוח שקיבל המלצה מהבינה מתקשר אליה, לא אליך. אתה לא רואה את הפנייה שלא הגיעה, ולכן אין לך דרך לדעת כמה עבודה כבר עברה לידך החודש.

המתחרים שלך כבר בתשובות

בדקנו ידנית לפני שבנינו את המוצר: הבינה נוקבת שמות של עסקים ספציפיים בעברית, גם בתחומים צרים. ומי שנכנס לתשובה מוקדם, מתבסס בה.

גם מקום ראשון בגוגל לא מציל

הבינה עונה בלי להציג את רשימת התוצאות. אפשר להיות ראשונים בגוגל ולהיעדר מהתשובה שלה לגמרי, ועד היום לא הייתה דרך לדעת את זה.

הפתרון

מדוד, תקן, הוכח

לולאה חודשית, כי התשובות של הבינה משתנות כל הזמן והמתחרים שלך לא עוצרים.

מדוד

רואים לאן העבודה הולכת

עשרות שאלות אמיתיות של לקוחות נשלחות לשלושת המנועים. חוזרת רשימה מסודרת: באילו שאלות אתה מוזכר, באילו אתה נעדר, ומי עלול לקבל את הלקוח במקומך.

תקן

כותבים את מה שחסר

על כל פער נכתב מאמר בעברית שנשמעת אנושית, בנוי כך שלבינה יהיה ממה לצטט. אתה קורא, מתקן ומאשר לפני שמילה אחת עולה לאתר שלך.

הוכח

רואים את השם עולה

סריקה חוזרת כל חודש, וסימון על הגרף בכל פרסום. ככה אתה יודע שהכסף עובד, בלי להאמין למילה של אף אחד, כולל שלנו.

ההוכחה

כל חודש אתה רואה בגרף אם השם שלך עלה

┤ ReferoGEO · trend ├נראות לאורך זמן · example.co.il

גרף להמחשה. נקודות אמבר הן תאריכי פרסום.

זו התמונה שאליה חותרים: התחלת בשמונה אחוז מהתשובות, פרסמת, וכעבור כמה חודשים הבינה מזכירה אותך בשישים ואחד אחוז מהשאלות. כל נקודה בגרף היא סריקה אמיתית, והנקודות הכתומות הן הימים שבהם עלה תוכן.

ואם הנראות יורדת בין שתי סריקות, אתה מקבל התראה לפני שאתה מרגיש את זה בטלפון.

למה אנחנו

שלושה דברים שאף אחד אחר בארץ לא נותן

◆

מדידה לפני הכל

כולם מוכרים כתיבה. אנחנו מתחילים מלבדוק אם הבינה מזכירה אותך בכלל, כי בלי המספר הזה אתה משלם באפלה ואין לאף אחד דרך להוכיח לך שמשהו השתפר.

◆

עברית שנשמעת אנושית

טקסט שנקרא כמו פלט של צאטבוט שורף את האמינות שלך מול הלקוח. כל טיוטה נבדקת מול רשימת סימנים לכתיבה מלאכותית, והסימנים מוצגים לך בתוך המאמר, שורה שורה.

◆

אתה מאשר, לא אנחנו

אתה המומחה בתחום שלך, והשם שעל הדלת הוא שלך. שום מילה לא עולה לאתר בלי שקראת ואישרת אותה.

	ReferoGEO	כלי כתיבה אוטומטיים
מדידה חודשית מול שלושת המנועים	✓	✕
גרף שמראה אם ההשקעה עובדת	✓	✕
בדיקת כל טיוטה מול סימני כתיבה מלאכותית	✓	✕
שום פרסום בלי אישור שלך	✓	חלקי
הבטחת "מקום ראשון מובטח"	✕	לפעמים

ההשוואה מול הדפוס הרווח בכלים שמייצרים תוכן אוטומטית, לא מול מוצר מסוים.

גילוי נאות

אין לנו קיר של לוגואים. יש סיבה שזה טוב לך

◆

אנחנו בפיילוט, ואומרים את זה ישר

המערכת חדשה. אין מאות לקוחות, אין עדויות קנויות, ולא נמציא כאלה. התחום כולו קיים בקושי שנה, אז מותר לחשוד בכל מי שכבר מציג בו קיר של ממליצים.

◆

ההוכחה אצלך, לא בסיפורים של אחרים

כל דוח רץ באמת מול שלושת המנועים, מהבדיקה החינמית הראשונה. את השיפור תראה בגרף על העסק שלך, וזו עדות ששווה יותר מכל ציטוט של לקוח אחר.

◆

מעט לקוחות, הרבה תשומת לב

בשלב הזה אנחנו עוברים בעצמנו על הדוח הראשון של כל חשבון שנפתח. ברור שזה לא יחזיק כשנגדל, וזה בדיוק הרווח של מי שנכנס עכשיו.

תמחור

כמה זה עולה

לפני המספרים, חשבון קצר: כמה שווה לך לקוח חדש אחד בחודש? עכשיו המספרים.

מחיר אחד, בלי מדרגות ובלי לנחש מראש כמה תצטרך.

┤ ReferoGEO · subscription ├מסלול אחד

199שקל לחודש

פחות מ-7 ש״ח ליום

סריקה חודשית של עד 40 שאלות מול שלושת המנועים
השוואה לשלושה מתחרים שאתה בוחר
עד שלושה מאמרים בחודש על הפערים הבולטים, עם שכתובים עד שאתה מרוצה
פרסום לוורדפרס בלחיצה, כטיוטה או ישר לאוויר, לבחירתך
גרף מגמה, והתראה אם הנראות שלך יורדת
אתר שלם למי שאין לו, על דומיין שלו, שנקנה בנפרד בכ-80 ש״ח לשנה

אפשר לבטל מתי שרוצים. הדוחות והמאמרים שלך נשארים אצלך גם אחרי.

מתחילים בבדיקת נראות חינם. אין תקופת ניסיון ואין כרטיס אשראי מראש, ומשלמים רק כשמחליטים להמשיך.

ספריית ידע

מדריכים שנכתבו מתוך מדידות, לא מתוך ניחושים

מה זה GEO, ולמה זה לא עוד שם לקידום אתרים

לקוח ששואל את ChatGPT מקבל שניים־שלושה שמות, לא רשימת תוצאות.

5 דקות קריאה

איך מנוע בינה בוחר את מי להזכיר בתשובה

מאחורי כל תשובה של ChatGPT יש שרשרת קצרה: ניסוח חיפוש, קריאת מקורות, הרכבת תשובה.

5 דקות קריאה

עשר דקות עבודה: לבדוק לבד אם הבינה ממליצה עליך

בדיקה ידנית שכל בעל עסק יכול לעשות הבוקר: עשר שאלות, שלושה מנועים, טבלה אחת.

4 דקות קריאה

לכל המדריכים ←

שאלות

מה שואלים אותנו לפני שמתחילים

מאיפה לי שזה בכלל עובד?

אתה לא צריך להאמין לנו. הבדיקה הראשונה חינם ומראה לך את המצב שלך לפני ששילמת שקל. אחרי שהתחלנו לעבוד יש גרף שנמדד כל חודש, ואם הוא לא עולה, אתה רואה את זה באותה בהירות שאנחנו רואים.

איך המדידה עובדת מאחורי הקלעים?

בונים מהפרופיל שלך עשרות שאלות בניסוח שלקוח באמת מקליד, ושולחים אותן לchatgpt, perplexity וgemini עם חיפוש חי, כדי לקבל את מה שהם עונים היום ולא את מה שזכרו מהאימון. בתשובות מזוהה כל אזכור שלך או של מתחרה, כולל וריאציות של השם בעברית וציטוט של הדומיין בלי השם. מהתוצאות נבנה אחוז נראות, והוא מה שנמדד שוב חודש אחרי חודש.

מה זה קידום לבינה, ובמה זה שונה מקידום בגוגל?

קידום בגוגל נמדד במקום שלך ברשימת התוצאות. קידום לבינה נמדד בשאלה אחת: האם הבינה נוקבת בשמך בתשובה. השניים קשורים, כי מנוע בינה שיוצא לחפש נשען על תוצאות החיפוש, אבל דירוג טוב לא מבטיח אזכור.

כמה זמן עד שרואים שינוי?

הבדיקה הראשונה נותנת תמונה תוך דקות. שינוי בפועל תלוי בתחום ובתחרות, ובדרך כלל מתחיל להופיע אחרי כמה מחזורי תוכן. בגלל זה אנחנו מודדים כל חודש ומראים גרף במקום להתחייב לתאריך.

אתם כותבים במקומי? בתחום שלי אסור לפרסם שטויות.

אנחנו מכינים טיוטה ומסמנים בה את המקומות שדורשים עין מקצועית שלך: טענה בלי מקור, מספר שצריך אימות, ניסוח שנשמע מתורגם. אתה קורא, מתקן ומאשר. בלי אישור שלך שום דבר לא מתפרסם.

למה מנוי ולא תשלום חד פעמי?

כי מנועי הבינה משתנים כל הזמן והמתחרים שלך לא עוצרים. אזכור שהשגת החודש יכול להיעלם בחודש הבא. המנוי הוא המדידה החוזרת והתחזוקה, לא קובץ שנשלח אליך פעם אחת. מתחילים בבדיקת נראות חינם, בלי כרטיס אשראי. מי שמשלם שנה מראש חוסך 20 אחוז.

אני חייב אתר וורדפרס?

לא בשביל המדידה. הבדיקה והדוח עובדים על כל אתר. הפרסום האוטומטי עובד כרגע מול וורדפרס בלבד, ובלעדיו אתה מקבל את המאמר המאושר ומעלה אותו בעצמך.

נתחיל

בוא נראה מה הבינה עונה עליך, עכשיו

הזן כתובת אתר, ותוך דקות תדע אילו שאלות שולחות לקוחות למתחרים שלך. כל חודש בלי מדידה הוא עוד חודש שהתשובות האלה נכתבות בלעדיך.