AI SEO 是什麼:AEO、GEO 與 SEO 是什麼關係,內容怎麼被 AI 引用

約 20 分鐘深度解讀AI・AEO/GEO
花店工作桌上攤開印出的健檢報告,她用紅筆圈著雷達圖凹進去的一角,示意逐項核查免費 AEO 健檢報告
AI 生成示意圖

AI SEO 是什麼:AEO、GEO 跟 SEO 是三門學問還是同一件事?

AI SEO、AEO、GEO 跟 SEO 是同一套工作的不同輸出端。SEO 讓頁面被搜尋引擎找到並排上名次,AEO 讓段落被選為問題的直接答案,GEO 讓內容被 ChatGPT、Perplexity、Google AI 摘要這類生成式引擎引用。底層是同一套索引與內容品質,變的是寫作格式。

三個名詞各管哪一段:被找到、被當成答案、被生成式引擎引用

GEO 是 Generative Engine Optimization 的縮寫,中文叫生成式引擎優化,指讓內容在生成式 AI 的回答裡被引用或提及的優化方法。

這個名稱出自 Princeton 大學等研究者 2023 年發表、2024 年收錄於 KDD 研討會的論文〈GEO: Generative Engine Optimization〉。AEO 是 Answer Engine Optimization(答案引擎優化),主要談精選摘要、AI 摘要與語音助理的答案框,詳細定義收在術語表的 AEO 條目。

名詞(AEO/SEO/GEO 對照) 全名 爭取的是什麼 主要出現在哪裡
SEO Search Engine Optimization,搜尋引擎優化 被索引、排上名次、被點擊 Google、Bing 的藍色連結
AEO Answer Engine Optimization,答案引擎優化 某一段落被選為問題的直接答案 精選摘要、AI 摘要、語音助理
GEO Generative Engine Optimization,生成式引擎優化 在 AI 生成的回答裡被引用、被提到 ChatGPT、Perplexity、Gemini、Google AI 摘要與 AI Mode
AIO AI Overviews,AI 摘要 這是 Google 搜尋結果上的版位,本身不是優化方法 Google 搜尋結果最上方

AEO 和 GEO 差在哪?我們的讀法是:AEO 在意「哪一段被拿去當答案」,GEO 在意「整個品牌在 AI 的回答裡有沒有被提到、被講對」。兩者重疊很多,分工也還沒有共識:我們這次查台灣 Google 的 AI 摘要,「aeo geo」那份把 ChatGPT、Perplexity 歸給 AEO,「geo是什麼」那份卻把同樣的工具歸給 GEO。所以這篇用 AI SEO 當總稱。至於 Google 的 AI 摘要這個產品本身怎麼運作,AI 摘要那篇解讀有完整說明。

底層邏輯沒變,變的是輸出格式

GEO 跟 SEO 的關係,Jayden 在節目裡講得很直接:

「所以基本上你在做 AIO,GEO 跟傳統 SEO 根本就沒有差別。它只有寫作方式有改變。講出來一點都不值錢。」

Google 自己的說法也在同一邊。Google 搜尋中心的〈AI features and your website〉寫明,出現在 AI 摘要或 AI Mode「沒有額外的要求,也不需要其他特殊優化」(譯),條件只有頁面已被索引、能以摘要片段顯示。Google 搜尋與商務全球廣告解決方案副總裁 Brendon Kraham 2026 年 6 月在 Think with Google 的文章裡,直接寫了「Good SEO is good GEO」,並說 AI Mode 這類生成式 AI 功能建在 Google 的核心排名系統上。

Google 搜尋中心〈AI features and your website〉頁面標題與導言,寫明出現在 AI 摘要或 AI Mode 沒有額外要求、不需特殊優化
Google 搜尋中心〈AI features and your website〉頁面上次更新日期 2025-12-10
Google 搜尋中心〈AI features and your website〉技術規定段落,寫明頁面要已被索引、能以摘要片段顯示才有輔助連結資格

“There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary.”

中譯(本站翻譯):出現在 AI 摘要或 AI Mode 沒有額外的要求,也不需要其他特殊優化。

“To be eligible to be shown as a supporting link in AI Overviews or AI Mode, a page must be indexed and eligible to be shown in Google Search with a snippet, fulfilling the Search technical requirements.”

中譯(本站翻譯):要成為 AI 摘要或 AI Mode 的輔助連結,頁面必須已被索引,並且符合在 Google 搜尋中以摘要片段顯示的資格,也就是符合搜尋技術規定。

出處:Google 搜尋中心〈AI features and your website〉,頁面上次更新 2025-12-10;截圖日期 2026-11-18,共 3 張,依頁面順序排列。點圖可看原尺寸。

所以 SEO 會被取代嗎?我們的判斷是不會,理由放在文末常見問題。

搜「AEO」先看到海關:名詞還沒定型時怎麼溝通

名詞沒定型,最直接的後果是溝通成本。我們 用 DataForSEO 抓台灣 Google 的結果,「aeo」每月約 2,400 次搜尋,前 9 個自然結果全是海關的優質企業認證;「aeo seo」的相關搜尋裡,也還混著「aeo 海關認證」。跟老闆或客戶開會時,先講清楚你說的是「讓內容被 AI 搜尋引用」,再談縮寫,會省掉很多誤會。這篇用「AI SEO」當主詞,也是因為它在台灣的搜尋結果裡意思乾淨。

AI 搜尋怎麼挑來源:索引、拆題、段落擷取

AI 搜尋先從搜尋索引找候選頁,再把一個問題拆成好幾個相關的子查詢,最後以段落為單位擷取、合成答案。沒被索引的頁進不了候選;段落脫離上下文就看不懂的頁,進了候選也很難被引用。

排名不錯卻沒被引用,可以順著這三關逐一檢查。

沒有索引就沒有候選:AI 搜尋以 SEO 為前提

Google 的官方文件把門檻寫得很清楚:要成為 AI 摘要或 AI Mode 的引用連結,頁面必須已被索引,而且能在搜尋結果裡以摘要片段顯示。換句話說,被設成 nosnippet、被 robots.txt 擋掉、或根本沒被收錄的頁,連候選都不是。

一個問題被拆成好幾個子查詢

同一份 Google 文件也寫到,AI 摘要與 AI Mode 可能使用「query fan-out」,針對子主題與不同資料來源發出多個相關搜尋,再組成回答,也因此會列出比傳統搜尋更廣、更多樣的引用連結。對寫內容的人來說,讀者打的那個字只是入口,AI 會順著拆出相鄰的子問題去找答案。一篇文章能涵蓋幾個相鄰的子問題,就多幾次被撈到的機會。AI 摘要引用和排名之間的關係也在鬆動,數字在AI 摘要那篇有整理。

AI 拿走的單位是段落

我們的理解是,AI 引用的單位是段落。一個段落要能被單獨拿出來還讀得懂:主詞寫清楚、結論放前面、不要用「它」「這個」指向上一段。Jayden 在波 EP29談區塊化寫作時也是這個意思,每段回答一個具體問題。後面談內容與技術時,我們會一直回到「段落邊界」。

先做哪一層:內容、寫作格式、技術結構的順序為什麼不能倒過來?

AI SEO 的順序是先定內容方向,再做結構化寫作,最後才補技術結構。內容沒有回答問題,格式與標記再完整也沒有東西可以被引用。

先定內容方向,再做結構化寫作,最後才補技術結構

AI SEO 三層的投入順序

01 內容方向 02 結構化寫作 03 技術結構 內容沒有回答問題,格式與標記再完整也沒有東西可以被引用
01 內容方向 02 結構化寫作 03 技術結構 內容沒有回答問題,格式與標記再完整也沒有東西可 以被引用

資料來源:銷波快整理

Jayden 在節目裡把這個順序講成一條工序:

「最前提,最重要需要的東西是什麼?有列點式的架構。這些事情要先完成。完成完了以後,再來討論AEO跟GEO。」

內容規劃決定你能被引用的範圍

先決定要回答哪些問題、哪些題目由哪一頁負責,再開始寫。Jayden 的原話是:

「你在做這方面的佈局的時候,開始的規劃變得比以前重要一百倍。所以你先有這方面的藍圖,再開始去做內容的撰寫,你就比較容易在一個領域上面拿到好的流量。」

規劃沒做,後果是自家頁面互搶。我們遇過規劃建議新開一頁,查了才發現站上早有同題的頁,該擴寫舊頁,另開反而讓兩頁搶同一個字。

寫作格式只是第二層:結構比速度、連結重要

第二層是結構化寫作:問句式的 H2、段首先給答案、一段只講一件事。問句 H2 怎麼寫、40 到 60 字的答案段落怎麼抓長度,精選摘要那篇與AI 摘要那篇都有示範,這裡不重複。

這裡要對照一個不同的說法。堤 EP1 的來賓把 SEO 畫成三角形:

「第一個就網站,是最重要的。第二個叫做連結。連結。最上面的是文章。所以文章對我而言是比較最不重要的……」

(來賓,堤 EP1)

我們寫這篇時請 Jayden 回應這個排序(提問時我們把來賓說的「網站」寫成了「網站速度」),他的答案是:

「現在還好,我認為結構比速度、連結重要」

(Jayden Wu,2026 年 10 月補充)

我們的讀法是,兩種說法談的是不同層次:來賓講整站的投資比重,Jayden 這次的回答則是結構排在速度與連結前面。段落結構不清楚,速度再快,也只是更快被讀到一篇看不懂的頁。

既有文章:改寫、圍繞擴大,還是整個重置

手上已經有一批舊文章時,Jayden 在波 EP30 給的判準是看流量:

「如果他現在流量好,不要動。寫新的,把這個主題群擴大就好」

銷波快自己沒有用這個判準:網站整個重置,舊文再逐篇判斷要不要改寫。舊站在改版前半年曝光掉了 46%,一天大約只有 1.7 次點擊;我們的推測是,它本來就不符合「流量好就不要動」的前提。Jayden 對這次重置的說法是:

「因為當初設計本來就要重做,所以就完全重置,含品牌重新定位成媒體站」

(Jayden Wu,2026 年 10 月補充)

我們在 8 月決定新站不帶舊文、不做 301,舊文逐篇判斷,其中 51 篇改寫後發布到 /analysis/。過程中差點犯一個錯:原本打算把零曝光的頁一批 noindex,回頭查才發現 149 頁候選裡有 115 頁是撐起 E-E-A-T 的承重頁。曝光只是其中一個訊號。

內容層:加證據、加第一手觀點

在研究的模擬環境裡,加入統計數字、具名引言與可查來源,是讓內容在生成式引擎回答中更顯眼的有效改寫;另一份研究則量到只改結構也能提高引用率。如果每個網站都照做,能讓你被區分出來的,是別人抄不走的第一手經驗與判斷。

兩份研究各量到什麼

Princeton 等研究者在 GEO 論文的模擬環境(GEO-bench)裡測了九種改寫方法,效果最好的是加入具名引言,用論文自訂的「位置加權字數」指標算,比不改寫高 41%;加入統計數據高 31%(依表 1 計算)。

這組數字有一個重要條件:GEO-bench 是論文自建的模擬環境,生成式引擎由 gpt-3.5-turbo 扮演,指標是代理指標,並非 ChatGPT 或 Perplexity 的實際引用率。很多中文文章轉引時拿掉了這個條件。

另一份 2026 年 3 月發表的研究 GEO-SFE,在保持語意內容不變的條件下只調整結構,六個生成式引擎的整體引用率從 45.0% 提高到 52.8%,相對提升 17.3%。這份研究是 arXiv 預印本。

兩份研究的環境與指標不同,數字不能直接比大小。我們的讀法只到這裡:內容與結構各自有效。資源有限時先補內容的實質,這是我們的判斷,因為結構要有內容才有東西可以承載。

第一手經驗是抄不走的那一塊

Jayden 的說法很樸素:

「自己寫你要加入一些你個人的經驗跟觀點,那當然他就會有點不一樣」

這也是銷波快的編輯方針。我們的判斷是,純轉述外電的新聞,在 AI 摘要時代會被直接回答掉,讀者看完摘要就不點了,所以我們的新聞都要掛一段自己的解讀。作者經驗怎麼呈現、E-E-A-T 每個字母在講什麼,在E-E-A-T 那篇有說明。

更新與新鮮度

Ahrefs 在 2025 年 12 月發表的研究分析約 1,700 萬筆 AI 引用,發現被 AI 助理引用的內容,平均比同查詢的 Google 自然結果新 25.7%,其中 ChatGPT 最偏好新內容,引用的網址比自然結果新 393 到 458 天。

這是相關性,但方向一致:有持續維護的頁面比較吃香。我們對已被 AI 摘要引用的頁面,決定只更新數字與事實,不動段落結構,避免把已經被選中的段落改壞。

三個常見的誤判

  1. 把模擬環境的數字當成實際引用率。前面那組 Princeton 數字,我們自己的紀錄也曾把兩項對調,研究筆記到 2026 年 8 月底回頭查原論文才更正,資料庫裡的對話紀錄更到 10 月底才改。引用前先確認量的是什麼環境、什麼指標。
  2. 以為加一個摘要框就會被引用。文章開頭加一個獨立的 TL;DR 框能提高引用,我們查過,沒找到有對照組的證據。開頭第一段直接回答問題,比多加一個框實在。
  3. 把「沒查到」講成「沒用」。我們踩過不只一次:曾把 GEO-SFE 這篇論文當成 AI 編出來的假文獻,兩組獨立查證都確認存在後才翻案;也曾斷言影音對 AI 能見度沒有實證,查完發現在 Ahrefs 的研究裡,YouTube 提及是相關係數最高的一項。判定一件事無效,跟判定有效一樣需要證據。

技術層:AI 爬蟲實際讀得到什麼

AI 爬蟲讀的是 HTML 原始碼裡的文字與標籤層級,你在瀏覽器上看到的版面,它看不到。依 Vercel 2024 年底的資料,OpenAI、Anthropic、Perplexity 的爬蟲不執行 JavaScript;被 robots.txt 或防火牆擋下就完全進不了候選;結構化資料只是把頁面上已經看得到的內容,換成機器讀得懂的格式。

Google 解析的是 HTML 標籤

Jayden 在波 EP31 談 HTML5 Chunking 時的重點是:搜尋引擎讀的是程式碼,用 section 這類語意標籤把每個 H2 段落包起來,段落的開始與結束就清楚了。他的觀察是:

「我只跟大家說,在我這邊測試的狀況下,加入 HTML5 的做法是最容易被 AIO 搜尋到的。」

同一集他也比較了有沒有做結構的時間差:

「我有兩個客戶,一個客戶專門只做內容,不做任何 HTML 的優化。他的文章大概三個月到六個月才上,我記得好像上前 20 名。」

「……當你架構化以後,我有遇過最扯的是,我上架讓 Google 搜尋抓到我的資訊之後,我隔天就上 Google AIO 了。」

「隔天」是他自己覺得最誇張的一次,屬於極端值;兩者都是個案,沒有對照組,我們當方向參考。

爬蟲可達性:JavaScript 與 robots.txt

Vercel 2024 年 12 月分析自家網路流量,GPTBot 一個月發出約 5.69 億次請求;OpenAI(GPTBot、OAI-SearchBot、ChatGPT-User)、Anthropic(ClaudeBot)、PerplexityBot 都不執行 JavaScript,例外是借用 Googlebot 基礎設施的 Gemini 與 AppleBot。這是 2024 年底的資料,爬蟲行為可能已變。

內容靠前端 JavaScript 才長出來的網站,在這幾家爬蟲眼裡可能是一頁空白。

另一個狀況是門被關上了。我們幫一個客戶檢查時發現,網站的 Cloudflare 預設設定讓 GPTBot、OAI-SearchBot、PerplexityBot、ChatGPT-User 全部收到 403,只有 Googlebot 是 200。把門打開之後,又發現首頁只有一段話。通道和內容要一起解決。銷波快自己刻意不開 Bot Fight Mode 與 AI 爬蟲封鎖,因為我們要被 AI 讀到。

llms.txt 有沒有用

據 PPC Land 2026 年 7 月的報導,Originality.ai 追蹤超過 300 萬個網站,llms.txt 一年內採用數成長 8.8 倍,到 2026 年 5 月約 3.6 萬個;但 Ahrefs 分析 13.7 萬個網域的伺服器日誌,同月有 97% 的 llms.txt 一次請求都沒有。

Jayden 對 llms.txt 的看法是:

「我覺得跟我自己在做 skill有點像,變成是一個匯流入口的概念,但認真說有沒有明顯的幫助,我採疑問性質」

(Jayden Wu,2026 年 10 月補充)

我們的結論跟他一致:llms.txt 像一份給 AI 代理人的目錄,但我們目前查不到有對照組的證據顯示它能提高被引用的機會;Google 官方文件也寫明,出現在 AI 摘要不需要建立新的 AI 文字檔。

結構化資料放在哪一層

結構化資料(Schema)我們照做,Jayden 的立場是:

「GEO是採用的,這個一直都沒變動,但最重要的還是落在內容架構上」

(Jayden Wu,2026 年 10 月補充)

Schema 是表達層,前提是頁面上已經有正確、完整的內容,Google 也沒有要求 AI 摘要另加特殊的 Schema;投入順序與價值判斷,AI 摘要那篇有完整說明。技術層還有一個常被忽略的環節:部署。我們的單集頁曾經寫好答案膠囊,卻因為三處斷鏈沒放到 AI 會讀的地方,修好後 186 頁才全數上線;另一個客戶網站,資料庫有 45 篇寫好答案段落,線上只部署了 27 篇。寫好不等於上線,要回頭查線上那一頁。

站外訊號:品牌提及與作者實體為什麼影響被引用?

站外的品牌提及,跟 AI 能見度的相關性有大樣本研究支持;同一份研究裡,反向連結數這類連結指標的相關性很弱,站內多加 Schema 也還沒有同等級的證據(這是我們的整理)。要讓 AI 認得你,比較有用的是在別人的內容裡被一致地提到,並且讓作者與品牌各自是清楚、不混淆的實體。

品牌提及和反向連結,哪個跟 AI 能見度關係較大

Ahrefs 2025 年 12 月分析 75,000 個品牌在 ChatGPT、AI Mode 與 AI 摘要的提及,相關性最高的是 YouTube 提及(約 0.737),其次是網路上的品牌提及(0.66 到 0.71);反向連結數與 URL rating 這類連結指標,Ahrefs 的描述是「非常弱的相關」(譯)。

Ahrefs 自己也提醒,這是相關不是因果。

這份研究也修正了我們的一個判斷:我們曾經說影音對 AI 能見度沒有實證,查完發現 YouTube 提及的相關係數最高。我們的補充觀察是,「社群」不能當成一個變數看:Facebook、Instagram 有不少內容在登入牆後面,AI 爬蟲拿不到。

作者權威與組織權威分開累積

Jayden 在波 EP21談 AI Overview 收錄與跨平台聲明時提過,作者的權威和組織的權威是各自累積的。我們實際處理銷波快的結構化資料時就撞到這件事:外掛預設在每一頁各自產生一個沒有編號的作者,結果每篇文章都有一個「匿名 Jayden」,搜尋引擎沒辦法把它們合併成同一個人。我們的解法是自建作者介紹頁,把作者身分固定指向那一頁,作者頁上也只宣告讀者看得到的資訊。E-E-A-T 怎麼在頁面上呈現,可以看E-E-A-T 那篇與波 EP22談 E-E-A-T 怎麼累積的那一集。

同一句主張不要同時掛在兩個實體

Jayden 是人,銷波快是電台,兩個實體如果在簡介裡用同一句主張,機器和讀者都比較難分清楚誰是誰。我們現在的做法是讓兩邊各講各的定位,再用連結把關係接起來。

主題詞彙完整度比單篇流量重要

我們的判斷是,E-E-A-T 看的是一個主題的覆蓋度,單篇爆紅撐不起來。這也呼應前面的 query fan-out:同一主題下的相鄰問題都答得出來,被反覆撈到的機會才高。坦白說,銷波快自己在站外的品牌提及還沒有系統性地量過,這是我們接下來要補的數字。

AI 能見度報告怎麼判斷真假:量測要能重跑才算數?

判斷一份 AI 能見度報告可不可信,核心判準是:用同樣的題目、同樣的條件重跑一次,會不會得到同樣的結論。重跑不出來的數字,再精確也只是一次快照;你不需要懂 GEO,只要問五個攤開報告就能查證的問題。

五個當場就能問的問題

  1. 題目是什麼、問了幾題、幾個引擎、每題重複問幾次?
  2. 沒量到的項目,報告上呈現成什麼?應該寫「未量測」,不能變成低分算進總分。
  3. 每個數字的推導寫在哪裡?樣本、量測日期、算法都要有。
  4. 下個月重跑,比較的是同一組題目嗎?
  5. 報告裡的各個構面,彼此獨立嗎?

同樣的題目、同樣的條件重跑一次,會不會得到同樣的結論

判斷 AI 能見度報告:五個攤開報告就能查證的問題

題目、題數、引 擎、重複次數 沒量到的項目呈 現成什麼 每個數字的推導 寫在哪 下個月比的是同 一組題目嗎 各個構面彼此獨 立嗎
題目、題數、引擎、重複次數 沒量到的項目呈現成什麼 每個數字的推導寫在哪 下個月比的是同一組題目嗎 各個構面彼此獨立嗎

資料來源:本文整理

第 2 題和第 5 題最好用,攤開報告就能對答案。

我們逐項核查過一份市面上的免費 AEO 健檢報告,受測的剛好是我們一位客戶的網站。報告排第一的問題是「全站缺少 FAQ 結構化標記」,但它只掃了 10 頁,約占全站的 9.7%;我們照網站地圖實抓 103 頁,有 39 頁其實已經有 FAQPage。商家資料那一項,理由欄自己寫「未取得商家資料」,卻給了 20 分算進總分。雷達圖的九個構面,真正獨立的大約五個。抽樣也太少:25 次抽樣裡被提到 5 次,我們用 Wilson 法算 95% 信賴區間,落在 8.9% 到 39.1%,在這個範圍裡判斷「極低」,是把雜訊當訊號。

公平地說,這把尺也量得到我們自己:我們當時對同一個網站實跑的探針,每題只問一次,樣本比那份報告還小。規格寫得完整,不代表已經量完。

GSC、GA4 看得到什麼、看不到什麼

Google Search Console 有兩個容易誤讀的地方。第一,平均名次會把 AI 摘要的引用位置算進去,我們看過一個客戶的字,平均名次 1.3,在藍色連結前 20 名裡卻找不到;高名次配上極低點閱率,就是這個訊號。第二,Google 宣布 Search Console 推出生成式 AI 成效報表,8 月 31 日起全球網站都有,可以單獨看 AI 摘要與 AI Mode 的曝光,但這些曝光同時也還算在整體成效報表裡,兩邊相加會重複;細節見Search Console 的 AI 摘要報表與生成式 AI 成效報表這兩則新聞。

GA4 這邊,銷波快上線以來約 54% 的工作階段是自動化工具,所以我們改看「有互動的工作階段」。GA4 預設的 AI 助理管道也會漏,我們看到 Perplexity 帶來的造訪被歸到未分類,設定方式見GA4 追蹤 AI 流量那則新聞。

單次快照與名次欄位的陷阱

單次 SERP 快照很容易誤判。我們曾拿單次快照判斷一個頁面的名次,同一天再查一次,它在第 4 名,跟快照看到的不一樣。現在排名趨勢看 GSC 每日平均,SERP 快照只用來看 AI 摘要有沒有引用我們。用第三方工具抓名次時,也要確認抓的是含 AI 摘要等版位的絕對名次,還是只算自然結果的名次。固定提問的追蹤方式,在AI 搜尋能見度與零點擊那則新聞有介紹。

沒有基線就談不上成效

沒有做之前的數字,做之後就沒有比較對象。我們對外的原則是:GEO 不單獨承諾成效,先量基線、把題目固定下來。下一節是我們照這個原則記下的數字。

銷波快自己的實測紀錄(初步觀察)

銷波快新站 上線,以上線日為界前後各 11 天,GSC 曝光從 2,292 增加到 4,750,點擊從 18 增加到 69;兩次快照共同的 55 個字裡,被 AI 摘要引用的從 0 個變成 5 個。這是初步觀察,部署到 10 月 31 日才全部完成,我們計畫約 11 月底重測,結果出來後更新。

我們改了什麼

改版的重點是結構化寫作。/analysis/ 的解讀頁以問句式 H2、段首先給答案為寫法;186 個單集頁加上答案膠囊(145 集取自節目洞見、41 集取自逐字稿),同一段答案放在三個地方:頁面段落、搜尋描述、單集的結構化資料描述,另外加了 1,297 個片段(Clip)結構化資料。

單集頁用 AI 生成答案膠囊,是 Jayden 自己的決定:

「我反而認為這塊滿具有GEO 的價值,當大家問這集主要在講什麼的過程,他可能是答案膠囊的重點」

(Jayden Wu,2026 年 8 月討論)

這樣做也有副作用,Jayden 後來的說法是「開場是冷開場 主要是因為 答案膠囊」。

新站上線後:AI 摘要引用從 0 到 5,換一個分母是 7 個、4 個穩定

同一組資料有兩種算法,我們兩種都列出來:

算法 分母 結果
09-18 與 10-22 兩次快照都有的字 共同 55 個字 被 AI 摘要引用 0 → 5 個(產品組合、品牌文化、品牌 DNA、名單型廣告、知識型網紅)
10-22 與 10-27 兩次完整快照 108 個字/105 個字 兩次各有 7 個字引用我們,其中 4 個兩次都在

被引用的 6 個頁面全部是解讀頁,題型都是回答一個明確的問題。另外,從 10 月 16 日上線到 10 月 27 日,網站的收錄率從 85% 升到 90%。問 Jayden 這組數字的主因,他的回答是:

「……我認為是結構化寫作,答案膠囊是一種方式」

(Jayden Wu,2026 年 10 月補充)

還不能下結論的地方

  • 樣本小。每個字每次只查一次,前一節講的單次快照雜訊,這組數字一樣有。
  • 因素沒拆開。新網域結構、收錄增加、解讀頁本身的品質,都和結構化寫作同時發生,目前沒有拆因分析。
  • 成員在換。7 個被引用的字裡,只有 4 個兩次都在,代表引用還不穩定。
  • 部署剛完成。網站在 10 月 16 日上線,到 10 月 31 日才全部部署完畢,Jayden 的建議是一個月後再看。我們計畫約 11 月底用同一組字重測,結果出來後更新這一節。

我們怎麼看這件事

我們的看法是,AI SEO 沒有發明一門新學問,它把一直以來的要求變得更難繞過:回答真實問題、把答案寫清楚、拿得出證據。有些服務把它包裝成全新的技術,Jayden 在波 EP31 的評語是「講出來一點都不值錢」。真正改變的是兩件事:被取用的單位從整頁變成段落,成效也從名次變成很難量準的引用。前者靠結構化寫作,後者靠能重跑的量測,這兩件事是這篇最想留給你的判準。

結語

這週可以先做兩件事:打開你流量最好的一篇文章,確認每個 H2 的第一段有沒有直接回答問題;再拿你手上任何一份 AI 能見度報告,用上面的五個問題問一次。其他 AI 搜尋與行銷的解讀,收在AI・AEO/GEO 專區。

AI SEO 常見問題

GEO 是什麼的縮寫?

GEO 是 Generative Engine Optimization 的縮寫,中文叫生成式引擎優化,指讓內容在生成式 AI 的回答裡被引用或提及的優化方法。

AEO 和 SEO 有什麼區別?

SEO 爭取的是頁面被索引、排上名次、被點擊;AEO(答案引擎優化)爭取的是某一段落被選為問題的直接答案,出現在精選摘要、AI 摘要與語音助理。

SEO 會被 AI 取代嗎?

SEO 不會被 AI 取代。AI 摘要與 AI Mode 取材的仍是已被索引的網頁,會改變的是寫法:段落要能被單獨拿出來回答問題。

GEO 怎麼做,要從哪一步開始?

GEO 的順序是先定內容方向,再做結構化寫作,最後才補技術結構。內容沒有回答問題,格式與標記再完整也沒有東西可以被引用。

llms.txt 有用嗎?

llms.txt 目前查不到有對照組的證據能提高被引用的機會。Ahrefs 分析 13.7 萬個網域的伺服器日誌,2026 年 5 月有 97% 的 llms.txt 一次請求都沒有。

怎麼讓網站內容出現在 Google 的 AI 摘要?

Google 官方文件寫明,頁面已被索引、能以摘要片段顯示,就有資格成為 AI 摘要的引用連結,不需要特殊優化,也沒有要求另加特殊的 Schema。

行銷代理商要怎麼向客戶報告 AI 搜尋能見度?

AI 搜尋能見度報告要寫清楚題目、引擎與每題重複次數,每個數字附推導,沒量到的項目寫「未量測」,下個月用同一組題目重跑比較。

延伸收聽

吳宗翰 Jayden Wu

吳宗翰 Jayden Wu

ClassOn 雙捷數位有限公司 共同創辦人 | 銷波快 Podcast 主持人

2008 年從線下行銷做起,活動、連鎖加盟那一類。2014 年轉數位,做亞馬遜和 eBay,後來自己出來做聯盟行銷與 dropshipping。現在在臺北城市科技大學、TeSA 與經濟部的培訓計畫教課。做過的事讓他篩情報時說得出為什麼。

關於 Jayden →

LinkedIn | Facebook | 收聽 Podcast