AIO / GEO - Part 1 - 概念篇：當搜尋結果不再是十條藍色連結

July 28, 2026 • 24 min read • Yen

GEO AIO AI Overview 生成式引擎優化 SEO LLM RAG 繁體中文

大多數人的做法：繼續衝關鍵字排名，然後困惑為什麼排名第一、流量卻掉了 40%。真正該做的事：搞清楚「排名」與「被引用」是兩件不同的事，然後分別優化。
排名是「使用者會不會點進來」的競賽。被引用是「模型會不會替你講話」的競賽。

一、問題的起點：排名還在，流量不見了

2024 年之後，非常多內容網站的 Search Console 出現同一組奇怪的訊號：

                     2024 Q1        2026 Q2        變化
────────────────────────────────────────────────────────
平均排名             3.2            2.8            ↑ 變好
曝光數（Impressions）182 萬         241 萬         ↑ +32%
點擊數（Clicks）     14.6 萬        8.9 萬         ↓ -39%
CTR                  8.0%           3.7%           ↓ -54%

排名變好、曝光變多、點擊卻腰斬。這不是被懲罰，而是搜尋結果頁的形狀改變了。

以前的 SERP（Search Engine Results Page）長這樣：

┌──────────────────────────────────────────┐
│  [廣告] [廣告]                            │
├──────────────────────────────────────────┤
│  1. 你的網站  ← 使用者必須點進來才有答案   │
│  2. 競爭對手                              │
│  3. 競爭對手                              │
│  ...                                     │
└──────────────────────────────────────────┘

現在的 SERP 長這樣：

┌──────────────────────────────────────────┐
│  ✨ AI Overview                           │
│  ┌────────────────────────────────────┐  │
│  │ 根據您的問題，主要有三種做法：       │  │
│  │ 1. …………………………  [1][2]              │  │
│  │ 2. …………………………  [3]                 │  │
│  │ 3. …………………………  [1][4]              │  │
│  │                                    │  │
│  │ 來源： [1] 你的網站  [2] 競品 A      │  │
│  │        [3] Reddit   [4] 維基百科     │  │
│  └────────────────────────────────────┘  │
├──────────────────────────────────────────┤
│  1. 你的網站  ← 已經被推到第一屏之下       │
└──────────────────────────────────────────┘

關鍵變化：使用者的問題在頁面上就被回答完了。你的內容仍然被使用了，但使用者不需要點進來。

這催生了兩個新名詞：

AIO（AI Overview / AI Overviews）：指搜尋引擎在結果頁最上方生成的 AI 摘要區塊本身。
GEO（Generative Engine Optimization）：讓內容在生成式引擎（AI Overview、ChatGPT、Perplexity、Claude、Copilot 等）產出的答案中「被引用、被正確描述」的一整套工程與內容實踐。

本系列談的就是後者的完整落地。

二、名詞戰場：SEO / AEO / GEO / LLMO / AIO 到底差在哪

這幾個詞在市場上被混用得很嚴重，先把邊界劃清楚，後面才不會做錯事。

名詞    全名                              優化目標              成功長什麼樣
──────────────────────────────────────────────────────────────────────────────
SEO     Search Engine Optimization        搜尋結果排名          排在第 1-3 名，使用者點進來
AEO     Answer Engine Optimization        精選摘要 / 直接答案    你的段落被抓成 Featured Snippet
AIO     AI Overview（優化）                AI 摘要區塊           你的網域出現在摘要的來源清單
GEO     Generative Engine Optimization    任何生成式回答         模型的答案中包含你、且描述正確
LLMO    Large Language Model Optimization 模型的內在知識         模型「不查資料」也知道你是誰

三個層次的實務差別：

┌──────────────────────────────────────────────────────────────┐
│  Layer 3：LLMO — 進入模型權重                                  │
│  影響方式：大量高品質提及、被權威來源引用、進入訓練語料         │
│  時間尺度：6-24 個月（跟著模型版本走）                          │
│  可控程度：★☆☆☆☆                                              │
├──────────────────────────────────────────────────────────────┤
│  Layer 2：GEO / AIO — 進入即時檢索結果                         │
│  影響方式：可爬取、可切塊、可引用的內容工程                     │
│  時間尺度：2 週 - 3 個月                                       │
│  可控程度：★★★★☆   ← 本系列 80% 的篇幅在這一層                 │
├──────────────────────────────────────────────────────────────┤
│  Layer 1：SEO — 進入傳統索引                                   │
│  影響方式：關鍵字、連結、技術健康度                             │
│  時間尺度：1-6 個月                                            │
│  可控程度：★★★★☆                                              │
└──────────────────────────────────────────────────────────────┘

重要前提：Layer 1 是 Layer 2 的地基。目前所有主流生成式引擎的檢索層，都直接或間接依賴傳統搜尋索引。一個爬不到、索引不了的網站，GEO 分數必然是零。所以 GEO 不是取代 SEO，是 SEO 之上的一層。

反過來說也成立：SEO 做滿分不代表 GEO 及格。這是本系列存在的理由。

三、生成式引擎產出一則答案，內部發生了什麼

要優化一個系統，先看懂它的管線。以下是主流 AI 搜尋產品（AI Overview、Perplexity、ChatGPT Search）在架構上高度共通的六個階段：

使用者問題
「台灣中小企業導入 ERP 大概要花多少錢？」
        │
        ▼
┌────────────────────────────────────────────────────────┐
│ ① Query 理解與擴散（Query Fan-out）                     │
│   模型把 1 個問題拆成 N 個檢索查詢：                     │
│     • "台灣 ERP 導入費用"                               │
│     • "中小企業 ERP 價格 2026"                          │
│     • "ERP implementation cost SMB Taiwan"             │
│     • "鼎新 / SAP B1 報價"                              │
│   → 這一步決定了「哪些頁面有機會被看到」                 │
└───────────────────────┬────────────────────────────────┘
                        ▼
┌────────────────────────────────────────────────────────┐
│ ② 檢索（Retrieval）                                     │
│   對每個子查詢打搜尋索引 / 向量庫，各取回 top-K 文件     │
│   典型 K = 10~30，合併後 40~150 個候選 chunk            │
└───────────────────────┬────────────────────────────────┘
                        ▼
┌────────────────────────────────────────────────────────┐
│ ③ 重排序（Rerank）                                      │
│   Cross-encoder 對「問題 × chunk」逐一打分               │
│   砍到 top 8~20 個 chunk 進 context window              │
│   → 這一步淘汰率最高，超過 85% 的候選在這裡出局          │
└───────────────────────┬────────────────────────────────┘
                        ▼
┌────────────────────────────────────────────────────────┐
│ ④ 生成與接地（Generation + Grounding）                  │
│   LLM 讀 context，寫出答案，每個事實句掛上來源 ID        │
│   內部通常有一條規則：無法接地的句子要嘛刪掉、要嘛降級   │
└───────────────────────┬────────────────────────────────┘
                        ▼
┌────────────────────────────────────────────────────────┐
│ ⑤ 引用歸屬（Citation Attribution）                      │
│   把來源 ID 映射回 URL，去重、挑選最具代表性的 3~8 個    │
│   → 你在這裡才「終於變成一個可見的連結」                 │
└───────────────────────┬────────────────────────────────┘
                        ▼
┌────────────────────────────────────────────────────────┐
│ ⑥ 事實查核 / 安全過濾                                    │
│   低信任度網域、矛盾陳述、YMYL 主題會被額外審查或整段撤下 │
└────────────────────────────────────────────────────────┘

這張圖是整個系列的骨架。每一個階段都對應到一組你可以做的事：

階段            失敗的樣子                    對應的優化動作          在本系列的位置
──────────────────────────────────────────────────────────────────────────────────
① Fan-out      你的內容用詞和使用者不同       語意覆蓋、問句式標題     Part 3
② Retrieval    根本沒被索引 / 爬蟲被擋        crawler 存取、渲染      Part 2、Part 4
③ Rerank       整頁只有一段相關，被稀釋       chunk 級寫作、資訊密度   Part 3、Part 4
④ Grounding    有觀點但沒有可驗證的事實       數據、日期、具名來源     Part 3
⑤ Citation     內容被用了但沒被標註來源       實體清晰度、原創性       Part 3、Part 5
⑥ 查核         網域信任不足                   E-E-A-T、站外一致性      Part 3、Part 5

四、三條抵達路徑：你的內容怎麼進到答案裡

一個事實要出現在 AI 的回答中，只有三條路。搞混這三條路，是 GEO 策略錯誤的最大來源。

                    ┌──────────────────────────┐
路徑 A：訓練語料     │  模型權重（Parametric）    │
「模型記得你」       │  知識截止日之前的公開網路   │
                    └──────────────────────────┘
                    可控性：低    延遲：6-24 個月
                    做法：長期品牌提及、Wikipedia、權威媒體、開源社群

                    ┌──────────────────────────┐
路徑 B：檢索索引     │  搜尋索引 / 向量資料庫      │
「模型查得到你」     │  引擎自建，數天~數週更新    │
                    └──────────────────────────┘
                    可控性：高    延遲：3 天 - 4 週
                    做法：本系列主要戰場（Part 2/3/4）

                    ┌──────────────────────────┐
路徑 C：即時抓取     │  Live fetch / Browsing    │
「使用者叫模型讀你」 │  對話當下才去抓網頁         │
                    └──────────────────────────┘
                    可控性：中    延遲：即時
                    做法：允許 AI crawler、SSR、不擋 JS-less 存取

一個實務判斷：

如果你是新品牌 / 新產品，路徑 A 幾乎不可能（模型還沒學到你），必須把資源全押在 B 和 C。
如果你是已有品牌，A 已經給你基礎分，但 A 的內容常常是過時的（模型記得你三年前的定價）。這時候 B 的價值在於「糾正」而非「引入」。

這也解釋了一個常見現象：你問 ChatGPT 你公司的產品，它講的是舊資訊。因為它走的是路徑 A。而你要做的，是讓它有理由走路徑 B。

五、GEO 與 SEO 的 14 項核心差異

這張表建議印出來貼在牆上。左右兩欄的思維差距，是多數團隊做 GEO 失敗的根因。

維度              SEO 的做法                    GEO 的做法
──────────────────────────────────────────────────────────────────────────────
優化單位          整個頁面                      單一段落 / chunk（200-400 字）
成功指標          排名位置、點擊率               引用次數、引用份額、描述正確率
內容長度          越長越好（3000+ 字有優勢）     密度優先；長但要能被切出好 chunk
標題寫法          關鍵字前置                    完整問句，符合口語提問
關鍵字            精確比對 + 密度               語意覆蓋，同義詞與變體
開頭段落          鉤子、引人往下讀               直接給答案（TL;DR / 定義句）
數據引用          加分項                        必要項——沒數字的句子難以接地
外部連結          小心導出權重                  主動具名引用，提升可查核性
更新頻率          定期更新有利                  日期戳記直接影響是否被選用
結構化資料        利於 rich snippet             利於實體消歧與 chunk 邊界
JS 渲染           爬蟲多半能處理                 多數 AI crawler 不執行 JS ← 致命
競爭對手比較      避免提及對手                  主動做比較表，反而更容易被引用
成功時的流量      +流量                         可能 0 流量但有品牌曝光 ← 心態要調整
量測工具          GSC、Ahrefs                   自建 prompt 監測（Part 5）

第 13 條要特別展開講。

「零點擊」不是失敗

GEO 的第一個心理關卡是接受：很多時候你會被引用，但沒有人點進來。

要不要接受這件事，取決於你的商業模式：

商業模式              被引用但零點擊的價值        建議策略
────────────────────────────────────────────────────────────────
B2B SaaS / 高單價     ★★★★★ 極高                 全力做 GEO
  → 決策者在調研階段看到你的名字，後續會直接搜品牌名

品牌 / 顧問服務       ★★★★☆ 高                   全力做 GEO
  → 「專家形象」本身就是產品

電商（比價型商品）    ★★★☆☆ 中                   做，但要導向可交易頁
  → 被引用時要帶出價格、庫存、規格等交易資訊

媒體 / 廣告變現       ★☆☆☆☆ 低甚至為負            需要防禦性策略
  → 流量就是收入，被摘要 = 收入流失

如果你是最後一類，GEO 的正確做法反而包含「部分內容不給 AI 爬」。這在 Part 4 會有具體的分區設定方法。

排名是單一數字，引用不是。GEO 需要一組新指標。

6.1 四個核心指標

① Citation Frequency（引用頻率）
   定義：在 N 個目標問題中，你被引用的次數 / N
   範例：100 個問題中被引用 23 次 → 23%

② Citation Share / Share of Voice（引用份額）
   定義：你的引用次數 / 該題目所有品牌的引用總次數
   範例：某題共引用 8 個來源，你 1 個 → 12.5%
   → 這個指標比①更能反映競爭態勢

③ Position in Answer（答案內位置）
   定義：你被提及時，出現在答案的第幾句 / 第幾點
   權重：第 1 段被提及 ≈ 3 倍於最後一段
   → AI 答案的注意力衰減比 SERP 更陡

④ Sentiment & Accuracy（描述正確率）
   定義：模型對你的描述中，事實正確的比例
   → 被引用但被講錯，比不被引用更糟

6.2 一個複合分數

實務上會把四個指標合成一個可追蹤的數字：

AI Visibility Score
= (0.30 × 引用頻率)
+ (0.30 × 引用份額)
+ (0.25 × 位置加權分)
+ (0.15 × 描述正確率)

位置加權分 = Σ(1 / log2(位置 + 1)) / 被引用次數     ← 借用 DCG 的衰減

Part 5 會給出這個分數的完整 Python 實作與監測排程。

6.3 為什麼不能只看流量

情境                    GA4 看到的                真實的商業影響
────────────────────────────────────────────────────────────────
被 AI Overview 引用      幾乎沒有 referrer         使用者記住了品牌名
使用者之後搜品牌名        Direct / Organic Brand    這才是轉換發生的地方

AI 曝光的效果會延遲、且歸因到別的管道。這是 GEO 最反直覺的地方：你必須用「品牌詞搜尋量」與「直接流量」的變化，來反推 GEO 的成效。Part 5 有完整的歸因方法。

七、什麼樣的內容容易被引用：可觀察的規律

綜合公開研究（如 Aggarwal 等人 2024 年的 GEO 論文）與大量實測，以下是效果排序。數字為「相對可見度提升」的量級參考，不同題目差異可達 2 倍，請當方向而非保證。

優化手法                          相對提升      成本    立即可做
──────────────────────────────────────────────────────────────
加入具名統計數據                   +30~40%      低      ✔
  「回應時間降低 43%」勝過「大幅降低」

引用權威來源並具名                 +25~35%      低      ✔
  「根據 IDC 2026 年報告」比「根據研究」有效得多

加入專家引述（真人、具名、具職稱）  +20~30%      中      ✔

技術性 / 領域術語精確化            +15~25%      低      ✔
  用該領域從業者真正在用的詞

清晰的段落式答案結構               +15~25%      低      ✔
  一個問題 → 一個獨立可搬走的段落

FAQ / 問答格式                     +10~20%      低      ✔

──────── 以下效果不明顯或為負 ────────

塞關鍵字                          -5~0%        低      ✘ 別做
情緒化 / 誇飾語言                  -10~0%       低      ✘ 別做
純行銷文案（無事實）                -15~0%       低      ✘ 別做

一句話總結：生成式引擎偏好「可查核的具體性」。任何無法被驗證的句子，在 grounding 階段就會被丟掉。

一個對照範例：

❌ 不易被引用的寫法
「我們的解決方案能大幅提升企業的營運效率，深受客戶好評，
  是市場上領先的選擇。」
→ 0 個可接地的事實。模型讀完不知道能引用什麼。

✔ 容易被引用的寫法
「導入後，訂單處理時間從平均 4.2 小時降到 38 分鐘（-85%），
  這是 2026 年 3 月針對 12 家製造業客戶的實測中位數。
  對照組使用原本的 Excel 流程。」
→ 4 個可接地事實：數字、幅度、樣本、時間。

八、五個常見迷思

迷思 1：「GEO 是全新學問，SEO 可以丟了」

錯。檢索層依賴傳統索引。技術 SEO（可爬取、可索引、站點結構、速度）是 GEO 的必要條件。丟掉 SEO 等於自斷檢索路徑。

正確理解：GEO = 技術 SEO（地基）+ 可引用性工程（新增的樓層）。

迷思 2：「多寫 FAQ 就是 GEO 了」

FAQ 有效，但只佔效果的 10~20%。真正的差距在於每一段是否能獨立成立。一個段落被抽離原文之後，如果讀者看不懂在講什麼，它就不會被 rerank 選中。

迷思 3：「加 llms.txt 就會被 AI 讀到」

llms.txt 是一個社群提案的慣例檔案，目前沒有任何主流引擎承諾會讀它。它的實際價值是：成本極低、對自家 RAG / 內部 agent 有用、未來若成為標準你已經有了。

不要把它當成 GEO 的核心策略。真正的核心是 Part 4 講的內容結構與存取層。

迷思 4：「內容越長越容易被引用」

長度本身不是因子，chunk 品質才是。一篇 8000 字但論述鬆散的文章，可能一個 chunk 都選不上；一篇 1200 字但每段都是密實答案的文章，可能被引用 3 次。

迷思 5：「被 AI 摘要 = 流量歸零」

分題目類型看：

題目類型              摘要吃掉的比例    仍會點擊的原因
────────────────────────────────────────────────────
定義型（什麼是 X）     80~90%          幾乎不會點
比較型（X vs Y）       50~70%          想看完整表格
操作型（怎麼做 X）     40~60%          需要完整步驟與程式碼
交易型（買 X）         20~30%          必須到站上完成
決策型（該選哪個）      30~50%          需要細節佐證

策略推論：把資源從定義型內容移到操作型與決策型內容。定義型內容仍要寫（那是被引用的入口），但不要期待它帶流量。

九、GEO 成熟度模型：先確認你在哪一級

不要跳級。每一級的前置條件都是上一級。

╔═══════════════════════════════════════════════════════════════╗
║  Level 0 — 不可見                                              ║
╚═══════════════════════════════════════════════════════════════╝
症狀：robots.txt 擋掉 AI crawler；純 CSR 網站；內容在登入牆後
檢查：curl -A "GPTBot" https://yoursite.com/page → 拿到空白或 403
成本：0（只是設定）        時間：1 天
必做：Part 4 的 Step 1、Step 7

╔═══════════════════════════════════════════════════════════════╗
║  Level 1 — 可被爬取                                            ║
╚═══════════════════════════════════════════════════════════════╝
狀態：AI crawler 拿得到完整 HTML，但內容沒有為引用而寫
症狀：偶爾被引用，但都是首頁或不重要的頁
成本：低                   時間：2-4 週
必做：Part 3 的內容層、Part 4 的 Step 3/4/5

╔═══════════════════════════════════════════════════════════════╗
║  Level 2 — 可被引用                                            ║
╚═══════════════════════════════════════════════════════════════╝
狀態：關鍵頁面有 TL;DR、數據、FAQ、JSON-LD；chunk 邊界清楚
指標：核心 20 個問題中，引用率 15~30%
成本：中                   時間：2-3 個月
必做：Part 5 的監測系統（否則你不知道有沒有進步）

╔═══════════════════════════════════════════════════════════════╗
║  Level 3 — 可被監測與迭代                                      ║
╚═══════════════════════════════════════════════════════════════╝
狀態：有 prompt set、週期性跑測、引用份額有 dashboard
能力：能回答「這次改版讓哪 3 題的引用率上升」
成本：中高（工程 + API 費用）  時間：持續
必做：Part 5 全部

╔═══════════════════════════════════════════════════════════════╗
║  Level 4 — 成為領域預設答案                                     ║
╚═══════════════════════════════════════════════════════════════╝
狀態：模型不查資料也知道你；被競品的內容引用；成為 benchmark
指標：引用份額 > 40%；品牌詞搜尋量持續成長
成本：高（品牌 + 內容 + 公關長期投入）  時間：12-24 個月

多數團隊的實際狀態是 Level 0 或 1，卻在討論 Level 4 的策略。先跑 curl -A "GPTBot" 這一行指令，再決定要投入什麼。

十、本系列地圖

┌─────────────────────────────────────────────────────────────┐
│  Part 1（本篇）概念篇                                        │
│  名詞邊界、生成管線、指標體系、成熟度模型                     │
│  你會得到：一張判斷「該不該做、從哪開始」的地圖               │
└────────────────────────┬────────────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────────────┐
│  Part 2  原理篇：檢索與引用的機制                            │
│  AI crawler 全表、chunking、rerank、8 個技術死因、實測對照   │
│  你會得到：知道「為什麼」的能力，不用背 checklist             │
└────────────────────────┬────────────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────────────┐
│  Part 3  方法篇：內容 / 結構 / 技術三層策略                   │
│  可引用性工程、Schema.org 配方、實體策略、90 天路線圖         │
│  你會得到：一份有優先順序的行動清單                           │
└────────────────────────┬────────────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────────────┐
│  Part 4  實作篇：把一個網站改造成 AI 可引用                   │
│  Hugo / Next.js 完整程式碼、llms.txt 產生器、驗收腳本         │
│  你會得到：可以直接複製貼上的實作                             │
└────────────────────────┬────────────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────────────┐
│  Part 5  量測與案例篇                                        │
│  監測系統 Python 實作、AI 流量辨識、6 個月真實復盤、ROI       │
│  你會得到：證明這件事有沒有效的能力                           │
└─────────────────────────────────────────────────────────────┘

讀完本篇的三個立即動作

跑一次可見度體檢（5 分鐘）

1# 你的網站對 AI crawler 開放嗎？
2curl -s -A "GPTBot" https://your-site.com/your-best-page | wc -c
3curl -s -A "OAI-SearchBot" https://your-site.com/your-best-page | wc -c
4curl -s -A "PerplexityBot" https://your-site.com/your-best-page | wc -c
5
6# 如果字數遠小於瀏覽器看到的內容 → 你在 Level 0

手動測 10 個問題（30 分鐘）列出你的客戶在購買前會問的 10 個問題，逐一丟給 ChatGPT / Perplexity / AI Overview，記錄：誰被引用了？你在不在裡面？描述正確嗎？這份記錄就是 Part 5 監測系統的種子。
判斷你的商業模式適不適合（10 分鐘）回到第五節那張表。如果你是廣告變現的媒體，你需要的是防禦策略而非全開；其他情況，GEO 的投報率在 2026 年仍然偏高，因為多數競爭對手還在 Level 0。

本系列文章：