大多數人的做法：一套 checklist 打天下，然後困惑為什麼在律師事務所有效、在醫美診所無效。 真正該做的事：先確定這個產業的天花板在哪，再決定投入多少。
產業差異不是「風格不同」。 是同樣的投入，效果差三倍。
一、為什麼產業差這麼多：三個決定性變數
變數 1：模型對這個領域的「來源偏好」
──────────────────────────────────────────────────────────
YMYL 領域（醫療、金融、法律）→ 強烈偏好官方機構、學會、
大型醫院、監理單位
技術領域 → 偏好官方文件、GitHub、Stack Overflow、
真實使用者討論
消費領域 → 偏好評測站、論壇、比價平台
→ 你能不能擠進「被偏好的來源類型」，決定了天花板
變數 2：查詢是「知識型」還是「選擇型」
──────────────────────────────────────────────────────────
知識型（「什麼是 X」「X 怎麼運作」）
→ 廠商很難贏過百科與媒體
選擇型（「X 有哪些選擇」「A vs B」「該找誰做 X」）
→ 廠商是天然的答案來源 ← 這才是你的戰場
→ 一個產業的查詢中，選擇型佔比越高，GEO 效益越高
變數 3：資訊是否已結構化
──────────────────────────────────────────────────────────
電商、製造業 → 資料庫裡已有大量規格，是渲染問題（Part 7）
專業服務 → 知識在人腦裡，是生產問題
→ 決定成本結構是工程密集還是內容密集
二、跨產業對照總表
產業 選擇型 天花板 主要成本 典型 retainer 優先動作
查詢佔比 (引用率) 結構 （月，NT$）
──────────────────────────────────────────────────────────────────────────────
B2B SaaS 高 70% 30-45% 內容 70% 8-25 萬 比較頁 + 文件
專業服務 高 65% 30-40% 內容 85% 6-15 萬 專家實體 + 案例
B2B 製造 / 工業品 中 55% 25-40% 工程 60% 10-30 萬 規格表 HTML 化
開發者工具 高 75% 35-50% 內容 60% 5-20 萬 docs + 開源
教育 / 課程 中 50% 25-35% 工程 55% 6-18 萬 付費牆分層
品牌電商 中 45% 20-35% 工程 75% 10-30 萬 商品資料渲染
高單價 B2C 中 50% 20-30% 內容 70% 6-15 萬 在地 + 比較
旅遊 / 餐旅 中 55% 15-30% 工程 60% 8-20 萬 OTA 依賴度高
金融 / 保險 低 35% 12-25% 內容 80% 10-25 萬 法遵是瓶頸
醫療 / 健康 低 30% 10-20% 內容 80% — 建議不接知識型
天花板數字為 [推估]，來自本系列案例與同類專案的觀察區間， 依競爭密度可上下浮動 10 個百分點。用來設定期待，不是承諾。
三、劇本 1-3：B2B 類
劇本 1：B2B SaaS
╔══════════════════════════════════════════════════════════════╗
║ 買家旅程 自己 Google → 問 AI「有哪些選擇」→ 看比較 → Demo ║
║ 天花板 30-45%（競爭激烈的品類會低一些） ║
║ 成本結構 內容 70% / 工程 30% ║
╚══════════════════════════════════════════════════════════════╝
主要查詢類型（依價值排序）
1. 「<品類> 有哪些工具？」 ← 最重要
2. 「A vs B 哪個好？」 ← 轉換率最高
3. 「<具體問題> 怎麼解決？」 ← 流量入口
4. 「<你的產品> 的定價／整合／限制？」 ← 描述正確率戰場
優先動作
① 比較頁（自己 vs 每個主要競品，各一頁）
→ 必須含「什麼時候該用對手」（Part 8 §3）
② 定價頁改成 HTML 表格 + 明確數字，不要「聯絡我們」
→ Part 5 案例 A：這一項單獨貢獻 +6.4 AVS
③ 文件站標題全部改問句 + 錯誤訊息獨立成段
④ 「<品類> 選型指南」——建立你定義的評估框架
⑤ G2 / Capterra 檔案完整化
獨有風險
· 競品也在做同樣的事，比較頁會互相打
· 「有哪些工具」這類題目，AI 常引用 G2、Reddit 而非廠商官網
→ 所以站外存在（評測站、社群）的權重高於其他產業
KPI 組合
主：品類發現題的出現率、比較題的引用份額
副：描述正確率（定價講錯最傷）
不要用：整體引用率（會被大量知識型題目稀釋）
劇本 2：專業服務（律師 / 會計 / 顧問 / 設計）
╔══════════════════════════════════════════════════════════════╗
║ 買家旅程 遇到問題 → 問 AI「這種情況怎麼辦」→ 「該找誰」→ 諮詢 ║
║ 天花板 30-40% ║
║ 成本結構 內容 85% / 工程 15% ← 最內容密集的產業 ║
╚══════════════════════════════════════════════════════════════╝
主要查詢類型
1. 「<具體情境> 該怎麼處理？」 ← 主戰場
2. 「<某地區> 有哪些 <專業> 事務所？」
3. 「這種案子大概要花多少錢／多久？」 ← 沒人敢寫，
寫了就贏
4. 「自己處理 vs 找專業，差在哪？」
優先動作
① 「情境 → 處理方式」的長尾內容庫
每篇一個具體情境，800-1,200 字，附法規／準則依據
② 費用與時程透明化（區間即可）
→ 這是這個產業最大的差異化機會。多數同業寫「歡迎來電洽詢」，
而 AI 無法引用一句「來電洽詢」
③ 專業人員的 Person schema + 真實資歷
→ 學會職務、著作、判決／案例、演講、媒體引述
④ 案例研究（去識別化）——具體金額、時程、結果
獨有風險
· 個案不能當通例，法務／公會的廣告規範
→ 每篇加免責聲明，但免責聲明不能取代具體內容
· 專業人員沒時間寫 → 用訪談轉錄 + 編輯的方式生產
（一小時訪談 ≈ 3-4 篇文章）
KPI 組合
主：情境題的引用率、專家個人名字的被提及率
副：諮詢表單自陳「從 AI 得知」的比例
劇本 3：B2B 製造 / 工業品
╔══════════════════════════════════════════════════════════════╗
║ 買家旅程 採購工程師收到需求 → 問 AI 選型 → 索取型錄 → 詢價 ║
║ 天花板 25-40% ║
║ 成本結構 工程 60% / 內容 40% ║
╚══════════════════════════════════════════════════════════════╝
主要查詢類型
1. 「<規格條件> 的 <零件> 有哪些？」 ← 資料庫能自動回答
（「1kW IP67 絕對式編碼器伺服馬達」）
2. 「<品類> 選型要看哪些參數？」
3. 「A 型號和 B 型號差在哪？」
4. 「<應用場景> 該用什麼規格？」
優先動作
① 規格表從 PDF 搬到 HTML（Part 6 §3 決策 4）
→ 這一項通常是全案效益最大的
② 每個料號一個 Product schema + additionalProperty
③ 規格條件式的分類頁（Part 7 §3 決策 3 的 facet 邏輯）
④ 多語系——小語系的投報率極高（Part 6 §5 insight 2）
⑤ 應用案例（application note）：場景 → 選型 → 實測數據
獨有風險
· 型錄 PDF 是業務的既有工作流，改 HTML 會有內部阻力
→ 保留 PDF 下載，只是「同時」提供 HTML
· 規格外洩顧慮 → 法務先定義可公開欄位白名單（Part 6 §3 決策 5）
· 決策鏈長，成效歸因困難
KPI 組合
主：規格條件式查詢的出現率、料號被正確引用的比例
副：型錄下載數、海外詢價數（分語系看）
四、劇本 4-6：技術與教育類
劇本 4：開發者工具 / 技術產品
╔══════════════════════════════════════════════════════════════╗
║ 天花板 35-50% ← 全部產業中最高 ║
║ 為什麼高 使用者會直接把錯誤訊息貼給 AI， ║
║ 而能精確對上錯誤字串的頁面幾乎必被引用 ║
╚══════════════════════════════════════════════════════════════╝
優先動作
① 文件的「錯誤訊息 → 原因 → 排查順序」段落
→ Part 8 §3 決策 3：這是隱藏金礦
② 比較頁（Part 8 §5 insight 2：小團隊最被低估的武器）
③ 開源一個小工具（Part 8 §5 insight 3：最快的實體建立手段）
④ Changelog 與版本相容表（HTML，不是圖片）
⑤ 完整可執行的範例，不是片段
獨有風險
· 開發者反感行銷語言，寫壞了會有社群反彈
· Stack Overflow / GitHub Issues 的權重可能高於你的官網
→ 主動在自己的 GitHub Discussions 經營問答
KPI 組合
主：錯誤訊息類查詢的引用率、docs 頁面的引用佔比
副：GitHub star / npm 下載（實體存在的代理指標）
劇本 5：教育 / 線上課程
╔══════════════════════════════════════════════════════════════╗
║ 天花板 25-35% ║
║ 核心議題 付費牆分層（Part 9 §3 是完整的劇本） ║
╚══════════════════════════════════════════════════════════════╝
主要查詢類型
1. 「想學 <技能>，該從哪開始？」
2. 「<技能> 有哪些課程／怎麼選？」
3. 「<具體知識點> 是什麼／怎麼做？」 ← 課程內容可回答
4. 「A 課程 vs B 課程」
優先動作
① 三層付費牆設計（公開 / 預覽 / 封閉）
② 影片字幕 → 公開摘要頁（成本極低，效益極大）
③ 討論區 QA 部分公開 ← Part 9：佔 38% 的引用
④ Course schema（syllabusSections、coursePrerequisites）
⑤ 「學習路徑」頁面——你定義的知識地圖
獨有風險
· 「開放摘要會吃掉營收」的內部阻力
→ Part 9 §5 有實測數據可以引用：讀過摘要頁的購買轉換率
反而高 58%
· 免費資源競爭激烈（YouTube、官方文件）
→ 差異化在「路徑」與「陪伴」，不在「知識」本身
KPI 組合
主：知識點查詢的引用率、課程比較題的出現率
副：試聽轉付費率（驗證摘要沒有吃掉營收）
劇本 6：品牌電商
╔══════════════════════════════════════════════════════════════╗
║ 天花板 20-35% ║
║ 成本結構 工程 75% / 內容 25% ← 最工程密集 ║
║ 完整劇本 Part 7 ║
╚══════════════════════════════════════════════════════════════╝
優先動作（濃縮版，細節見 Part 7）
① 規格與評價從 JS/widget 改成 SSR HTML
② 自動生成的「事實句」取代廠商行銷文案
③ priceValidUntil + 頁面明示價格有效期
④ facet 分類頁（商品數 ≥ 8 才開）
⑤ 選購指南從長文拆成單一主題子頁
獨有風險
· 價格正確率天花板約 71%（索引週期與變價週期的結構性錯配）
· 平台型賣家（只在蝦皮/momo 上賣）→ 你優化不了平台頁面
→ 這類客戶要先評估是否值得建自有站
· 促銷檔期的內容變動頻繁，維護成本高
KPI 組合
主：規格條件式查詢的出現率、選購指南的引用率
副：價格正確率（獨有指標）
不要用：商品頁引用率（單一 SKU 的查詢量本來就低）
五、劇本 7-10：高難度與受管制產業
劇本 7：高單價 B2C（醫美 / 補教 / 婚顧 / 裝潢）
╔══════════════════════════════════════════════════════════════╗
║ 天花板 20-30% ║
║ 特徵 在地性強 + 信任門檻高 + 價格不透明 ║
╚══════════════════════════════════════════════════════════════╝
主要查詢類型
1. 「<服務> 大概多少錢？」 ← 沒人敢寫
2. 「<地區> 有哪些 <服務>？」
3. 「怎麼挑 <服務> 的廠商／醫師？」
4. 「<服務> 的流程與注意事項」
優先動作
① 價格區間透明化 ← 這個產業最大的機會
Part 5 §7 的牙醫案例：這一項效果最大
② LocalBusiness schema + 每個據點獨立頁
③ 「選擇標準」內容——你定義評估框架，等於定義競爭規則
④ 真實案例（含前後對照、實際費用、時程）
⑤ Google Business Profile 與官網資訊完全一致
獨有風險
· 醫美屬醫療廣告，受法規嚴格限制
· 價格透明化會被同業抗議
· 評論造假的誘惑很大——AI 引擎會交叉比對，代價極高
KPI 組合
主：在地查詢的出現率、價格類查詢的引用率
副：預約表單自陳來源
劇本 8：旅遊 / 餐旅
╔══════════════════════════════════════════════════════════════╗
║ 天花板 15-30%（波動最大的產業） ║
║ 核心難題 OTA 依賴——AI 大量引用 Booking / TripAdvisor / ║
║ Google Maps，而不是業者官網 ║
╚══════════════════════════════════════════════════════════════╝
優先動作
① 接受 OTA 主導的現實，先確保 OTA 上的資訊正確且完整
→ 對這個產業而言，「站外資訊一致性」比自有站優化更重要
② 官網的差異化內容：在地知識、行程建議、季節資訊
→ 這是 OTA 沒有的
③ Hotel / Restaurant / TouristAttraction schema
④ 「<目的地> 三天兩夜怎麼安排」這類規劃型內容
→ 選擇型查詢，且 OTA 通常寫得很爛
獨有風險
· 直訂 vs OTA 的通路衝突
· 季節性極強，量測週期要拉長到 12 個月才有意義
· 評論分數的影響力遠大於內容優化
KPI 組合
主：規劃型查詢的引用率、目的地相關查詢的出現率
副：直訂比例（GEO 的真正商業目的）
劇本 9：金融 / 保險
╔══════════════════════════════════════════════════════════════╗
║ 天花板 12-25% ║
║ 瓶頸 法遵，不是技術。所有內容要過法遵，週期以月計 ║
╚══════════════════════════════════════════════════════════════╝
現實認知
模型在金融知識型查詢上強烈偏好：主管機關、公會、
大型媒體財經版、學術來源。
一般金融業者要在「什麼是 X 保險」這類題目上勝出，非常困難。
該打哪裡
✘ 知識型（「什麼是投資型保單」）→ 放棄
✔ 商品比較型（「A 方案 vs B 方案的差異」）
✔ 情境型（「35 歲首購族的房貸怎麼選」）
✔ 流程型（「理賠要準備哪些文件」）← 高頻且沒人寫好
✔ 費率與條件的結構化呈現
優先動作
① 法遵前置：一次性定義可公開欄位、禁止用語、必要揭露
（Part 6 §3 決策 5 的做法）
② 流程型內容（理賠、申辦、變更）——最容易贏且最實用
③ 商品條款的結構化摘要（表格化）
④ 費率試算的結果頁可索引化
獨有風險
· 法遵週期會吃掉一半的時程 → 報價與時程要含這個緩衝
· 錯誤資訊的責任風險遠高於其他產業
· 監理規定變動時，全站內容要重審
KPI 組合
主：流程型與比較型查詢的引用率
副：描述正確率（金融領域講錯的代價最高）
不要用：知識型查詢的引用率
劇本 10：醫療 / 健康
╔══════════════════════════════════════════════════════════════╗
║ 天花板 10-20%（知識型幾乎為 0） ║
║ 建議 不接「知識型內容突圍」的案子 ║
╚══════════════════════════════════════════════════════════════╝
為什麼天花板這麼低
這是引擎的刻意設計，不是可以優化掉的缺陷。
醫療查詢的來源偏好序：
衛福部 / CDC → 醫學會 → 醫學中心 → 大型醫院 →
專業媒體 → …（一般診所在很後面）
Part 5 §7 的牙醫案例：六個月 AVS 從 8.2 到 19.4，
而衛教文章的貢獻幾乎為零。
該打哪裡（唯二有效的）
✔ 在地型：「<地區> 有哪些 <科別>」
✔ 交易型：「<療程> 費用」「<診所> 營業時間 / 掛號方式」
優先動作
① Physician / MedicalClinic / Dentist schema
② 每個院所獨立頁 + Google Business Profile 一致性
③ 療程費用區間明示
④ 醫師的可驗證資歷（學會職務、論文、專科證號）
→ 沒有這些，Person schema 幫助有限
⑤ 掛號、營業時間、交通等交易資訊結構化
該拒絕的
✘ 「我們想靠衛教文章成為權威」
→ 誠實告訴對方：這在 AI 搜尋上打不贏醫學會與醫學中心，
而且這個設計是合理的
✘ 任何涉及療效宣稱的內容優化
KPI 組合
主：在地查詢的出現率
副：掛號／預約的自然來源佔比
絕對不要用：知識型查詢的引用率
六、換產業時要重問的六個問題
接到一個你沒做過的產業時，用這六題重建劇本。約需 4-6 小時。
① 這個產業的查詢中，選擇型佔多少？
做法：擬 30 題典型查詢，分類成知識型／選擇型／交易型
判讀：選擇型 < 40% → 天花板低，要先講清楚
② AI 目前引用誰？
做法：跑那 30 題，記錄被引用的網域類型
判讀：如果 80% 是媒體／百科／官方機構 → YMYL 型態，
走「在地 + 交易」路線
③ 這個產業的廠商有沒有被引用？
做法：Part 12 §2 的 quick-validate.py
判讀：廠商網域為 0 的題目 > 70% → 市場未成形，
效益低，考慮不接
④ 資訊是在資料庫裡，還是在人腦裡？
資料庫（規格、庫存、價格）→ 工程密集，成本可控
人腦（專業判斷、經驗）→ 內容密集，成本高且慢
⑤ 有沒有法遵／公會的內容限制？
有 → 時程要 ×1.5，且要先做「法遵一次性定義」
⑥ 這個產業的買家真的會用 AI 嗎？
做法：直接問客戶的三個現有客戶
判讀：這一題沒有捷徑，也最容易被跳過
第 ⑥ 題最重要，也最常被省略。 一個產業就算所有技術條件都成立，如果它的買家根本不用 AI 做決策研究（例如某些傳統批發、政府採購），GEO 的商業價值就是零。
七、把劇本變成可販售的資產
每個產業劇本應該包含的東西（做完一個客戶就沉澱一份）
────────────────────────────────────────────────────────
□ 30-50 題的產業 prompt set（可直接複用）
□ 該產業的被引用來源類型分佈
□ 天花板估計（引用率的合理區間）
□ 優先動作清單（依該產業排序，不是通用版）
□ 獨有風險與法遵限制
□ KPI 組合建議（要用哪些、不要用哪些）
□ 3-5 個匿名化的基準數據點
這份東西的商業價值：
第 1 個客戶 事前作業 8 人天，毛利 55%
第 3 個客戶 事前作業 4 人天，毛利 68%
第 8 個客戶 事前作業 2 人天，毛利 78%
+ 你能說「這個產業我做過 8 家，中位數是 X」
← 這句話讓提案成交率翻倍，且無法被複製
這就是 Part 11 §6 的護城河 ① 和 ② 的具體樣子。 選 1-2 個產業做深，比 10 個產業各做一家有價值得多。
本系列文章：
- 基礎篇：Part 1 概念 ｜ Part 2 原理 ｜ Part 3 方法 ｜ Part 4 實作 ｜ Part 5 量測
- 案例篇：Part 6 企業官網 ｜ Part 7 電商 ｜ Part 8 Landing Page ｜ Part 9 課程平台 ｜ Part 10 內部知識庫
- 商業篇：Part 11 市場 ｜ Part 12 GEO vs SEO 判斷 ｜ Part 13 顧問方法論 ｜ Part 14（本篇）產業劇本 ｜ Part 15 工具與技術棧 ｜ Part 16 規模化
