大多數人的做法：買一個 GEO 監測工具，看著 dashboard 的數字，然後不知道要做什麼。 真正該做的事：先分清楚「量測工具」和「執行能力」——前者可以買，後者不能。
這個市場上九成的產品都在賣前者。 而客戶付錢是為了後者。
一、先講一件會改變前提的事
2026 年 7 月 1 日，Cloudflare 宣布：從 9 月 15 日起，新註冊的網域將預設封鎖 AI 訓練與 agent 類爬蟲。 同時所有方案（含免費版）都能在後台依類別允許或封鎖 AI 爬蟲。
這件事對 GEO 生意的三個直接影響：
影響 你該做什麼
──────────────────────────────────────────────────────────────────
① 新網域的預設值從「開放」變成「封鎖」 所有新客戶的第一步檢查
→ Part 1 §9 的 Level 0 會變成常態 變得更重要，不是更不重要
② 「檢索 bot」與「訓練 bot」的分類 學會 Cloudflare 的
由 CDN 廠商定義，不再只看 UA bot 類別定義，
別只教客戶改 robots.txt
③ Cloudflare 推出託管 robots.txt 與 這是免費送到客戶手上的
「內容使用層級」（Immediate / 工具。你的價值必須在
Reference / Full） 這之上，不是重複它
對顧問的實際意義：存取層的檢查與設定，正在從「需要專業知識」變成「後台勾選」。你不能再靠「我幫你解除 CDN 封鎖」收費太久——那一項會在 12 個月內變成常識。
護城河要往上移：內容層、產業縱深、基準資料（Part 11 §6）。
二、工具地圖：六個類別
╔═══════════════════════════════════════════════════════════════╗
║ ① 可見度監測（最擁擠，也最容易被取代） ║
║ 問模型 → 記錄引用 → 畫趨勢圖 ║
║ 商業：Profound / Peec / Otterly / 數十家 ║
║ 開源：Gego / OneGlanse / geo-aeo-tracker ║
║ 自建：Part 5 §4 的 300 行 Python ║
╠═══════════════════════════════════════════════════════════════╣
║ ② 爬蟲存取驗證（低調但最關鍵） ║
║ 商業：Cloudflare AI Crawl Control（免費）、各 CDN 的 bot 報表 ║
║ 自建：Part 2 §2 的 ai-crawler-check.sh ║
╠═══════════════════════════════════════════════════════════════╣
║ ③ 結構化資料 ║
║ Schema Markup Validator、Rich Results Test、 ║
║ schema-dts（TypeScript 型別） ║
╠═══════════════════════════════════════════════════════════════╣
║ ④ 內容稽核 ║
║ 商業：多數 SEO 工具已加 GEO 分數（可信度低） ║
║ 自建：Part 4 §7 的 geo-audit.py ║
╠═══════════════════════════════════════════════════════════════╣
║ ⑤ 日誌分析（AI crawler 行為） ║
║ 商業：Cloudflare Logpush、各 CDN analytics ║
║ 自建：Part 5 §5 的 awk 一行式 + BigQuery ║
╠═══════════════════════════════════════════════════════════════╣
║ ⑥ 執行層（真正稀缺的，幾乎沒有工具） ║
║ 改 CDN 規則、寫 SSR、部署 schema 模板、重寫內容 ║
║ → 這是人的工作，不是工具的工作 ║
╚═══════════════════════════════════════════════════════════════╝
九成的市場注意力在 ①，而客戶付錢的價值在 ⑥。 這個錯配就是顧問的機會。
三、商業監測工具
以下為 2026 年 7 月的公開資訊。價格與功能變動極快，且多數比較文章是工具商自己寫的（Part 11 §1），提案前請自行複核。
工具 起價（2026-07） 引擎覆蓋 定位 適合誰
──────────────────────────────────────────────────────────────────────
Profound US$499/月 10+ 企業級，最深的 大企業內部團隊、
分析層 大型 agency
Peec AI €89/月起 8+ 中型市場， 中型客戶的
競品份額分析 月報主力
Otterly US$49/月起 6 入門，簡單 小客戶、
上手快 自己想試的人
（另有數十家新進者，功能高度同質化）
資料來源為多篇工具比較文章，其中部分由工具商自行發布。 搜尋結果中出現的「Fortune 500 市佔 68.4%」「年增 347%」這類 精確到小數點的市佔數字，沒有可驗證的方法論，建議忽略。 這正是 Part 11 §1 講的現象。
商業工具真正的價值與局限
值得付錢的地方 不值得付錢的地方
────────────────────────────────────────────────────────────
AI Overview 的抓取 「問模型並記錄答案」
（沒有官方 API，自己做很痛） → 這是 300 行 Python
跨客戶的 dashboard 與權限管理 競品追蹤
（agency 場景） → 你自己的腳本也能做
歷史資料的長期保存與趨勢 「GEO 分數」這類黑箱指標
→ 演算法不透明，
無法向客戶解釋
給客戶看的成品報表 內容建議
（美觀度有商業價值） → 目前多數工具的建議
停留在「加 FAQ」等級
一個實務組合：用商業工具處理 AI Overview 與客戶端報表，用自建腳本處理其餘的一切。
四、開源選項
搜尋可得的幾個專案（2026 年 7 月）：
專案 語言/棧 規模 授權 定位
────────────────────────────────────────────────────────────────────────────
AI2HU/gego Go + Vue 3 + 81 stars GPL-3.0 排程跑 prompt、
PostgreSQL/MongoDB 抓引用、
+ etcd + Docker 品牌別名追蹤
引擎：OpenAI / Anthropic /
Gemini / Perplexity Sonar / Ollama
+ 可插拔自訂 provider
aryamantodkar/ 真實瀏覽器自動化 — MIT 用真的瀏覽器開
oneglanse （非 API） ChatGPT/Gemini/
含 AI Overview Perplexity/Claude，
抓實際渲染結果
danishashko/ local-first dashboard — — 本機優先，
geo-aeo-tracker 6 個模型 資料不外流
三者的關鍵差異：API vs 真實瀏覽器
API 方式（gego、Part 5 的腳本） 瀏覽器方式（oneglanse）
──────────────────────────────────────────────────────────────────────────
量到的是 API 帶 web_search 工具的結果 使用者實際看到的畫面
與真實使用者 有落差（模型版本、系統 prompt、 一致
的一致性 個人化都不同）
AI Overview ✘ 沒有 API ✔ 可以抓
穩定性 高 低（UI 改版就壞）
被封鎖風險 無（付費 API） 有（自動化存取）
成本 API 費用（每輪 US$8-19） 機器成本 + 維護
可規模化 ✔ △
合規 明確 各家 ToS 態度不一，
需自行評估
建議：API 方式當主軸（穩定、可規模化、合規清楚），AI Overview 用商業 SERP API 或人工抽查補足（Part 5 §4.4）。瀏覽器自動化只在你需要驗證「API 結果與真實畫面的落差」時偶爾用。
上述開源專案為 2026 年 7 月的搜尋結果，星數與活躍度都不高， 屬於早期專案。採用前務必自行檢視 commit 頻率、issue 回應與 授權條款（gego 是 GPL-3.0，若你要包進商業產品要特別注意）。
五、自建 vs 買：分界線
自建 買
──────────────────────────────────────────────────────────────
問模型並記錄引用 ✔ 300 行 Python ✘ 沒必要付錢
完全掌控、可客製
AI Overview 抓取 ✘ 反爬蟲維護成本高 ✔ SERP API
US$50-300/月
多客戶 dashboard △ 值得，若客戶數 > 8 ✔ 客戶數 < 8 時買
與權限 比較划算
歷史資料保存 ✔ SQLite/BigQuery △ 綁定廠商，
資料是你的護城河 退出時帶不走
（Part 11 §6 護城河 ②）
爬蟲存取驗證 ✔ 20 行 bash ✘ 沒必要付錢
（Cloudflare 免費給）
內容稽核 ✔ Part 4 的 geo-audit △ 商業工具的
規則你可以自己定義 規則是黑箱
客戶報表美化 △ 花時間 ✔ 買，或用
現成 BI 工具
判斷原則
會變成你的護城河的 → 自建
· 基準資料庫（跨客戶的產業對照）← 最重要
· 產業 prompt set
· 內容稽核規則
只是節省時間的 → 買
· AI Overview 抓取
· 報表美化
· 早期的多客戶管理
千萬不要買的
· 「AI 內容生成 + 自動發布」——大量薄內容會傷害客戶
· 黑箱的「GEO 分數」——你無法向客戶解釋的數字，
不要放進報告
六、非監測類工具（常被忽略但更實用）
用途 工具 備註
──────────────────────────────────────────────────────────────────────
爬蟲存取驗證 自寫 bash（Part 2 §2） 20 行，最該先做
Cloudflare AI Crawl Control 免費，含 robots.txt
合規追蹤
Schema 驗證 Schema Markup Validator 權威來源
Rich Results Test
schema-dts（npm） TypeScript 型別，
寫 JSON-LD 不會拼錯
無 JS 渲染檢查 curl + 文字抽取（Part 4 §9） 最快
Puppeteer/Playwright 對照 需要精確比對時
站點爬取與稽核 Screaming Frog 可自訂抽取 JSON-LD、
Sitebulb 批次檢查
日誌分析 CDN 原生 analytics 先用免費的
Logpush → BigQuery 量大時再上
內容稽核 geo-audit.py（Part 4 §7） 規則自己定，
可放進 CI
字幕／影片轉文字 Whisper（開源） Part 9 的 pipeline
各家 ASR API
批次內容處理 LLM API 直接呼叫 Part 9：1,200 支
影片摘要僅 US$78
schema-dts 值得單獨提一句：它讓 JSON-LD 在編譯期就能檢查型別，避免最常見的錯誤（欄位拼錯、型別錯誤、@type 不存在）。對要維護數十個客戶模板的 agency 很實用。
七、一套 agency 交付工具鏈
┌──────────────────────────┐
│ 客戶清單 / 產業標籤 │
│ （Airtable / Notion） │
└────────────┬─────────────┘
▼
┌────────────────────────────────────────────┐
│ prompt set 庫（依產業分類，git 版控） │
│ → 新客戶從產業模板 fork，改 20% │
└────────────────────┬───────────────────────┘
▼
┌─────────────────────────────────────────────────────┐
│ 排程 runner（GitHub Actions / Cloud Scheduler） │
│ 每週跑：所有客戶 × prompt set × 3 引擎 │
│ → Part 5 §4 的 geo_monitor.py，多租戶化 │
└─────────────────────────┬───────────────────────────┘
▼
┌────────────────────────────────────────────┐
│ 資料層（BigQuery / Postgres） │
│ 一列 = (客戶, 日期, 引擎, 題目, 結果) │
│ ← 這裡就是你的護城河 │
└────────────────────┬───────────────────────┘
┌────────┴────────┐
▼ ▼
┌──────────────────┐ ┌──────────────────────┐
│ 客戶月報（自動） │ │ 內部基準分析 │
│ Metabase/Looker │ │ 「這個產業中位數是多少」│
│ Studio → PDF │ │ → 提案的殺手鐧 │
└──────────────────┘ └──────────────────────┘
另外兩條獨立管線：
┌──────────────────────────────────────────┐
│ 每週：geo-verify.py 跑所有客戶的關鍵頁面 │
│ → 任何 bot 從 200 變 403 就發告警 │
│ → 這個告警救過很多案子（客戶改了 CDN 沒說） │
└──────────────────────────────────────────┘
┌──────────────────────────────────────────┐
│ 每次 PR：geo-audit.py 進客戶的 CI │
│ → 新內容不符規範就擋下 │
└──────────────────────────────────────────┘
建置成本與順序
階段 建什麼 人天 什麼時候做
──────────────────────────────────────────────────────────────────
客戶 1-2 Part 5 的單機腳本 + Excel 2 現在
客戶 3-5 多租戶資料表 + 排程 5 第 3 個客戶時
客戶 6-10 自動月報 + crawler 告警 8 第 6 個客戶時
客戶 10+ 基準分析 + prompt set 庫版控 10 第 10 個客戶時
──────────────────────────────────────────────────────────────────
合計 25 人天，分四次投入
不要一開始就建完整系統。 前兩個客戶用 Excel 完全沒問題，而且你會在過程中發現真正需要的欄位。
八、為什麼選 X 不選 Y
選擇 選 X 的理由 不選 Y 的理由
──────────────────────────────────────────────────────────────────────────
自建監測 資料是護城河（Part 11 §6 ②） 純買商業工具：
+ 買 SERP API 規則透明可向客戶解釋 資料綁在廠商，
vs 純買商業工具 邊際成本趨近於零 退出時帶不走；
黑箱分數無法解釋
翻轉條件：客戶數 < 3 且沒有工程時間——先買，等有量再自建。
──────────────────────────────────────────────────────────────────────────
API 方式監測 穩定、可規模化、合規明確 瀏覽器自動化：
vs 瀏覽器自動化 UI 改版就壞、
ToS 風險、
難以規模化
翻轉條件：需要抓 AI Overview，或需要驗證「API 結果 vs 真實畫面」的落差時，
用瀏覽器方式做小規模抽查。
──────────────────────────────────────────────────────────────────────────
自訂稽核規則 規則你能解釋、能依產業調整 商業工具的 GEO 分數：
（geo-audit.py） 能放進客戶的 CI 黑箱、無法客製、
vs 商業工具的分數 客戶問「為什麼是 62 分」
你答不出來
翻轉條件：沒有。放進客戶報告的每個數字，你都要能解釋它怎麼算的。
──────────────────────────────────────────────────────────────────────────
Cloudflare 原生工具 免費、就在客戶後台、 自己寫 CDN 管理層：
vs 自建 CDN 管理 官方維護 重複造輪子，
且 Cloudflare 會一直加功能
翻轉條件：客戶用的不是 Cloudflare（AWS WAF、Akamai、自架 Nginx）——
那就需要 Part 4 §2 的手工設定。
──────────────────────────────────────────────────────────────────────────
GPL 開源專案僅內部使用 可以自由改、不用開源你的修改 包進商業 SaaS 產品：
vs 包進你的產品 GPL-3.0 的傳染性條款
會要求你開源
翻轉條件：使用 MIT/Apache 授權的專案時沒有這個限制——採用前一定要看授權。
九、評估一個新 GEO 工具的六個問題
這個市場每個月都有新工具。用這六題快速篩掉九成。
① 它量的是什麼？用什麼方法？
→ 答不出方法論的，直接跳過
→ 特別問：是 API 還是瀏覽器？跑幾次取平均？
② 它的「分數」怎麼算？
→ 黑箱分數不要放進客戶報告
③ 資料能匯出嗎？格式是什麼？
→ 不能匯出 = 你的歷史資料被綁架
④ 它涵蓋 AI Overview 嗎？怎麼抓的？
→ 這是商業工具唯一難以自建的部分。
如果它也沒有，那它相對於自建的優勢就很少
⑤ 它有沒有「執行」的部分，還是只有 dashboard？
→ 九成只有 dashboard
⑥ 這家公司的部落格在賣什麼？
→ 如果它的「市場數據」文章讀起來像 GEO 內容農場，
它的產品品質通常也對應
十、一句話總結
可以買的：時間（AI Overview 抓取、報表美化、早期的多客戶管理）
不能買的：判斷（哪些題目重要、哪個產業天花板多高、
這個客戶該不該做）
不該買的：黑箱分數、自動生成內容
必須自建的：基準資料庫 —— 它是唯一無法被複製的東西
工具會一直商品化，判斷不會。 這一篇列的所有商業工具，兩年後可能有一半消失、剩下的降價八成。而你手上那份「這個產業做過 12 家，引用率中位數 28%」的資料，兩年後只會更值錢。
資料來源
Sources:
- Cloudflare changes AI crawler access rules — Help Net Security（2026-07-02）
- Bot reference — Cloudflare AI Crawl Control docs
- Control content use for AI training with Cloudflare’s managed robots.txt — Cloudflare Blog
- Easily manage AI crawlers with our new bot categories — Cloudflare Blog
- AI2HU/gego — GitHub
- aryamantodkar/oneglanse — GitHub
- danishashko/geo-aeo-tracker — GitHub
- Otterly vs Profound vs Peec: GEO Tools 2026 — Georion
- Best GEO Tools in 2026: Monitoring vs Execution, Tested — Okara
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 產業劇本 ｜ Part 15（本篇）工具與技術棧 ｜ Part 16 規模化
