https://yennj12.js.org/yennj12_blog_V4/tags/%E9%A1%A7%E5%95%8F/Recent content in 顧問 on YennJ12 Engineering BlogHugo -- gohugo.ioen-usMon, 10 Aug 2026 09:00:00 +0800https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part11-market-landscape-zh/Fri, 07 Aug 2026 09:00:00 +0800https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part11-market-landscape-zh/大多數人的做法：看到「GEO 市場 2031 年將達 73 億美元」，決定投入。 真正該做的事：先問這個數字是誰算的、用什麼方法算的、他賣什麼。 關於 GEO 的市場資料，絕大多數是賣 GEO 工具或服務的人寫的。 這一篇會盡量把「可驗證的」和「行銷內容」分開。 一、先講一件不舒服的事 當你搜尋「GEO 市場規模」「最好的 GEO 工具」時，前十筆結果幾乎都是： 來源類型 佔比（實際搜尋觀察） 利益關係 ────────────────────────────────────────────────────────── GEO 工具商的部落格 ~40% 賣工具 GEO agency 的部落格 ~35% 賣服務 內容行銷 SaaS 的部落格 ~15% 賣寫作工具 獨立研究 / 學術 ~5% 新聞媒體 ~5% 這件事本身就很諷刺：一個關於「如何被 AI 引用」的領域，它的資訊生態完全是被 GEO 手法優化過的內容。你讀到的每一個「市佔率 68.4%」都應該先問一句「誰量的」。 本篇的處理方式： 標記 意義 ──────────────────────────────────────────────── [可驗證] 有公開方法論、或多個獨立來源交叉一致 [單一源] 只有一個來源，且該來源有利益關係 [推估] 我的判斷，非數據 二、市場規模：三個互相矛盾的數字 數字 來源類型 怎麼讀 ───────────────────────────────────────────────────────────────── 全球 SEO 服務市場 2026 年突破 1,000 億美元 [可驗證] 這是母市場，可信 （Mordor 預估 2030 年 1,061 億、 Grand View 預估 1,296 億，CAGR 8-10%） GEO 服務市場 2031 年達 73 億美元、 CAGR 34% [單一源] 市場研究報告的 慣常做法是「先定義 再放大」，當方向看 AI 搜尋處理了 40% 原本會用 Google 的 資訊型查詢（2026 年 3 月） [單一源] 和下面那筆直接衝突 最重要的一組對照：https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part12-geo-vs-seo-decision-zh/Sat, 08 Aug 2026 09:00:00 +0800https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part12-geo-vs-seo-decision-zh/「GEO 不就是 SEO 換個名字嗎？」 這個質疑會出現在你每一場提案裡，而且提出的人通常是對的一半。 迴避它，你會失去技術型客戶的信任。 正面回答它，它反而是你最好的差異化說明。 這一篇就是那個回答。 一、正面處理：Google 說「這就是 SEO」 Google Search Central 在 2026 年的官方說明中立場很直白：AI Overviews 與 AI Mode 建立在與一般 Search 相同的核心排名與品質系統之上，因此為生成式 AI 搜尋優化，就是為搜尋體驗優化，也就是 SEO。 這句話大致上是對的。 迴避它是錯誤策略。正確的回答分三層： 第 1 層：對的部分（先承認，建立信任） ────────────────────────────────────────────────────────── ✔ 檢索層確實依賴傳統索引 ✔ 沒有一個「GEO 排名因子」是 SEO 完全沒有的 ✔ 你不需要 llms.txt 之類的特殊檔案才能出現在生成式結果中 ✔ 技術 SEO 做不好，GEO 一定是零 第 2 層：不完整的部分 ────────────────────────────────────────────────────────── ✘ 這句話只涵蓋 Google 自己。ChatGPT、Claude、Perplexity 有各自的索引與 crawler，Googlebot 開放不代表它們拿得到 → 這是實務上最常見的落差（Part 5 案例 A： Perplexity 19%、ChatGPT 2%） ✘ 「優化目標」不同：SEO 優化「排名」，GEO 優化「被引用」。 同一份內容可以排名第一但從不被引用（Part 1 §5） ✘ 優化單位不同：SEO 以頁面為單位，GEO 以 chunk 為單位 ✘ 量測方式完全不同：GSC 看不到任何 AI 引用資料 第 3 層：所以結論是什麼 ────────────────────────────────────────────────────────── 「GEO 不是新的學科，是 SEO 的一個新的驗收標準。 技術基礎相同，但檢查清單、優化單位與量測方法不同。 如果你的 SEO 團隊已經在做 chunk 級寫作、 在監測跨引擎引用率、在驗證非 Google 的 crawler 存取， 那你確實不需要另外買一個叫 GEO 的東西。」 最後那句話是關鍵。它把判斷權交回客戶，而 99% 的客戶會發現自己沒在做這三件事。這比爭辯「GEO 是不是新東西」有說服力得多。https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part13-consulting-playbook-zh/Sun, 09 Aug 2026 09:00:00 +0800https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part13-consulting-playbook-zh/大多數人的做法：做一份 40 頁的 GEO 提案簡報，講市場趨勢，然後報價。 真正該做的事：打開筆電，當著客戶的面問 ChatGPT 一個問題。 GEO 是少數可以「當場證明」的服務。 浪費這個優勢是最大的錯誤。 一、GEO 銷售的結構性難題 難題 為什麼難 破解方向 ────────────────────────────────────────────────────────────────────────── 看不見 客戶無法自己感知問題 當場示範（§2） （不像網站慢、排名掉） 無法 demo 你不能「試用」一個顧問服務 用診斷當試用品 效果延遲 前 4-8 週幾乎無變化 先講清楚曲線形狀 （§7） 歸因困難 成功時流量歸到 Direct 第一次會議就講 （Part 5 §1） 「這不就是 SEO」 Google 官方站在對方那邊 Part 12 §1 的 三層回答 價格沒有錨點 市場太新，客戶沒有參考價 用 SEO 預算錨定 其中「看不見」是最根本的。客戶不會半夜醒來擔心自己在 ChatGPT 上的可見度——除非有人讓他看到。 二、最有效的一招：當場跑診斷 一般提案流程 當場診斷流程 ───────────────────────────────────────────────────────────── 1. 寒暄 1. 寒暄 2. 講市場趨勢（15 分鐘） 2. 「我可以現在測一下嗎？」 3. 講方法論（15 分鐘） 3.https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part14-industry-playbooks-zh/Mon, 10 Aug 2026 09:00:00 +0800https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part14-industry-playbooks-zh/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。