https://yennj12.js.org/yennj12_blog_V4/tags/hreflang/Recent content in Hreflang on YennJ12 Engineering BlogHugo -- gohugo.ioen-usSun, 02 Aug 2026 09:00:00 +0800https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part6-case-enterprise-site-zh/Sun, 02 Aug 2026 09:00:00 +0800https://yennj12.js.org/yennj12_blog_V4/posts/aio-geo-part6-case-enterprise-site-zh/大企業做 GEO 的難點從來不是「不知道怎麼做」。 是「知道怎麼做，但要跑六個部門的簽核」。 這個案例的技術部分只花了 4 人天。 剩下五個月都在處理組織問題。 一、情境 公司 台灣製造業集團，3,000 人，年營收約 NT$210 億 產品 工業自動化零組件（B2B，客戶為系統整合商與 OEM） 網站 6 語系（繁中/簡中/英/日/德/越），約 1,800 頁 CMS Adobe Experience Manager（AEM） 部署 AWS：S3 + CloudFront + WAF，Route 53 多區域 團隊 IT 部門（不含前端）、行銷部（不懂技術）、法務（很有意見） 業務動機很具體：海外客戶的採購工程師開始用 ChatGPT 做初步選型。業務回報「客戶說 AI 推薦了三家，沒有我們」。 基線量測（40 題 × 3 引擎，2026-02） ──────────────────────────────────── 提及率 9% 引用率 2% 描述正確率 31% ← 模型講的是 2019 年被併購前的舊公司名 Engine Variance 3pp ← 各引擎一樣糟，所以不是單一引擎的技術問題 Coverage Gap 67% 注意 Engine Variance 只有 3pp：各引擎表現一致地差，代表不是 CDN 擋人這種局部問題，而是內容本身就不存在或不可用。這和 Part 5 案例 A 完全相反。