AI SEO 怎麼做？AI 能見度是什麼、怎麼量、怎麼推得動
先給答案：AI SEO 講到底只有一件事，你的品牌有沒有出現在 AI 給客戶的那段答案裡。那個「有沒有」量化之後就叫 AI 能見度。在 ChatGPT 裡打自己的品牌名查兩次得到的是一次快照，不是能見度；能見度是比例，要有比例就要有一份固定的提示清單、固定的跑法，以及三個算得出來的數字。
2026 年 9 月 4 日同一天，Search Engine Journal 與 Search Engine Land 出了四篇相關文章，主題分別是怎麼量，量完之後推不動，市場開始把這件事當成主流議題辦活動，以及使用者到底有沒有離開 Google。這篇把四則消息併成一份說明，順序是先講 AI 能見度是什麼，再講怎麼量，最後講怎麼推得動。
本文重點
- 使用者沒有離開 Google 改用 AI，多數人兩邊都用。Similarweb 的數字是，ChatGPT 使用者同時出現在 Google 受眾裡的比例，2025 年 9 月是 95%，到 2026 年 5 月還是 95%。[10]
- 三個可以自己算的指標：提及率、推薦率、聲量占比。分母都是你測試的提示題數，清單一旦定下來就不要隨意換題。[1]
- 被提到與被推薦是兩回事。品牌可能在多數答案裡被提到，卻幾乎沒被列進值得考慮的選項，跟詢價有關的是後者。[1]
- Google Search Console 的生成式 AI 成效報告在 2026 年 8 月 31 日開放給全球所有網站，有曝光、頁面、國家、裝置與日期，沒有點擊數。[3][4]
- 要動的地方多半在站外。商業意圖的問題常引用評論目錄、社群討論與第三方比較文，自家網站占比通常最小，卻是唯一你完全控制的。[1]
AI 能見度是什麼，為什麼 AI SEO 現在變成一件事
AI 能見度是一個比例：在一批客戶真的會問的問題裡，AI 的答案有多少比例提到你的品牌，又有多少比例把你放進推薦名單。它跟關鍵字排名量的是不同的東西。排名量的是你的網頁在結果清單的第幾個位置，能見度量的是你有沒有出現在那段被生成出來的話裡面。市面上把這件事叫做 AI SEO、GEO 行銷或生成式引擎最佳化，名字不同，指的都是同一件工作。
先澄清一個常被講反的前提
很多人以為現在的變化是「客戶不用 Google 了，都跑去問 AI」。資料不支持這個說法。Search Engine Journal 的資深新聞記者 Matt G. Southern 在 2026 年 9 月 4 日整理了今年幾份研究，Similarweb 的數字是，ChatGPT 使用者同時出現在 Google 受眾裡的比例在 2025 年 9 月是 95%，到 2026 年 5 月仍然是 95%，而同期生成式 AI 平台的造訪量年增七成。Similarweb 的解讀是 AI 被加進搜尋，而不是取代搜尋。[10]
同一篇也把相反方向的資料放在一起。義大利博科尼大學用 Comscore 的美國桌機點流資料發現，家戶取得 ChatGPT Search 之後，傳統搜尋查詢每週平均少了 3.14 次，約為原本 33.51 次的 9.4%，二十週後擴大到 17.0%。[10]兩邊都成立，因為重疊率算的是人，博科尼算的是查詢次數。人還在，問題變少了，點擊還可能再少一層。
對中小企業老闆來說，這段的實際意思是：AI SEO 要跟原本的 SEO 疊在一起做，同一批內容得同時撐住兩個場景。客戶可能先問 AI 拿到兩三個名字，再回頭用 Google 查那個名字，AI Overview 那一格與底下的十筆藍色連結他都會看。兩邊都要找得到你。
市場那一側，同一天有三則消息
2026 年 9 月 4 日，HubSpot 的資深行銷 Lauren Parker 在 Search Engine Journal 發表一篇由 HubSpot 贊助的文章，內容是一套三階段的 AI 能見度稽核流程。文章開頭那句話值得抄下來：少數幾次的抽查，沒辦法告訴你品牌在 AI 搜尋裡出現的比例是三成還是八成。[1]
同一天稍晚，Search Engine Journal 的 Heather Campbell 發了一篇線上講座預告，標題直接寫「多數團隊量得出 AI 能見度，很少人推得動它」，主講人是 Ahrefs 的產品行銷 Constance Tan[2]；Search Engine Land 則刊出一篇 Semrush 贊助稿，宣布 10 月 13 日要在倫敦辦一場以 AI 能見度為主題的行銷大會，稿中引用該公司自家研究：分析的 1,094 個類別裡，只有 15.2% 有明確的主導品牌。[8]
這三篇都是贊助或活動性質的內容，數字是廠商自家研究，我不會把它們當成中立的產業普查。有價值的是彼此獨立的三家公司在同一天押同一個主題。上一段的三份學術論文也都還是草稿，尚未經同儕審查，同樣要保留。
被提到、被推薦、被引用，是三件不同的事
這三個詞在中文的行銷討論裡常常混著用，混著用就會量出一個對決策沒有幫助的數字。先把定義釘死。
- 被提到（Mention）
- 你的品牌名字出現在 AI 的答案裡，但不一定被放在推薦位置。可能是被當成反例，也可能只是順口帶過。
- 被推薦（Recommendation）
- AI 把你列進「買家應該實際考慮的選項」，通常出現在答案前段，而且會附上為什麼推薦的理由。這是最貼近成交的一種露出。
- 被引用（Citation）
- AI 生成這段答案時實際讀過並標示出處的網頁。引用來源不一定是你的網站，很可能是一篇提到你的第三方比較文。
- 來源組合（Source Mix）
- 某個問題的答案背後，那些被引用的網域按類型分類之後的比例。它告訴你 AI 是從哪裡認識你的產業，也就告訴你該去哪裡改。
Lauren Parker 在文章裡把這件事講得很白：一個品牌有可能在多數答案裡都被提到，卻幾乎沒有被推薦過，而跟業務量掛勾的是推薦那個數字，所以稽核要兩個都記。[1]
實務上我看過的落差長這樣。老闆很開心地說「我問 ChatGPT，它有講到我們公司」，可是那句話的原文是「這個區域也有幾家較小的業者，例如某某」。有名字，但不在推薦名單裡。月報只記提及率的話，就會把它算成好消息。
三個自己就能算的指標
不用先買工具。一份試算表加上一份提示清單就可以開始，公式如下。[1]
三個數字要每個引擎分開算，最後才取平均當作綜合分。各引擎的取材來源不同，數字會拉開差距，只看平均值會把問題藏起來，所以報表上要把綜合分與各引擎的數字並列。[1]
分母比分子重要
這三條公式的分母都是同一個數字：你測了幾題。提示清單一旦定案就不要隨意增刪，換了題目等於換了尺，前後兩期不能比。要加題就開新版本編號，舊版本繼續跑到滿一季再退場。
題數方面，20 到 30 題就跑得出有意義的比例。太少會讓一次偶然的露出把比例拉高十幾個百分點，太多則會讓每月的手動跑測變成負擔而中斷。中斷比不準更糟，趨勢線一斷就要重新累積。
提示清單怎麼生：三個階段
這套三階段流程出自 Lauren Parker 那篇文章，我照台灣中小企業的實際情況調整了取字的部分。[1]
把排得上名的關鍵字，改寫成客戶真的會問的一句話
先開 Search Console 的成效報告，日期設近三個月，把平均排名前十的查詢匯出來，再篩出帶商業意圖的字。國外的範例字是 best、vs、alternative、pricing，台灣的對應詞比較常見的是這幾個：
- 推薦、比較、哪一家、評價、心得
- 費用、價格、報價、一個月多少
- 加上地名的組合，例如台中、彰化
接著把關鍵字改寫成一整句問題，補上真實買家會附帶的條件，例如公司規模、產業、預算，或是他要辦成的那件事。「台中 印刷廠 推薦」要改寫成「台中有推薦的印刷廠嗎，我要印一千份型錄，預算三萬以內」。改完自己念一次，念起來像關鍵字串就是還沒改完。
登出之後，同一批題目在每個引擎各跑一次
登出帳號，開無痕視窗或使用暫時對話，讓歷史紀錄與記憶功能不會影響答案。每一題在每個引擎都要跑，記錄兩件事：品牌有沒有被提到，以及有沒有出現在被點名的前三個之中。
同一題建議跑三次取多數，因為生成式的答案本來就有隨機性。這一步最花時間，30 題乘上三個引擎乘上三次，大約兩到三個小時，一個月做一次。
算出落差清單與來源組合
把兩份東西整理出來。第一份是落差清單，也就是那些你自然搜尋排在前十名，AI 答案卻完全沒提到你的題目。這批題目價值最高，因為內容已經有基本盤，缺的是被 AI 認得。
第二份是來源組合，把每一題答案裡被引用的網域抓下來，按類型標記後統計比例。你會直接看到 AI 在你這個類別裡都讀誰的資料。
Search Console 那份報表補得上什麼
上面那套是手動的，成本落在時間。Google 這一側現在有官方數據可以省掉一部分工。
Google 在 2026 年 6 月的搜尋中心部落格宣布推出生成式 AI 成效報告，8 月 31 日完成全球開放，所有網站都看得到[5][4]。這裡要先分清楚，它其實是兩份分開的報告：一份對應 Google 搜尋，涵蓋 AI 概覽與 AI 模式；Discover 的生成式功能是另一份獨立報告，從不同的位置進去看。以下談的是搜尋那一份。依照 Search Console 說明中心的文件，它記的是 Google 搜尋上生成式 AI 功能的曝光數，維度可切換成頁面、國家、日期與裝置，沿用一般成效報告的 1,000 列上限。[3]
| 問題 | Search Console 生成式 AI 成效報告 | 手動提示清單 |
|---|---|---|
| 涵蓋範圍 | 只有 Google，而且分成兩份報告：搜尋那份涵蓋 AI 概覽與 AI 模式，Discover 的生成式功能是另一份獨立報告 | 你想跑幾個引擎就跑幾個，ChatGPT、Gemini、Perplexity 都可以 |
| 看得到什麼 | 曝光、頁面、國家、裝置、日期 | 有沒有被提到、排在第幾個、答案引用了哪些網域 |
| 看不到什麼 | 點擊數，以及品牌在答案裡被講成什麼樣子 | 沒被抽到的那些長尾問題 |
| 成本 | 免費，資料自動累積 | 每月兩到三小時人工，或改買工具 |
有兩件事要特別知道。第一，這份報告沒有點擊資料，只有曝光[4]，所以它回答的是「Google 這一側有沒有把我的頁面放進生成式答案」，回答不了「有多少人因此進來」。第二，Search Console 同時開放了一個退出開關，Google 說明得很清楚，選擇退出的網站就不會從生成式功能取得流量或曝光，但這個選擇不影響一般搜尋排名[4]。沒有特殊理由的話不要動它。
至於 ChatGPT、Perplexity 這一側目前沒有官方報表，只能靠自己跑清單或買工具，所以上面那份手動流程還是要留著。
還有一個誰都量不到的缺口
客戶問 AI 拿到你的名字，接著回頭在 Google 搜你的品牌名，這一次造訪在 Search Console 裡會被記成自然搜尋，沒有一個乾淨的方法可以判斷它其實是 AI 帶來的。Similarweb 把品牌字搜尋量的上升列為「AI 真的在替你創造需求時會動的指標」，並且說多數分析工具不會把這種轉換歸給 AI。[10]
補法是把品牌字的搜尋量單獨拉出來看趨勢，跟提示清單的推薦率放在同一張圖上。兩條線一起往上，通常代表 AI 那一側真的開始替你帶人；只有品牌字動而推薦率沒動，就要懷疑是其他行銷動作的效果。
量出落差之後，先動哪一個地方
這是 Search Engine Journal 那篇預告點出來的痛處。原句是：「幾乎每個人都看得到 AI 在哪裡引用自己的品牌，卻很少有人有一套改變它的流程。」文章補充，搜尋行為本身就洩了底，查「怎麼追蹤 AI 能見度」的次數遠多於查「怎麼改善它」。[2]
要有流程，就要先接受一件事：能改的地方大部分不在你的網站上。Lauren Parker 那篇把 AI 常引用的來源分成幾類，商業意圖的問題最常引用評論目錄，因為那種頁面本來就把功能、價格、評分、競品放在同一頁；自家網站通常排在最後，占比最小，但它是唯一你完全控制的。[1]
換算成台灣中小企業的版本，按我實際會動的順序排：
- 自家頁面上答不出來的那幾題。先補齊，因為這是唯一你當天就能改完的。把服務範圍、價格結構、限制條件、不接的案型寫成正文，第一句就給答案，不要鋪陳。判斷內容夠不夠用，可以直接對照 Google 的內容品質自評問題清單。[9]
- Google 商家檔案與評價。在地服務類的問題，AI 讀商家資料的比重很高。資訊欄位填滿，營業時間正確，評價持續有新的進來。
- 社群討論串。從來源組合裡找出被引用的那幾串，用真實身分進去回答，順手更正過時的說法。沒有東西可以補充的串就不要進去。
- 第三方比較文與名單文。找出被引用的那幾篇，確認裡面關於你的資料還是不是最新的，過期就帶著正確規格去跟作者聯絡。
順序背後的邏輯：先做你控制得了的，再做你影響得了的。第 1 項今天就能改完，第 4 項要等別人回信。兩件事並行，不要等。
Google 的立場也支持這個順序。官方的 AI 功能說明文件寫明，想出現在 AI 概覽或 AI 模式沒有額外的技術要求，也不需要建立新的機器可讀檔案、AI 文字檔或標記[6]；另一份 AI 最佳化指南更直接寫出 Google 搜尋不使用 llms.txt 這類檔案，維護它對能見度與排名不會有幫助也不會有傷害[7]。量出落差之後該做的是回去補內容，加檔案排在後面。完整討論我寫在AI 搜尋不是靠格式，是靠知識整齊，技術面的漏項可以對照AI Overviews 引用檢查清單。
注意力行銷的建議：一個 30 天版本
我們替客戶做這件事的時候，第一個月從來不設「提升幾個百分點」的目標，只設一個：把基準值量出來。沒有基準值，三個月後的數字好或不好都無法解釋。
把尺做出來
從 Search Console 撈近三個月排名前十的商業意圖字，改寫成 20 到 30 題提示，跑第一輪算出基準值。這一輪的數字不論多難看都要留著。
打開官方報表對照
把生成式 AI 成效報告裡曝光高的頁面，跟落差清單放在一起看。曝光高卻沒被 AI 提到的頁面，通常是內容有被讀到，但答案寫得不夠明確。
補三頁，不要補三十頁
挑落差清單裡商業價值最高的三題，把答案寫進對應頁面的正文。一句話答完再展開，不要在第三段才進入重點。同一份答案也放進常見問答，一題一題手寫。
處理一個站外來源
從來源組合裡挑引用次數最高的那一個站外來源，只處理它。可能是把商家檔案補完整，也可能是寫信給一篇名單文的作者。一個月處理一個，比一次列十件卻一件都沒動完好。下個月重跑同一批題目，數字沒動是正常的，那時該檢查的是流程有沒有跑完，不是急著換方法。
問題一：你上次量 AI 能見度，測了幾題？
少於十題的話，得到的比例會被單次的偶然露出嚴重拉高或拉低。先把清單補到 20 題以上，再談趨勢。
問題二：你的月報上記的是提及率還是推薦率？
只記提及率會把「被當成反例點名」也算成好消息。兩個都記，看趨勢時以推薦率為主。
問題三：你知道 AI 回答你這個產業的問題時，最常引用哪一類網站嗎？
答不出來就代表還沒做來源組合。沒有這份資料，改版方向只能用猜的，力氣容易花在占比最小的地方。
常見問題
Q1：我自己在 ChatGPT 打品牌名查一下，這樣算量過 AI 能見度嗎？
不算。手動抽查幾次告訴你的是「這一次有沒有出現」，不是「一百題裡出現幾題」。HubSpot 的資深行銷 Lauren Parker 在 2026 年 9 月 4 日的一篇 Search Engine Journal 贊助文章裡把這件事寫得很直接，少數幾次抽查沒辦法告訴你品牌在 AI 搜尋裡出現的比例是三成還是八成[1]。要有比例，就要有一份固定的提示清單、固定的跑法、固定的記錄方式。
Q2：提及率跟推薦率差在哪？哪一個比較重要？
被提到是你的品牌名出現在答案裡的某個地方，被推薦是 AI 把你列進值得考慮的選項。一個品牌可能在多數答案裡都被提到，卻幾乎沒有被推薦過[1]。跟後續詢價比較有關的是推薦率，所以兩個都要記，但看趨勢時以推薦率為主。
Q3：Search Console 的生成式 AI 成效報告能看到 ChatGPT 的數據嗎？
看不到。這份報告是 Google 自家的，而且分成兩份：搜尋那份涵蓋 AI 概覽與 AI 模式，Discover 的生成式功能是另一份獨立報告。資料只有曝光、頁面、國家、裝置與日期，沒有點擊數[3][4]，也不會有 ChatGPT、Perplexity、Claude 的資料。Google 那一側可以看官方報表，其他引擎目前只能自己跑提示清單記錄。
Q4：量出落差之後，第一件該動的事是什麼？
先看 AI 引用的來源類型，再決定動哪裡。商業意圖的問題常常引用評論目錄、社群討論串與第三方比較文，自家網站在來源組合裡的占比通常最小[1]。不過自家網站是唯一你完全控制的，所以實務順序是：先把自家頁面上答不出來的那幾題補齊，同時去處理引用次數最高的那一個站外來源。
Q5：要多久才會看到數字變好？
至少抓兩到三個月。各家 AI 引擎重新抓取與更新的節奏不一樣，第一個月數字沒動是正常的。也因為這樣，基準值一定要在動手改之前先量一次，不然三個月後你會分不清楚是真的變好，還是當初根本沒量準。
Q6：客戶是不是都不用 Google 了，我還要做原本的 SEO 嗎？
要，做 AI SEO 不代表可以放掉原本的 SEO。Similarweb 的資料顯示，ChatGPT 使用者同時出現在 Google 受眾裡的比例，2025 年 9 月是 95%，到 2026 年 5 月還是 95%，多數人是兩邊都用[10]。另一方面博科尼大學的研究確實看到取得 ChatGPT Search 的家戶查詢次數變少，兩者不衝突，因為前者算的是人，後者算的是查詢次數。實務上的意思是同一批內容要同時撐住兩個場景，客戶可能先問 AI 拿到名字，再回頭用 Google 查那個名字。想從更前面一步開始，可以先讀SEO 和 GEO 有什麼不同與GEO 新手 5 天入門。
首次發佈 ｜最後更新 ｜本文依據 2026 年 9 月 5 日當下可查證的公開資料撰寫，把 2026 年 9 月 4 日同一天出的四則相關報導併成一份說明，而不是拆成四篇。文中每一項日期、人名、職稱與引述均回原始出處核對過，非採用二手摘要；引用來源中屬贊助或活動宣傳性質者、以及尚未經同儕審查的學術草稿，都已在正文標示。相關官方文件若有變動，會回頭更新本文。
參考文獻
- Lauren Parker（HubSpot 資深行銷），〈How To Measure Your Brand's Visibility In AI Search〉，Search Engine Journal，2026-09-04。本篇為 HubSpot 贊助文章，文中標示「The opinions expressed in this article are the sponsor's own.」；三階段稽核流程、提及率／推薦率／聲量占比三條公式與來源類型分類均出自本篇。連結
- Heather Campbell（Search Engine Journal），〈Most Teams Can Measure AI Visibility. Few Can Move It.〉，Search Engine Journal，2026-09-04（線上講座預告，主講人為 Ahrefs 產品行銷 Constance Tan；原文「Nearly everyone can see where AI cites their brand; very few have a process for changing it.」）。連結
- Google Search Console 說明中心，〈Generative AI performance report (Search)〉（載明報告涵蓋 Google 搜尋生成式 AI 功能的曝光數，維度為 Pages / Countries / Dates / Devices，沿用一般成效報告的 1,000 列上限）。連結
- 〈Google Search Console AI performance reports and Search generative AI control rolling out globally〉，Search Engine Land，2026-08-31（報告含曝光、頁面、國家、裝置、日期，不含點擊資料；退出開關的 Google 原話「sites that opt out will not receive traffic or impressions from our generative AI features」，且不影響一般搜尋排名）。連結
- Google 搜尋中心部落格，〈Introducing Search Generative AI performance reports in Search Console〉，2026 年 6 月（原始公告，含 Search 與 Discover 兩份報告）。連結
- Google 搜尋中心，〈AI Features and Your Website〉（原文「There are no additional technical requirements.」「You don't need to create new machine readable files, AI text files, or markup to appear in these features.」）。連結
- Google 搜尋中心，〈AI Optimization Guide〉（寫明 Google 搜尋不使用 llms.txt 這類檔案，維護它對能見度與排名不會有幫助也不會有傷害）。連結
- 〈Semrush is bringing AI visibility under the spotlight〉，Search Engine Land，2026-09-04。本篇為 Semrush 贊助內容，文末標示「Opinions expressed in this article are those of the sponsor.」；文中「超過三分之一消費者先問 AI」「AI 管道客戶轉換率為自然搜尋訪客的 4.4 倍」「分析的 1,094 個類別中僅 15.2% 有明確主導品牌」均為 Semrush 自家研究數據，Search Engine Land 聲明不背書其結論。連結
- Google 搜尋中心，〈Creating Helpful, Reliable, People-First Content〉（內容品質自評問題清單，AI 搜尋時代仍是內容判準的基礎）。連結
- Matt G. Southern（Search Engine Journal 資深新聞記者），〈People Aren't Leaving Google For AI. They're Using Both.〉，Search Engine Journal，2026-09-04。彙整 Similarweb 受眾重疊資料（ChatGPT 使用者同時屬於 Google 受眾者 2025 年 9 月 95%、2026 年 5 月仍 95%，同期生成式 AI 平台造訪量年增 70%）、義大利博科尼大學以 Comscore 美國桌機點流資料所做的研究（取得 ChatGPT Search 的家戶每週傳統搜尋查詢平均少 3.14 次，約為原本 33.51 次的 9.4%，二十週後達 17.0%；學術網站推薦流量降 32.8%、參考類降 26.5%、新聞類降 13.4%），以及 Wang 等人 2026 年 8 月 18 日發表於 arXiv 的 AI Mode 田野實驗（強制導入組對外點擊率下降 18.8 個百分點，95% 信賴區間 -22.2 至 -15.3）。原文載明三份學術論文均為尚未經同儕審查的草稿，Similarweb 的重疊率計算的是人而非查詢次數；品牌字搜尋量上升被列為 AI 創造需求時會變動、但多數分析工具不會歸因給 AI 的指標。連結