AI 搜尋

同一個小時裡，兩個截然不同的人在搜尋框裡打下 AI 檢測工具。一個是行銷經理，他發布了四十篇借助語言模型起草的頁面，並被告知 Google 會因此處罰這個網站。另一個則被指控作弊，只因為某款工具回傳了一個數字，而某位有權決定的人相信了它。 兩個人走到的是同一類軟體面前，這類軟體賣的是確信感，而兩個人都值得聽到那個不太舒服的答案。關於這些工具已經公開的證據是一致的，而且並不好看。它們出錯的頻率高到，一個分數永遠不該用來決定關於某個人的任何事；面對人類改寫過的文字，它們直接垮掉；而且它們的錯誤並不是平均分布在所有寫作者身上的。 搜尋引擎那個問題是另一個問題，有另一個答案，而那個答案跟檢測毫無關係。 這些工具準確嗎，Google...

多語言 SEO 通常被講成一個翻譯問題，外加一點技術標記。但把這個網站用十二種語言營運下來，也就是英語、阿拉伯語、德語、法語、匈牙利語、義大利語、日語、韓語、羅馬尼亞語、越南語，再加上中文的兩種書寫形式，我們很清楚地看到：翻譯才是簡單的那一半。 難的那一半在於，你在英語裡習以為常的每一條規則，都有一個依文字系統而變的版本，而你原本並不知道它存在。長度上限不一樣。結構會跑掉。數字會被一個想幫忙的譯者寫成國字，從那一刻起就不再和原文對得上。這些問題在有東西去檢查之前，一律看不見。 真正讓它跑得起來的是自動化，不是努力。 在任何內容上線之前，有十一項獨立檢查會從頭到尾掃一遍：語言涵蓋率、原文與各譯文之間的結構一致、數字一致性、標題層級順...

在多數已經經營了一段時間的網站上，內容更新是報酬率最高的一項工作，而它之所以不受歡迎，正是因為做完之後沒有任何東西可以拿出來宣布。修改一篇已經有排名的文章，感覺像是在做維護。發布一篇新文章，感覺像是在往前走。數字通常不同意這種感覺。 原因在於，一個已經存在的頁面早就累積了那些昂貴的東西：外部連結、檢索紀錄，以及與一組搜尋字詞之間被驗證過的關係。新頁面從零開始，什麼都沒有，要花上好幾個月才能掙到舊頁面早已擁有的東西。而改進舊頁面，是直接疊加在這份累積之上。 會讓整件事白做的錯誤，是只改日期，別的什麼都不改。 這種做法夠常見，值得把話講明白。一個把新鮮度納入考量的檢索系統，比較的是內容而不是時間戳記，一個日期動了、實質卻原封不動的頁面，...

程式化 SEO 指的是用一套模板加一份資料集大量生成頁面：每個城市一頁、每個產品組合一頁、每一種參數組合一頁。如果用的是真實的資料集，它是這個領域裡效率最高的做法之一。如果用的是同義詞詞典和洗稿工具，它就正是搜尋引擎花了二十年學著辨認的東西。 差別不在技術。兩條路都會大量產出模板頁面。差別在於每一頁是否包含只有這一頁才能回答的東西，而這是關於你手上資料的問題，不是關於你內容流程的問題。換句話說，這個問題的答案在資料庫裡，不在編輯台上。 區分兩者的檢驗方法： 把模板拿掉，看看一頁上還剩下什麼。如果剩下的是真正不同的事實、不同的價格、不同的資料集、不同的計算，這一頁就有存在的理由。如果剩下的是同一段文字換了個地名，...

內容修剪是搜尋最佳化裡最違反直覺的一件事，因為所有本能都在說，頁面越多流量就該越多。發布內容讓人覺得是在累積資產。刪除內容讓人覺得是把別人花錢買來的成果丟掉。於是刪除一再被往後延，最後只剩下一堆越疊越高的頁面。 讓刪除真正發揮作用的機制，是你自己的頁面彼此在競爭。當你有兩個頁面瞄準同一個搜尋意圖，本來會集中在一個頁面上的訊號就被劈成兩半，而必須在兩者之間做取捨的檢索系統，最後甚至可能一個都不選。解法不是把兩個都做得更好，而是別再同時擁有兩個。 在刪掉任何東西之前，先看清每個頁面各自在做什麼。 一個沒有點擊的頁面，可能仍然承接著一條傳遞權重的反向連結，也可能每月只有一位訪客，卻把這位訪客變成比網站其餘部分加起來還值錢的詢價。流量單獨拿...

實體SEO的起點，是一個大多數最佳化建議至今仍然略過的事實：搜尋引擎早就不再比對字串了。它們比對的是事物。一個頁面拿到什麼分數，並不取決於它是否含有某個詞組，而取決於系統是否相信這個頁面談的是詞組背後的那個概念，以及系統對於那個概念究竟是什麼有多少把握。 這個區別決定了重複關鍵字究竟對你有幫助，還是完全沒有作用。在比對字串的系統裡，重複是一種訊號。在比對實體的系統裡，重複只是雜訊，真正會推動結果的，是機器能不能辨識出你是什麼。 判斷你是否以實體身分存在的測試： 搜尋你的公司名稱，看看在沒有人追問的情況下，搜尋引擎主動端出了關於你的哪些資訊。如果它只回傳首頁，其他什麼都沒有，那麼你只是一串它找得到的字元。如果它回傳了描述、所在地、類別...

有排名卻從不被引用，是把搜尋引擎最佳化做對了、卻眼睜睜看著它什麼都沒帶來的那種很具體的挫折感。排名來了。曝光在漲。點擊卻沒有跟上，而且把標題標籤重寫多少次都不會有變化。 這不是你最佳化上的失敗。這是當結果頁不再是一份連結清單、而變成一個答案時必然會發生的事。而且它現在已經是常態，不是一個值得拿去診斷的異常。 我們自己的數據，取自 Search Console，統計範圍是截至 2026 年 8 月初的 28 天： 本站有 531 個查詢字詞排在前十名，帶來 28,847 次曝光，卻只換到 161 次點擊。這就是 0.56% 的點擊率，而第四到第十名在過去通常能拿到 2% 到 8%。這 531 個查詢字詞裡，有 452 個一次點擊都沒有...

llms.txt 現在到底有沒有用？誠實的答案是：在可測量的範圍內幾乎沒有用，而那些告訴你這個檔案對 AI 能見度至關重要的人，通常是在向你推銷東西。一邊這樣說，一邊又建議你發布一份，這個立場並不舒服。所以這篇文章先把數字攤開來，之後再解釋這項建議本身。 檔案本身是個合理的想法。它是放在網站根目錄下的一份 markdown 索引，告訴語言模型你發布了什麼、內容在哪裡，就像 robots.txt 告訴爬蟲哪些內容可以抓取一樣。想法沒有問題。問題出在它原本要服務的那些公司身上，它們幾乎沒有採用。提出一份規範，和真的出現讀取它的一方，完全是兩回事。 伺服器日誌真正顯示的情況： Ahrefs 對 137,000 個網域的分析發現，2026 ...

要不要封鎖 AI 爬蟲，往往被當成技術題來問，但它其實不是。封鎖本身只是幾行設定，在 robots.txt 裡補幾條規則，或在網路層打開一條規則，十分鐘就結束了。真正難的地方在於決定你到底想不想這麼做，而這個決定完全屬於生意層面：你是在兩件事之間取捨，一邊是保護內容不被拿去訓練模型，另一邊是讓自己繼續出現在人們現在用來取代搜尋結果清單的那些答案裡。 網路上多數建議都是先選邊，然後只替自己那一邊辯護。誠實的講法是另一種：正確答案會隨商業模式而不同。一家靠頁面瀏覽量維生的媒體，跟一家靠詢價維生的服務公司，本來就應該得出完全相反的結論。如果兩者答案一樣，那才代表有人算錯了。 這筆交易一句話就講得完： 封鎖 AI 爬蟲可以擋下內容被吸收，但...

電商的 GEO 比內容型 GEO 範圍更窄，而且在某個具體的地方反而更簡單：一個要回答商品問題的助理，想要的是可以直接講出口、不必繞圈子的事實。價格、有沒有貨、尺寸、相容清單、退貨期限。這些要嘛以機器可讀的形式存在於你的網站上，要嘛就不存在，而不存在的東西沒辦法被引用。 所以這與其說是寫作問題，不如說是資料問題。大部分工作落在商品 feed 與標記上，而不是落在銷售文案上，這跟這個領域裡其他所有題目的重心正好相反。 決定能不能被採用的，是準確度而不是完整度。 一個系統講出了你的價格卻講錯了，它就產生了一個糟糕的答案，而避免糟糕答案最省錢的辦法，就是不再使用不可靠的來源。過期的庫存與價格資料是被剔除最快的一條路，而且跟排名處罰不同，沒...