假設台中一家做 CNC 精密加工的公司，業務主管某天在 ChatGPT 問了一句：「台中有哪些 CNC 加工廠適合小量打樣？」回答列了三家，裡面沒有自己。可是他們明明接小量單，官網也做得不差。
他接著會問的通常是：AI 怎麼選的？別人買了廣告嗎？還是我們 SEO 沒做好？這三個猜測各對一點。AI 推薦誰，是一連串拆問題、找來源、比條件的結果，中間沒有一張可以申請的名單。
你可以把它想成請一位新來的助理幫你找廠商。他會先把需求拆成幾個關鍵字去查，打開幾個看起來可靠的網頁，挑出寫得出「符合條件」的那幾家，再寫一段建議給你。他沒聽過的公司不會出現在建議裡；聽過、但網頁上看不出有做小量打樣的，也不會。
這篇把那位助理的工作拆成四步，講每一步品牌能做什麼、做不到什麼。如果你手上已經有 AI 回答的紀錄，想判斷某一筆算不算推薦，請看推薦訊號的判讀方法；這篇講的是回答產生之前發生了什麼。
AI 推薦品牌之前，先做了哪四件事
各家系統的細節沒有公開，但 Google、OpenAI、Microsoft 文件描述的流程大致相同，可以拆成下面四步。
1. 把問題拆成幾個搜尋
Google 說明 AI Overviews 和 AI Mode 可能使用「query fan-out」：針對同一個問題，同時對不同子題和資料來源發出多個相關搜尋。OpenAI 也寫到，ChatGPT 會把你的問題改寫成一個或多個更精準的查詢。
以 CNC 那題來說，系統可能分別去查「台中 CNC 加工廠」「CNC 小量打樣」「精密加工 最小訂購量」。你的公司要被推薦，至少要在其中一個子查詢裡被找到。只在「台中 CNC」這種大詞出現、在「小量打樣」完全查不到的公司，進到第三步時就少了一個理由。
2. 用搜尋系統找來源
Google 的說法很直接：生成式 AI 功能建立在核心搜尋排名與品質系統上，用它們取回相關、即時的網頁。Bing 也寫明 Copilot 和傳統搜尋共用爬取、索引與排名的基礎。ChatGPT 搜尋則是用多個因素排序結果，並說明位置沒有保證。
所以第二步很大一部分還是傳統搜尋那一套：頁面要能被抓取、被索引，內容要跟子查詢相關。這也是為什麼 GEO 和 SEO 有很大一塊工作是共用的。
3. 在來源裡比對條件
找回來的來源會被拿去回答原本那個有條件的問題：誰在台中、誰接小量、誰寫了打樣流程和交期。這一步官方文件沒有細講，以下是我依公開說明做的推論：回答說得出口的理由，多半是來源裡寫得出來的條件。
官網只寫「專業團隊、品質保證、各式精密加工」，系統很難把你放進「適合小量打樣」這句話裡。另一家官網寫著「單件起接、鋁與不鏽鋼、打樣約五個工作天」，條件一句一句都對得上。
4. 組成回答
最後由模型把資訊整理成回答。OpenAI 在說明購物結果時提到，選擇會參考第一方與第三方提供的結構化資料（例如價格、商品描述），也會參考模型在看新搜尋結果之前就產生的回答。模型原本知道的東西，和這次查到的來源，會一起影響最後寫出來的內容。
AI 組答案時會把官網、第三方報導與目錄這類不同來源放在一起對照；說法對得上的地方最容易被寫進回答。
| 環節 | 系統在做什麼 | 品牌能影響的地方 | 可以怎麼檢查 |
|---|---|---|---|
| 拆問題 | 把一個問題拆成多個子查詢 | 頁面涵蓋讀者真的會問的條件 | 用不同問法固定觀測同一個需求 |
| 找來源 | 用搜尋系統取回相關網頁 | 可抓取、已索引、內容和子查詢相關 | Search Console 索引狀態、robots.txt |
| 比對條件 | 從來源找出符合條件的品牌 | 服務範圍、規格、地區、對象寫成文字 | 在頁面上找不找得到那句條件 |
| 組答案 | 整合模型既有知識與新來源 | 官網與第三方的說法一致 | 回答對你的描述和理由是否正確 |
推薦的是別人，通常卡在這四個地方
找不到：頁面沒進到候選
最基本的一種。Google 的條件是頁面已被索引、而且能以摘要形式出現在搜尋結果；ChatGPT 搜尋則要求網站允許 OAI-SearchBot 抓取。robots.txt 誤擋、重要資訊只放在 PDF 或圖片裡、正文要等 JavaScript 執行才出現，都可能讓頁面連候選都進不了。
這類問題先查技術面：OAI-SearchBot 與 GPTBot 的設定和 JavaScript 渲染檢查各有完整的檢查步驟。
找到了，但條件對不上
回到 CNC 那家公司。官網服務頁寫「提供各式精密加工服務」，沒有最小訂購量、沒有材質、沒有交期範圍。人看了會打電話問，系統只能從字面判斷，而字面上沒有「小量」。條件要寫成文字，才有機會變成回答裡的理由。
只有自己在說
回答常會引用第三方來源：產業公會名錄、媒體報導、電商或採購平台的上架資料、客戶評論。這些來源如果完全沒有你，系統手上就只有你自己的說法。
要注意方向。Google 在生成式 AI 的指南裡寫，刻意在網路上製造不真實的提及，效果沒有想像中好。比較實際的做法，是把本來就該有的資料補完整：加入公會名錄時把服務範圍寫全、參展資料寫清楚專長、平台上架頁的規格與官網一致。
說法互相矛盾
官網寫台中，Google 商家檔案還是舊地址；官網說專做鋁件，名錄寫的是模具。來源彼此打架時，系統不知道該信哪一個，最保守的處理就是少提你。這類問題可以用品牌實體一致性檢查一欄一欄對。
Google、OpenAI、Microsoft 的文件怎麼說
三家都沒有公開推薦演算法，但各自寫了幾句很有參考價值的話。
Google 說出現在 AI Overviews 或 AI Mode 沒有額外要求，也不需要特別的優化；結構化資料不是生成式 AI 搜尋的必要條件；llms.txt 這類檔案 Google 搜尋會直接忽略（其他平台的情況見放 llms.txt 能不能提高 AI 曝光）。它也寫明，沒有任何第三方工具能存取 Google 內部的排名或 AI 系統。
OpenAI 說 ChatGPT 搜尋用多個因素排序結果，目的是幫使用者找到相關、可靠的資訊，位置沒有保證。購物結果由 ChatGPT 獨立挑選，不是廣告，也不受 OpenAI 合作關係影響；商家的排序會看供貨、價格、品質，以及是否為製造商或主要賣家。
Microsoft 在 Bing 網站管理員指南裡寫，Copilot 和傳統搜尋共用同一套爬取、索引與排名基礎；做 SEO 換不到排名的承諾，做 GEO 也換不到被 AI 引用的承諾。結構化資料可能讓內容更容易被正確理解，能見度仍要看其他條件。
舉例來說，套回 CNC 那家公司：三份文件都沒有「加一段標記就會被推薦」這種捷徑。他們能做的，是讓「單件起接、鋁件、五個工作天打樣」這些資訊，在官網和名錄上都讀得到。
三家講法一致的地方很清楚：基礎仍是讀得到、有用、可信的內容，沒有人賣捷徑。
品牌可以先做的五件事
下面的順序是我建議的做法，從花錢最少、最容易驗收的開始。
- 寫下十個你想被推薦的條件句。格式是「適合＿＿的＿＿」，例如「適合小量打樣的台中 CNC 加工廠」「做鋁件陽極處理、兩週內交貨的廠商」。先把想被推薦的條件寫成句子，後面每一步才有對照。
- 每個條件在官網找得到一段明確的文字。拿第一步的句子一句一句去官網找，找不到的就是缺口。補在服務頁或 FAQ，寫具體的規格、地區、對象和流程，不用為每個條件另開一頁。
- 讓公開資料說同一件事。官網、Google 商家檔案、公會名錄、平台上架頁的公司名稱、地址、主要服務，逐欄核對。有販售商品的品牌，Google 也提到 Merchant Center 商品資料能幫助商品與服務被看見。
- 確認技術上讀得到。重要頁面有被索引、robots.txt 沒有誤擋搜尋用的爬蟲、正文在初始 HTML 裡就讀得到。
- 用固定題目觀測，一個月後再看。把第一步的條件句變成固定的一組問題，定期問、保存回答。題目怎麼設計可以看 AI 搜尋 Prompt Set 設計。
有一件事不要做：看到 fan-out 會拆出很多子查詢，就替每個子查詢量產一頁。Google 明確說，為了這個目的大量產出頁面，會踩到大規模內容濫用的垃圾內容政策。大量產頁換到的通常是風險，而不是推薦。
這些變數品牌控制不了
同一題，每次答案可能不同
Google 說 AI Overviews 和 AI Mode 可能用不同的模型和技術，顯示的回答與連結會不一樣。OpenAI 也提到，記憶與位置資訊會影響 ChatGPT 改寫出來的查詢。今天推薦你、明天沒推薦，不一定是網站出了問題。所以觀測要固定條件、重複多次，不能只截一張圖當結論。
廣告和推薦是兩條線
ChatGPT 從 2026 年 9 月起在台灣陸續開放廣告，出現在免費與 Go 方案，標示為贊助、和回答分開顯示。OpenAI 說明廣告不影響 ChatGPT 的回答，廣告主也沒辦法改變回答內容或排序。Google 則在測試把廣告放進 AI Mode 的推薦清單，同樣標示「Sponsored」。
付費能買到的是標示「贊助」的版位；沒有標示的回答內容，依兩家的公開說法沒有對外販售。要不要買廣告是行銷預算的決定，跟「自然回答推不推薦你」要分開評估；兩者的成效怎麼分開記，整理在可以花錢讓 AI 推薦品牌嗎；台灣能投哪些產業、怎麼計價，在 ChatGPT 廣告要不要投有完整說明。
系統內部的排序看不到
Google 寫明沒有第三方工具能存取它的內部排名或 AI 系統。這句話也適用在我們的產品上：Otlex 看得到的是 AI 回答的結果，也就是有沒有提到、有沒有引用、放在什麼條件下，看不到引擎內部怎麼排。任何宣稱能直接影響 AI 內部排序的服務，都值得多問一句依據。
推薦、提及、引用要分開量
AI 回答裡出現你的名字，可能是提及、引用或推薦，三件事的意義不同。例如回答引用了你的官網來解釋「什麼是陽極處理」，接著推薦另一家廠商。你有引用，沒有推薦。三者怎麼分開記錄，可以看品牌提及、引用與推薦的差別。
平台自己的報表也要看清楚它量的是什麼。Google Search Console 的生成式 AI 成效報表計算的是你網站的連結在 AI 功能中被顯示的次數；Bing 網站管理員工具的 AI Performance 計算被 Copilot 等回答引用的次數，並說明它不衡量排名。兩份都是有用的資料，但都不是「推薦」的計數。
想先知道 AI 現在怎麼介紹你
做完第一步的十個條件句，下一步是看 AI 現在怎麼回答它們。Otlex 是我們 EthorX 開發的 AI 搜尋優化平台，用固定題目觀測品牌在 ChatGPT、Google AI Overview、Google AI Mode 等 AI 引擎回答中的提及、引用與推薦，找出內容缺口，改完之後再用同一組題目驗證。
如果團隊沒有人力自己整理條件句、補內容和追觀測，可以看我們的 GEO 服務怎麼分工。
常見問題
AI 推薦品牌，看的是 SEO 排名嗎？
有很大的關係，但不是同一件事。Google 與 Bing 都說 AI 功能建立在既有的搜尋排名與索引基礎上，頁面沒被索引就很難被取用。不過回答還會比對條件、整合多個來源，所以排名好的頁面，如果沒寫到問題裡的條件，仍可能不被推薦。
小品牌也有機會被 AI 推薦嗎？
有，而且條件越具體越有機會。「台灣 CNC 加工廠」這種大問題，回答多半列知名度高的公司；「台中能做鋁件單件打樣、五天交貨的廠商」這種帶條件的問題，看的是誰把條件寫清楚。小品牌可以先挑自己真正擅長、別人較少寫到的條件，讓官網與名錄都讀得到。
可以找人在論壇或部落格大量提到我們嗎？
不建議。Google 說刻意製造不真實的提及效果有限，Bing 也把人為操縱 AI 列為違反指南的行為。把名錄、平台上架、媒體報導這些本來就該有的資料補完整，風險低得多。
為什麼同一個問題，今天和明天推薦的品牌不一樣？
模型、檢索結果、使用者的位置與記憶都可能改變答案，AI Overviews 和 AI Mode 也可能用不同的模型。判斷趨勢要用固定題目、固定條件重複觀測，看一段時間內的變化。
參考來源
以下依官方文件整理，功能、方案與廣告開放範圍以各家頁面當下為準。
- Google Search Central：AI features and your website
- Google Search Central：Optimizing your website for generative AI features on Google Search
- Google Search Console 說明：生成式 AI 成效報表
- Google：A new generation of ads for the AI era of Search
- OpenAI：Searching the web with ChatGPT
- OpenAI：Shopping with ChatGPT Search
- OpenAI：Ads in ChatGPT
- OpenAI：ChatGPT Ads expands to Southeast Asia and Taiwan
- Microsoft Bing：Bing Webmaster Guidelines
- Microsoft Bing：AI Performance in Bing Webmaster Tools