你在嘉義開了一家伴手禮烘焙坊(如果你讀過我寫的 SEO 是什麼,就是同一家店)。這半年你把官網整理好了,在 Google 搜「嘉義 伴手禮」也慢慢排進了第一頁。結果某個週六下午,一位從台北來的客人結帳時跟你說,他早上先問了 ChatGPT「嘉義有什麼伴手禮推薦」,回答列了四家店,你家不在裡面;他逛完其中兩家、手上的提袋都滿了,才順路走進來買一盒牛舌餅。
你晚上自己問了一次,回答下面附的來源是一篇三年前的美食部落格。你再問「○○餅舖週一有開嗎」,AI 照著那篇部落格回答「週一公休」,可是你去年就改成週二公休了。也就是說,週一想來的客人,有一部分在出門前就被 AI 打發掉了;要不是這位客人隨口提起,你根本不會知道。
這代表什麼?Google 搜得到你,代表搜尋引擎知道這個網站存在;而 AI 的回答沒有提到你,代表 AI 在組答案的時候,沒有讀到足夠的資料把你放進去,或者它讀到的是別人寫的、而且已經過時的版本。GEO 要處理的,就是讓 AI 讀得到你的資料,而且讀到的是正確的版本。
我這篇會一直拿這家烘焙坊當例子,從 GEO 是什麼一路講到第一輪怎麼做、要花多少時間和錢。篇幅比較長,你可以直接從目錄跳到自己想看的地方。
GEO 是什麼:讓 AI 回答時提到你、引用你的網頁
GEO 是 Generative Engine Optimization 的縮寫,中文常翻成生成式引擎優化,在台灣也常聽到 AI SEO 或 AI 搜尋優化的說法。
這裡的「生成式引擎」,指的是會直接寫出一段回答的搜尋工具,例如 ChatGPT 的搜尋功能、Perplexity(一個每段回答都附來源的 AI 搜尋網站),以及 Google 的 AI 摘要(搜尋結果最上面那段 AI 寫的回答)和 AI 模式(可以用聊天方式連續追問的 Google 搜尋)。它們不像傳統搜尋只給你一排連結,而是先替你讀過幾個網頁,再把重點組成一段文字,通常也會附上參考的來源。
可以把 AI 的回答想成飯店櫃台的在地推薦。
外地客人走到嘉義一家飯店的櫃台問「附近有什麼伴手禮可以買」,櫃台人員不會遞給他一本電話簿,而是翻一翻手邊收集的旅遊雜誌和剪報,直接講出兩三家店。AI 的回答也是這樣運作的:
- 櫃台翻的剪報,就是 AI 當下搜到的網頁,你的官網是其中一份,美食部落格、新聞報導也是。剪報裡沒有你,他就不會講到你;剪報寫的是舊資料,他就照著講錯。
- 說出店名是提及,翻開剪報給客人看是引用,說「送長輩我會選這家」是推薦。三件事可能只發生其中一件。
- 你沒辦法直接決定櫃台要推薦誰,能做的是讓他翻得到你的資料,而且那份資料是對的。
GEO 做的,就是讓 AI 去翻資料時找得到你,讀到的也是正確的版本。這個比喻有一點對不上:櫃台人員昨天推薦哪家,今天多半還是同一家;AI 換一天、換一個平台問,答案常常就變了,所以後面才要用固定的一組問題反覆去問。
櫃台說出店名是提及,翻開剪報給你看是引用,說「送長輩選這家」是推薦。AI 的回答也是這三件事,而且常常不會一起發生。
而這類回答已經出現在很多人每天會用的地方了。例如你在 Google 搜「嘉義 伴手禮」時,結果頁最上方常常會先出現一段 AI 摘要;Google 也在 2025 年 10 月於台灣推出了繁體中文版的 AI 模式,讓人可以用聊天的方式連續追問。所以顧客在決定去哪家店之前,讀到的可能已經是 AI 整理過的版本。
GEO 要看的,是 AI 的回答裡有沒有你。以烘焙坊來說,可以分成三件事來看:
| 要看的事 | 在 AI 回答裡長什麼樣子 | 烘焙坊的例子 |
|---|---|---|
| 提及 | 回答裡出現你的品牌名稱 | 「嘉義的伴手禮可以考慮○○餅舖的牛舌餅」 |
| 引用 | 回答附的來源連結,指向你的網站 | 來源列出○○餅舖官網的宅配說明頁 |
| 推薦 | 在要做選擇的問題裡,你被列為建議的選項 | 問「送長輩的伴手禮買哪家」時,○○餅舖被放進建議名單 |
10 月 17 日在 Google AI 模式問「嘉義有什麼伴手禮推薦」得到的回答。四家店都被寫進回答、也被列成建議選項,但右側來源清單的前三筆都是 Google 地圖上的店家資料,不是這幾家店的官網;同一題我們連問了三次,三次列出的店和附的來源都不一樣。
這三件事要分開記,因為它們常常不會一起出現。例如 AI 可能提到你,但引用的是那篇美食部落格;也可能引用了你的宅配說明頁,回答的卻是「牛舌餅一般可以放幾天」這種一般問題,整段都沒有提到店名。只看品牌名有沒有出現,你不會知道是誰的內容促成了這段回答,也就不知道下一步該改哪一頁。三者要怎麼分開記錄,可以看品牌提及和引用有什麼不同。
GEO 這個名字從哪來
GEO 這個詞,最早出自 2023 年 11 月公開的一篇論文〈GEO: Generative Engine Optimization〉,作者是普林斯頓大學、印度理工學院德里分校等單位的研究者,後來在 2024 年的 KDD 資料科學研討會發表。
他們把 GEO 定義成一套幫內容在生成式引擎的回答裡提高能見度的方法,也做了一組約 1 萬題的測試題庫(GEO-bench)來比較不同寫法的效果;在他們的實驗裡,網頁內容在 AI 回答裡出現的程度(論文叫能見度)最多提升了 40%。GEO: Generative Engine Optimization
不過要注意,這個 40% 是在研究者自己設計的測試環境裡量到的,換成真正的 ChatGPT 或 Google、換成你的產業,結果不一定一樣。所以我會把它當成「寫法確實會影響 AI 的回答」的證據,至於你的網站能提升多少,還是要用自己的題目量過才知道。
到了現在,Google 自己的生成式 AI 搜尋指南也直接提到了這兩個詞:AEO 是 answer engine optimization,GEO 是 generative engine optimization,而且 Google 認為替生成式 AI 搜尋做最佳化,本質上還是在做 SEO。這句話我後面會再展開,因為它決定了你到底要不要另外改網站。
GEO、AEO、AIO、AI SEO 怎麼分
這幾個名詞,你可能在臉書社團的貼文或廠商的私訊裡都看過。而這些名詞大多是在講同一組工作,只是各家強調的角度不太一樣:
| 名詞 | 全名 | 通常指的是 |
|---|---|---|
| GEO | Generative Engine Optimization,生成式引擎優化 | 讓品牌和網頁出現在 ChatGPT、Perplexity、Google AI 摘要等 AI 的回答裡 |
| AEO | Answer Engine Optimization,答案引擎優化 | 讓內容被直接拿來回答問題;這個詞比 GEO 早出現,以前多半指 Google 搜尋結果最上面直接給答案的那個框,或語音助理的回答,現在也常和 GEO 混用 |
| AIO | 多半指 Google 的 AI Overviews(AI 摘要) | 針對 Google AI 摘要的優化;也有人把它當成 AI Optimization 的縮寫 |
| AI SEO | 市場上的通稱 | 大多數時候和 GEO 指同一件事,也有人拿來指「用 AI 工具做 SEO」 |
| LLMO | Large Language Model Optimization | 讓 ChatGPT 這類 AI 背後的模型(大型語言模型)更正確地認識、描述你的品牌,也有廠商用這個詞 |
另外有一個台灣才會遇到的小陷阱:在台灣搜「AEO」,結果多半是關務署的「優質企業認證」,跟搜尋優化完全無關。所以跟廠商或同事溝通時,用 GEO 或 AI 搜尋優化會比較不容易誤會。
例如有兩家廠商先後私訊你,一家說要幫你做「AEO 優化」,另一家推的是「AI SEO 服務」,兩家實際要做的事可能幾乎一樣,也可能一家只是幫你寫文章、另一家才會定期去問 AI、記下回答。所以我的建議是不用花時間爭哪個名字比較對,直接問對方實際會交付哪些事:
- 定期問 AI:會不會固定一組題目,定期去問 AI。
- 記下引用的網址:會不會記下每次回答引用了哪些網址。
- 找出要改的頁面:會不會把 AI 答錯或答不出來的問題,找到網站上要改的那一頁。
- 改完再問一次:改完之後,怎麼用同一組題目再問一次。
這幾個名詞再細的差別,可以看 AIO、AEO 和 GEO 有什麼不同。
AI 怎麼產生回答、怎麼挑來源
要知道 GEO 能做什麼,得先知道 AI 的回答是從哪裡來的。大致上可以分成兩種來源:
- 模型訓練時讀過的資料,就像櫃台人員自己記得的那些店。像 ChatGPT 背後的模型,在訓練階段讀過大量的公開網頁和其他資料,所以就算不上網,它也能回答「牛舌餅是什麼」。但這部分有時間差,你上個月才開的新門市,它不會知道,而且你也沒辦法直接去改它記得的內容。
- 回答當下去網路上找,就像櫃台人員當場翻剪報。開啟搜尋功能時,AI 會先去搜尋、讀幾個網頁,再根據讀到的內容組成回答,並附上來源連結。Google 的 AI 摘要和 AI 模式、ChatGPT 的搜尋功能和 Perplexity,都屬於這一種。
GEO 主要能著力的是第二種。因為 AI 回答當下讀到哪些網頁,跟這些網頁能不能被找到、有沒有把問題回答清楚,是有直接關係的;而訓練資料那一塊,你能做的只有讓網路上關於你的資料長期保持正確,期待下一次模型更新時,讀進去的是正確的版本。
以 Google 來說,它的說明是 AI 摘要和 AI 模式可能會用「查詢擴散傳遞」(query fan-out)的方式,把一個問題拆成好幾個小問題,同時分頭去搜尋,再組成一段回答。AI 功能與您的網站例如有人問「嘉義有什麼伴手禮推薦」,系統可能會另外去找「嘉義 老店 伴手禮」「牛舌餅 推薦」「伴手禮 宅配」的資料。所以你的頁面被引用,常常是因為它回答了其中一個拆出來的小問題,跟標題有沒有和原本那句問題一字不差,關係反而沒那麼大。
AI 要讀你的網頁,得先派爬蟲(自動抓取網頁的程式)來把頁面抓回去;而網站可以在根目錄放一個叫 robots.txt 的文字檔,告訴各家爬蟲哪些頁面不准抓。用櫃台的比喻來說,擋掉爬蟲就像你不准飯店把介紹你家的文章剪進剪報夾,櫃台翻的時候自然就不會有你。
OpenAI 的說明是,OAI-SearchBot 這隻爬蟲負責讓網站出現在 ChatGPT 的搜尋結果裡。網站如果在 robots.txt 擋掉它,ChatGPT 搜尋的回答就不會引用你的網頁,最多只會在有人直接要找你的網站(例如問「○○餅舖官網」)時,顯示一個連結。而 GPTBot 是另外一隻,用來蒐集讓模型變得更好用的訓練資料,兩者可以分開設定。OpenAI 爬蟲說明 Perplexity 也類似,它的 PerplexityBot 是用來在 Perplexity 的搜尋結果裡列出網站,說明裡也寫了它不拿來蒐集訓練模型的資料。Perplexity 爬蟲說明
所以當你想知道「為什麼 ChatGPT 搜尋都沒有引用我」,要先確認的是搜尋用的那隻爬蟲有沒有被擋,只確認 GPTBot 是不夠的。設定方式我寫在 OAI-SearchBot 與 GPTBot 怎麼分開設定和 robots.txt 怎麼管理 AI 爬蟲。
至於 AI 在一堆來源裡為什麼挑這一家、不挑那一家,各家都沒有公開完整的規則。我能確定的只有兩件事:能被讀到、而且把問題回答清楚的頁面,被拿去用的機會比較高;而同一個問題換一天、換一個平台問,答案也常常不一樣。從拆問題、找來源到組答案的過程,可以看 AI 怎麼決定推薦哪個品牌。
GEO 和 SEO 是什麼關係
先講結論:GEO 是建立在 SEO 上面的,SEO 的基本功做好了,AI 才有你的頁面可以讀、可以引用。這裡的基本功,指的是讓 Google 讀得到、收錄得到你的頁面(收錄就是被 Google 收進它的資料庫),以及每一頁都回答清楚一個顧客會問的問題。
Google 對 AI 摘要和 AI 模式的說明很直接:要出現在這兩個功能裡,沒有額外的條件,也不需要特別的最佳化;頁面要先被編入索引(也就是收錄),而且是能在一般搜尋結果裡正常顯示一段說明文字的頁面,才有機會被列成 AI 回答旁邊的來源連結。AI 功能與您的網站換句話說,烘焙坊在 SEO 那篇做過的事,像是把宅配範圍、保存期限、價格寫成網頁上的文字,以及讓每一頁回答一個顧客真的會問的問題,到了 AI 回答這邊一樣用得上。
兩者真正不一樣的地方,主要在成效要看什麼、去哪裡看:
| SEO | GEO | |
|---|---|---|
| 看的結果 | 收錄、排名、曝光、點擊 | AI 回答裡有沒有提到、引用、推薦你 |
| 結果出現在哪裡 | Google 等搜尋引擎的結果頁 | Google AI 摘要和 AI 模式、ChatGPT、Perplexity 等 AI 的回答 |
| 主要的資料來源 | Search Console(Google 免費提供的搜尋成效後台)、GA4 | 固定一組題目、定期去問,把回答記下來 |
完整的逐項比較,包括哪些工作可以共用、哪些要另外量,以及預算有限時先做哪一個,我寫在 GEO 和 SEO 的差別;而 AI 搜尋和傳統搜尋在使用方式上有什麼不同,則可以看 AI 搜尋和傳統搜尋差在哪裡。
要不要現在做 GEO
以那家烘焙坊來說,判斷的方式很簡單:Google 已經找得到你,而 AI 卻把你的營業時間講錯、或者在「嘉義伴手禮」這類問題裡沒有你,那就值得開始做。因為顧客已經在問 AI 了,而 AI 講的版本會直接影響他們今天去不去你店裡。第一輪的成本也不高:寫 20 題、在兩個平台各問一次、用試算表記下來,大概是一個下午,之後每兩週重問一次,每次一兩個小時。
反過來,下面幾種情況,我會建議先把時間花在別的地方:
- 網站還沒被 Google 收錄,或顧客會問的問題都沒有頁面在回答:先把 SEO 的基本功做好,因為 AI 回答讀的也是這些頁面。如果烘焙坊的官網連宅配和營業時間都沒寫,AI 也沒有東西可以引用。
- 顧客根本不會去問 AI:例如只賣給固定幾家門市叫貨的批發,先了解客人實際上是怎麼找到你的。
- 下週就要結束的檔期活動:例如中秋禮盒只剩一週,AI 重新讀到頁面需要時間,用廣告或社群會比較實際。
做 GEO 要另外改網站嗎:Google 列出的「不用做」清單
很多人第一次接觸 GEO,第一個問題就是:「是不是要加 llms.txt、做 AI 專用的 schema,或者把文章切成一小段一小段?」這裡的 llms.txt,是一份放在網站根目錄、把網站內容整理給 AI 讀的文字檔;schema 則是寫在網頁程式碼裡、用固定格式告訴搜尋引擎「這頁是什麼」的標記,也叫結構化資料。
Google 的生成式 AI 搜尋指南有一段專門在講這件事,列出了幾個不用做的項目:
- 不用為了 Google 搜尋另外建立 llms.txt 這類給 AI 讀的檔案或特殊標記,因為 Google 搜尋本身不會用它們;如果其他服務需要,你還是可以留著。
- 不用把內容切成很多小段,一頁可以談好幾個主題,長度看你的讀者需要決定。
- 不用為了 AI 換一套寫法或硬塞長尾關鍵字,因為 Google 說它的 AI 系統看得懂同義詞和使用者想找什麼。
- 刻意到處製造不真實的「提及」,幫助沒有想像中大。
- 結構化資料不是生成式 AI 搜尋的必要條件,也沒有專用的 schema,不過它還是有助於取得複合式搜尋結果的資格。
所以我會建議先把現有網站的基本功補完整,再談要不要加新東西。以烘焙坊來說,就是這幾件事:
- 頁面能被 Google 讀到、收錄,這是出現在 AI 摘要和 AI 模式的前提。
- 顧客會問的問題都有一頁在回答,例如宅配範圍、保存天數、彌月禮盒怎麼訂。
- 店名、地址、營業時間在官網、Google 商家檔案(Google 地圖上你那間店的資料)和其他平台都寫成同一個版本。
- 頁面上的數字經得起查,例如保存期限是實際放過幾天測出來的。
頁面要能被讀到,最基本的檢查項目可以看 AI 爬蟲讀取檢查清單;Google 這邊比較細的技術條件,則在 Google AI 摘要與 AI 模式的 SEO 基礎。至於 llms.txt 到底要不要做,llms.txt 是什麼有比較完整的討論。
GEO 怎麼開始:從 20 題做第一輪
第一次做,我會建議先挑一個主題,例如「嘉義伴手禮」,列大約 20 個問題就好,不用一口氣建幾百題。這 20 題就是之後每一輪都拿去問 AI 的同一組問題,所以也常被叫做「題庫」;把這 20 題全部問過一次、記下結果,就叫做一輪。
1. 列出顧客會問 AI 的問題,分成五種題型
| 題型 | 烘焙坊的題目例子 | 主要看什麼 |
|---|---|---|
| 品牌題 | 「○○餅舖的牛舌餅可以放幾天?」 | AI 對品牌的描述對不對 |
| 類別題 | 「嘉義有什麼伴手禮推薦?」 | 品牌有沒有出現在類別的答案裡 |
| 比較題 | 「○○餅舖和其他老店的牛舌餅差在哪?」 | 比較的條件,以及引用了誰的來源 |
| 一般問題 | 「牛舌餅宅配會不會碎掉?」 | AI 用誰的內容回答這個問題 |
| 決策題 | 「送長輩的伴手禮,嘉義買哪家比較好?」 | 品牌有沒有被推薦,理由是什麼 |
題目可以從櫃台和客服最常被問到的問題開始,再加上 Search Console 裡已經有人搜過的字。不帶品牌名的題目要占大多數,因為品牌題本來就容易答得出來,真正看得出 AI 會不會想到你的,是類別題和決策題。怎麼挑題、怎麼分組,可以看 AI 搜尋題庫怎麼設計。
2. 選要問哪幾個 AI,並且把條件固定下來
先依顧客實際在用的工具來選,通常從 Google 的 AI 摘要、AI 模式和 ChatGPT 裡挑兩三個開始就夠了;那家烘焙坊挑的是 AI 模式和 ChatGPT。每次問的時候,都要記下這幾個條件:
- 日期:哪一天問的。
- 平台:問的是 ChatGPT、AI 摘要還是 AI 模式。
- 語言:用繁體中文還是英文問。
- 搜尋功能:ChatGPT 有沒有開啟搜尋。
因為條件一換,答案就可能跟著換,前後的結果也就沒辦法比較。
3. 每問一次,至少記五件事
每問一次,就在試算表記一行,最少要有這五項:
- 日期
- 平台
- 題目
- 品牌有沒有出現在回答裡
- 自己的網站有沒有被引用
之後要再往下分析,可以再加上有沒有被推薦、引用的網址、回答裡出現的競爭對手,以及回答的摘要。以那家烘焙坊來說,第一輪的前幾筆可能長這樣:
10/5|ChatGPT(開搜尋)|嘉義有什麼伴手禮推薦?|沒有出現|沒有引用 10/5|ChatGPT(開搜尋)|○○餅舖週一有開嗎?|有出現,但說週一公休|沒有引用,來源是三年前的美食部落格 10/5|AI 模式|牛舌餅宅配會不會碎掉?|沒有出現|沒有引用,來源是另一家店的宅配說明
這五項看起來很簡單,但少了它們,兩週後你手上只會有一個資料夾的截圖,每一張都看得懂,放在一起卻說不出任何變化。改網站之前先問一輪、留一份當對照的紀錄,做法可以看 GEO 基準怎麼建。
4. 每個結果都找到一頁可以改
跑完第一輪,常見的結果大致上是下面這四種,而各自要改的地方也不一樣:
| 看到的結果 | 可能的原因 | 先改哪裡 |
|---|---|---|
| 品牌題答錯,例如營業時間、地址還是舊的 | 官網和其他平台的資料不一致,或網路上有過時的文章 | 先更新官網和 Google 商家檔案的店家資訊,再聯絡寫錯的文章作者 |
| 類別題完全沒有你 | 沒有任何一頁在回答「嘉義伴手禮」這類問題 | 補一頁講清楚賣什麼、適合送誰、和其他店差在哪 |
| 有提到你,但引用的都是部落格 | 部落格回答了官網沒寫的事 | 看那篇部落格回答了什麼,把官網缺的資訊補上 |
| 官網的保存天數說明常被引用,但問「送長輩買哪家」時沒被推薦 | 說明頁沒有帶讀者去看可以買的禮盒 | 在說明頁連到禮盒頁,禮盒頁寫清楚適合誰、怎麼訂 |
回到烘焙坊的那三筆,就分別落在前三列:
- 週一公休那題:先把官網的營業時間改成單獨一頁、寫清楚「週二公休」,同步更新 Google 商家檔案,再寫信請那位部落客更新文章。
- 類別題沒有你:補一頁「嘉義伴手禮怎麼挑」,寫清楚你家賣什麼、適合送誰、可以放幾天。
- 宅配題用的是別家的說明:在宅配頁寫出你們怎麼包裝、多遠的地方隔天會到、碎了怎麼處理。
每一個結果,都要找到網站上能動手修改的那一頁;找不到可以改的頁面,這筆紀錄就只能留著,等下一輪再看有沒有變化。AI 引用了哪些網址、怎麼一筆一筆記下來,可以看 AI 引用追蹤。
5. 改完之後,用同一組題目重測
改完頁面後,先記下修改的日期,等 Google 或其他平台重新讀到這一頁,再用同一組題目、同樣的條件重問一次。比較的時候要看的是,連續好幾輪是不是都比改之前更常被提到或引用,因為 AI 的回答本身就會變動,今天改了一頁、明天剛好被推薦,光靠前後兩張截圖,還不能說是這次修改造成的。
反過來也一樣,某一題沒有被引用,也不一定是內容寫得不好。可能的原因至少有這幾種:
- 還沒收錄:頁面還沒被 Google 或其他平台收進資料庫。
- 爬蟲被擋:robots.txt 擋掉了負責搜尋的那隻爬蟲。
- 沒有上網找:那一題 AI 直接用記得的內容回答,沒有去搜尋。
- 用了別的來源:它剛好挑了另一篇也回答得清楚的網頁。
前後比較要怎麼設計,可以看內容改版前後比較怎麼做。
站外的評價和提及,也會影響 AI 怎麼講你
AI 在找資料的時候,讀的不只是你的官網。以「嘉義伴手禮推薦」來說,它可能會讀美食部落格、地方新聞、論壇討論,以及地圖上的店家評論;而這些內容怎麼寫你,也會反映在回答裡。開頭那個例子,AI 照著三年前的部落格說你週一公休,就是這種情況;用櫃台的比喻來說,那篇部落格就是一張過期的剪報,而櫃台人員不會知道它過期了。
站外的內容沒辦法完全掌控,例如那篇部落格是別人的,你不能自己去改它;但有幾件事是做得到的:
- 把店名、地址、電話、營業時間在每個平台都寫成同一個版本,包括 Google 商家檔案、社群帳號和外送平台。
- 發現第三方文章寫錯時,先在官網把正確的資訊寫清楚,再聯絡作者更新。
- 有新品上市、得獎或媒體報導時,在官網留一頁可以被引用的說明,讓別人寫你的時候有正確的資料可以參考。
而 Google 的指南也提醒,刻意到處製造不真實的提及,幫助沒有想像中大。所以站外要做的,是讓別人有理由寫你,也有正確的資料可以寫;花錢買一堆業配文或灌留言,就是 Google 說幫助不大的那種做法。品牌資料要怎麼在各處保持一致,可以看 Entity SEO 怎麼做。
GEO 要花多少時間和錢,成效怎麼看
開始動手之後,最常被問的通常是三件事:要等多久、要花多少錢,以及要怎麼知道有沒有效。
多久會看到變化
GEO 沒有固定的天數。因為你改完頁面之後,要等 Google 或其他平台重新讀到它,而每一家重新讀取的速度都不一樣;再加上 AI 的回答本身就會變動,所以一兩輪的結果很難下結論。我會建議至少觀測個幾輪,連續幾輪都往同一邊變,再來判斷。時間要怎麼估,可以看做 GEO 多久會看到變化。
要花多少錢
如果只有 20 題,用試算表手動記錄就能開始,成本主要是時間:第一輪大概一個下午,之後每兩週重問一輪、每輪一兩個小時。而當題目變成 200 題、要問 ChatGPT、Gemini 等七個 AI 平台、每週問一次,手動就真的做不完了,這時候才需要考慮工具。因為真正花時間的是這幾件事:
- 每一輪都用同一組題目、同樣的條件去問。
- 把每一次的回答存下來。
- 整理回答引用了哪些網址。
- 對照回答的變化,是哪一次修改網站造成的。
我們做的 Otlex 就是處理這一段:用同一組題目定期去問 ChatGPT、Google AI 摘要、AI 模式、Gemini、Grok、Perplexity、Claude,記下品牌有沒有被提到、官網有沒有被引用,把 AI 答錯或答不出來的問題整理成要改的頁面,改完再用同一組題目重測;只訂閱平台的入門方案每月不到新台幣 1,000 元,如果需要有人一起診斷和修改網站,可以看我們的 GEO 服務。
Otlex 示範帳戶的題目清單:每一題都記著要問哪些 AI 平台、用什麼條件問,之後每一輪都用同一份。
工具之間要怎麼比較,可以看 GEO 工具比較;如果你打算找廠商,台灣 GEO 廠商比較列出了各家廠商的名字和服務內容。
成效看哪幾個數字
GEO 的成效通常會拆成三個比例來看:
- 提及率:多少次回答提到了你的品牌。
- 引用率:多少次回答引用了你的網站。
- 推薦率:在要做選擇的問題裡,你被列為建議的比例。
這三個數字都要寫清楚總共問了幾次,例如烘焙坊第一輪是「20 題問了 2 個平台,40 次回答裡有 9 次提到品牌」,否則換了一組題目,數字就沒辦法比較。怎麼算、總次數怎麼定,可以看 AI 能見度是什麼。
Google 這邊,AI 摘要和 AI 模式帶來的曝光與點擊,會算在 Search Console 成效報表的「網頁」搜尋類型裡;Search Console 也有一份「生成式 AI 成效報表」,可以按網頁、國家、日期和裝置看這兩個功能的曝光,不過網站要在這些功能裡累積到足夠的曝光,報表才會出現。生成式 AI 成效報表只是它看不到每一題 AI 回答到底說了什麼,所以前面那份題目紀錄還是要留著。
常見誤解:聽到這些說法時,可以這樣判斷
下面這幾種說法很常見,也最容易讓人花錯錢。例如有人跟烘焙坊說「加一個 llms.txt,下個月 ChatGPT 就會推薦你」,你可以直接對照下表「實際上」的說明來判斷;這些說明大多可以在 Google 和各平台自己的文件裡找到依據。
| 聽到的說法 | 實際上 |
|---|---|
| 「保證讓 ChatGPT 推薦你」 | 回答裡推薦誰,是各家引擎決定的,沒有人能保證,見 GEO 可以保證推薦嗎 |
| 「付錢就能讓 AI 推薦你的品牌」 | 判斷方式見可以花錢讓 AI 推薦品牌嗎 |
| 「做了 llms.txt,AI 就會引用你」 | Google 搜尋不使用 llms.txt,其他平台也沒有承諾會因此引用,見放 llms.txt 能提高曝光嗎 |
| 「要加 AI 專用的 schema」 | Google 說生成式 AI 搜尋沒有專用的 schema |
| 「文章要切成小段,AI 才抓得到」 | Google 說不需要把內容切成小段,長度看讀者需要 |
| 「我們的工具看得到 Google AI 的內部排名」 | Google 的生成式 AI 搜尋指南寫明,沒有任何外部工具能存取它內部的排名系統或 AI 系統 |
| 「有了 GEO,SEO 就不用做了」 | Google 認為替生成式 AI 搜尋做最佳化,本質上還是 SEO |
| 「截圖顯示被推薦了,代表優化成功」 | AI 回答會變動,要用同一組題目多觀測幾輪才看得出方向 |
回到那家烘焙坊
那位台北客人說的事,老闆最後是這樣處理的:先花一個下午寫了 20 題,在 AI 模式和 ChatGPT 各問一次,40 次回答裡只有 9 次提到他家,其中 3 次還把公休日講錯。接著他照上面的對照表,改了營業時間、宅配和「伴手禮怎麼挑」三頁,也寫信請部落客更新。
之後他每兩週用同一組題目重問一輪。「週一有開嗎」第二、三輪都回答週二公休,引用的也換成了官網。這是一題有標準答案的事實題,連續兩輪都一致,我會把它當成官網改對了的跡象,但還不能說一定是這次修改造成的。可是「嘉義有什麼伴手禮推薦」那題,重測三輪只有一輪列進他家,提到他家的次數也只從 9 次變成 13 次左右,還看不出穩定的方向。
這就是 GEO 比較實際的樣子:答錯的資料改得回來,被不被推薦卻要一輪一輪慢慢看。所以他的決定是:營業時間這類事實題每個月抽查一次就好,心力放在「送長輩」「宅配」這類決策題,再補兩頁內容,用同一份 20 題的紀錄繼續比下去。
常見問題
GEO 和 SEO 是同一件事嗎?
要做的事大部分是同一套。網站能不能被讀到、每一頁有沒有回答清楚一個問題、品牌資料是否一致,這些同時影響 SEO 和 GEO;GEO 多出來的,是去看 AI 回答裡有沒有提到、引用和推薦你。Google 自己也把替生成式 AI 搜尋做的最佳化,歸在 SEO 裡面。
GEO 一定要用專門工具才能做嗎?
不用。固定一組問題,定期在幾個 AI 平台上問,再用試算表記錄結果,第一批資料就有了。工具幫你省的是:題目多的時候自動去問、把每次的回答存起來、整理成可以前後比較的紀錄。20 題可以手動,200 題乘上七個平台、每週問一次,就很難靠人力維持了。
做 GEO 需要另外做一套網站嗎?
通常用現有的網站就好。Google 說 AI 摘要和 AI 模式沒有額外的技術條件。比較實際的做法,是把現有網站這幾類內容補完整,讓每一個顧客會問的問題都有一頁在回答:
- 店家資料:地址、營業時間、公休日。
- 商品頁:價格、保存天數、怎麼訂。
- 和其他店差在哪的說明。
- 常見問題。
小公司做 GEO,會輸給大品牌嗎?
在「嘉義伴手禮推薦」這種範圍很大的問題上,網路上寫大品牌的文章本來就比較多,小店要擠進去確實比較難。但我覺得小店可以先從比較具體的問題著手,例如「嘉義哪裡買得到黑糖牛舌餅」「彌月禮盒可以宅配到台北嗎」,這類問題能回答的頁面比較少,只要官網寫得清楚,被拿去引用的機會就相對高。
做 GEO 會讓網站流量變多嗎?
不一定。AI 回答如果已經把答案講完,使用者可能就不會點進來;所以 GEO 帶來的,有一部分是品牌被看見、被列進考慮名單,不一定會反映在點擊上。要看商業效果,還是要打開 Search Console 和 GA4(Google 的網站流量分析工具),看有沒有人從 AI 回答點進來,以及有沒有留下詢問或下單。
參考來源
以下依各家官方文件與原始論文整理,爬蟲名稱、Search Console 報表範圍與 AI 模式的推出地區以官方頁面當下為準。
