AI 搜尋的數據抓到了，然後呢？怎麼提升 AI 推薦排名？

AI 搜尋的數據抓到了，然後呢？怎麼提升 AI 推薦排名？

重點摘要

Ahrefs 2026 年 2 月的研究：有 AI Overview 出現的關鍵字，第一名頁面的點擊率平均被砍 58%。Seer Interactive 量到的版本是 organic CTR 從 1.76% 掉到 0.61%，跌幅 61%。impression 沒少，click 大幅萎縮。

許多大型媒體已經在準備一個叫「Google Zero」的場景：假設未來 Google 有機流量逐漸歸零，所有可見度都要在 AI 回答裡重新搶回來。

問題是，怎麼搶？

前陣子開源了 AEO Radar 之後，最多人問的問題正是這個：抓到 AI 提及率、品牌平均排名、正面情緒這些數據，然後呢？該怎麼優化自己在 AI 搜尋裡的能見度？這也是 AEO 現在最尷尬的地方，同一個「品牌可見度」指標，Profound 用使用者 panel 側錄、Peec 用 Playwright 爬、Otterly 部分功能直接打 API，三家數字背後的方法論完全不同，沒有共同基準可以比較。

先認清一件事：AEO 監測沒有「絕對真相」

大部分 AEO 工具抓的都是 representative signal，不是 ground truth。同一個問題，今天問跟明天問、用網頁介面問跟 API 問、登入問跟匿名問，可能拿到四個不一樣的答案。

傳統 SEO 也有 personalization 跟地區差異，但 SERP 結果可以靠多帳號、多地點、無痕視窗交叉驗證，逼近一個共識答案。AEO 沒有這個機制，因為有四個結構性原因把「共識答案」打散了：

這不是工具不夠好，是這個市場暫時沒有真相可以對。所以監測的目標不是「找到最準的數字」，是「用多條線交叉，逼近一個可信度更高的判斷」。

業界到底怎麼測？prompt-based 的三條路線

prompt-based 就是主動問 AI、看答案，底下分三條路線，trade-off 是「代表性」跟「可規模化」的拉鋸。

Panel 最貼近真實使用者，但只有 Profound 這種規模做得到；UI scraping 折衷，但要一直對抗反爬；API 最穩，但離真實使用者最遠。

沒有一條路線會說自己抓的是真相，差別只在這個樣本貼近真實使用者的距離。

透過 Log analysis 直接抓到第一手的 AI 爬蟲訊號

上面三條都是 prompt-based。還有第四條完全不同的路：log analysis，被動看 server log 裡 AI bot 留下的痕跡。

它量的不是「AI 在回答裡引用了誰」，是「哪些 AI bot 來抓過你哪些頁面」。抓了不等於被引用，一個頁面被抓 10 次，可能 8 次被 AI 看完判斷不相關、沒寫進回答。所以 log analysis 不能取代 prompt-based，是互補：log 抓「我們的內容被誰拉去看」，prompt-based 抓「我們的品牌在 AI 回答裡被怎麼用」。一個看 AI bot 的足跡，一個看 AI 最終的選擇。

log 裡混了 Training 抓取和 Live Browse 兩種訊號，只有 Live Browse 反映現在

進到 log analysis 內部，AI bot 流量還要再拆。多數人把它當單一數字看，但這個數字混了兩種完全不同的訊號。

Training 是 AI 廠商在抓資料訓練下一代模型，跟「現在」沒關係，要等模型 retraining 才生效，週期半年到一年。Live Browse 是用戶問問題的那一瞬間觸發，AI 即時跑來抓你的頁面當答案來源，影響當下。實務上 Live Browse 通常只佔總 AI bot 流量的 4 到 5%，比例懸殊，但 AEO 成效該追的就是這 4 到 5%。

各廠商的 user-agent 拆得很清楚，看名字就能分類：

OpenAI、Anthropic、Perplexity 三家都把 user-agent 拆成 Training、索引、真人引用三層，結構對稱。索引爬蟲跟真人引用的比例，可以反推這家廠商的回答架構偏「先索引、後查詢」還是「現抓現問」。

Google 是唯一的雙重黑箱

整個 user-agent 體系裡，Google 是唯一沒拆的。Googlebot 同時餵 search 跟 AI Overview，log 分不出哪些 hit 是傳統搜尋、哪些被拿去組 AI Overview 的回答。

Search Console 也救不了。Google 在 2025 年 6 月把 AI Mode 流量併進 Performance report，但跟 web search 混在一起，沒有專屬 filter 可以拆。2025 年 9 月流傳過「GSC 要加 AI Overview filter」的截圖，Google 的 John Mueller 直接出來闢謠那是假的。

不過 2026 年 6 月 3 日 Google 真的補上了：Search Console 新增 Search Generative AI performance report，把 AI Overviews、AI Mode、連 Discover 的 AI 功能曝光獨立出來看，維度有 page、country、device、date，最細到小時。但目前只給 impressions，沒有 click、沒有 CTR，也沒有 query，而且先對一小批網站灰度測試、還沒全面開放。

所以現在是「能見度」那層不再是黑箱、「流量價值」那層還是：你看得到自己在 AI 答案裡被秀過幾次，但不知道有沒有人因此點進來。要推流量價值，還是只能靠過濾長 query、找 CTR 斷崖那套代理指標，曝光面則終於有了直接證據。

prompt 監測和 log 分析交叉，才知道改哪裡、改了有沒有用

把 log analysis 跟 prompt-based 疊在一起看，每個下一步動作都會有依據地浮出來，分成兩種情境。

沒被抓也沒被推薦，第一步是先讓內容被 AI 找到：檢查 robots.txt 有沒有把 GPTBot、ClaudeBot、PerplexityBot 這些 user-agent 用通用 disallow 誤擋、sitemap 有沒有覆蓋深層跟動態頁面、用主題 hub page 跟內鏈把相關文章串起來（AI bot 跟 Googlebot 一樣靠連結爬，孤兒頁找不到）、補 Article / FAQ / HowTo schema 幫 AI 識別內容類型。

有被抓但沒被推薦，代表 AI 看過卻沒選你，問題在內容結構：H2 下面第一段是不是 40 到 60 字直接回答問題（answer capsule）、前 150 字有沒有 front-load 核心論點跟關鍵數據、有沒有具名的人 / 公司 / 產品 / 工具（entity density）、A 跟 B 的比較有沒有用表格結構化讓 AI 直接擷取。

順序不能反。沒被抓就先改內容結構是浪費功，AI 連看都沒看到。先把可見性修好，AI 開始來抓，再用引用數據回頭調整答題結構。

AEO 整體規則還在蠻荒時期，沒有人能告訴你哪個指標最準、哪條路線最對。但套句我很喜歡的話，WSJ 編輯室 SEO 總監 Ed Hyatt 在 2025 年 9 月接受 Digiday 訪談時講的：

「It will never be as good as first-party data, but it could certainly give you a much stronger understanding of your brand's place in the market.」

這套監測抓的從來不是絕對真相，但組合起來，能讓你清楚得多地看到自己在這個新市場裡的位置跟變化。

資料來源