AI 搜尋能見度怎麼量？曝光不等於被引用，被引用不等於有生意

Google 在 2026 年替 Search Console 開了一份新報表，叫做生成式 AI 成效報告。零售品牌等這份報表等了很久，因為它看起來終於能回答那個問到爛的問題：品牌到底有沒有出現在 AI 的答案裡。

打開之後，裡面只有一個數字。

依照 Google 的官方說明，這份報告提供的指標是曝光，也就是你的網站連結在生成式 AI 功能中被顯示給使用者的次數。沒有點擊、沒有點閱率、沒有平均排名。維度只有四個：頁面、國家、日期、裝置。查詢字那一欄不存在。更關鍵的是計算方式：同一個網站的兩個結果如果出現在同一次 AI 回答裡，圖表只算一次曝光。這份報告還在分批開放，不是每個資源都看得到。

所以你花錢請人做了三個月的內容優化，這份報表能告訴你的是「曝光從 1,200 變成 1,800」。它不會告訴你使用者問了什麼、AI 怎麼描述你的品牌、有沒有把你放進推薦名單，也不會告訴你這些曝光有沒有變成生意。

那句排在第一頁、卻沒人點的長問句

我們自己的 Search Console 裡有一串字，第一次看到的時候在辦公室裡傳了一輪。

那串字是：「想監測品牌在 AI 上的能見度，有推薦的工具或公司嗎？」

它看起來不像關鍵字，像一句完整的話，帶著問號，像有人對著 ChatGPT 打字的語氣。它在我們站上有曝光，排名落在第一頁。點擊是零。而它落到的那篇文章，主題其實是 AI 工具盤點，跟提問者要的東西差了一大截。

同一叢字還有好幾條：怎麼知道 AI 搜尋的成效、追蹤 AI 搜尋能見度的工具哪個比較準確、AI 搜尋來源歸因。全部零點擊。這是我們單一站點的觀察，不能當成普遍統計，也不足以推論這些人跑去問了 AI。它只讓我們產生一個很具體的不安：有人正在問這個問題，而整個中文內容圈給他的答案，多半是一份工具比價表。

工具能不能買、要不要買，是後面的事。先要弄清楚的是，你想量的那個東西，現在到底量得到什麼程度。

爬蟲來過、有曝光、被寫進答案、有人點進來，證據力完全不同

品牌講「AI 能見度」的時候，通常把好幾件事混成一件。以下是四類目前實際觀察得到的訊號，各自有不同的證據來源。

先講清楚這張表的限制，免得被當成一條乾淨的漏斗。這四類彼此會重疊：如果你把 AI 回答旁邊的來源連結也算成引用，曝光跟引用就是同一件事。而在爬蟲來過與有曝光之間，還隔著索引與檢索，Google 明確要求頁面必須先被索引、且具備顯示搜尋摘要的資格，才有機會出現在生成式 AI 功能裡。另一頭，AI 代理如果直接替使用者完成比較或下單，也未必產生一次傳統點擊。這四類是可觀察的訊號分類，不是完整的技術流程。

即使如此，分開看仍然比混著看有用。理由是它們的證據力差很多。

伺服器紀錄看到 AI 爬蟲來過，只證明你的伺服器收到了那個 user-agent 的請求。要說內容真的被取走，還得看回應狀態碼是不是 2xx、實際傳了什麼內容，以及那隻爬蟲是不是冒名的。就算全部確認，它跟「有沒有被寫進答案」之間，仍然沒有任何保證。

爬取量跟導流量之間也沒有固定比例。Cloudflare 用一個叫 crawl-to-refer 的比率量過，中文可以理解成爬取導流比：一個平台每爬幾頁內容，才回送一個訪客給你。2025 年 7 月的數字裡，Anthropic 約是每爬 38,000 頁回送一個訪客，同年 1 月更高，約 286,000 比 1；Perplexity 約 194 比 1。同一份分析也拆了爬取的用途，過去 12 個月裡 80% 是為了訓練，18% 用於搜尋，2% 是回應使用者當下的動作。

要注意這個比率量的是爬取與導流，不是爬取與引用。它證明的是內容被大量取用、回送的訪客很少，不能拿來推算你的引用率高低。

官方數據、使用者行為、爬蟲紀錄，各自只能證明一件事

Google 給了什麼，又刻意不給什麼

Google 官方文件在兩個地方講得很直白，值得台灣品牌抄下來。

關於工具，官方的措辭很硬。Google 的生成式 AI 優化指南寫著，要對承諾排名成功、或聲稱使用 Google 內部指標的第三方工具保持警覺，沒有任何第三方工具能存取 Google 內部的排名或 AI 系統。同一份文件也說，要出現在生成式 AI 功能裡，頁面需要被索引、且符合搜尋的技術要求，沒有額外的特殊優化。

關於成效，官方的措辭忽然變得很含糊。Google 願意說的是，從有 AI 摘要的搜尋結果頁點出去的點擊「品質較高」，使用者更可能在網站上停留較久。它沒有給任何一個百分比。凡是宣稱「Google 官方數據顯示 AI 摘要讓點擊提升多少」的說法，都不是官方說的。

一家公司對自己的產品願意給質化描述、不給數字，這件事本身就是資訊。它代表那個數字要嘛不好看，要嘛口徑複雜到不適合單獨公布。

使用者的手指做了什麼

點擊行為這一層，有一份採用第一手瀏覽資料的研究可以參考。Pew Research Center 追蹤 900 位同意分享瀏覽紀錄的美國成人，看他們在 2025 年 3 月實際怎麼用 Google。

結果是：頁面上出現 AI 摘要時，使用者點傳統搜尋結果的比例是 8% 的造訪；沒有 AI 摘要時是 15%。至於點 AI 摘要裡面那些引用連結，只發生在 1% 的造訪。

同一份研究還記錄了另一個行為：看過帶 AI 摘要的搜尋頁之後，使用者直接結束整段瀏覽的比例是 26%，只有傳統搜尋結果時是 16%。研究是以瀏覽行為判定結束，沒有訪問使用者為什麼離開，所以這些人可能是問題已經被解決，也可能是放棄搜尋、或轉去做別的事，資料本身分不出來。

口徑也要小心。這是美國成人、2025 年 3 月、900 人樣本，且研究是先取得瀏覽紀錄、隔月再重跑相同搜尋來判定是否出現 AI 摘要，並非使用者當下看到的同一個畫面。它不能直接搬成台灣品牌的預期值。方向倒是清楚的：出現在 AI 摘要裡跟被點進來，中間的漏水程度比一般人以為的大。品牌如果把「被引用」當成 KPI，同時用「流量有沒有增加」來驗收，這兩件事很難對得起來。

什麼樣的問題比較容易叫出 AI

同一份 Pew 研究還交出一個對量測有用的發現，可惜很少被引用。

它統計了什麼樣的查詢會觸發 AI 摘要：一到兩個英文字的搜尋，8% 會出現 AI 摘要；十個英文字以上的搜尋，這個比例跳到 53%。而以「誰、什麼、何時、為什麼」這類疑問詞開頭的查詢，60% 會叫出 AI 摘要。

Google 自己的數字也指向同一件事。官方在 2026 年 5 月公布美國市場的使用觀察，AI Mode 的平均查詢長度大約是傳統搜尋查詢的三倍；另外以全球口徑計算，月活躍使用者已經超過十億。

這裡有一個很容易踩的坑：Pew 的單位是英文的「字」，也就是 word，跟中文的字元不是同一回事。台灣品牌不能直接把「十個字」當成中文的篩選門檻。實務上比較安全的做法，是用「是不是一個完整的疑問句」「有沒有明確的決策意圖」來初篩，門檻自己訂、自己維持一致，並且清楚知道那是你的操作定義，不是研究驗證過的中文基準。

把這些疊起來可以得到一個不必花錢的做法，但它的定位要說準：長問句比較常與 AI 摘要同時出現，所以它適合當成人工查核的優先順序，是一批候選線索。只憑 Search Console 的查詢字、排名與零點擊，沒有辦法判定你的內容是否真的被 AI 取用過。零點擊本身還有一大堆更平凡的解釋，包括曝光量太小、平均排名本來就會波動、搜尋意圖跟你的頁面不合、標題與摘要寫得不吸引人，或是那個版位上還有購物、地圖、精選摘要在搶注意力。比較站得住的判讀方式，是拿同國家、同裝置、同排名區間的點閱率當基準來比對，而不是看到零點擊就下結論。

你在報表上看到的字，未必是使用者打的字

前面那個做法有一個必須說清楚的限制，而這個限制正是 AI 能見度量測失真的源頭。

Google 的文件提到一個機制叫 query fan-out（查詢展開）：AI Mode 與 AI Overviews 回答問題時，可能自行產生一組相關的查詢，同時去搜尋多個子主題與資料來源。官方文件舉的例子是，使用者原本問的是「怎麼處理長滿雜草的草皮」，模型展開出去的查詢可能包括「草皮除草劑推薦」「不用化學藥劑除草」「怎麼預防雜草」。

問題在於，Google 並沒有揭露這些展開後的子查詢會怎麼寫進 Search Console 的查詢列。你看到的那一列，可能是使用者的原句，也可能是模型自己生成的子查詢，官方沒說。所以那份報表不能拿來還原使用者原本問了什麼。這一點跟前面的做法並不衝突，但它決定了那個做法的上限：長問句可以幫你排出查核順序，不能幫你重建使用者的原話。

再疊上第二層混淆。Google Search Central 的文件寫明，出現在 AI 功能裡的網站，其流量是被計入 Search Console 整體搜尋流量的，落在成效報告的「網頁」搜尋類型裡，而且沒有被拆成一個可以單獨篩選的搜尋外觀類型。

也就是說，你現在打開成效報告看到的那些數字，裡面本來就摻著 AI 的曝光與點擊，只是沒有標籤。品牌常說的「我的自然流量掉了」，可能是排名掉了，可能是搜尋量掉了，也可能是排名跟搜尋量都沒動、只是答案被 AI 講完了。這幾種情況，在同一張圖表上長得一模一樣。

這也是為什麼我們先前拆過的那份生成式 AI 成效報表雖然只給曝光，還是值得每週看一眼。它至少把 AI 那一塊從混合流量裡切了出來，讓你知道自己在那個位置上有沒有存在感。它不能替你回答「這些曝光值多少錢」，那要靠別的東西補。

查詢展開對關鍵字策略也有直接影響。過去的做法是鎖定一組主打字，把內容堆在那幾個字上。當模型會自己把一個問題拆成一組子問題去搜，覆蓋率的意義就變了：你要讓內容能接住的，是使用者那個問題拆開之後的每一塊，包括你原本覺得太邊緣、沒有搜尋量而不想寫的那幾塊。實務上這代表兩個調整。

1. 把一篇長文裡的每個小標，寫成能獨立回答一個子問題的樣子，讓模型可以只取走其中一段。
2. 把選題邏輯從「這個字有多少搜尋量」，改成「顧客決策過程中會冒出哪些問題」，因為展開出來的子查詢，本來就不會出現在關鍵字工具的搜尋量報表上。

AI 能見度值不值得投資，答案在進站之後的第一方數據裡

量測 AI 能見度的困難，說到底是因為訊號斷在網站門口。

站外那一段，你能拿到的東西是別人願意給的：Google 給曝光，Cloudflare 那類服務給爬蟲紀錄，第三方監測給人工實搜的提及率。這幾樣都是外部視角，口徑也不由你決定。而 AI 帶進來的人一旦走進你的網站，資料的所有權就翻轉了。從那一秒開始，這個人看了哪些商品、加了什麼進購物車、有沒有註冊、多久回來第二次，都是你的第一方數據。

這裡要先修正一個很常見的誤會。ChatGPT、Perplexity 這類第三方平台導過來的人，在 GA4 通常會以來源網域出現，看得到。但 Google 自己的 AI Overviews 與 AI Mode 不一樣：依前面引用的官方說明，那些點擊算在整體搜尋流量裡，在 GA4 多半會落進 google / organic，跟一般自然搜尋混在一起，沒辦法用來源報表單獨切出來。再加上部分平台透過 App、瀏覽器隱私設定或轉址，來源訊息本來就可能遺失。所以「AI 流量」這個詞，在報表上其實只涵蓋得到一部分。

即使只涵蓋得到一部分，把它單獨標記出來仍然值得做。這就是我們一直在講的 AI 流量標籤的用處：把辨識得出來的 AI 平台訪客單獨貼一個標籤，跟一般自然搜尋、廣告、直接輸入網址的人分開養，你才有辦法回答「從 AI 走進來的人，行為到底跟別人一不一樣」。

91APP CDMP 在這件事上能幫的，是把斷掉的兩段接回來。在來源訊息辨識得到、且訪客完成登入或註冊的前提下，這筆來源可以被留在該名會員的行為紀錄上；後續的線上訂單，以及符合認列條件的門市消費，可以歸戶到同一個會員身分。原本一次來源不明的造訪，就變成一條可以往前追來源、往後追消費的軌跡。實際適用的方案、識別條件與歸因時間窗會因品牌設定而異，導入前建議先跟顧問確認。

做到這一步，你才算得出以往算不出來的東西：辨識得到來源的那批 AI 訪客，首購轉換率跟其他來源差多少、平均客單價高還低、三個月後的回購率如何。這些數字沒有人能給你，只有你自己的資料能給。曝光是別人的數字，會員行為是你的數字。

累積夠久之後，這批資料還有第二個用法。當你知道從 AI 介面走進來的人，站上行為跟一般搜尋來的人長得不一樣，例如比較常直接進商品頁、比較少逛分類、決策速度比較快，就能反過來調整接待方式：他們落地的那幾頁該放什麼、要不要跳過一般的引導流程、第一封溝通該講什麼。這件事的前提是你分得出他們是誰，而分得出來的前提，是進站那一刻就把來源記下來。等到季底想回頭補，那批人的來源訊息已經沒了。

先用手上的資料建立基準，再決定要不要買工具

以下拆成兩組，成本與所需權限差很多，不要混在同一個計畫裡。

本週就能做的兩件，只需要你已經有的帳號：

1. 把 Search Console 的長問句挑出來，建一份候選清單。做法是把查詢報表匯出，篩出完整疑問句、或帶有明確決策意圖的字串，按曝光排序。這是一份待查核名單，不是成效報告。同時記下你自己的篩選門檻，之後每個月用同一套標準跑，才有得比。
2. 從清單裡挑排名靠前、點閱率明顯低於同排名區間基準的那幾條，逐條人工實搜。把那句話原封不動貼進 Google 與你在意的 AI 介面，看答案裡有沒有你、內容對不對、旁邊列的來源是誰。要能跨月比較，這幾項必須固定並記錄下來：地區、語言、裝置、登入狀態、模型版本、日期，並且留下截圖。少了這些，兩個月後的結果就沒有可比性。

需要投入資源做的兩件，屬於資料基礎建設：

1. 在 GA4 把辨識得出來的 AI 平台來源拆成獨立群組，跟一般自然搜尋分開看。ChatGPT、Perplexity、Gemini、Copilot 這些網域各自佔多少、進來之後停多久、有沒有轉換。要記得 Google 自家 AI 功能的點擊切不出來，所以這組數字是低估值，看趨勢比看絕對值有意義。
2. 把辨識得到來源的 AI 訪客貼成會員標籤，養成可比較的族群。這一步需要 CDMP 這類會員資料工具把來源訊息接進會員身分，做完之後才有辦法比較跨來源的行為差異。建議跑滿一季再看第一次結論，樣本太少的比較沒有意義。

另外提醒一件事：點擊不是唯一能連到生意的路。品牌字搜尋量的變化、直接流量的變化、購後問卷問顧客「你怎麼知道我們的」、專屬折扣碼、輔助轉換，都能從側面補上一塊。當直接量測的路被擋住，這些間接證據就會變得重要。

量不到的東西，先承認量不到

回到那句排在第一頁、卻沒有人點的長問句。

它在我們的報表上是一次曝光、零點擊，看起來像一次失敗。也可能只是標題不夠好，或那個版位上有別的東西更吸引人。我們不知道，報表也不會告訴我們，只能把它放進待查核清單，找一天親手搜一次。

這就是現階段 AI 能見度的真實樣貌：好幾層各自殘缺的證據，需要你自己拼，而且每一層都要記得它證明不到什麼。承認自己量不到「被引用幾次」，會比買一個把提及率算得很精確、卻沒人知道口徑是什麼的儀表板來得安全。誠實的好處是，你會把力氣花在真的能累積的地方：把人接進來，把來源記下來，把行為留成自己的資料。

外面的規則還會再改。你的會員資料一樣會受到瀏覽器政策、同意管理與保留期限的影響，並沒有絕對安全這回事，但它至少是你能自己決定怎麼收、怎麼用、要留多久的那一份。在能見度這麼難量的階段，這件事的價值比一個好看的曝光數字高。

品牌最常問的 AI 搜尋能見度問題

Q1：AI 搜尋能見度是什麼？跟 SEO 是同一件事嗎？

A1：AI 搜尋能見度指的是品牌內容在生成式 AI 介面中被取用與呈現的程度，包括 Google 的 AI Overviews、AI Mode，以及 ChatGPT、Perplexity 這類對話式產品。它跟 SEO 高度重疊但不相同。重疊的地方在於，Google 官方說明要出現在生成式 AI 功能，頁面必須先被索引且符合搜尋技術要求，這些就是傳統 SEO 的工作。差別在驗收：SEO 看排名與點擊，AI 搜尋能見度目前連「被引用幾次」都沒有官方報表可看。

Q2：Search Console 的生成式 AI 成效報告能看到什麼？

A2：依 Google 官方說明，這份報告只提供曝光這一個指標，維度有頁面、國家、日期、裝置四種，沒有點擊、點閱率、平均排名，也沒有查詢字。計算上以資源為單位彙總，同一網站的兩個結果出現在同一次 AI 功能中只算一次曝光。報告仍在分批開放，看不到資料可能是還沒開通、曝光不足，或該站已排除於生成式 AI 功能之外。

Q3：市面上的 AI 能見度監測工具準嗎？值得買嗎？

A3：這類工具多半用固定題組去問各家 AI，統計品牌被提到的比例，也就是提及率。它有參考價值，前提是你知道它在量什麼。Google 官方明確提醒，要對承諾排名成功或聲稱使用 Google 內部指標的第三方工具保持警覺，沒有任何第三方工具能存取 Google 內部的排名或 AI 系統。務實的做法是先用人工實搜跑兩個月建立基準感，確定自己看得懂結果再評估要不要付費，並要求廠商說明題組、地區、登入狀態與模型版本，這四件事不固定，跨期比較就沒有意義。

Q4：預算有限的中小品牌，第一步該做什麼？

A4：先做兩件不用花錢的事。把 Search Console 查詢報表匯出，篩出完整疑問句或帶明確決策意圖的字串，當成待查核清單；再從中挑排名靠前、點閱率明顯偏低的幾條，原句貼進 AI 介面實際搜一次，看答案裡有沒有你。要注意這份清單是查核順序，不是市場調查結果，因為 Google 沒有揭露報表裡那一列是使用者原句還是模型展開的子查詢，不能拿來還原顧客的原話。做完之後你對要不要投資監測工具會有自己的判斷。

Q5：多久能看到成效？該用什麼指標驗收？

A5：如果驗收指標是「AI 帶來的流量」，要有心理準備量體會很小且成長緩慢。Pew Research Center 針對 900 位美國成人 2025 年 3 月瀏覽資料的研究顯示，使用者點 AI 摘要裡引用連結的情形只發生在 1% 的造訪，被引用與被點進來之間的落差本來就大，該研究為美國樣本，台灣品牌不宜直接套用。比較務實的做法是分層驗收：曝光看月度趨勢、實搜提及看季度變化、AI 來源的轉換與回購看整季累積，並搭配品牌字搜尋量與購後問卷當側面證據。單月數字波動大，不適合當作調整內容策略的依據。

Q6：常見的誤解有哪些？

A6：最常見的有幾個。把伺服器紀錄裡的 AI 爬蟲造訪當成「被 AI 引用」，實際上兩者之間隔著索引、檢索與答案生成，Cloudflare 的資料也顯示部分平台每爬數萬頁才回送一個訪客，而那個比率量的是導流、不是引用。把某個技術設定當成能見度開關，例如認為放上特定檔案就會被 AI 引用，目前並沒有證據支持這類做法有效。把 GA4 的來源報表當成完整的 AI 流量，實際上 Google 自家 AI 功能的點擊會混進自然搜尋、切不出來。引用來源不明的統計數字也很危險，同一個主題常有多個口徑互斥的百分比在流傳，引用前應確認樣本、地區與時間。 sitio oficial de 1win

延伸閱讀

1. 當 AI 替顧客決定：AI 成為新貨架，品牌要怎麼被選中
2. 你還看得懂顧客從哪來嗎：AI 與隱私時代的顧客旅程訊號重建
3. 當 AI 幫顧客比價，忠誠度還值錢嗎：品牌信任的新訊號
4. 第一方資料才是 AI 代理的燃料：受眾標籤品質決定廣告自動化的成效上限