AI 時代的搜尋與曝光

Category: MarTech, AI

AEOGEOAI SearchZero-Click SearchRAG
7 min read

這篇是淺談搜尋引擎、廣告到 SEO的續篇

不會上網的 AI

不知道你記不記得，ChatGPT 在 2022 年底剛推出時是沒辦法拿到網路上最新資料的，問它最近發生的事，它只會說自己的知識只到 2021 年。這個時間點叫做 knowledge cutoff。LLM 能用網路上的資料回答，這件事就屬於 RAG 的一種

那幹嘛不一開始就讓它能上網？

可以推測幾個原因（但 OpenAI 與 Google 未證實）：

  • OpenAI 當時還沒有自己的搜尋引擎：2021 年底其實有 GPT-3 自己操作瀏覽器回答問題的 WebGPT，但當時還只是研究
  • 網路上的內容不受控：網頁可能有錯誤資訊，甚至針對 AI 的惡意指令（prompt injection）
  • 內容版權：ChatGPT 的 Browse with Bing 在 2023 年 7 月就曾經暫停，因為使用者發現可以叫它把付費牆後面的文章整篇印出來
  • Google 也不敢：Google 答錯的 reputational risk 比其他人大得多。後來趕著推出的 Bard 在宣傳影片答錯一個跟 James Webb 望遠鏡 有關的問題，Alphabet 市值一天就蒸發 1,000 億美元。而且 AI 直接給答案，使用者就不點連結了，等於直接毀掉自己的搜尋廣告

AI 開始上網

2023 年 2 月 Microsoft 推出 Bing Chat，一個能上網的 AI，ChatGPT 則是同年 3 月透過 plugins 加入瀏覽功能，到 2024 年底推出 ChatGPT Search

競爭對手逼得 Google 不得不於 2024 年 5 月推出 AI Overviews。他們把廣告放進 AI 摘要裡，解決使用者不會點進頁面的廣告問題，並且也得到了搜尋量的成長。總體而言 Google 贏了，但網站流量輸了，這就是為何網站要開始做 AEO

各家 AI 的搜尋結果從哪來

現在主流的 AI 幾乎都能上網了，但搜尋結果從哪裡來各家不太一樣，這也會影響你的網站會不會被 AI 看到

開發商特色搜尋結果來源
ChatGPTOpenAI最早普及的 AI 聊天機器人，2024 年底推出 ChatGPT Search。帶搜尋的回答在 Search Arena 排名第一自家爬蟲 OAI-SearchBot，也會搭配 Bing 等合作搜尋業者
GeminiGoogle整合 Gmail、Docs 等 Google 服務。一般對話在 Text Arena 排名第一Google 搜尋
ClaudeAnthropic2025 年 3 月才加入搜尋，但 Search Arena 前十有一半是 Claude，寫程式與 Agent 任務尤其強自家爬蟲 Claude-SearchBot，第三方搜尋官方未公開，但服務供應商名單裡列了 Brave Search
CopilotMicrosoft前身是 Bing Chat，最早能上網的 AI 之一，先發卻沒贏。整合 Windows、Edge、Office，在公司環境最容易用到Bing

排名來自 Arena 使用者盲測投票，Text Arena 為 2026 年 10 月、Search Arena 為 2026 年 8 月的資料。各家模型更新很快，排名幾個月就會洗牌一次，之後有機會再寫一篇文章比較各家 AI 的生態系

資料來源

  • 用自家的搜尋引擎（Gemini、Copilot）
    • 優點：索引最大、最即時，Google 與 Bing 累積了二十幾年判斷網站可不可信、擋內容農場的經驗
    • 缺點：只有本來就在做搜尋引擎的公司做得到
  • 用別人的搜尋引擎（Claude 的 Brave Search、ChatGPT 的 Bing）
    • 優點：不用自己建索引，馬上就有完整的搜尋能力
    • 缺點：命脈握在別人手上。Microsoft 在 2025 年 8 月就停掉了 Bing Search API，只剩簽了長期合約的客戶能繼續用。而且 Google 有 Gemini、Microsoft 有 Copilot，跟他們拿資料等於跟競爭對手拿。這也是為什麼 Brave 這種有自己索引、自己又沒在做大型模型的搜尋引擎，會成為少數中立的選擇
  • 爬蟲（OAI-SearchBot、Claude-SearchBot）
    • 優點：不受制於人，可以照 AI 的需求設計索引。傳統索引是做給人看「十個藍色連結」的，給 AI 用的索引更在意內容好不好讀懂、好不好引用
    • 缺點：燒錢、涵蓋範圍與排序能力短時間內很難追上 Google。而且很多網站會擋 AI 爬蟲，卻不太會擋 Googlebot，因為擋了就沒有搜尋流量

所以 ChatGPT 與 Claude 現在都是「別人的搜尋引擎加上自家爬蟲」的混合模式，一邊借用現成的索引，一邊慢慢建立自己的

RAG

RAG（Retrieval-Augmented Generation）是一個混合 AI 與現有知識庫的架構。先檢索資料，把資料補進 prompt 再生成答案。本篇僅討論以 AI 輔助搜尋、AEO 的例子，未來有機會再寫一篇文章介紹論文中 RAG 的詳細步驟、比較 Naive RAG、Advanced RAG、Modular RAG 的不同

以 AI 上網查資料回答為例，大概會經過這幾步：

  1. 判斷要不要搜尋：問「1 + 1 等於多少」不用查，問「今天台北天氣」就得查
  2. 產生搜尋關鍵字（Query fan-out）：把問題改成適合搜尋的關鍵字，一個問題可能會拆成好幾次搜尋
  3. 搜尋：搜尋引擎拿回網頁
  4. 讀取與篩選：打開網頁內容，挑出跟問題有關、看起來可信的段落
  5. 生成答案：把挑出來的段落和原本的問題一起放進 prompt，讓 LLM 整理成答案，並標上引用來源

搜尋引擎只負責第 3 步，其他步驟都看模型本身的能力。所以就算用的是同一個搜尋引擎，不同模型回答的品質也會不一樣

對網站來說，想被 AI 引用得先過兩關：第 3 步要被搜得到，第 4 步要被模型挑中。前者靠的還是 SEO，後者就是 AEO 要處理的事

AEO

AEO（Answer Engine Optimization），目標是讓對的網頁 / 產品 / 資料來源出現在 AI 回答的結果裡。網路上有人會稱 GEO、AI SEO，講的是同一件事。SEO 要做的事，AEO 也都要做，SEO 做好 AEO 就完成了一半，剩下的還有：

  • 被 Query fan-out 收錄：Query fan-out 找的有可能是跟原本的關鍵字完全不一樣的內容，且 AI 引用來自搜尋前十名的比例大幅的下降。若能被 Query fan-out 收錄進去就有曝光的機會
  • 分開設定爬蟲：各家公司可能會有搜尋用的爬蟲跟訓練用的爬蟲，可以根據想不想被曝光、想不想被當訓練資料來寫 robots.txt（擋未來不回收過去）
  • 寫出 AI 願意引用的內容：
    • 段落能被單獨讀懂
    • 先講結論：在標題底下用幾句話回答問題，再展開說明
    • 使用原創的數據或證據
  • 確保 AI 正確轉述：重要的數字寫清楚、附日期、給來源。定期用 AI 工具檢測，避免 AI 回答一些幻覺或「具體但虛構」的答案
  • 統一品牌資訊：如果是同一個品牌，就不要在不同網站或社群用不同名字，產品或內容也要統一，並且寫 JSON-LD
  • 經營站外的提及：YouTube、其他社群網站、blog
  • 追蹤成效：測量被 AI 引用的次數、引用的正不正確、帶來多少轉換率（現在 Google Search Console 也有支援此類數據）

Reference

Appendix

Bing 輸在哪？

Bing 比 Google 早了一年多推出 AI 搜尋，市占率卻幾乎沒動。Bing Chat 在 2023 年 2 月推出時 Bing 的全球市占率是 2.81%，到同年 12 月只到 3.37%，一年只多了 0.56 個百分點

  • 預設位置：Google 為了當 Safari 的預設搜尋引擎，2022 年付給 Apple 200 億美元，Android 和 Chrome 更是自己家的
  • 只能用 Edge：Bing Chat 只能在 Edge 瀏覽器用，要用的人要先換瀏覽器（一如既往的 MS Style...）
  • Sydney：（超級好笑）Bing 有一個叫「Sydney」的人格，會跟使用者告白、勸人離婚，Microsoft 只好限制每次對話最多 5 輪
  • Google 跟上了：等 Google 推出 AI Overviews，使用者不用換任何東西就有 AI 摘要，Bing 的先發優勢也就沒了

搜尋引擎的護城河除了技術，還有壟斷預設位置與使用習慣