這兩年,客戶最常問我的一句話是:「我們的品牌,在 AI 裡面看得到嗎?」
老實說,這題比我做了這麼多年的 SEO 都難回答。
最近讀了一份報告,才發現不是只有我頭大。
國際 SEO 名人 Matt Diggity 的公司 Diggity Marketing,剛發表《The State of Digital Marketing 2026》,問了 479 位行銷人。裡面還引用了 SEOFOMO 對 171 位 AI 搜尋與 SEO 專家的調查。
專家被問到做 AI 能見度最大的挑戰,前三名是:
可靠地量測 AI 搜尋能見度:55%
搞懂到底是什麼在影響能見度:40%
把能見度連到流量、轉換和營收:40%
這三個,剛好也是我在幫客戶做 AI 能見度時,每天都在面對的三大挑戰。
▋ 挑戰一:量不準,只能用舊工具量新東西
專家們用什麼工具量 AI 搜尋?
報告的答案是:Semrush 29%、Google Search Console 28%、Ahrefs 24%、Google Analytics 17%。專門為 AI 搜尋做的原生追蹤工具,像 Waikay、Peec AI、Profound,使用率都在 12% 以下。
報告自己下的結論很直白:這門新功課,還在用 SEO 的舊工具量。
我的觀點,回頭看 Google 與搜尋的歷史就不意外了。
Google 在 1998 年成立,SEO 的概念跟著 PageRank 演算法一起長大。但 Google 給網站主的官方工具,是 7 年後的 2005 年 6 月才出現,當時叫 Google Sitemaps,隔年才改名 Google Webmaster Tools(網站管理員工具)。
一直到 Google 成立 17 年後,2015 年 5 月,SEO 市場成熟了,用的人也不只是網管,行銷人、SEO 專家都在用,它才正式改名成我們現在熟悉的 Google Search Console。
SEO 的衡量工具,花了十幾年才長成今天的樣子。
AI 搜尋雖然紅紅火火,但也才走了兩三年。現在缺工具,代表的是我們還在很早期,只能用舊工具量新東西,摸著石頭過河。
我覺得 AI 搜尋的追蹤還在拓荒期,原因有三個:
黑盒子,又帶隨機性。 大語言模型的回答是每次動態生成的,不像傳統搜尋有固定的「第一頁第幾名」。同一個問題換個問法,AI 推薦的網站就變了,工具很難精準追蹤。
數據不透明。 OpenAI(ChatGPT)、Anthropic(Claude)目前都沒有像 Google 那樣,提供一個官方、開放、成熟的站長後台,讓網站主看到精確的流量來源。因為 LLM 本來就不是為了搜尋而開發的。
指標還沒有標準。 傳統 SEO 看點擊率和關鍵字排名。AI 搜尋現在大家還在爭論,該看 AI 引用率、品牌聲量(Share of Voice),還是資訊來源推薦率。
我自己也是這樣在摸索。每年付給 Ahrefs 超過 8 萬台幣,還自己寫了一支程式去串 Google Search Console 的 API。結果卡在哪裡?
Google Search Console 有一個「生成式 AI」的報表,看得到你的網頁在 Google AI 摘要裡被看到幾次。但它只有曝光,沒有點擊,到底有多少人看了 AI 生成的內容再進到網站?不知道。
而且 GSC 只算 Google 自家的 AI,ChatGPT、Perplexity 完全不在裡面。
我手上一個健康類的內容站,有一頁在 AI 摘要裡的曝光是全站第一,超過 2 萬 3 千次。但它在一般搜尋的點擊,只有 96 次。
被 AI 看見,不等於有人來。
現在做 AI 搜尋優化,很像回到 2000 年左右的早期網路時代。大家都知道很重要,也都在摸索規則,但市場上還沒有一套像 GSC 或 GA4 那樣,全球公認、指標完整的衡量工具。現在的工具大多只能給你「粗估的引用機率」,整個生態還需要一段時間才會成熟。
▋ 挑戰二:抓不到,同一個問題每次答案都不一樣
做 SEO,我們至少有一個排名可以看。今天第三名,明天第五名,數字是穩的。
AI 不是。同一個人、同一句話,今天問跟下週問,答案不一定一樣。換一個人問,又不一樣。
答案不穩定,就很難找出真正的影響因子。
找不出影響因子,做對了也不知道是哪一步做對,更別說複製到下一個客戶。
再加上平台太多。報告裡的專家,91% 在做 ChatGPT、85% 做 Google AI 摘要、78% 做 Google AI 模式、69% 做 Gemini,再來還有 Claude、Perplexity、Copilot。
我自己看過最誇張的一個例子,就是剛才那個健康類內容站。用 Ahrefs 看它被 AI 引用的次數:Google AI 模式 19 次、AI 摘要 15 次、Gemini 10 次、Perplexity 8 次。
ChatGPT,0 次。
同一個網站、同一批內容,換一個平台,就從有到沒有。
報告裡還有一位在泰國做行銷的專家提到:同一個問題,用泰文問跟用英文問,AI 引用的來源完全不同。英文答案裡稱霸的國際品牌,在泰文答案裡常常看不到。
這個觀察,放到台灣的中文市場,也很值得想一想。
▋ 挑戰三:算不清,從能見度到營收的鏈斷了
傳統 SEO 的帳相對好算:排名、流量、轉換、營收,一路有數字可以串起來(前提是 GSC、GA4 都要先完整串接好)。
AI 搜尋把中間那一段拿掉了。使用者看完 AI 的回答,問題解決了,對品牌也有印象了,可是沒有點進網站,也沒有馬上行動。
零點擊,就是歸因的斷點。
報告裡有 58% 的行銷人同意,跨通路歸因到現在還是一個沒解決的大問題。一位做居家服務的美國代理商老闆也說:AI 摘要在吃點擊率,他客戶的自然搜尋轉換率,從 2023 年的 8% 到 12%,掉了大約三分之一。
我自己最有感的一次,是一個做企業網路建置的 B2B 客戶。我幫他布局的 AEO 內容,一個月流量不到 10,他卻接到一場 1,500 人的大型活動案。
我是怎麼知道的?不是報表告訴我的,是客戶做完活動,自己傳訊息來謝謝我。
這就是 AI 搜尋的歸因現況:很難證明它有效,但也很難說它沒效。
▋ 三大挑戰都在,那還要做嗎?
要。
因為那些沒點進網站的人,看完 AI 的回答,腦中已經留下一個品牌名字了。如果那個名字不是你,就是你的競爭對手。
不做,不會讓你省下預算。只會讓別人先在使用者的腦中佔好位置。
但做,要用對的方法量。我自己現在是這樣做:
用固定的題庫,定期重跑。 答案會變,就不要只問一次。挑 20 到 30 個客戶會問 AI 的問題,每個月全部問一次,看的是趨勢,不是單次結果。還有要追問,這又更深了。
第一方數據和工具估值一起看。 Google Search Console 的生成式 AI 曝光是真實數據,Ahrefs 的 AI 引用數是估值,兩個交叉看,不要只信一邊。
把轉換的那一端先顧好。 詢問表單多問一題「從哪裡知道我們」、LINE 諮詢記錄來源、業務接到電話時順口問一句。點擊斷了,至少讓客人自己告訴你。
連全職做這件事的專家,都把量測排在問題清單第一名,連他們都還沒解開,也沒有完美的解決方案。
我也還在解。大家都在摸著石頭過河。
但我很確定一件事:AI 搜尋的帳很難算清楚,不代表可以不算。




