- 首頁
- 知識庫
- GEO/AIO AI 搜尋
- GEO 成效怎麼衡量?AI 搜尋的提及、引用、流量與詢問四層指標
GEO/AIO AI 搜尋
GEO 成效怎麼衡量?AI 搜尋的提及、引用、流量與詢問四層指標
作者:JamXu更新日期:2026-10-14
衡量 GEO 成效,不能只看一張 AI 回答的截圖。比較可靠的做法是分四層追蹤:AI 系統讀不讀得到你的網頁、答案中有沒有提及品牌並引用你的頁面、這些答案帶來多少網站造訪,以及最後有沒有變成詢問或訂單。每一層各有不同的數據出處,固定方法、按月比較趨勢,才能判斷內容調整到底有沒有用。
為什麼 GEO 成效很難用一個數字說清楚?
做 SEO 的人習慣看排名、曝光與點擊,這些數字在 Search Console 裡一目了然。換到 AI 搜尋,很多人第一個反應是:「有沒有一個工具可以告訴我,我在 ChatGPT 排第幾?」可惜目前沒有這樣的官方數字。原因不是工具不夠好,而是生成式答案本身有幾個和傳統搜尋結果很不一樣的特性。
特性一:同一個問題,答案不一定相同
語言模型產生的文字帶有隨機性,加上系統會依提問方式、對話上下文、使用者所在地區與當下檢索到的網頁組合答案,同一句話今天問和明天問,提到的品牌與附上的連結都可能不同。就連同一家公司的不同產品也會有差異:根據 Google〈AI 功能與您的網站〉說明文件的說明,AI 模式和 AI 摘要可能使用不同的模型和技術,所以兩者顯示的回覆和連結也會不一樣。任何單次查詢的結果,都只能當作一個樣本,不能當成結論。
特性二:平台沒有公開「AI 排名」
傳統搜尋結果有明確的第一名、第二名,生成式答案卻是一段整合過的文字。一個品牌可能在第一句被推薦,也可能只在最後的來源清單裡出現一個小圖示。多數平台不提供網站經營者「你在多少答案裡被提到」的報表,市面上的監測工具則是自己模擬提問、自己計算分數,方法各不相同,數字無法互相比較。
特性三:被看到不等於被點擊
使用者在答案裡已經讀到重點,很多時候不會再點進來源網站。對品牌來說,這種「沒有點擊的曝光」仍然有價值,因為顧客記住了你的名字;但它也代表只看網站流量,會低估 AI 搜尋的影響。反過來,只數被提及的次數,又容易高估它對生意的幫助。
因此,GEO 的成效要用多種資料拼起來看:一部分是平台提供的官方數據,一部分是自己定期抽樣的觀察紀錄,再加上網站分析與業務端的詢問資料。下一節先把這些資料放進同一個架構裡。
先建立衡量框架:從「讀得到」到「帶來詢問」的四層指標
與其一開始就追著各種工具跑,不如先想清楚:你想知道的到底是什麼?我們建議把 GEO 成效拆成四層,由下往上,每一層都是上一層的前提。底層沒做到,上面的數字自然不會好看;上層數字變化時,也可以回頭檢查是哪一層出了問題。
| 層級 | 要回答的問題 | 主要數據出處 | 建議檢查頻率 |
|---|---|---|---|
| 第一層:可讀取 | AI 系統抓得到、讀得懂我的重要頁面嗎? | Search Console 網址審查與索引報表、robots.txt、架站平台的 AI 爬蟲流量報表 | 每月,或改版後立即檢查 |
| 第二層:被提及與引用 | 顧客問相關問題時,答案有沒有提到我、引用哪一頁、說得對不對? | 固定提問紀錄表、Bing 網站管理員工具的 AI 成效報表 | 每月一次固定抽樣 |
| 第三層:帶來造訪 | 從 AI 答案點進網站的人有多少、看了哪些頁面? | GA4 的 AI 助理管道與來源報表、Search Console 成效報表 | 每月,與上月及去年同期比較 |
| 第四層:帶來詢問 | 這些造訪有沒有變成詢問、預約或訂單? | GA4 重要事件、表單欄位、業務與客服紀錄 | 每月或每季 |
這個架構有兩個好處。第一,它把「可以控制的事」和「只能觀察的事」分開:第一層幾乎完全由你自己決定,第二層受平台影響很大,只能看趨勢。第二,它讓報告有一個固定的閱讀順序,主管或客戶不會只盯著某一張截圖下結論。
如果你對 GEO 這個名詞本身還不熟,建議先讀 GEO 是什麼與它和 SEO 的差別,再回來看衡量方法;四層之中第二層最需要自己動手,篇幅也最多。
第一層:AI 系統讀得到你的重要頁面嗎?
在檢查 AI 答案之前,先確認基礎條件。具備搜尋功能的 AI 系統多半是先檢索網頁、再整理成答案;頁面沒有被抓取或沒有被索引,就不可能成為引用來源。Google 也說明,網頁要出現在 AI 摘要或 AI 模式的輔助連結中,前提是頁面已經被 Google 索引,並且具備在搜尋結果中顯示摘要的資格。
用 Search Console 確認重要頁面的索引狀態
先列出你最希望被 AI 引用的 10 到 20 個頁面,通常是服務介紹、價格說明方式、常見問題與代表性的知識文章。逐一用 Search Console 的網址審查確認「網址在 Google 服務中」,並留意是否有被設成 noindex 或 nosnippet 的頁面。網址審查與索引報表的操作細節,在 Google Search Console 教學有完整說明。
確認沒有誤擋 AI 搜尋用的檢索器
各家 AI 服務的檢索器用途不同,有的負責搜尋答案,有的與模型訓練有關。以 OpenAI 為例,它的文件說明 OAI-SearchBot 用於 ChatGPT 的搜尋功能,若在 robots.txt 封鎖它,網站就不會出現在 ChatGPT 的搜尋答案中。為了防止內容被拿去訓練而一口氣封鎖所有 AI 爬蟲,可能同時讓自己從 AI 搜尋答案中消失。檢查時請逐一確認每個檢索器的用途,robots.txt 的寫法與測試方式整理在 robots.txt 語法與常見錯誤。
平台的 AI 爬蟲流量報表怎麼看
使用 Sharing AI 架站的網站,可以在「整合工具 → SEO 優化 → AI 爬蟲流量」查看哪些 AI 爬蟲來抓取網站,以及 AI 請求在全部請求中的占比。這份統計來自 Cloudflare 的請求紀錄,網站流量沒有經過 Cloudflare 時會顯示無法追蹤,並不代表沒有 AI 在讀你的網站。
讀這份報表時要記得,爬蟲來得多,只代表內容被讀取,不代表被引用或帶來生意。它比較適合拿來發現異常:例如某個月 AI 搜尋用的檢索器請求突然歸零,就要回頭檢查 robots.txt、防火牆或 CDN 設定是不是被改過。
第二層之一:設計一組固定提問清單
目前最直接觀察「答案裡有沒有你」的方法,仍然是自己去問。關鍵在於問法要固定、問題要有代表性,這樣每個月的紀錄才能互相比較。這份清單就像一份抽樣問卷,寫得好不好,決定了後面所有數字有沒有意義。
五種問題類型,各挑幾題
- 品牌型:直接問品牌本身,例如「〇〇公司提供哪些服務?」,用來檢查 AI 對你的基本描述是否正確。
- 類別型:不提品牌,問整個服務類別,例如「台中有哪些做形象官網的公司?」,這類問題最能看出品牌在市場中的能見度。
- 比較型:例如「自己用架站平台和找設計公司做網站差在哪?」,觀察答案在比較時會不會提到你的方案或觀點。
- 問題解決型:顧客在找到你之前會先問的問題,例如「公司網站多久該改版?」,看你的知識文章有沒有被引用。
- 在地與情境型:加上地區、產業或預算條件的問題,例如「餐飲業適合什麼樣的訂位系統?」
題目從哪裡來?最好的來源是你自己的資料:Search Console 裡較長的問句型查詢、客服與業務最常被問的問題、表單裡顧客描述需求的文字。清單應該反映顧客真正會問的話,而不是你希望被問的話。挑選與整理搜尋詞的方法,可以搭配 關鍵字研究與搜尋意圖判讀一起做。
題數與平台怎麼決定
中小企業通常從 20 到 30 題開始就足夠,五種類型都要有,類別型與問題解決型可以多一些。平台則挑顧客實際會用的兩到四個,例如 Google 搜尋的 AI 摘要與 AI 模式、ChatGPT、Microsoft Copilot 或 Perplexity。題目一旦定案,至少維持一季不改;真的要換題,就把新舊題目分開統計,不要混在一起比較。
- 把題目逐字寫進試算表,每題標上類型與它對應的網站頁面(最希望被引用的那一頁)。
- 決定每個月的固定檢查日,例如每月第一個星期二上午。
- 選定平台與提問環境:盡量用未登入或無痕視窗、同一個地區、同一種裝置。
- 每題在每個平台問兩到三次,分別記錄,降低單次答案的偶然性。
- 保存完整答案文字或截圖,並記下答案附上的來源連結。
第二層之二:記錄表要有哪些欄位?四個可以計算的指標
提問之後,重點是把答案轉成可以比較的資料。一份實用的紀錄表,每一列是一個「題目 × 平台 × 第幾次」的答案,欄位建議如下:
- 基本資訊:檢查日期、平台、題目編號、題目類型、第幾次提問。
- 是否提及:答案文字中有沒有出現品牌名稱或產品名稱(是/否)。
- 提及位置:出現在開頭推薦、中段列舉,還是只在來源清單。
- 是否引用:答案附的來源連結中,有沒有你網站的網址;若有,記下是哪一頁。
- 描述是否正確:服務項目、地區、價格說法、聯絡方式等有沒有錯誤或過時資訊。
- 同時出現的其他品牌:記下答案中一起被提到的業者,用來觀察競爭狀況。
- 備註:答案的語氣(推薦、中性、負面)與任何值得追蹤的細節。
有了這些欄位,就可以算出四個簡單而且容易解釋的指標。下表的計算方式都是以「該月全部紀錄列」為分母,數字只用來和自己過去比較,不適合拿去和別家公司或工具的分數對比:
| 指標 | 計算方式 | 代表的意義 | 判讀提醒 |
|---|---|---|---|
| 提及率 | 有提及品牌的答案數 ÷ 全部答案數 | 品牌在這組問題中的整體能見度 | 要分題目類型看,品牌型題目通常偏高 |
| 引用率 | 附上自家網址的答案數 ÷ 全部答案數 | 網站內容被當成依據的程度 | 提及但未引用,代表 AI 可能從其他網站得知你 |
| 描述正確率 | 描述完全正確的提及數 ÷ 有提及的答案數 | 品牌資訊在網路上是否一致、最新 | 錯誤多半來自舊資料或其他網站的過時內容 |
| 同題競品出現率 | 某競品被提及的答案數 ÷ 全部答案數 | 在同一組問題中,誰比較常被提到 | 只作參考,不代表對方的實際市占或業績 |
這四個指標裡,描述正確率往往是最值得優先處理的。被提及卻被說錯服務內容或地區,對生意的傷害可能比沒被提到還大;而它的改善方式也最明確:回頭統一官網、商家檔案與各平台上的品牌資訊。
紀錄表的保存與分工
紀錄表建議用共用試算表保存,每月一個工作表,另開一個「變更紀錄」頁,寫下當月改了哪些頁面、新增哪些內容。檢查工作可以交給固定的人做,同一個人用同樣的方式執行,比每個月換人更能維持資料一致。若要用監測工具自動化,也請先手動做兩到三個月,確定題目與欄位合用,再決定要不要付費。
用 Bing 網站管理員工具看 AI 引用次數
自己抽樣之外,目前少數由平台直接提供的引用數據,來自 Microsoft。根據 Bing 網站管理員部落格 2026 年 2 月 10 日的公告,Bing 網站管理員工具推出了「AI Performance」(AI 成效)公開預覽版,顯示網站內容在 Microsoft Copilot、Bing 的 AI 生成摘要以及部分合作夥伴整合服務中,被列為來源的情況。
這份報表目前提供幾類資料:
- 總引用次數(Total Citations):所選期間內,網站內容在 AI 生成答案中被顯示為來源的總次數。
- 平均被引用頁面數(Average Cited Pages):每天平均有多少個不重複的網頁被列為來源。
- 依據查詢(Grounding queries):AI 在檢索、最後引用了你的內容時所使用的關鍵詞句樣本。
- 頁面層級的引用活動:網站中哪些網址被引用、各被引用了幾次。
這份報表的價值,在於它是官方記錄的實際引用,而不是模擬提問。不過 Microsoft 也說明,引用次數不包含點擊,也不代表排名或該頁在答案中的角色,所以它屬於第二層「被引用」的資料,不能直接拿來推算流量或業績。
三種實用的看法
- 把「頁面層級引用」和你的重點頁面清單對照:最常被引用的是不是你最想被引用的頁面?如果被引用最多的是一篇舊文章,就該檢查它的內容是否仍然正確。
- 從「依據查詢」找新題目:這些詞句反映 AI 實際用來找資料的說法,可以補進你的固定提問清單,也能作為新文章的題材。
- 觀察內容更新前後的變化:在變更紀錄寫下修改日期,幾週後再看該頁的引用次數有沒有改變。
要使用這份報表,需要先在 Bing 網站管理員工具驗證網站。如果你已經在 Google Search Console 完成驗證,Bing 提供從 Search Console 匯入網站的方式,設定時間不長。如果你的顧客較少使用 Bing 或 Copilot,報表上的數字可能不大,但它提供的「哪一頁被引用」資訊,很適合拿來對照自己的提問紀錄。
第三層:Search Console 與 GA4 怎麼看 AI 帶來的流量?
Search Console:AI 功能的資料已經在報表裡
AI 摘要與 AI 模式這兩項 Google 功能帶來的曝光和點擊,依官方說明會在 Search Console 成效報表的「網頁」搜尋類型中回報,和一般搜尋結果合併計算。Google 的文件並沒有提供把 AI 摘要另外拆出來的方式,因此你看不到「這次點擊來自 AI 摘要」的明細,只能從整體趨勢推敲。
實務上可以這樣觀察:在成效報表的查詢篩選中使用自訂(規則運算式)條件,把含有「怎麼」「如何」「推薦」「比較」「差別」等字眼的長問句獨立出來,長期比較這組查詢的曝光與點擊。這類問句較常觸發 AI 摘要,雖然不能直接證明因果,但能看出你在「問題型搜尋」上的整體趨勢。Search Console 的資料保留 16 個月,足夠做去年同期比較。
Google 在同一份文件中也提到,使用者若是在含有 AI 摘要的搜尋結果網頁上點擊,這類點擊的品質會比較高,較有可能在網站上停留更久。所以除了點擊數,也要一起看這些造訪的停留與互動,這部分就要交給 GA4。
GA4:AI 助理管道與來源參數
GA4 的預設管道群組在 2026 年 5 月加入了「AI 助理」(AI Assistant)管道,把來自 ChatGPT、Gemini 等 AI 助理的造訪歸在一起;在這之前,這些造訪多半被歸在「參照連結網址」。根據 Google Analytics 說明中心的預設管道群組文件,管道是依來源、媒介等規則自動判斷,所以你可以在「流量開發」報表把維度切到工作階段預設管道群組,直接看到 AI 助理帶來的工作階段。
另一個線索是網址參數。OpenAI 在給內容發布者的常見問題中說明,ChatGPT 搜尋附上的連結會帶有 utm_source=chatgpt.com,讓網站分析工具可以辨識。在 GA4 用「工作階段來源」篩選 chatgpt.com,就能看到這些造訪進入了哪些到達網頁。
但要有心理準備:AI 帶來的造訪有一部分會被歸為「直接」流量。例如使用者把答案裡的連結複製到 LINE 轉傳、從某些 App 內開啟,或連結沒有帶來源資訊時,GA4 收不到參照網址,就只能歸類為直接。因此 AI 助理管道的數字應視為「最少有這麼多」,而不是全部。
報表的進入位置、互動工作階段等指標的定義,在 GA4 報表怎麼看有逐一說明;如果網站還沒有正確安裝 GA4 或設定重要事件,先依 GA4 與 GTM 安裝教學完成追蹤碼與事件設定。
把兩份資料放在一起看
建議每月固定記錄三個數字:Search Console 中問句型查詢的點擊、GA4 的 AI 助理管道工作階段,以及 AI 助理管道造訪者觸發的重要事件數。三個數字同時上升,代表 AI 搜尋確實在帶來可用的流量;只有曝光上升、點擊與工作階段持平,則可能是答案已經滿足使用者,品牌曝光增加但沒有帶來造訪,這時第二層的提及紀錄就更重要。
第四層:AI 搜尋帶來的詢問與商機怎麼追?
對多數企業來說,GEO 最終要回答的問題是:「有沒有因此多接到生意?」這一層最難精確歸因,因為顧客可能先在 AI 答案裡看到你,過幾天才用品牌名稱搜尋、或直接輸入網址進站。只看最後一次點擊的來源,AI 的貢獻幾乎都會被算到別的管道。
在表單與對話中直接問
最簡單也最有效的方法,是在詢問表單加一個選填欄位「您是從哪裡得知我們?」,選項包含 Google 搜尋、社群、朋友介紹,以及「AI 工具(如 ChatGPT、Gemini)」。業務或客服第一次聯繫時,也可以順口問一句。這類自填資料不夠精準,但它能捕捉到網站分析看不到的「先看到、後聯絡」路徑。表單欄位的設計原則與感謝頁設定,可以參考 網站表單設計教學的做法。
用重要事件串起造訪與詢問
在 GA4 把表單送出、電話點擊、LINE 按鈕點擊等設成重要事件後,就能看 AI 助理管道的造訪者觸發了多少詢問動作。數量少的時候,與其看百分比,不如每月直接列出筆數,並對照業務端實際收到的詢問內容。
這一層的數字通常很小,不要因為一兩個月的波動就調整整體策略。比較合理的做法是以季為單位觀察,並把「AI 工具」來源的詢問內容整理出來:顧客提到的問題,往往正好可以補進你的固定提問清單。
每月 GEO 成效報告:一頁就夠的格式
有了四層資料,最後要整理成大家看得懂的報告。GEO 的報告不需要很長,重點是每個月格式一樣、數字來源清楚,並且永遠附上「這個月改了什麼」。下表是一份可以直接套用的月報結構,數字欄位請以你自己的紀錄填入:
| 區塊 | 內容 | 數據出處 | 寫法提醒 |
|---|---|---|---|
| 本月摘要 | 三句話:哪一層變好、哪一層變差、下個月要做什麼 | 綜合以下各區塊 | 先寫結論,再放數字 |
| 可讀取狀態 | 重點頁面索引狀態、AI 爬蟲是否正常、有無異常封鎖 | Search Console、AI 爬蟲流量報表 | 沒有異常時一行帶過即可 |
| 提及與引用 | 提及率、引用率、描述正確率,各與上月比較 | 固定提問紀錄表、Bing AI 成效報表 | 附兩到三則代表性答案原文 |
| AI 帶來的流量 | 問句型查詢點擊、AI 助理管道工作階段、主要到達網頁 | Search Console、GA4 | 註明直接流量可能低估 |
| 詢問與商機 | AI 助理管道重要事件數、表單自填「AI 工具」筆數 | GA4、表單、業務紀錄 | 數量少時列筆數,不算比例 |
| 本月變更與下月計畫 | 更新了哪些頁面、修正了哪些錯誤描述、下月優先事項 | 變更紀錄頁 | 讓下個月的變化有對照依據 |
數字變化時,怎麼判斷原因
月報最常遇到的問題,是數字動了卻不知道為什麼。可以依照這個順序排除:先看第一層有沒有技術問題,例如重要頁面被取消索引或爬蟲被擋;再看是不是題目或平台變了,例如平台推出新功能、換了模型;接著對照變更紀錄,確認自己改過哪些頁面,若剛好遇上 Google 核心更新,也要把更新期間標註出來;最後才考慮是競爭者的內容變多了。
能被解釋的變化,才是有用的成效資料。如果某個月提及率明顯上升,但你什麼都沒改,平台也沒有變化,就先把它當作正常波動,等下個月的資料確認趨勢,而不是急著寫進成果報告。
常見的 GEO 衡量錯誤,以及更好的做法
錯誤一:拿單次截圖當成果
「我們被 ChatGPT 推薦了!」這類截圖很有說服力,但它可能只是那一次的結果。比較嚴謹的說法是:「在 30 題固定提問中,本月有 12 題至少一次提到我們,上月是 8 題。」數字背後有方法,才能讓人信服,也才能持續追蹤。
錯誤二:用自己的登入帳號提問
登入狀態下的 AI 工具可能參考你過去的對話或偏好;你常常問自己的品牌,它就可能比較容易提到你。觀察時請盡量用未登入或無痕視窗,並固定同一個環境。若一定要登入,就使用專門用來檢查、沒有其他對話紀錄的帳號。
錯誤三:只問品牌型題目
直接問「某某公司怎麼樣」,AI 幾乎一定會提到該公司,這樣的提及率沒有參考價值。真正能反映 GEO 成效的,是不提品牌的類別型與問題解決型題目,因為那才是潛在顧客還不認識你時會問的問題。
錯誤四:相信單一的「AI 能見度分數」
有些監測工具會給出一個總分,例如「AI 能見度 72 分」。這些分數的題目、平台、計算方式都由工具商自行決定,換一個工具就是另一套數字。看到工具分數時,先問清楚它用了哪些題目、在哪些平台、怎麼計分,再決定要不要拿來當參考。
錯誤五:一次改太多,不知道哪個有效
同一個月改寫十幾個頁面、補上 結構化資料與 JSON-LD、又換了 robots.txt,下個月數字變好,也說不出是哪一項的功勞。可以分批調整,每批改動都寫進變更紀錄,至少間隔幾週再觀察,讓每一次修改都能對照到結果。
下一步:從衡量回到內容改善
衡量本身不會讓品牌更常被引用,它的用途是告訴你下一步該改哪裡。第一層有問題,就先修技術設定;第二層的描述正確率偏低,就統一各平台的品牌資訊;引用率低但提及率高,代表 AI 認得你、卻沒有把你的網頁當依據,這時要加強網站內容本身的清楚度與可查證性。
整理一下建議的起步順序:
- 本週:列出 10 到 20 個重點頁面,確認索引狀態與 robots.txt 設定。
- 本月:寫好 20 到 30 題固定提問清單,完成第一次紀錄,作為基準。
- 本月:在 GA4 確認 AI 助理管道與重要事件,在表單加入「從哪裡得知」欄位。
- 下個月起:依月報格式整理四層資料,並在變更紀錄寫下每次調整。
內容要怎麼改才更容易被 AI 理解與引用,可以接著閱讀 提高品牌在 AI 答案中被引用機會的做法;完整的學習路線、結構化資料與 llms.txt 的後台設定位置,都整理在 GEO 與 AI 搜尋主題頁。如果希望有人協助建立提問清單、設定追蹤並定期解讀報表,也可以了解 分享家 AI SEO 顧問的服務內容。