AI 與自動化

ChatGPT 抓取任何網頁之前就寫好了品牌名單:進得去那句話的被提及率 68.9%,進不去的只有 2.1%

2026.08.20 · 29 次瀏覽
ChatGPT 抓取任何網頁之前就寫好了品牌名單:進得去那句話的被提及率 68.9%,進不去的只有 2.1%

一位顧問直接讀 ChatGPT 回傳給瀏覽器的封包,27 次對話有 21 次在第一個 fetch 之前,就把使用者沒打過的競品名塞進自己的搜尋字串——而 3,554 個被讀過的頁面只有 3.1% 拿到引用,你買的 GEO 訂閱正在優化那 3.1%

分享:

2026 年 8 月 10 日,搜尋顧問 Suganthan Mohanadasan 發表一份分析,8 月 14 日由 Search Engine Journal 具名轉載,8 月 17 日他自己把標題改弱一次。方法很土:開 Chrome DevTools,讀 ChatGPT 回傳給你瀏覽器的那包 JSON。結果刺眼:被 ChatGPT 寫進自己搜尋字串的品牌,68.9% 進入最終答案;只被抓取、從沒被寫進去的,只有 2.1%。差距約 33 倍。

難堪之處在於,過去 18 個月整個 AEO/GEO 工具市場幾乎建在後面那一半上。IAB 8 月初的量測框架指出只有 16% 品牌有系統性追蹤 AI 可見度,其餘 84% 被當成待開發市場;Ahrefs 掃過 13.7 萬個網域,97% 的 llms.txt 在 5 月收到零次 AI 請求,Fortune 500 採用率 7.4%。7 月 15 日一份回顧 45 篇研究的 arXiv 綜述更直白:沒有任何 GEO 技術產生跨平台穩定效果,只改內文甚至可能讓前十名出現率掉 16%。工具賣的是「被抓到之後怎麼贏」,這份研究說決定權在抓取之前。

其他量測方法不同,方向一致。SISTRIX 4 月量到 ChatGPT 每週輪換 74% 引用來源,Google AI Mode 是 56%;Semrush 分析 1.26 億條美國提示詞,1,200 多個追蹤品牌只有 36 個能在每個平台每個月都留在前 100 名。付費工具分兩層:Peec AI 每月 89 歐元起,Ahrefs Brand Radar 每個 AI 指數 199 美元、六個打包 699 美元,Profound 洽談報價。類別在擴張,量測對象的穩定性卻沒被證明過。

對台灣中小企業的意義?如果你正要花錢做 schema、llms.txt、頁面速度來「進 AI 答案」,那是 2.1% 那一欄的工作,而且它排在決定之後。以下拆三件事:這 60 次對話到底量到什麼、三類人今天該做什麼,以及為什麼我認為它先殺死的不是技術 SEO,而是整個可見度訂閱制。

事件細節:60 次對話、3,554 個頁面、110 個引用

資料是 2026 年 7 月 24 至 25 日、杜拜一個已登入 ChatGPT Plus 帳號的原始 HTTP 回應:57 次對話量引用,27 次做第一句查詢測試。機制不需特權——ChatGPT 會把你的提示詞改寫成自己的搜尋字串,那些字串就躺在瀏覽器渲染所需的回應裡,掛在 search_queries 鍵下。

關鍵在排序檢定:只取第一則使用者訊息與第一句搜尋字串,那一刻還沒抓回任何頁面。27 次裡有 21 次,那句話含有使用者沒打過的品牌名。問「最好的 AI 會議記錄 App」,字串尾巴掛著 Granola、Notion AI、Otter 等七個產品;掃地機器人那列連 Roborock Saros、Dreame X50 的型號都對。

第二道過濾更狠:3,554 個被抓取的頁面只有 110 個拿到引用,引用率 3.1%。同網域群組內排序決定一切:第 1 名 5.2%、第 3 名 2.4%、第 6 名以後 0.3%;同網域塞太多頁還互相殘殺,2 頁 6.2%、6 頁以上 1.7%。有個品牌被抓 66 次,零引用。

三類讀者的立刻行動

品牌主/中小企業老闆

  • 十分鐘測試:用客戶會打的那句「最好的○○」問五次,看字串裡有沒有你。
  • 五次都沒有=不在類別詞彙裡,頁面優化救不了;都有=預算該轉到頁面層。
  • 別用單一次答案下結論,名單會漂移。

行銷/SEO 操作者

  • 預算按兩欄切:不在字串裡就投「被寫、被評、被列進榜單」,不是投 schema。
  • 跑位移題:「○○ 的替代方案」會直接點名新品牌,對手正在這裡被免費推薦。
  • 一個購買意圖只留一頁,答案句擺前段、數字用純 HTML 文字。

開發者/接案商

  • 把 DevTools 四步驟交付化:篩 conversation、搜 queries、抄第一句、每月存一列。
  • 從日誌拉 ChatGPT-User 抓取紀錄,對照拿到引用的頁面,做成轉換表。
  • 格式會變:8 月初改鍵名後,作者擷取到的 fan-out 從每則 12 次掉到 4 次。

工具比較:你付的錢買在哪一欄

方案量測什麼公開價格對應欄位
Peec AI跨平台品牌提及與引用追蹤每月 89 歐元起,Pro 199 歐元2.1%
Ahrefs Brand RadarAI 指數層級的品牌出現量每指數每月 199 美元,六個 699 美元2.1%
Profound企業級可見度與來源分析洽談報價2.1%
Semrush AI 可見度大規模提示詞資料集,提及與引用分開計企業級加購2.1%,但有母體
FanoutFox 免費擴充讀自己 session 的 fan-out 字串與抓取對引用0 元兩欄都碰得到
自建:DevTools + 日誌腳本字串擷取、抓取對引用轉換率0 元,人力半天兩欄都碰得到

最後兩列才是重點:決定 68.9% 對 2.1% 的字串,兩分鐘就能自己看到,不必訂閱。

不會告訴你的事

  • 樣本是一個帳號。作者寫明百分比是方向不是量測,個人化也在資料裡:問餐盒跑出杜拜當地公司,而他沒說過住哪。
  • 作者有商業利益,且已揭露。建議路徑導向他共同創辦的 Keyword Insights 與他寫的 FanoutFox。揭露不等於中立。
  • 68.9 對 2.1 有汙染風險。該比較用整段對話計算,第一輪學到、第二輪才查詢的品牌會被算成事先已知;作者說乾淨的數字是 21/27。
  • 「被提及」到「有人上門」還有兩步。Similarweb 指出被 AI 推薦的品牌七天內獲造訪機率 2.5 倍,但 56% 走品牌字搜尋,GA4 幾乎量不到。

不花 SaaS 訂閱的替代方案

  • 類別詞彙五連測。Chrome 開 ChatGPT 與 DevTools,Network 篩 conversation,送出「最好的○○ 2026」,在回應裡搜 queries 讀第一句。五次都出現的才是真實競爭組。
  • 位移題也要跑。「○○ 的替代方案」會逼模型自己端名字上來,一次就知道有沒有你。
  • 抓取對引用轉換表。從 access log 統計每個網址每月被 ChatGPT-User 抓幾次,再對進拿到引用的頁面。被抓很多卻零引用,要改內容。
  • 意圖去重+答案句上移。一個購買問題只留最貼合的一頁,其餘 301 併過去;答案句搬到前段,數字寫成純 HTML 文字。

執行前的自我檢查清單:

  • ☐ 類別問句用客戶的說法,而非你的產品名?
  • ☐ 同一題跑滿五次了嗎?
  • ☐ 記錄的是模型寫的字串,不是它給的答案?
  • ☐ 位移題也跑過了嗎?
  • ☐ 每個購買意圖只留一頁了嗎?
  • ☐ 排了每月重測?

常見問題 FAQ

問一次沒看到自己,就代表沒救嗎?

不代表。三次重跑有兩次名單明顯變動,會計軟體從六家縮成只探 QuickBooks。SISTRIX 也量到每週輪換 74% 引用來源,跑滿五次再說。

llms.txt 和 schema 是不是白做了?

分兩件事。對決定名單那步無效,模型還沒連上你的伺服器就寫好名字;但抓取之後的引用競爭裡,乾淨 HTML 與明確答案句仍然有用。

台灣中小企業做這測試有意義嗎?

有,結果通常更極端。中文類別的訓練資料密度遠低於英文,很多台灣類別在模型腦中沒有穩定名單,第一句字串會倒向大平台或比價站。

預算到底該放哪?

照兩欄分。不在字串裡:投被評測、被比較、被列進榜單,對應 68.9%。已經在字串裡:頁面整併與答案句,對應 3.1%。混在一起買最貴。

只有一個帳號,可信度夠嗎?

機制可信,數字只能當方向。字串是原始素材不是推論,兩分鐘就能自己重現;但單帳號無法把模型層知識與個人化拆開。當診斷方法用,別當基準值引用。

我的觀點

行銷圈正把這份研究收斂成一句「技術 GEO 沒用,快去做數位公關」。我認為 90 天內會被證明是誤讀,方向剛好反了。

它先殺死的不是技術優化,是 AI 可見度訂閱制的定價基礎。那些每月 199 美元起跳的儀表板,核心資產是「告訴你 AI 有沒有提到你」。而決定這件事的字串,就躺在你自己瀏覽器的回應裡,四個步驟、兩分鐘。原始訊號一旦免費且可自助,訂閱能賣的只剩規模與人力,那是報表生意不是資料生意。IAB 說只有 16% 品牌有系統性追蹤,工具商讀成成長空間;我讀成剩下 84% 多數人要的是一次做對的診斷。

對 ScriptWalker 這種接案工作室,機會很具體:「AI 類別詞彙健檢」一次性交付。四樣東西——五連測的競爭組報告、位移題名單、從客戶 access log 產出的抓取對引用轉換表、頁面整併與改寫清單。不必買訂閱,成本半天人力,客戶拿到的是「該投內容還是投媒體」的判斷依據;再接每季重測,名單會漂移就是天然續約理由。

想把這套健檢外包執行,或討論怎麼接進既有網站,歡迎聯絡:

資料來源

第一手來源

第三方來源

分享:
AI 與自動化 返回文章列表