使用者不再「搜尋」答案，他們直接「詢問」答案。當檢索被生成取代，品牌的可見性規則就必須重寫。
2023 年以前，「使用者想知道某件事」幾乎等同於「使用者會打開 Google」。2024 年之後，這條假設開始動搖；2025 年底，它正式成為歷史。
根據 OpenAI 2025 年第三季揭露資料1，ChatGPT 每日處理的使用者查詢量已超過 25 億次；Perplexity 公開的月查詢量為 7.8 億次，且年增長維持三位數2。Google 自家的 AI Overview 自 2024 年 5 月全量開啟後，使用者對 SERP 傳統藍色連結的點擊率，依 SimilarWeb 與 Digital Research Index 追蹤數據，平均下降 34–48%3。在高資訊密度領域（醫療、法律、SaaS 選型），下降幅度更接近 60%。
對品牌而言，結論只有一個：
「使用者找到你」的入口，正從『10 條藍色連結』遷徙到『一段 AI 生成的答案』。如果你的品牌沒有在那段答案裡出現，你基本上等同不存在於那位使用者的決策路徑。
這不是預測，是已經發生的事。
%%{init: {'theme':'base'}}%%
xychart-beta
title "Information Retrieval Channel Share (2023–2025, illustrative)"
x-axis ["2023 Q1", "2023 Q4", "2024 Q2", "2024 Q4", "2025 Q2", "2025 Q4"]
y-axis "Share of Queries (%)" 0 --> 100
bar [85, 78, 65, 52, 42, 35]
line [5, 10, 18, 28, 36, 42]
Fig 1-1: 藍色長條為「傳統 Google SERP」，折線為「生成式 AI（含 AI Overview）」合計占比。實際數字依研究機構與地區有差異，此圖為趨勢示意。
當使用者問 ChatGPT、Claude、Perplexity、Copilot、Gemini：
AI 會生成一段包含具體品牌名稱的回答。被提到的品牌自然進入使用者的候選清單；沒有被提到的品牌根本不會出現在對話裡。使用者不會再追問「還有別家嗎？」，就如同他們過去不會翻到 Google 搜尋結果的第 5 頁。
我們把這個現象量化為一個指標：AI 引用率（AI Citation Rate）— 在一組代表性意圖查詢中，品牌被 AI 主動提及的比例。它不是點擊率、不是展示次數、也不是排名，而是：你有沒有被 AI「記住」並「提起」。
這個指標的特性與傳統 SEO 指標截然不同：
| 特性 | 傳統 SEO 指標 | AI 引用率 |
|---|---|---|
| 透明度 | 有可被拆解的規則（PageRank、Core Web Vitals） | 黑盒（無公開規則） |
| 跨平台 | Google 主宰，多數指標可移植 | 分歧大，ChatGPT/Claude/DeepSeek 各自一套 |
| 時間穩定性 | 演算法更新約每季 | 模型重訓可能每週變動 |
| 輸出形式 | 可點擊連結 | 自然語言敘述（可好可壞） |
換言之，被 AI「連結」不重要，被 AI「描述」才重要。描述得對不對、好不好，就是品牌資產本身。
若用一句話劃定界線：SEO 是讓 Google 把你排在第 1 名；GEO 是讓 AI 在生成回答時主動提到你。
| 維度 | SEO | GEO |
|---|---|---|
| 成功結果形式 | 一條可點擊的藍色連結 | 一段自然語言敘述中的品牌名稱 |
| 觸發條件 | 關鍵字匹配 + 權威信號 + UX 訊號 | 模型訓練與檢索增強中的「實體關聯強度」 |
| 可操控槓桿 | 內容關鍵字、外鏈、結構化資料、Core Web Vitals | 結構化實體資料、可信來源、幻覺修復、AI Bot 爬蟲相容性 |
| 驗收指標 | 排名、點擊率、停留時間 | 引用率、位置品質、敘事情感、跨平台一致性 |
| 時間尺度 | 幾週到幾月 | 模型重訓週期（通常以季為單位） |
| 主要受眾 | 人類瀏覽器 | AI 模型 + 其爬蟲/檢索管道 |
Fig 1-2: SEO 與 GEO 並列但規則不同；任何把 GEO 當 SEO 子議題的規劃都會導致資源錯配。
很多傳統 SEO 從業者會說：「做好 SEO，AI 自然會引用你」。這句話在 2023 年部分成立，在 2025 年完全失效。原因有二：
其一，AI 的資料來源已不再是 Google 索引的投射。主流大型語言模型在預訓練階段消化 Common Crawl、專業出版物、開源知識庫（Wikipedia、Wikidata），以及各家廠商自建的檢索增強資料集。Google 排名在此流程中僅占一小部分訊號，且為間接訊號。
其二，結構化資料對 AI 的權重遠高於對傳統搜尋的權重。AI 理解實體（entity）靠的不是 H1/H2 與關鍵字密度，而是 Schema.org JSON-LD、Wikidata triples、以及可對應的知識圖譜節點。一個 SEO 分數滿分但沒有 Schema.org 結構的網站，在 AI 眼中幾乎等同空白。
GEO 不是 SEO 的下一個版本，它是一個與 SEO 並列但規則不同的學科。不接受這個前提，就無從規劃相關的工程投資。
海外在 2024 年已經出現第一批 GEO 工具商：
這些工具主打英文市場，介面、AI 模型覆蓋、知識圖譜資料都以歐美為中心。對中文市場的支援（繁體中文語料、台灣本地品牌知識、中國模型如文心/DeepSeek/Kimi/智譜的覆蓋）基本缺席。
台灣在同期的自有解決方案近乎為零。多數品牌主、行銷代理商甚至仍在用「Google 搜尋你品牌名看第幾個結果」這種手工驗證方式；偶爾在 ChatGPT 裡試問一句「有哪些 X 類品牌」，然後人工記下結果。這是一個正在擴大的市場空白。
百原GEO Platform 是為了填補這個空白而誕生的工程專案。從 2024 年第一版原型到 2026 年目前服務的產品版本，我們累積了一組值得被白皮書化的工程經驗——涵蓋演算法、架構、容錯設計、對 AI Bot 友善的內容交付、結構化實體管理、幻覺自動修復，以及一套在多租戶 SaaS 下可持續運行的資料治理模式。
本書不是產品宣傳，也不是使用說明，而是一份工程實踐報告：揭露我們為何如此設計、哪些選擇踩過坑、哪些模式可被其他團隊複用。
本書服務三類讀者：
接下來 11 章將依序覆蓋系統總覽、核心演算法、對外可見性建構、質量保證閉環，以及實戰數據與反思。凡涉及客戶個資與商業敏感數字之處，一律以聚合或去識別化呈現；凡涉及演算法細節之處，骨架完整揭露、具體權重數字保留——這是在知識分享與商業利益之間我們能找到的平衡點。
導覽：📖 目次 · Ch 2: 系統總覽 →