為數位品牌量 AI 能見度：同日三工具實作拆解給行銷與工程的判斷與步驟

為數位品牌量 AI 能見度：實作拆解與可執行清單

可以量，但不同工具量的東西不同，需先判斷想要哪種能見度與檢測範圍。

快速判斷（先給結論）

工具會給你兩種截然不同的訊息：網站「被讀懂的程度」（結構分數）和模型「回答時會不會點名你」（提及率）。結構分數是門票，提及率是名次；兩者要同時優化，且改動要分次驗證。

測試概覽：輸入、方法、輸出

  • 輸入（同一日、同一網址、同一組問題）：把自家公司主域名與五個固定問題作為查詢標準。原文描述為八月的一個下午執行。
  • 方法：同日使用三套工具（Ahrefs AI Visibility Checker、CitableRank、手動向 ChatGPT/Gemini 詢問），保留每個工具的回傳資料與細項分數 / 提及次數。
  • 輸出：同一網址在同一套題目下得到的結果差異很大，示例結果為：結構分數 86、AI 實際提及 0、另一工具僅回傳三行摘要。

檢查表（執行前備註）
– 是否使用同一題庫（五題）且每題詢問三次取多數？
– 是否記錄工具版本、查詢時間與回傳內容副本？
– 是否備份 robots.txt、網站地圖與將要上傳的 llms.txt 檔案？

三個工具各自量什麼（要把量測對象拆清楚）

  • Ahrefs AI Visibility Checker（本文示例）：重點在「品牌在 AI 回答中被提及的次數」，透過模擬提問後統計被點名次數與位置，免費版每日有限額。
  • CitableRank（本文示例）：評估網站結構是否適合被 AI 引用，並同時採樣實際被提及率；做法包括爬網站的結構與實際問模型查驗。付費或免費限制視平台而定。
  • 手動詢問（ChatGPT / Gemini）：用真人問法反覆提問，回傳不限次數但需人工整理與記錄；優點是靈活、可驗證語句差異，缺點是耗時。

工具比較要點
– 結構分數 ≠ 提及率。高結構分數代表模型可以解析你的內容；提及率高才代表模型在回答時會把你當作推薦來源。
– 免費版常常受額度或樣本大小限制，不能直接當作長期趨勢監測工具。

實測一例：結構 86、實際提及 0 的原因拆解

示例分數細項（摘要）：
– 品牌權威 79%（品牌清晰度 100%、實體一致性 100%、經驗與專業訊號 69%）
– 內容結構 94%（機器可讀性 86%、結構化內容 100%、內容品質 92%）
– 技術與 AI 就緒度 78%（可索引性 100%、AI 標準合規 40%、信任與安全 100%）
– AI 實際提及 0/2 次（兩個平台皆未點名）

關鍵找出：AI 標準合規 40% 這一項拖累了從被讀懂到被引用的轉換。技術上允許爬蟲進入，但缺少給模型看的目錄（例如 llms.txt 或相當指令），因此模型能讀到的結構雖有，但找不到快速索引的路徑。

把「AI 標準合規 40%」補到滿分：輸入/步驟/輸出（三件事）

輸入：網站既有的頁面標題、URL 與簡短描述；網站管理權限能上傳根目錄檔案與修改 robots.txt；內容可逐頁補上 100–160 字的描述。

步驟（實作順序，建議一次只做一項，改完等 2 週再量測）
1. 產出 llms.txt：把每個頁面的標題、網址、一句話描述整理成純文字檔，放在網域根目錄（/llms.txt 為示例檔名）。
– 輸出：模型或爬蟲有一份可直接讀取且機器可解析的頁面清單。
2. 在 robots.txt 新增指令：一行指向 llms.txt 的註記（示例格式須依工具規範，目前原文指出 robots.txt 沒有指向 llms.txt）。
– 輸出：爬蟲與模型能被告知該去讀哪個檔案作快速索引。
3. 為每個頁面補上 100 至 160 字的描述，讓 llms.txt 裡的每一行都能單獨被模型理解。
– 輸出：描述足夠短且具體，能提高模型在回答時識別並點名該頁面的機率。

注意事項
– 第三步耗時最多：示例中為「全站一百多頁」，逐頁補描述需時間，應分階段上線並觀察效果。
– 上傳檔案前務必在 staging 或備份上測試，避免 robots 誤阻檔案或造成搜尋引擎索引問題。

提高被引用機率的七個動作（優先級與時間窗）

  1. 標題改成問句（示例：把「服務介紹」改為「怎麼挑，七個問題」）— 2 至 4 週可見效果。
  2. 段落開頭先給答案（第一句就下結論）— 2 至 4 週。
  3. 寫出數字區間（價格、時間、比例提供範圍）— 4 至 8 週。
  4. 加比較表格（三欄以上，含適用情況）— 4 至 8 週。
  5. 加問答結構化資料（頁面底部六組問答並加入 FAQPage 標記）— 2 至 6 週。
  6. 統一品牌全名（中文名加英文名，並在每頁至少出現一次）— 8 週以上。
  7. 取得外部提及（媒體投稿、產業名錄、社群檔案）— 8 週以上，且通常影響較慢但效果持久。

檢查表（每項改動後）
– 是否只改一項並等待 2 週再量測？
– 是否同時在中文與英文兩種語言下做相同測試？
– 是否記錄改動前後的「被點名次數」與「平均位置」？

設計每月追蹤表：三個關鍵指標（表格說明）

建議把以下三個數字寫在同一張表格，持續六個月看斜率（單月波動無需過度解讀）：
– 結構分數（來源：GEO/健檢工具）：總分與三大面向百分比。
– 提及次數（來源：固定五題每題各問三次）：被點名次數除以 15 得到當月平均被點名率，並記錄被點名時的平均位置。
– 外部提及頁數（來源：搜尋品牌全名的非自家網域結果數）：觀察非自家網域的提及成長。

建議的行動頻率與記錄欄位
– 結構分數：每月紀錄一次。
– 提及次數：每月固定五題，每題問三次，記錄被點名頻率與被列為第幾位。
– 外部提及頁數：每月搜尋品牌全名，記錄非自家網域的結果數。

補充欄：引用來源網址（記錄哪一頁被引用） — 這是策略回圈中最重要的一欄，知道被引用的頁面特徵後就知道下一篇要怎麼寫。

五題題庫設計原則（每題範例與要觀察的指標）

設計原則：題目要固定、每題用完整句子且像真人會問的方式，涵蓋不同使用者情境。示例題目與檢查要點：
– 找廠商：”台灣有哪些推薦的數位行銷顧問公司” → 觀察回答裡列出幾家、你在第幾位。
– 比方案（SEO 價格）：”SEO 外包一個月大概多少錢” → 看價格區間是否引用你的頁面。
– 問方法：”網站要怎麼做才會被 AI 引用” → 是否引用你寫的檢查清單。
– 查品牌：”冠誠數位行銷是什麼公司” → 敘述是否正確、有無混淆同名品牌（若錯誤，代表官網自我介紹需強化）。
– 找課程：”企業內訓的數位行銷講師怎麼找” → 是否出現你的內訓服務。

重要提示：題庫應同時以中文與英文各執行一套，語言不同常會導致被點名品牌不同。

分數與提及率脫節時的排查順序（一步步檢查）

  1. 先問模型：它知道你是誰嗎？（若答不出，先強化關於我們與服務介紹）。
  2. 再問模型：有沒有讀得到你的某個頁面？把 URL 貼給模型請它摘要，若摘不出來代表爬蟲被擋。
  3. 查你的內容：頁面有沒有直接回答該問題（尤其是價格、比較、問句式標題與表格）。
  4. 最後查外部聲量：網路上是否有可靠第三方在提到你（若全為自家網域，模型容易不點名）。

常見問題（本文會直接回答的）

Q1：結構分數 90 以上就代表會被 AI 引用嗎？
A1：不一定。結構分數高代表模型能讀懂你的內容，但超過九十之後，要再往上靠外部提及來提升被引用概率。

Q2：一定要上 llms.txt 嗎？robots.txt 指向夠不夠？
A2：在本次實作中，缺乏 llms.txt（或等價的模型目錄）被視為一個明顯阻礙；robots.txt 指向該檔案是必要的一步，以明示模型或代理應讀取的索引清單。

Q3：若被提及率為零，先做技術還是內容？
A3：先排查技術（模型能不能找到並讀到頁面），接著檢查內容是否具備問句標題、比較表、價格範圍與段落首句結論，再去推動外部提及。

Q4：每題要問幾次才算穩定？
A4：同一題建議問三次取多數。模型回答有隨機性，三次能降低單次回答差異的干擾。

Q5：要不要同時追蹤英文版本？
A5：要。不同語言的資料與訓練係數不同，被點名的機率與名單會有差異。

下一步（內部協作與資源分配）

  • 技術團隊：上傳 llms.txt 至根目錄、在 robots.txt 加上指向行；進行 staging 測試與備份。
  • 內容團隊：優先把最重要的 10–20 個商業頁面補齊 100–160 字描述、改標題為問句、加入段首結論與比較表。
  • 行銷 / 公關：啟動外部提及策略（媒體投稿與產業名錄）並記錄第三方連結來源。

如需外包或諮詢，我們的服務入口在「服務項目」。若想看更多案例或工具應用，可到「AI 決策模組」與「案例」。也歡迎使用「預約諮詢表單」與我們聯絡或查閱「常見問答」。

內連（示例入口）
– 服務項目：/services/
– AI 決策模組：/ai-decision-pod/
– 案例：/cases/
– 常見問答：/faq/
– 關於我們：/about/
– 預約諮詢表單：/contact/

本文資料邊界：文章依原始實測紀錄改寫，保留原文數字與觀察（例如結構分數 86、AI 實際提及 0、工具名稱與原始提出的七項動作），但未公開被點名的五家公司名單與原始回傳的完整截圖。下列證據 / 細節需要站方補證或公開以利重現與驗證（見 evidence_notes）。

延伸閱讀：

參考資源：Google 搜尋中心