錯誤案例檢討：用 AI 量產文章想換 AI 引用，為什麼反而整站失去信任
用 AI 量產的文章為什麼換不到 AI 引用
AI 量產的文章換不到引用，主因是內容沒有任何別處查不到的資訊。AI 在挑選來源時，會傾向採用有第一手細節、說法明確、來源可辨識的頁面。一批講法相同、沒有作者經驗的文章，提供不了這些條件，還會拉低整站被信任的程度。
這篇檢討一個案例。對象是一家做人資制度顧問的小公司，員工不到十人。事情的經過、判斷錯在哪裡、後來怎麼收拾，照順序寫下來。文中沒有成效數字，因為這個案例的價值在判斷過程。
事情的經過：三個月上線一大批文章
這家公司聽說「內容越多，AI 越容易引用」，決定衝文章數量。行銷專員列出一長串關鍵字，每個關鍵字請 AI 工具產一篇文章，稍微改標題就上線。三個月內，部落格的文章數變成原本的好幾倍。
上線初期沒有異狀。到了第三個月，專員在 Google Search Console 的網頁索引報表看到，「已檢索，目前尚未建立索引」的網址越來越多。這個狀態的意思是搜尋引擎讀過頁面，但決定暫時不收錄。
同一時間，專員用固定問句去問 AI 工具，公司被提到的情況沒有變多。少數被提到的回答，引用的還是兩年前顧問親筆寫的那幾篇舊文。新文章一篇都沒有出現在引用來源裡。
第一個錯誤：把數量當成目標
這個專案的目標寫的是「每週上線幾篇」。這種目標只管產出，不管文章有沒有回答任何人的問題。
LLMO 是大型語言模型優化，指的是讓 AI 模型在生成回答時能正確理解並採用你的內容。它看的是每一段內容能不能被拿來用。十篇各有一段可用內容的文章，比一百篇沒有可用段落的文章有價值。
檢討會上，老闆問了一句很實際的話：「那到底要寫幾篇才夠」。我們的回答是先算題目，不算篇數。客戶在洽談時問過的問題有多少題，其中官網已經回答了幾題，差距就是該寫的範圍。
第二個錯誤：題目來自關鍵字工具，沒有來自客戶
那一長串關鍵字是從工具匯出的，沒有人拿去和顧問核對。結果很多文章在回答沒有人問的問題，或是在回答這家公司根本不提供服務的主題。
有一篇文章講勞資爭議的處理流程。這家公司不處理爭議案件，那是需要持牌法律專業人士處理的範圍。文章掛在官網上，等於對外宣稱自己懂這一塊。AI 如果真的引用，帶來的會是公司接不了的詢問。
題目的正確來源是顧問的洽談紀錄、提案簡報裡反覆出現的頁面、客戶簽約前最後卡住的疑問。這些題目數量不多，每一題都有人真的在問。
第三個錯誤：文章裡沒有任何第一手資訊
我們抽了二十篇新文章逐段閱讀。每一篇都通順，結構完整，沒有明顯錯誤。問題是把公司名稱拿掉之後，這些文章可以放在任何一家同業的網站上。
對照那幾篇仍被引用的舊文，差別很清楚。舊文裡有顧問自己的判斷，例如導入考核制度時，哪一個步驟最常被主管抵制，會議上通常怎麼處理。這些內容只有做過的人寫得出來。
我們替內容定了一個簡單的檢查方式。每篇文章至少要有三處符合下面任一條件，否則不上線。
- 寫出實際工作中的判斷順序，包含先做什麼、為什麼不先做另一件事
- 寫出常見的錯誤做法，以及錯誤通常發生在哪一個環節
- 寫出交付文件的樣子，例如表格有哪些欄位、由誰填寫
- 寫出適用範圍與不適用的情境
- 寫出客戶在會議上實際問過的問題與當時的回答
第四個錯誤：沒有人審稿就上線
這批文章從產出到上線只經過專員一個人。專員不具備人資顧問的專業，看不出內容哪裡講得太滿、哪裡與公司實際做法不同。
後來顧問回頭讀，找到好幾處與公司立場相反的建議。還有文章引用了不存在的法規條文名稱。這類錯誤一旦被 AI 引用並標示出處，受傷的是公司的專業形象。涉及法規的敘述，本來就該由具資格的專業人士確認後才能對外發布。
審稿不必很重。我們後來採用的流程是顧問花十五分鐘讀一篇，只做三件事：刪掉不同意的句子，補上一段自己的經驗，確認適用範圍。沒有顧問簽名的文章不上線。
第五個錯誤：出問題之後繼續加碼
第三個月收錄停滯時，團隊的第一個反應是「可能還不夠多」，打算再追加一批。這是整件事裡代價最高的判斷。
收錄停滯是訊號，表示新頁面沒有通過品質判斷。這時候繼續增加同類型頁面，只會讓不被收錄的比例更高。正確的反應是停下來，先看已上線的內容出了什麼問題。
補救的處理順序：先分類，再決定去留
補救花了大約兩個月。順序如下，每一步都有明確的產出文件。
- 停止上線新文章，把所有新文章的網址匯入試算表，加上索引狀態、曝光次數、點擊次數三欄，資料來自 Google Search Console
- 依主題把文章分組，標出哪些主題公司真的有提供服務，沒有服務的主題整組列為下架候選
- 有服務的主題中，同一個問題有多篇文章的，挑一篇當主文，其餘列為合併候選
- 主文交給顧問補寫第一手內容，並署名與標示更新日期
- 合併候選的文章把有用的段落併入主文，舊網址永久轉址到主文
- 下架候選的文章移除，網址回傳已移除的狀態，並從網站地圖中拿掉
- 每兩週看一次索引報表與固定問句的回答，記錄變化
最容易卡住的是第四步。顧問很忙，補寫的進度永遠落後。後來改成專員用十五分鐘訪談顧問，錄音後整理成段落，再請顧問確認。顧問用講的比用寫的快很多，內容也更像真人會講的話。
另一個常見的猶豫是捨不得刪。專員花了三個月上線這些文章，要她自己提出下架清單很難。這份清單應該由主管或外部顧問來列，決定的依據寫在文件上，不針對個人。
保留、合併、下架的判斷標準
我們把標準寫成三句話，貼在試算表的第一列，避免每一篇都重新爭論。
- 保留並加深：主題是公司的服務範圍，而且有顧問可以補上第一手內容
- 合併：主題有價值，但已有另一篇講同一件事，兩篇加起來才完整
- 下架：主題不在服務範圍，或內容找不到任何可以補強的角度
整理之後，文章數量少了一大半。留下來的每一篇都有顧問署名、適用範圍與至少三處第一手內容。之後幾次複查，索引狀態逐步恢復，固定問句的回答裡開始出現整理過的主文。恢復的速度每個網站不同，這個案例無法當成時程保證。
之後怎麼用 AI 寫作才不會重蹈覆轍
這家公司沒有停用 AI 工具，只改了使用的位置。AI 負責整理訪談逐字稿、調整段落順序、檢查錯字與語句。題目、判斷、經驗與結論由人提供。
工作規則只有四條。題目必須來自客戶問過的問題。每篇先有顧問的口述或筆記才能開始寫。上線前要有顧問簽名。每個月上線的篇數以顧問審得完為上限。
這份檢討不適用的情況
如果網站的內容本來就是規格型資料，例如零件目錄或營業據點清單，大量頁面有其必要。重點在每一頁的資料是否正確且各不相同，與這篇討論的文章型內容情況不同。
如果收錄問題來自技術原因，例如頁面被設定為禁止索引或伺服器回應錯誤，整理內容不會有幫助，要先排除技術問題。
如果公司內部找不到任何人可以提供第一手經驗，這套補救方式做不起來。這時該先決定由誰擔任內容的專業負責人，再談寫作。
常見問題
用 AI 寫的文章一定不會被 AI 引用嗎？
不一定。關鍵在內容有沒有別處查不到的資訊與明確的適用範圍。由人提供經驗與判斷、AI 協助整理的文章，仍然有機會被引用。
已經上線一大批 AI 文章，要全部刪掉嗎？
不用全刪。先依主題分類，屬於服務範圍且能補上第一手內容的保留加深，重複的合併並轉址，不在服務範圍的才下架。
怎麼知道文章沒有被搜尋引擎收錄？
在 Google Search Console 的網頁索引報表查看。若大量網址顯示已檢索但尚未建立索引，表示頁面被讀過卻沒有被收錄，需要檢視內容品質。
延伸閱讀：AI 能見度主題文章、最新新知、行銷案例