為什麼不能用同一套 GEO 配方？
「GEO 優化」這四個字聽起來像一套 SOP，但實際上不同網站類型 AI 引用的觸發點完全不同。同樣的預算和工時，套錯了類型可能 0 ROI。
理由很直觀：AI 搜尋引擎在回答「推薦什麼產品」和回答「這個議題的專家是誰」時，抽取資訊的方式本來就不同。前者看重結構化的規格比較與評分數據，後者看重作者資歷與外部引用。把電商網站的優化邏輯套進個人品牌，就像把超市陳列貨架的方法拿去辦學術研討會——工具根本不對。
下面拆四種主流類型，每一類的優先順序、核心信號、最常被忽略的風險，以及當 AI 收到特定類型問題時實際上在找什麼。
一、電商網站（B2C 消費品 / D2C 品牌）
使用者問 AI 的問題
「中價位的洗髮精推薦」「適合新手的單眼相機」「2026 年最佳露營椅」
當使用者問 AI 這類消費決策問題，AI 需要快速萃取「可比較的具體屬性」。哪個品牌的產品頁給了最乾淨的規格、有評分、有價格區間，哪個品牌就更容易被引用。模糊的品牌文案「高品質、匠心製作」對 AI 來說幾乎是零資訊。
觸發 AI 引用的關鍵
- Product schema：完整的價格、評分、庫存狀態——這是 AI 最容易結構化讀取的格式
- 比較表：你的產品 vs 競品的具體屬性，直接降低 AI 的「萃取成本」
- 使用者評論結構：aggregateRating + review 包進 schema，讓評分數字可被機讀
- FAQ：常見尺寸 / 規格疑問的問答，直接對應使用者的追問模式
最常被忽略的風險
跨頁模板雷同。100 個產品頁的「使用方法」「品牌故事」幾乎一樣，AI 在抽樣多個頁面後判斷整站為「模板灌水」，並對全站降低信任分——個別產品頁就算單獨看寫得不錯，也會被均值拉低。這個問題特別容易出現在用 Shopify 或同類平台批次生成產品頁的品牌身上，頁面數量越多，雷同比例越高，風險越大。
想了解模板雷同為什麼會造成「站級」降權、而不只是單頁扣分，見：整站跨頁一致性：模板雷同為什麼會被降權（VIP）。
投入順序
- 補完 Product schema（含 aggregateRating）
- 改寫產品頁，讓「相同段落 < 50% 重複率」，每頁有真正獨特的核心資訊
- 寫 5–10 篇真實使用 case study，包含具體場景與使用者陳述
二、媒體 / 內容網站
使用者問 AI 的問題
「2026 年 AI 趨勢解析」「ESG 對中小企業的影響」「半導體產業最新動態」
媒體類型的問題沒有「標準答案」，AI 在回覆時更傾向引用「有清楚作者、有明確發布時間、有完整觀點論述」的來源。匿名的「編輯部文章」或無時間戳的內容，在可信度評估上先天就弱一截。
觸發 AI 引用的關鍵
- Article schema 帶完整作者資訊：姓名、作者頁 URL、所屬機構
- 發布日期與更新日期清晰：AI 判斷資訊時效性的主要依據
- 長文章內的 H2/H3 段落結構：方便 AI 切 chunk，每段落回答一個獨立問題
- 內部連結網：主題實體之間有連結，協助 AI 理解你的站內知識體系
最常被忽略的風險
作者署名不一致。30% 文章有完整作者頁、40% 只有「編輯部」、剩下完全沒署名——AI 抽樣後對全站 E-E-A-T 評估降到中等以下，連帶影響有署名那批文章的引用機率。這是媒體網站最常見的「自己砸自己腳」情況，修復成本低（補 schema）但常被忽略，因為人眼看起來「有作者名就好了」，但機器讀的是有沒有連到完整作者頁、有沒有 sameAs 指向外部可信來源。
作者署名為什麼是 AI 時代 E-E-A-T 的關鍵差別，詳見：E-E-A-T 在 AI 時代更重要（VIP）。
投入順序
- 全站 Article schema 補齊，特別是 author 欄位須指向真實作者頁面 URL
- 強制每篇文章必須有具名作者與對應作者簡介頁
- 內部連結策略：每篇文章主動連回 3–5 篇相關主題，建立站內知識圖譜
三、B2B SaaS / 顧問服務
使用者問 AI 的問題
「中小企業適用的客戶管理系統」「2026 年最值得用的程式碼分析工具」「如何選 ERP 廠商」
B2B 採購決策的特點是「問 AI 先縮短候選清單，再人工比較」。如果你的品牌沒在 AI 的初選名單裡，後續的 SEO 排名、廣告投放、業務電話都會面對已被競爭對手預先框架好的客戶，說服成本大幅提高。
觸發 AI 引用的關鍵
- FAQPage schema：產品功能、定價邏輯、整合支援等常見問題
- 答案優先段落：每個功能介紹用「X 是 Y，能解決 Z」的格式開頭，讓 AI 直接抽取答案
- 整合 / 比較頁：你的產品 vs 主要競品的功能對照，降低 AI 生成比較表時找其他來源的動機
- E-E-A-T：有名有姓的客戶 case study、創辦人或產品負責人在媒體的訪談引用、產業認證或背書
最常被忽略的風險
沒被 AI 推進初選名單。B2B 客戶的決策流程是「問 AI 廠商建議 → 比較 2–3 家 → 主動聯絡」。沒進初選名單，等於在漏斗的最源頭就被過濾掉，後面的每一步行銷動作都要硬克服一個「我沒聽過這家」的心理障礙。這個風險在 ROI 上最致命，但很多 B2B 還把預算重押在 Facebook 廣告，卻忽略在 AI 搜尋的語料層先建立存在感。
這條「從問 AI 到簽約」的決策旅程有 5 個觸點，每個觸點對應不同 GEO 動作，詳見：B2B 客戶決策旅程的 5 個觸點與 GEO 對應（VIP）。
投入順序
- FAQPage schema + 答案優先段落，讓 AI 能從你的網站直接生成比較答案
- 寫 5 篇以上真實客戶 case study，含具體數字與場景（沒有數字的案例對 AI 參考價值很低）
- 主動建立 Wikipedia 條目——B2B 廠商比 B2C 更容易達到 notability 門檻，因為可以引用媒體報導
四、個人品牌 / 知識型創作者
使用者問 AI 的問題
「OO 領域的台灣專家」「OO 主題的好書推薦」「OO 產業的意見領袖」
AI 在回答「誰是專家」的問題時，本質上是在做實體辨識加信任評估。你的名字要出現在 AI 訓練語料的多個來源裡，且這些來源要有一定的公信力，AI 才會把你的名字納入「可引用的答案集合」。光靠自己的網站說自己很厲害是不夠的。
觸發 AI 引用的關鍵
- 作者頁 + 完整資歷：學歷、工作經歷、著作、演講都要有結構化標記
- Wikipedia 條目（最關鍵）：Wikipedia 是 LLM 訓練語料的高權重來源，有條目幾乎等於在 AI 的長期記憶裡留有位置
- 媒體報導 / 訪談連結：第三方來源的 sameAs 連結，是 AI 驗證實體一致性的主要手段
- 長期累積的部落格主題權威：在特定主題上持續產出，讓 AI 學到「這個名字 = 這個領域」
最常被忽略的風險
沒外部認知。個人品牌網站做得再精緻，沒有第三方來源（媒體報導、學術引用、Wikipedia）背書，AI 在訓練語料裡對你的「實體可信度」記不到。被 AI 主動引用的個人品牌，幾乎都有清晰的外部認知軌跡——不是一篇報導，而是跨多個來源的一致性記錄。
投入順序
- 先累積 3 篇以上獨立媒體報導，再申請 Wikipedia 條目
- 個人網站 E-E-A-T 完整化（作者頁 / 服務條款 / 聯絡資訊）
- 部落格內容專注單一主題，不要分散，以建立清晰的主題權威信號
共通基本盤（4 類都要做）
不論哪類網站，以下幾項是進場費，沒做齊之前，前面四類的優化策略都無法完整發揮：
- robots.txt 對主流 AI 爬蟲開放（GPTBot / ChatGPT-User / ClaudeBot / PerplexityBot）
- HTTPS + 基本安全標頭（X-Frame-Options、Content-Security-Policy）
- Organization schema 在首頁，至少含 name、url、description、sameAs
- 「關於我們」「隱私權政策」「服務條款」三頁齊全，且 URL 可正常存取
這幾項設定多數網站半天就能完成，卻是 AI 做最低門檻審查的第一步。跳過這裡直接做進階優化，等於在地基不穩的房子上加蓋——不是不能做，但效益會打折。
第一步：判斷自己屬於哪一類
對照本文判斷你屬於哪一類，然後跑一次 免費 GEO 健檢，再回頭依本文列的「投入順序」逐項補強。
關於健檢的誠實揭露：報告本身是 12 維度通用評分（不依網站類型加權），這樣同類型或跨類型的網站才能客觀對比；但每條改善建議文案會指出你網站具體缺哪些欄位（例如「你的首頁偵測到 Product schema 但缺 aggregateRating」），對任何類型的網站都立即可動手。
如果你希望針對你網站類型量身規劃優化路徑（含預算配置、時程、四類差異化策略），我們提供 GEO 顧問服務：[email protected]
延伸閱讀（更深入）
判斷完類型後，各類最該補的「深水區」信號在這幾篇拆得更細：
- 整站跨頁一致性：模板雷同為什麼會被降權 — 電商最大風險的站級成因與單頁盲區。
- E-E-A-T 在 AI 時代更重要 — 媒體類作者署名與信任信號的逐項拆解。
- 為什麼 Wikipedia 是 GEO 最強信號 — 個人品牌與 B2B「外部認知」的核心來源。
- 個人品牌／自由工作者的 GEO 6 步驟 — 第四類的完整實作路徑。
GEO 入門系列。前一篇：「你的競爭對手已經被 AI 推薦，你呢？」
共通基本盤那邊列的robots.txt要對gptbot/claudebot/perplexitybot開放，想問如果只想被某幾家爬可以只開那幾個嗎 還是建議全開
問個蠢問題 文章一直講FAQPage schema、Product schema、Article schema，我還在學這塊完全沒接觸過code，這些是要工程師手動寫JSON-LD嗎？還是有外掛之類的可以讓像我這種還沒轉職成功的人也弄得出來？
看你站架在什麼上面：WordPress有現成外掛（Rank Math、Yoast那類）勾一勾就會吐JSON-LD；Shopify有些主題內建Product schema但aggregateRating常常缺要另外補；如果是自己刻的站才需要工程師手寫。不過提醒一下外掛產的schema常常欄位不全（最容易缺的就是文章講的aggregateRating、author連到真實作者頁），裝了不等於做對，最後還是要驗證一下。
共通基本盤寫robots.txt要對claudebot、gptbot那些開放。訓練跟即時檢索分開設定這件事我懂，但我老闆完全聽不進去，堅持要整批擋，說內容被ai白嫖拿去訓練很吃虧。有沒有什麼講法能讓不懂技術的老闆聽懂「擋訓練不等於退出被引用」這件事，我內部一直講不通
這是每個內容站老闆都會吵的題目哈哈。拆兩件事看：一是訓練用爬蟲，一是即時檢索/回答用的抓取。你擋掉訓練爬蟲，理論上保護了內容不進語料；但很多主流AI引擎在即時回答時是另一條抓取路徑，全擋掉就等於放棄被引用的機會。所以實務上常見的折衷是分開設定、不要一刀全擋。至於白嫖這個焦慮，說真的，沒被引用的內容連被白嫖的資格都沒有，要先想清楚你要的是曝光還是純防守。怎麼開到剛好不傷自己，那要看你站的性質，這個我沒辦法在留言給通用答案。
B2B投入順序第3點叫人「主動建立Wikipedia條目」 然後個人品牌也是Wikipedia整篇好像很愛Wiki== 真的有這麼神？
推 終於有人把四類分開講 之前看到的geo文都當成一種網站在教
對個人品牌那段有點意見。你說先累積3篇以上獨立媒體報導再申請wikipedia，但現實是中文圈很多領域根本沒媒體會報導一個小眾顧問，這條投入順序對台灣本地創作者是不是太理想化了？
你講的很實在，這也是我寫那條時最猶豫的地方。媒體報導不一定要是大媒體頭版，產業垂直媒體、podcast訪談逐字稿、研討會議程裡有你名字的頁面、甚至專業協會的得獎/講者公告，這些對ai來說都算第三方來源的一致性記錄，門檻沒有想像中那麼高。重點不是聲量大，是不只你自己的網站在提你。wikipedia我承認對個人真的難，所以我才把它擺在順序最後、當加分而不是前提。沒有wiki一樣能被引用，只是慢一點。
B2B那段"沒進初選名單=漏斗最源頭被過濾"真的有感
個人品牌那條光靠自己網站說自己很厲害是不夠的 講到心坎 我做了兩年部落格ai還是不認得我orz
笑死 把超市貨架方法拿去辦學術研討會這比喻有夠貼切XD
想補充一個本文沒提到的：電商如果有跨境/多語系schema的inLanguage跟hreflang沒對好AI也會抓錯版本 這個踩過坑
所以說穿了就是體質搞好 + 找媒體報導 + 別偷懶
跨頁模板雷同→站級信任降權這段嚇到我 我們就是用Shopify批次生產品頁的==光使用方法那段100多頁一模一樣 慘
想請教Clarence，文章說電商相同段落 < 50% 重複率，這個50% 是怎麼抓的？是整頁字數比還是只算正文？我們產品頁有一堆共用的退換貨說明、運費表，那些算不算重複？
好問題，這個數字我寫的時候就猜會有人追 😅。先講結論：那些退換貨、運費表這種功能性共用區塊其實不是主要扣分點，ai大致能辨識它是boilerplate。真正會被判模板灌水的是應該要不一樣卻長得一樣的地方，像品牌故事、使用情境、產品描述開頭那幾段。所以與其去算精確百分比，不如先看：把所有產品頁的描述區抓出來，肉眼掃一遍是不是換個品名就通用。50% 只是個提醒門檻不是科學閾值，真要精算每頁chunk相似度,價值也不高——肉眼掃一輪抓出「換個品名就通用」的那幾段,直接動手改掉,比算精確數字實用。
誠實揭露那段你說健檢是12維度通用評分、不依網站類型加權。那我們這種賣商品的電商，跑出來的分數，跟文章講的B2C重點（產品頁被AI引用、被推薦去比價）到底有沒有真的對上？會不會分數很高但其實B2C該做的沒做？
問到核心了。分數本身是通用的，所以理論上你說的情況有可能發生，schema一堆都齊、分數漂亮，但有沒有被AI在比價、推薦的時候真的引用到你的產品頁，通用評分量不到，那是要實際去主流AI引擎下你的產業query才看得出來的。所以我在文章才特別把投入順序跟分數分開講：分數是體質檢查，投入順序是依你類型的戰術。建議的看法是，先用健檢把通用體質補到綠燈（地基），再照B2C那段的順序補產品頁專屬的東西。兩個不衝突，是不同層的事。