你打開 Perplexity，問「推薦一家做無塵室設備的台灣廠商」。它沒有查一次就回你一句話。它先搜尋，點進一個連結，從那頁的內文再點到另一頁，翻過官網、翻過一篇評測、翻過一則論壇討論，跨了五六頁湊齊證據，才開口回答。

被它逛過的，不是你最用心優化的那張產品頁，是你整個網站。

「查一次就答」正在變成「派一個 agent 去逛」

早一年的 AI 搜尋比較單純：把你的問題丟給模型，它從幾個檢索結果裡挑幾句話拼成答案。現在主流引擎在做的是 agentic 搜尋——它派出一個代理人（agent），會自己決定搜什麼、點哪個連結、要不要從這頁再跳到下一頁、什麼時候證據夠了可以收尾。

這個轉變把 GEO 的戰場整個換掉了。過去你優化的對象是「一個查詢會落到哪一頁」；現在你要面對的是「一個 agent 進了你的網站，會怎麼走」。它的路徑是活的：這一頁讀到什麼，決定它下一步搜什麼、點哪裡去。

單頁優化，在 agent 逛整站時會晃

上海科技大學 2026 年 5 月的一篇研究（arXiv:2605.12887）把這件事測了出來，結論對很多人不好聽：把單一頁面改寫、打磨的頁面級 GEO 手法，在 agent 多輪搜尋的情境下，並沒有穩定贏過「完全沒優化」的網站。

不是說單頁優化沒效。是它管不到 agent 接下來去哪。研究團隊的解釋很直接：頁面級手法只動得了單一頁面的片段或摘要，影響不了代理人整體的瀏覽軌跡。你把一頁打磨到發亮，agent 可能讀完就順著那頁的某個連結跳走，去了一個你根本沒顧到的角落；也可能它從別的入口進來，壓根沒經過你那張好頁。

單頁優化決定「這一頁好不好」，決定不了「agent 會不會走到這一頁、走到之後又往哪去」。在 agent 逛整站的世界，後面這件事才是勝負手。

生態系級優化長什麼樣

同一篇研究提出的做法叫 TRACE，思路是把優化對象從「一頁」升級成「一個彼此連著的證據生態系」。它長這樣：

  • 一個導覽入口頁，當 agent 進站的樞紐；
  • 六種角色不同的輔助頁——官方說明、第三方評測、專家觀點、新聞報導、論壇討論、社群內容；
  • 這些頁彼此用共同的術語、一致的產品屬性、內部連結綁在一起。

結果差距不小。TRACE 的最終推薦率落在 67.2% 到 73.9%，領先第二名的頁面級方法 14.9 到 31.3 個百分點（基準測試用了 3,124 組查詢與虛構產品配對，刻意用虛構產品，是為了不讓模型靠記憶作答）。

更該記住的是消融實驗拆出來的兩個獨立增益來源：

  1. 光是「多頁證據協調一致」本身——就算還沒有導覽入口頁，只要幾頁彼此對得上、連得起來，推薦率就已經高過各自為政、互不連結的一堆頁面。
  2. 在這個基礎上，再加一個導覽入口頁，推薦率還能再往上，而且它大幅拉高了 agent 沿內部連結爬取的比率。

翻成白話：讓你的頁面彼此認識，是第一層增益；給它們一個共同的門口，是第二層。

內部連結，是搜尋引擎給不了的那條路

這篇研究裡最反直覺、也最該記住的一點：只有 TRACE 這種做法，能讓 agent 透過頁面裡的內嵌連結，主動爬到更多輔助頁——這是單純靠搜尋引擎回傳連結做不到的。

想清楚這個差別。搜尋引擎回傳給 agent 的，是一份扁平的候選清單，彼此不相干。可是當 agent 點進你的一頁、發現內文裡有一條通往你另一頁的連結，它就多了一條排名機制之外的瀏覽管道。你的內部連結，等於在 agent 的地圖上，替自己多畫了幾條只通往你自己的路。

而那個導覽入口頁還有第二個作用：它提升 agent 對你的初次爬取率，也影響它接下來怎麼重新表述查詢——早一步被讀到，會改變它後面搜什麼。至於這些連在一起的頁面該收在同一個網域下、還是散在不同子網域，會直接影響訊號集中度，我們在子網域 vs 子目錄 vs 多站架構拆過。

曝光，不等於被推薦

有個很貴的錯覺，這篇研究順手也戳破了：單純讓同一頁被 agent 反覆看到（延遲爬取、多次曝光），並不會讓最終推薦率上升。曝光不等於信任，更不等於被寫進答案。要讓 agent 真的把你放進推薦，得靠跨頁協調一致的證據網絡，不是靠同一頁刷存在感。

這一刀砍掉一個常見的算盤：以為「多鋪幾個連結、多發幾篇、讓 AI 多看到我幾次」就會被推薦。看到你，跟採用你，是兩件事。

「一致」到底指哪些東西

證據網的核心字是「一致」。agent 跨頁彙整的時候，會撞上你三個層面的一致——或者矛盾：

  • 術語一致：同一個產品、同一項服務，每頁叫同一個名字，還是三頁三種寫法。
  • 事實與屬性一致：規格、數字、公司資訊，跨頁對得上，還是彼此打架。
  • 結構一致：每頁都用得懂的標題階層與導覽，讓 agent 一眼判斷「這頁在講什麼、要不要繼續往下爬」。

第三點——結構——常被當成美觀問題，其實它是一個獨立的可優化維度。東京大學團隊 2026 年 3 月跨六個 AI 引擎的研究（arXiv:2603.29979）發現：完全不改內容、只調整結構，引用率就能提升 17.3%（統計上高度顯著），六個引擎一致成立。

而且結構的三層，份量差很多。他們的消融分析顯示：巨觀結構（標題階層、導覽、文件流）貢獻了整體增益的 44.9%，中觀結構（段落、清單、表格分塊）39.7%，微觀結構（粗體、斜體那種強調）只有 15.4%。

意思是：agent 靠的是你的標題階層和導覽在認路，不是靠你把重點加粗。標題階層是 agent 的目錄；把導覽和層級做對，比在內文裡灑一堆粗體有用得多。術語與模板跨頁雷同會怎麼反過來被降權，整站跨頁一致性那篇拆得更細。

還有一層落差要認清：被 agent 抓到，跟被寫進答案，是兩關。另一篇拆解引用行為的研究（arXiv:2604.25707）把它分成「被選中」和「被吸收」——一個頁面先要夠格被選為來源，還得帶著可以直接被抄走的證據（數字、定義、比較、操作步驟），才會真的被吸收進答案。同一篇實測，帶數字統計的內容吸收力比基準高六成、帶定義的高近六成，而純 Q&A 問答格式反而略微扣分。所以「證據網」的重點不只在網，也在證據——每個節點都得扛得起一段可以被引用的事實。

一疊頁面，還是一張證據網

把兩種思維並排，你會看到它們幾乎每一格都相反：

一疊互不認識的頁面 一張證據網
優化單位 單頁 整站的頁面關係
頁面之間 各自為政、沒有連結 共同術語＋內部連結＋一致屬性
對 agent 的作用 只影響片段／摘要 影響整條瀏覽軌跡
入口 靠搜尋引擎隨機落點 導覽入口頁當樞紐
曝光邏輯 多刷幾次存在感 跨頁協調一致才轉成推薦
agentic 情境表現 未能穩定勝過未優化基準 推薦率 67–74%、領先 15–31 個百分點

判決很清楚：agentic 時代，你的網站得是一張證據網。入口頁、內部連結、跨頁一致的術語與事實，是下一階段被穩定推薦的門票——不是加分項，是門票。

所以，這件事不是一頁一頁補得完的

看到這裡很容易想動手：那我把每頁術語統一、補一個入口頁、把內鏈連一連不就好了。方向對，但這正是最容易顧此失彼的地方——你改了 A 頁的產品名，忘了 B 頁還是舊寫法；你補了入口頁，卻沒發現三頁的規格數字早就對不上。跨頁一致性的難處，就在它是「跨頁」的：站在任何一頁上，你都看不見矛盾，矛盾只在把整站攤開對照時才現形。

而這恰好是單頁健檢照不到的盲區。一張頁面自己跑 90 分，整站一起看可能只有 60——因為扣分的是頁面之間的關係，不是任何單一頁面的內容。這種單頁看不出、全站才現形的落差，全站 GEO 健檢那篇整理過四個盲區。

這週可以做的：

  1. 盤一次入口。 你的網站有沒有一個頁面，能讓 agent（或人）從它出發，順著連結走到所有相關的說明、證據、案例？如果你的重要頁面彼此是孤島，先把這條路連起來。
  2. 抓三個事實對帳。 挑三個關鍵事實——公司／產品名稱、一項核心規格、一個你常引用的數字——把提到它的每一頁攤開，看寫法一不一樣。光這一步就會嚇到不少人。
  3. 別把它當一次性作業手工補完。 agent 逛的是活的、會變的整站，你要維持的是持續的跨頁一致，不是補一次就結束。缺口通常是跨頁、跨系統的工程，單頁優化補不完，靠人肉逐頁盯也盯不住。

想看你整個網站在 agent 眼裡是一張證據網、還是一疊互不認識的頁面，用 geoweb.tw 跑一次全站分析——它會把跨頁的術語、結構、實體一致性一起攤給你看，不只給單頁一個分數。看完想知道缺口怎麼補、要動到哪些頁與哪些系統，把網址或報告寄到 [email protected]，我們看過再回你一份具體判斷。

（一句但書：上面的數字來自受控基準測試，用的是虛構產品與特定的 AI 搜尋代理人設定；換到真實引擎、真實品牌，絕對數字一定不一樣。不變的是方向——agent 逛的是整站，協調一致的證據網比孤立的漂亮單頁穩。）

延伸閱讀