比方說，你在台東經營一座露營區。幾年前，想來露營的客人多半會在 Google 打「台東 露營區 寵物」，再從跳出來的一排網頁裡，一個一個點進去看能不能帶狗、有沒有雨棚。現在有些客人換了一種找法：打開 ChatGPT，或是用 Google 搜尋裡的「AI 模式」（會直接寫答案，還能一直往下問），把整句話打進去：「台東有沒有可以帶狗的露營區？要有雨棚，營位旁邊要有插座，晚上還要有熱水可以洗澡。」AI 去找了各家的資料，直接回他幾家，再附上連結。

你可能聽過有人這樣形容這個變化：搜尋從「關鍵字時代」走進了「意圖時代」。關鍵字時代，客人把需求縮成幾個字，剩下的自己找；意圖時代，客人把需求整句講完，AI 聽懂他真正想要什麼（這就是所謂的意圖），再替他去找。這篇想講清楚兩件事：這個變化到底變了什麼，還有它對你的網站代表什麼。先說結論：不管你做哪一行，AI 越懂客人要什麼，就越會照著條件，把講不清楚的店刷掉。

Google 很早就在猜意圖，只是答案要客人自己找

「意圖」這個詞，Google 很早就在講了。Google 介紹搜尋怎麼運作的官方網頁上寫：要給出相關的結果，得先弄清楚使用者想找什麼，這就叫查詢意圖。它舉的例子是，你搜「披薩」，就會看到附近有外送披薩的店家。照我們的理解，意思是你只打兩個字，它就猜你大概是想叫一份來吃。

2019 年 10 月，Google 宣布在搜尋裡用上 BERT，這是一種幫電腦讀懂整句話的 AI 技術，官方部落格也寫，BERT 會連一個字前後的字一起看，特別有助於理解搜尋背後的意圖。

同一篇談 BERT 的文章，也承認 Google 有時還是聽不懂，尤其是比較複雜、比較口語的問題。Google 說，這也是很多人習慣打「關鍵字式」句子的原因之一：打一串自己覺得 Google 看得懂的字，可是平常開口問問題，不會這樣講。台東那位客人打的「台東 露營區 寵物」，就是這種句子。

只是猜得再準，Google 交出來的還是一排網頁。Google 在 2013 年的官方部落格文章裡回顧 1998 年的搜尋，是這樣寫的：打幾個關鍵字，拿回 10 條藍色連結，連到有這些字的網站。後來的搜尋聰明了很多，結果頁上也多了圖片、影片、地圖；照我們的看法，主體還是那一排網頁。所以我們說，以前的搜尋只做了一半：它盡量猜出你要什麼，再丟一排網頁給你；哪一家能帶狗、哪一家有雨棚，還是要客人自己一頁一頁點進去對。

AI 把整句話聽完，條件由它去對

AI 接手的，就是後面那一半。2024 年 5 月，Google 宣布 AI 摘要（一般搜尋結果最上面，那段 AI 先寫好的整理）的新能力時寫道：與其把問題拆成好幾次搜尋，你可以把最複雜的問題，連同心裡想到的細節和附帶條件，一次問完。

回到台東那位客人。他那一句話一口氣開了四個條件，在 ChatGPT 或 AI 模式裡，他不必自己拆開來一個一個搜，AI 通常會自己上網找各家露營區的資料，照他開的條件整理出幾家給他。

所以「意圖時代」真正新的地方在這裡。弄懂客人要什麼這件事，到了 AI 才算做完整：它不只聽懂，還替客人對條件、給答案。要注意的是，兩個時代怎麼分，跟用哪一家無關，要看交到客人手上的是什麼：一排連結，還是一個答案。同樣是 Google，一般搜尋給的是一排連結，AI 摘要和 AI 模式給的，就是 AI 寫好的答案。

關鍵字還在，換成 AI 在後台替客人打

那關鍵字是不是就沒用了？它還在，只是換到了後台。Google 說，AI 摘要和 AI 模式都可能用一種叫 query fan-out 的做法：把你的問題拆成好幾個小題，同時替你送出多個相關的搜尋，再拿找到的東西寫成回答。

ChatGPT 也有類似的做法。照 OpenAI 的說明，問題需要最新資訊的時候，ChatGPT 可能會自己上網搜尋。它有時會透過合作的搜尋業者來找資料，這時候通常會先把你的問題改寫成一個或幾個比較精準的搜尋字，再送出去。OpenAI 舉了一個例子：有人問「附近有什麼好吃的餐廳？」，ChatGPT 從他上網的大概位置，判斷他人在舊金山一帶，就可能把這句話改寫成「top restaurants San Francisco」，也就是「舊金山 熱門餐廳」。

換句話說，關鍵字還是有人在打，只是打字的人換了：以前是客人自己打「台東 露營區 寵物」，現在是 AI 替他打。台東那句話，AI 在背後實際打了哪些字，客人在畫面上看不到，你也看不到；我們只能想像，大概是「台東 寵物友善 露營區」「台東 雨棚 營位」這一類。既然看不到，你也就沒辦法像以前那樣，照著這些字一個一個去搶排名。

那網站的 SEO（讓網頁在 Google 排得前面的那些做法）還要不要做？要。Google 寫得很清楚：網頁要先被 Google 收錄（也就是 Google 已經把這一頁存進它的資料裡），能正常出現在搜尋結果裡，才有資格被 AI 摘要和 AI 模式拿來當參考連結。Google 也說，SEO 的做法在 AI 摘要和 AI 模式裡仍然適用。所以 SEO 裡那些讓 Google 收得到、讀得懂你網頁的基本功，照做，這是 AI 找得到你的前提。會變的是另一件事，照我們的看法：「把某幾個字搶到第一名」這個目標，恐怕換不到 AI 的推薦；AI 找到你之後，推不推薦你，要看你網站上寫了什麼。

AI 越懂客人，越會刷掉講不清楚的店

網站上寫了什麼，這時候就看得出差別。假設你那座露營區有雨棚、每一格營位都有插座、熱水二十四小時都有，也歡迎客人帶狗，官網上講寵物的那一行，寫的卻是：「攜帶寵物請先私訊粉專詢問。」

在關鍵字時代，這一行不太傷。客人自己點進來，看到雨棚、插座、熱水都有，只差狗能不能帶，他會傳訊息來問；你回一句「可以，記得繫牽繩」，這筆訂位多半就成了。

換成 AI 替客人讀，照我們的看法，結果就不一樣了。客人要的是「可以帶狗」，AI 在你的頁面上確認不了這一條，旁邊另一家又寫著「可帶寵物，每帳最多兩隻」，被放進答案的，多半就是那一家。AI 不會替客人傳那則私訊，你連回一句「可以」的機會都沒有。

這就是意圖時代對老闆最要緊的一件事。以前，客人傳來的那則私訊，會替你把網站沒講完的話補上；現在，話得先寫在網站上。懂客人的是 AI，可是答案它還是得從網路上找得到的資料裡拿，其中你最能自己作主的，就是你的網站。你自己都沒寫清楚的事，AI 再聰明，也沒辦法替你說出來。

老闆該問的，換成「客人會開哪些條件」

所以老闆該問的問題，要換一個。以前問的是：「我要排上哪個關鍵字？」現在該問的是：「客人會開哪些條件？這些條件的答案，我的網站有沒有清楚寫出來？」放到你這一行，條件多半就是客人打電話、傳訊息來最常問的那幾件事。比方說開眼鏡行的，客人最常問的，大概是能不能當天取件、週日有沒有開。

寫清楚，指的是 AI 讀完就能確定答案：可不可以、有沒有、多少錢、開到幾點。像「歡迎私訊詢問」這種句子，AI 讀了，很可能就當作這個條件沒有答案。

意圖時代還有一個變化，賣東西的老闆會更有感：客人連要買什麼，都不必先想好。比方說，你的品牌在賣護唇膏。關鍵字時代，客人得先知道自己要買護唇膏，才會去搜「護唇膏推薦」，再從 Google 列出來的那幾個牌子裡挑。現在，客人可能只問 AI 一句：「嘴唇一直乾裂，怎麼辦？」AI 講完怎麼保養，可能就順手推薦幾款護唇膏。客人要是再補一句，自己的嘴唇容易過敏、住的地方冬天又乾又冷，AI 還能往下挑，挑到適合這種狀況的那一款。

AI 挑得到那一款，前提是有人把答案寫出來：哪一款不含香料、哪一款適合乾冷的天氣、哪一款是晚上擦的。品牌官網上每一款都只寫「滋潤保濕，呵護雙唇」，客人開的那幾個條件，AI 一個也確認不了，也就沒有理由在這句回答裡挑你；每一款適合什麼狀況都寫清楚的品牌，才有機會被 AI 挑中，而且挑到對的那一款。

不管賣的是護唇膏還是露營區，把條件寫清楚聽起來都不難，自己做卻常常看不全，因為每位客人開的條件組合都不一樣。拿台東那座露營區來說，有人帶狗、又怕下雨；有人帶兩個小孩，要插座也要熱水；也有人只在意離市區近不近。你自己拿一句話去問 AI，看到答案裡有你，只代表這一組條件過了，換一組，結果可能就不同。而且 AI 列的名單裡沒有你的時候，通常也不會順便告訴你，你是卡在哪一個條件。

再加上 AI 讀的不只官網：Google 地圖上的店家資料、訂位網站、部落客寫的露營心得，都可能被它拿來對條件，這些地方的講法，也得跟官網對得上。這是一份要長期做的工作：把客人會開的條件一樣一樣找出來，在網站上寫成 AI 確認得了的答案；網站外面的講法也跟著整理好；再定期回頭問 AI，看它答不答得出來。

這類工作的英文是 Generative Engine Optimization，取三個字的字首寫成 GEO，中文叫生成式引擎優化，對象是 ChatGPT、Gemini 這些會自己上網讀資料、寫答案的 AI。這些事，你可以整個交給 geoweb.tw：在 GEO 託管裡，由我們的團隊幫你把網站內容修好、把外面提到你的資料整理一致，再定期檢查各家 AI 怎麼介紹你；你只要驗收結果。

台東那位客人一口氣開了四個條件。你的客人會開哪幾個、AI 現在又怎麼回答，可以在 Demo 上驗一次。Demo 就是跟我們的顧問約一段時間，當場示範給你看：你先說出客人最常傳訊息來問的三、四件事，顧問把它們串成一句完整的問題，當場拿去問 ChatGPT。它列了哪幾家、裡面有沒有你、講到你的時候答不答得出那幾個條件，畫面上都看得到。一句話只驗得到一組條件，但親眼看一次 AI 怎麼挑店，多半已經看得出你可能卡在哪；換不同組合、定期回頭問，就是前面說的那份長期工作。同一場，顧問也會讓你看官網的 GEO 健檢分數；GEO 健檢是 geoweb.tw 免費的網站健檢，幫你看網站在 AI 眼裡讀不讀得懂，從 12 個面向打分數。

延伸閱讀