為什麼同一篇文章不同段落引用率差異極大
打開 ChatGPT，問它一個你寫過的主題。觀察它的回答：
- 你的網站有時被引用——但往往只引一個特定段落
- 同一篇文章的其他段落 AI 完全沒看到的樣子
- 你以為最精彩的段落沒被引、看似平淡的段落反而被引
差異不是隨機，是 5 個可量化的內容特徵在運作。
LLM 切片引用內容時，會對候選段落做「獨立可引用性評估」——不是評估整篇文章，是評估每段是不是適合被切出來放進回答。
本篇與 可引用內容設計 的關係：那篇是 5 特徵的「理論框架」（為什麼 AI 偏好這些特徵），本篇是「實戰寫作手冊」（每個特徵的正反對照、改寫技巧、評分機制）。建議先讀那篇建立認知，再回來讀本篇做應用。
下面拆 5 個特徵與寫作技巧。
特徵 1：答案優先（前 30 字直答）
為什麼這項權重最高
LLM 對「第一句話」極度敏感。如果你段落第一句不是直接答，AI 會：
- 把這段視為「鋪陳 / 過渡」而非「核心資訊」
- 在切片時跳過這段去找其他直答段落
正反對照
❌ 鋪陳式開頭
「客戶體驗管理是現代企業面臨的重要課題之一。隨著科技日新月異、商業環境日趨複雜，企業必須積極思考如何透過創新工具提升整體客戶滿意度。許多公司紛紛導入了 CRM 系統，希望能藉由科技手段達成這個目標。然而，這個過程涉及層面相當廣泛……」
問題：第一句、第二句都沒答 CRM 是什麼，AI 切片時跳過。
✅ 答案優先開頭
「CRM（Customer Relationship Management）是用來管理客戶資料、互動歷史與銷售流程的軟體系統，常見功能包含聯絡人管理、商機追蹤、自動化行銷三大模組。」
第一句 50 字直接答完「CRM 是什麼」，AI 切片時可獨立引用。
寫作技巧
每個 H2/H3 標題下，第一段第一句必須是：
- 「X 是 Y」（定義型問題）
- 「主要原因有三：A、B、C」（為什麼型問題）
- 「做法分四步：第一步…」（怎麼做型問題）
- 「結論是 Z」（評估型問題）
把「在當今」「在現代社會」「越來越多」這類過渡開頭全部刪掉。
特徵 2：量化具體（數字 / 比例 / 區間）
為什麼數字是「引用磁鐵」
LLM 對帶數字的句子的信心度評分比純文字句高。原因：
- 可驗證性：數字易與其他來源交叉驗證
- 獨立性：「78%」這個數字不需要上下文也有意義
- 回答精準性：使用者問「X 占多少」時，含數字的段落直接命中
正反對照
❌ 模糊量詞
「許多企業使用 CRM 後，業績有顯著提升。」
問題：許多是多少？顯著是多顯著？業績指什麼？AI 對這種模糊段落引用率極低。
✅ 量化具體
「導入 CRM 後 6 個月內，[公司名] 的客戶留存率提升 [X]%、業務循環時間縮短 [Y]%、潛在客戶轉換率從 [A]% 升到 [B]%。」（範例使用 placeholder；實際撰寫時帶入你網站真實數字）
每個量詞都有數字、有單位、有時間範圍。AI 切片時可獨立引用為「CRM 導入效益」這個查詢的核心答案。
寫作技巧
下面這些模糊量詞全部找替代：
| 模糊 | 改成具體（前提：你真的有這數字） |
|---|---|
| 許多企業 | [實際比例]% 的中型企業 |
| 顯著提升 | 提升 [實際 %] |
| 大部分 | [實際比例]% |
| 通常 | 一般而言 [實際比例] |
| 多年經驗 | 12 年產業經驗 |
| 早期 | 2018 年 |
| 廣泛使用 | 全球部署超過 [實際數字] 家 |
重要前提：上面右欄是有真實數據時的寫法。如果你沒這些數字，寧可寫「依產業觀察」「依 AI 整理的概略估計」——LLM 越來越會偵測捏造的精確數字（沒對應公開來源的具體百分比是高頻 AI 灌水信號）。
如果你寫到「許多」「大部分」「通常」這類詞 → 強迫自己改成具體數字或刪掉那句。
特徵 3：結構化（list / table / steps）
為什麼結構化勝過散文
LLM 解析內容時，結構化標記比語意理解便宜：
- 看到
<table>→ 直接識別為對照型內容 - 看到
<ol>→ 直接識別為流程型內容 - 看到
<ul>→ 直接識別為條列型內容 - 看到純
<p>→ 需要更深的語意分析才能切片
當使用者問「A 跟 B 怎麼比較」「怎麼做 X 的步驟」「有哪些選項」這類問題時，AI 優先去找已經結構化的內容區塊。
正反對照
❌ 散文敘述比較
「方案 A 的優點是價格較低，每月 $99，但缺乏進階功能如自動化與 API。方案 B 每月 $299 含完整自動化，但需要技術人員設定。方案 C $599 含 API 與專屬支援，適合大型企業……」
✅ 表格結構化
| 方案 | 月費 | 自動化 | API | 適用 |
|---|---|---|---|---|
| A | $99 | ❌ | ❌ | 小團隊 |
| B | $299 | ✅ | ❌ | 中型企業 |
| C | $599 | ✅ | ✅ | 大型企業 |
AI 切片時直接擷取整個 <table>，引用率比散文版高 4–6 倍。
寫作技巧
每寫完一段，問自己：
- 我有 ≥ 3 個並列項目嗎？→ 改成
<ul>列表 - 我有「先 A 再 B 再 C」這種順序嗎？→ 改成
<ol>編號列表 - 我有「方案 X vs 方案 Y」對照嗎？→ 改成
<table>表格
中文寫作習慣「以辭達意」，但 GEO 場景結構化勝過文采。
特徵 4：來源歸屬（根據 X / Y 顯示）
為什麼引用語句被加分
LLM 對「段落本身有引用其他來源」的句子加分，因為：
- 顯示作者做過 research，不是憑空講
- 提供 AI 一個交叉驗證的錨點
- 即使原始來源無法驗證，「有引用」的格式本身就是品質訊號
正反對照
❌ 無來源宣稱
「研究顯示企業導入 CRM 後業績提升 30%。」
問題：哪個研究？什麼時候？誰做的？AI 對 unsourced 數字權重低。
✅ 有來源宣稱
「根據 [機構] [年份] 的《[報告名稱]》，導入 CRM 兩年以上的台灣中型企業中，[X]% 表示業績有正向影響，平均提升幅度為 [Y]%–[Z]%。」（前提：報告真實存在、數字真實可查）
即便細節讀者不會去查，AI 對這句的信心度評分明顯較高——但只在引用源真實存在的前提下成立。捏造研究 / 報告名稱會被 LLM 偵測（它知道某些常見研究的內容），反而扣分。
寫作技巧
每段帶數字的內容都標來源：
- 「根據 [機構] [年份] 的 [報告 / 調查]……」
- 「[人名] 在 [著作 / 演講 / 訪談] 中指出……」
- 「[公司] 的 [產品文件 / 白皮書] 揭露……」
即便是業內常識也要標——AI 不知道「業內常識」這個概念，它只看到「這句話有沒有引用源」。
一個小技巧
如果真的找不到具體研究來源（純自家經驗），可以用：
- 「以我接觸的 50+ 位客戶經驗……」（個人實證）— 前提：你真的接觸過這個量級
- 「2018–2024 年我經手的專案中……」（時間範圍）— 前提：時間範圍與專案是真的
提供「規模 + 時間」的個人實證仍是引用源——比模糊「依我經驗」強得多。但若你沒這個量級，就誠實寫「依產業觀察」「依 AI 整理」——AI 越來越會偵測無中生有的個人經驗宣稱。
特徵 5：自包含（不需上下文也讀得懂）
為什麼這項常被忽略
LLM 切片時切的是獨立段落，不是整篇文章。如果你的段落寫成這樣：
「如前所述，這個方法的好處包括：第一……第二……第三……」
「前所述」是指什麼？AI 切片時切到這段就斷了上下文，引用時會生出假資訊或乾脆不引用。
正反對照
❌ 依賴上下文
「如前所述，這個策略的核心優勢有三點：第一是降低成本，第二是提升速度，第三是改善品質。」
✅ 自包含
「精實開發策略的核心優勢有三點：第一是降低成本（減少 30% 庫存浪費）、第二是提升速度（產品上市時間縮短 40%）、第三是改善品質（缺陷率下降 25%）。」
第二版本即使切片獨立出來也能讀懂——告訴你討論的是什麼策略、優勢具體是什麼。
寫作技巧
每寫完一段，做「切片測試」：
- 把這段獨立出來貼到一個空白文件
- 自己讀過去，能不能完整理解？
- 如果不能，補上「這段在講什麼」的開頭
常見的「需要去除」措辭：
| 上下文依賴 | 自包含改寫 |
|---|---|
| 如前所述 | 直接重述前段結論 |
| 上面提到的 X | 「精實開發中的 X」 |
| 這個方法 | 「這個[具體方法名]」 |
| 接下來要說明 | 直接開始說明，不需預告 |
| 該如何處理 | 「處理[具體情境]的方法」 |
5 個特徵的綜合評分
每寫完一段，做這個 5 項自評：
| 特徵 | 達標檢查 |
|---|---|
| 1. 答案優先 | 第一句是否直接答主題？ |
| 2. 量化具體 | 有 ≥ 1 個數字 / 區間 / 比例？ |
| 3. 結構化 | 有 list / table / 編號？ |
| 4. 來源歸屬 | 數字 / 主張有引用源？ |
| 5. 自包含 | 切片出來獨立可讀？ |
| 達標項數 | 引用率提升傾向（依 AI 整理的概略估計） |
|---|---|
| 5 項全中 | 顯著提升（數倍） |
| 4 項中 | 明顯提升 |
| 3 項中 | 中度提升 |
| 2 項中 | 輕微提升 |
| ≤ 1 項 | 接近基線（等同沒做） |
具體倍數依產業 / 內容類型 / 競爭強度差異很大——重點不是追求精準倍數，而是把重要段落改寫到 4 項以上（首段、結論、回答關鍵問題的段落最優先）。
一個實戰例子：改寫前後對比
改寫前（基線）
「客戶體驗管理是現代企業面臨的重要課題。隨著市場競爭日趨激烈，企業需要更有效率地管理客戶關係。許多公司導入了 CRM 系統，希望能透過科技手段提升營運效能。然而，導入 CRM 並非一蹴可幾，需要考慮許多面向，包括成本、人員訓練、流程整合等。」
5 項評分：1/5（只有「自包含」勉強達標，其他全部失分）
改寫後（5 項全中）
「CRM（Customer Relationship Management）是管理客戶資料、互動歷史與銷售流程的軟體系統。依產業觀察，台灣中型企業 CRM 導入 2 年內常見成果：客戶留存率與轉換率都有正向提升、業務循環時間縮短。導入週期通常需要 6–9 個月，主要瓶頸在三項：員工訓練、舊系統資料遷移、流程重設計（這三項合計佔多數時間）。」
5 項評分：4/5（少了具體數字，因為沒真實數據就不該編）
幾乎相同的字數，可引用度仍明顯較高——關鍵是定義句、結構化、來源歸屬、自包含這四個特徵都保留。具體數字若你有就填，沒有就誠實寫產業觀察。
第一步：跑健檢看你目前在哪個維度
👉 免費 GEO 健檢 — 健檢的「內容可引用性」維度檢查段落長度 / 結構化 / 統計 / 引用語句，「AEO 就緒度」檢查答案優先 / 標題後接精簡答案 / 步驟結構，這兩個維度最直接反映本文 5 特徵的達成度。
如果你想做內容團隊培訓（教寫手依本文 5 特徵改寫，含改寫前後評分機制與工作流程整合），這是 GEO 顧問服務的範圍：[email protected]
GEO 進階系列。前一篇：「從 AI 推薦到簽約 — B2B 客戶決策旅程的 5 個觸點」
半信半疑問一下：特徵4說即便是常識也要標來源，可是如果我每句話後面都掛根據XX會不會看起來很冗很假？讀者體驗會不會反而變差？感覺AI友善跟人友善有點衝突
想問特徵1跟特徵5是不是有點重疊？第一句直答跟自包含切片可讀感覺都是在講同一段要能單獨看懂，差在哪？
好問題，這兩個我當初也猶豫要不要合併哈哈。差在：特徵1管的是第一句，AI掃到段首那30字決定要不要繼續看這段；特徵5管的是整段，就算AI決定看了，切出來貼到回答裡會不會因為一句如前所述變得不知所云。簡單說特徵1是入場券、特徵5是出場能不能站得住。實務上你會遇到第一句很直答、但中間突然冒一句上面提到的方案就破功的情況，所以分兩項各自檢查比較不會漏。
你前一篇citable-content-design說是理論框架、這篇是實戰手冊，那我只想趕快改文章是不是直接看這篇就好，前一篇可以跳過？
可以直接看這篇沒問題，這篇是動手就能用的，正反對照跟那幾張改寫對照表照著套就有感。前一篇的價值是為什麼，為什麼AI偏好這5個而不是別的，理解了之後你遇到文章沒列到的新情況才知道怎麼判斷，不會變成只會照表抄。趕時間就先這篇下手改，改出手感了再回頭補前一篇，順序倒過來也沒關係 😅
結構化那段直接打到我。工程文件一堆比較我都用散文寫成一大坨，看完去把方案比較改成table了，table真的好用
先收藏 改寫前後那個CRM例子超有感
特徵5自包含這點最少人講欸。我之前一直以為文章寫越連貫越好，結果原來AI切片是切一段不是切整篇，難怪我那些如前所述的段落都沒被引到orz
中文寫作習慣以辭達意但geo結構化勝過文采 這句有點刺但講得對 我們文案組之前還在比誰句子寫得美 結果ai一個都沒引
問一下喔 那個5個全達引用機率提升5-8倍的5-8倍是哪來的數字？文章後面評分表又寫依ai整理的概略估計，到底是有實測還是估的？這兩個地方有點打架
拿我們媒體站套一下：讀者最常問「aioo牌好不好用」這種比較題，我把優缺點用table對照、注意事項用ul，這樣是不是就吃到結構化+量化兩項了？之前都寫成一大段散文，難怪AI切不出重點。
歪個樓，那張圖最下面寫"這些特徵不是寫作技巧加分項，是ai切片時的准入篩選"，這講法會不會太武斷？人寫的好文章本來就會自然命中這些特徵吧，不是ai逼的
其實兩邊不衝突欸。好的技術文件、好的說明書本來就答案優先、結構化、自包含，這些是好寫作跟AI友善剛好重疊的部分。文章那句我理解是想強調不做就直接出局這個落差感，以前你段落鋪陳一下沒差，頂多讀者多看兩行；現在AI切片時第一句沒答它就跳過，沒得補救。所以與其說是AI逼的，比較像AI把鬆散寫作的容錯空間砍掉了。中文那種起承轉合慢慢鋪的習慣，剛好就是被砍最兇的那種。
前30字直答那段我服了，我們官網的faq每一題開頭都先在現今數位時代鋪三行才講重點，難怪ai都跳過 == 今晚回去全砍
說真的這篇是不是想賣顧問服務啊 結尾就放健檢連結跟contact email ㄏㄏ
量化具體那張表我覺得很實在 特別是它沒叫你硬掰數字 反而說沒數字寧可寫依產業觀察 這點良心 現在一堆文章教你內容農場式塞假數字
看完默默打開自己的部落格 第一句全是隨著開頭orz改到天亮
文章說placeholder數字實際撰寫時帶入你網站真實數字，但中小企業哪來什麼留存率轉換率的內部數據？沒有的話特徵2是不是直接放棄？
不用放棄，特徵2不是只有自家KPI這一種數字。你可以量化的東西比想像多：價格區間、處理工時、距離/分鐘、容量規格、適用人數、版本/年份、品項數量……這些都是具體數字而且你一定有。文章那個CRM範例是拿企業KPI當示範比較戲劇化，但對你來說可能是單次施工約3，4小時方案分99/299/599三級這種就很夠用了。真的沒任何數字的句子，就照文章說的誠實寫依產業觀察，不要硬掰百分比，那個反而扣分。
結尾那個免費健檢，是真的會逐段照這5特徵打分，還是只是抓個關鍵字算數量？怕又是那種只看有沒有出現某字的工具
誠實說：健檢是自動化偵測，不是人工逐段精讀，所以它做的比較接近結構訊號偵測，例如標題後面有沒有接精簡答案、段落有沒有list/table、有沒有統計數字跟引用語句這類可程式化判斷的東西，對應的是文章裡內容可引用性跟AEO就緒度那兩個維度。它不會幫你判斷這段文采好不好那種主觀的事，那本來也不是這5特徵在管的。所以它抓的不只是關鍵字、是結構，但也別把它當成會讀懂你語意的東西，它就是快速體檢、告訴你哪幾段體質差，要怎麼改還是得人來。
那個模糊量詞對照表筆記了，多年經驗→12年產業經驗早期→2018年這種改法很具體 但前提是真的有那個年份啦 不然就變捏造xd
結構化那段說table引用率比散文高"4，6倍"，可是我把內容全改成表格後AI還是沒引我，是不是這套根本沒用？
我自己搞了快一年的心得：table是提高這段被選上的機率，不是保證一定被引。你光改格式但前面的答案優先、自包含沒做，ai看到表格但不知道這表在回答什麼問題，一樣會跳過。而且還有個大前提是你的頁面ai抓得到，如果是純前端render、crawler抓到的是空殼，格式做再漂亮它也讀不到。建議先確認頁面ssr出來的html真的有那個table，再回頭看其他四項有沒有一起到位，單壓一項通常感受不明顯。