台灣茶器屋是一個虛構的台灣精品茶具電商，銷售手工陶瓷茶組、烏龍茶配件與茶道工具，主要客群是注重生活品味的消費者和茶藝愛好者。2025 年底，創辦人意識到愈來愈多客人說「我是問 ChatGPT 推薦才找到你們的」，但實際用 ChatGPT 問「台灣哪裡買好的茶具」，卻完全找不到他們的網站。這個落差促使他們做了第一次 CiphLens 稽核。以下是接下來 10 週發生的事。
電商的 AEO 優化和 B2B SaaS 或不動產有本質上的差異。電商面對的 AI 搜尋問題通常是這類的：「台灣哪裡可以買到好的紫砂壺」、「拜訪台南茶區前要準備什麼茶具」、「給茶藝初學者的入門套組推薦」。這些問題有三個共同特點：它們是購物建議型的、帶有地域或情境脈絡、需要 AI 引擎有能力識別「這個品牌賣什麼、賣給誰、在哪裡找到」。
台灣茶器屋的問題在第一次稽核後非常清晰。他們用的是 Shopify 架設，基本 meta 標籤齊全（AEO 31 分不算差），但三個關鍵問題讓 GEO 只剩 11 分：
沒有任何 Schema.org 標記：Shopify 預設主題沒有自動加入 Product、Organization、或 LocalBusiness Schema。AI 引擎在看到一個沒有結構化標記的頁面時，只能猜測這是「一個賣茶具的網站」，無法提取具體的商品名稱、價格範圍、材質、適用情境等對購物建議至關重要的屬性。
沒有任何問答或指南型內容：整個網站除了產品頁，唯一的其他頁面是「關於我們」。AI 引擎在被問到「茶具選購建議」時，找不到任何可以引用的指南、比較或問答內容。品牌存在，但對 AI 引擎來說沒有聲音。
圖片 alt 文字幾乎全部缺失：茶具是視覺產品，網站有大量精美圖片，但 alt 文字幾乎都是空白或只有「image-001.jpg」這類無意義的文字。這既是 SEO 問題，也是 AI 可讀性問題。
CiphLens 稽核報告提供了一份優先順序清單，創辦人和技術合作夥伴決定分三個工作流並行推進：
這是影響最大、也最花時間的工作。茶器屋有 180 個商品 SKU，逐一手動加 Schema 不現實。技術合作夥伴開發了一個批次腳本，從 Shopify 的商品資料自動產生 Product JSON-LD，包含 name、description、material（材質）、offers（含價格和貨幣）、category、以及 image。
對茶具這種品類，material（材質）是最重要的屬性，因為消費者問「紫砂壺推薦」和「陶瓷茶壺推薦」是完全不同的需求。把材質做成結構化標記而非只放在描述文字裡，讓 AI 引擎能夠精確匹配具體問題。這個批次補強在第 2 週完成，CiphLens 稽核的 Schema 項目分數立即從 0 升至 61。
同步在首頁加入 LocalBusiness Schema（商家地址、營業資訊、服務區域）和 Organization Schema（品牌定義、核心品類、創立年份）。電商通常被忽略的 LocalBusiness 標記，對於「台灣哪裡買茶具」這類帶地域性的問題非常關鍵。
創辦人（本身是茶藝愛好者）利用三週時間，撰寫了 8 篇以回答問題為主軸的指南文章：
每篇指南都遵循同一個格式：H1 是問題本身，H1 之後的第一段是 40-60 字的直接答案（這是被 AI 選為精選摘要的最佳位置），後面接詳細說明，結尾加入 FAQPage JSON-LD。6 篇指南全部在第 5 週前上線。
llms.txt 的內容對電商格外重要：除了基本的品牌定義，還需要明確說明品類範圍（賣什麼）、價格區間（讓 AI 能回答「台灣茶器屋的東西貴不貴」）、以及服務能力（全台配送、提供禮盒包裝服務）。
圖片 alt 文字的批次補強由創辦人逐一手動完成，花了大約 4 個工作天。這不是技術工作，而是內容工作：每張圖的 alt 文字要包含材質、產品名稱、以及情境描述（例如：「紫砂朱泥小壺，容量 150ml，適合工夫茶泡法」）。這個工作對 GEO 分數的直接提升相對有限，但對整體的 AI 可讀性貢獻顯著。
前 5 週是密集的建設期，第 6 週開始進入觀察與調整模式。每兩週跑一次 CiphLens 稽核追蹤分數，同時用手動測試向 ChatGPT、Perplexity 提問，記錄品牌出現的狀況。
電商 AEO 的核心洞察：AI 引擎對購物推薦的引用特別謹慎，因為它們不想被認為是在廣告某個品牌。最有效的突破方式不是讓 AI「推薦你的產品」，而是讓 AI「引用你的知識」。當你的茶具保養指南、材質比較文章、情境選購建議被 AI 作為信息來源引用時，品牌自然就出現了。這是一個讓 AI 喜歡引用你、而不是讓你出現在 AI 廣告版位的策略。