AEO / GEO / AIEO 詞彙表

AEO 是針對 AI 答案引擎（如 ChatGPT、Perplexity、Google AI Overview）的內容優化策略，目標是讓你的品牌或網站成為 AI 回答用戶問題時的首選引用來源。與傳統 SEO 不同，AEO 強調直接、結構化的答案段落，輔以 Schema.org 結構化資料，讓 AI 引擎能快速擷取並引用你的定義。

GEO 由 Princeton 大學 2024 年論文首次系統定義，指針對生成式 AI 搜尋引擎優化內容可見度的策略集合。研究顯示，加入引用文獻、統計數據、引用句、流暢性優化等策略，可將 AI 引用率提升 40% 以上。GEO 與 AEO 概念高度重疊，部分業界人士視為同義詞，部分人則以「內容生成品質」作為區分依據。

AIEO 是 AEO 與 GEO 的傘狀術語，涵蓋所有讓內容在 AI 驅動的搜尋與問答系統中獲得更高曝光與引用的策略。包括技術層面（llms.txt、Schema.org、robots.txt）、內容層面（直答段落、E-E-A-T）和品牌層面（Identity Block、跨平台一致性）三大支柱。

SEO 是讓網頁在 Google、Bing 等傳統搜尋引擎的自然結果中排名更高的策略，涵蓋技術優化（速度、爬取、結構）、內容優化（關鍵字、E-E-A-T）和連結建立。2025 年後，SEO 與 AEO 界線日趨模糊——Google AI Overview 的出現意味著傳統 SEO 排名不再等於流量，AEO 思維成為必要補充。

Google AI Overview（前身為 SGE，Search Generative Experience）是 Google 搜尋結果頂部的 AI 生成摘要區塊，由 Gemini 模型驅動。當 AI Overview 出現時，用戶往往直接從該摘要獲得答案，不再點擊下方藍色連結，造成「零點擊搜尋」比率上升。被 AI Overview 引用等同於取得最高曝光位置，是 AEO 最重要的目標之一。

精選摘要是 Google 在搜尋結果第一位上方顯示的直接答案區塊（又稱「位置零 / Position 0」），通常摘錄自某個網頁的段落、列表或表格。研究顯示，40–60 字、結構清晰的直接答案段落被選為精選摘要的機率最高。精選摘要是 AI Overview 出現前 AEO 最重要的指標，現在仍與 AI Overview 並列存在。

引用率指你的網站在 AI 引擎回答特定問題時被引用的比例，是 AEO/GEO 最核心的衡量指標。不同於 SEO 的排名或流量，引用率直接反映 AI 引擎對你內容的信任程度。提升引用率的關鍵因素包括：直答段落品質、E-E-A-T 訊號強度、Schema 結構化程度，以及品牌實體在 AI 知識庫中的清晰度。

品牌提及率衡量 AI 引擎在回答相關問題時主動提到你品牌名稱的頻率，即使沒有直接引用連結。高品牌提及率代表 AI 引擎已將你的品牌與特定領域或問題類型建立穩定關聯。提升品牌提及率的策略包括：一致的跨平台品牌敘述、清晰的 Identity Block，以及在多個高權威來源上的品牌曝光。

零點擊搜尋指用戶在搜尋引擎頁面直接獲得答案、無需點擊任何連結的現象。Google AI Overview 大幅加劇這一趨勢——Semrush 2024 數據顯示部分查詢類型零點擊比率超過 65%。對品牌而言，零點擊時代意味著「曝光」比「點擊」更重要，AEO 策略的重點從獲取流量轉移至確保 AI 引擎在答案中準確呈現品牌定位。

robots.txt 是放置於網站根目錄的純文字檔，使用 Robots Exclusion Protocol 告知搜尋引擎和 AI 爬蟲哪些路徑可以抓取、哪些禁止。在 AEO 時代，robots.txt 的設定至關重要：過度封鎖會讓 AI 引擎看不到你的內容，但若不針對各 AI 爬蟲（GPTBot、ClaudeBot 等）分別設定，可能讓不想被引用的內容被訓練資料使用。

llms.txt 是類比 robots.txt 概念、專為大型語言模型設計的摘要說明檔，放置於網站根目錄（/llms.txt）。它用簡潔的 Markdown 格式描述網站的核心定位、主要頁面結構和品牌資訊，讓 ChatGPT、Claude、Perplexity 等 AI 在抓取網站時能立即掌握最重要的品牌敘述。雖非正式標準，但主流 AI 爬蟲已普遍支援讀取。

Schema.org 是 Google、Bing、Yahoo、Yandex 共同維護的結構化資料詞彙標準，定義了數百種內容類型（Organization、Article、FAQ、HowTo、DefinedTerm 等）的語意標記方式。透過 JSON-LD 格式嵌入 Schema.org 標記，AI 引擎能以機器可讀方式理解你的頁面內容，大幅提高被正確引用的機率。DefinedTermSet 是詞彙頁最有效的 Schema 類型。

JSON-LD 是 W3C 推薦的結構化資料嵌入格式，透過 `<script type="application/ld+json">` 標籤將 Schema.org 語意資料嵌入 HTML，無需修改頁面可視內容。Google 官方建議使用 JSON-LD（而非 Microdata 或 RDFa），因為它最易維護且不影響頁面渲染。JSON-LD 是 AEO 技術實作的核心工具，直接影響 AI 引擎的語意理解品質。

Open Graph（OG）是 Facebook 開發的 HTML meta 標籤協議，定義頁面在社群媒體分享時的標題、描述和圖片呈現方式。標準標籤包括 `og:title`、`og:description`、`og:image`、`og:url`。雖然主要設計用於社群媒體，OG 標籤也是部分 AI 爬蟲讀取頁面摘要的參考來源，確保正確設定有助於 AI 在引用時使用你預設的品牌描述。

規範網址（Canonical URL）透過 `<link rel="canonical" href="...">` 標籤告知搜尋引擎與 AI 爬蟲，當多個 URL 呈現相同或相似內容時，哪個 URL 是「官方正式版本」，避免重複內容問題。正確設定 canonical 確保搜尋引擎與 AI 引擎的引用連結指向你希望的主要頁面，也避免爬蟲在多個版本間分散權重。

Hreflang 是 HTML link 標籤屬性，告知搜尋引擎頁面的目標語言和地區，格式如 `<link rel="alternate" hreflang="zh-TW" href="..."/>`。對繁體中文網站而言，正確設定 `hreflang="zh-TW"` 確保 Google 和 AI 引擎知道這是針對台灣用戶的繁體中文內容，提高在繁體中文查詢中被引用的機率。

Sitemap（網站地圖）是 XML 格式的檔案，列出網站所有重要頁面的 URL、最後更新日期、更新頻率和優先度，幫助搜尋引擎和 AI 爬蟲有效率地發現並索引所有內容。對 AEO 而言，sitemap 確保新發布的定義型內容（如詞彙頁、研究文章）能快速被 AI 引擎抓取，縮短從發布到被引用的時間差。

結構化資料泛指使用標準化格式（Schema.org + JSON-LD）對網頁內容進行語意標記的技術實踐。不同於讓人類閱讀的 HTML 內容，結構化資料讓機器（搜尋引擎、AI 爬蟲）能精確理解頁面的內容類型、實體關係和屬性。結構化資料是 AEO 技術優化的基礎，直接決定 AI 引擎能否正確識別和引用你的內容。

Knowledge Graph（知識圖譜）是搜尋引擎和 AI 系統用來儲存實體（人、地點、組織、概念）及其相互關係的結構化資料庫。Google Knowledge Graph 影響 Google AI Overview 的回答品質；ChatGPT 和 Claude 的知識也以類似圖譜結構組織。讓你的品牌成為知識圖譜中明確、獨立的實體節點，是 AEO 品牌層面最重要的長期目標。

實體（Entity）在語意搜尋中指任何可被明確識別和區分的「事物」——人名、組織、地點、產品、概念等。AI 引擎以實體為基本單位理解內容，而非關鍵字字串。「從字串到事物（From Strings to Things）」是 Google 知識圖譜的核心理念。透過 Schema.org 明確標注頁面涉及的實體，是讓 AI 引擎精確理解你內容的關鍵步驟。

TTFB（Time To First Byte）是從瀏覽器發送請求到收到伺服器回應第一個字節的時間，是衡量伺服器回應速度的核心指標。Google 建議 TTFB 低於 800ms。對 AEO 而言，TTFB 影響 AI 爬蟲的抓取效率——回應過慢的頁面可能被爬蟲跳過，降低索引頻率。使用 Cloudflare Workers 或 CDN 快取可有效降低 TTFB。

SSR（Server-Side Rendering）指在伺服器端執行 JavaScript、生成完整 HTML 後再傳送給瀏覽器的渲染方式，對比 CSR（客戶端渲染）。從 AEO 角度，SSR 更友善的原因是：AI 爬蟲（尤其是 GPTBot、ClaudeBot）通常不執行 JavaScript，純 SSR 或靜態頁面確保爬蟲能讀取完整內容，包括所有 JSON-LD 結構化資料。

CSR（Client-Side Rendering）指頁面內容由瀏覽器在客戶端執行 JavaScript 後動態生成的渲染方式（如純 React SPA）。對 AEO 而言，CSR 是主要風險：大多數 AI 爬蟲不執行 JavaScript，CSR 頁面的內容對這些爬蟲來說近乎空白，導致 AI 引擎無法讀取並引用你的內容。建議使用 SSR 或靜態生成確保爬蟲可見性。

Hydration（水合）是 SSR 頁面在瀏覽器端被 JavaScript 「激活」為可互動應用的過程。初始 HTML 由伺服器生成（爬蟲可讀），再由客戶端 JavaScript 接管互動邏輯。對 AEO 友善的架構是「SSR + 部分水合」——重要內容（定義段落、JSON-LD）在伺服器端渲染，互動元件再由客戶端補充，確保 AI 爬蟲能讀取所有關鍵內容。

GPTBot 是 OpenAI 用於抓取網頁內容以訓練 GPT 模型和提供 ChatGPT 即時搜尋資料的官方爬蟲，User-Agent 識別字串為 `GPTBot/1.0`。網站可在 robots.txt 中使用 `User-agent: GPTBot` 允許或禁止其抓取。允許 GPTBot 抓取是你的內容出現在 ChatGPT 回答中的前提條件之一；禁止則確保內容不被用於模型訓練。

ChatGPT-User 是 ChatGPT Browse 功能（即時搜尋）使用的爬蟲 User-Agent，與 GPTBot（訓練爬蟲）不同。當 ChatGPT 開啟 Web Search 模式回答問題時，使用 ChatGPT-User 抓取即時網頁內容。透過 robots.txt 可分別控制是否允許訓練抓取（GPTBot）和即時搜尋抓取（ChatGPT-User），這兩者的商業意義不同。

ClaudeBot 是 Anthropic（Claude 開發商）的官方網頁爬蟲，用於抓取網頁內容以訓練 Claude 模型和提供 Claude.ai 的即時資訊。User-Agent 包含 `ClaudeBot` 字串。允許 ClaudeBot 抓取你的網站，是讓 Claude 在回答問題時引用你內容的必要條件。Anthropic 官方聲明 ClaudeBot 遵守 robots.txt 設定。

PerplexityBot 是 Perplexity AI 的官方網頁爬蟲，抓取內容用於提供 Perplexity 搜尋答案的即時引用來源。Perplexity 是目前引用率指標最透明的 AI 搜尋引擎——每次回答都顯示具體來源連結，引用成功可直接帶來可見流量。因此，針對 PerplexityBot 優化（允許抓取 + 提升內容品質）是 AEO 高 ROI 的投資之一。

Bytespider 是字節跳動（ByteDance，TikTok 母公司）的網頁爬蟲，用於抓取內容以支援其 AI 產品和搜尋功能。Bytespider 的抓取量龐大，在部分網站的爬蟲流量佔比中名列前茅。與其他 AI 爬蟲不同，Bytespider 的用途包含廣告定向和內容推薦，不僅限於 LLM 訓練，因此許多網站選擇在 robots.txt 中限制其訪問。

CCBot 是非營利組織 Common Crawl 的爬蟲，其抓取的網頁資料（每月約數十億頁）以開放授權提供給研究社群和 AI 公司使用。許多早期 LLM（包括部分 GPT 版本、LLaMA 等）的訓練資料包含大量 Common Crawl 資料集。允許 CCBot 抓取意味著你的內容可能進入多個開源 AI 模型的訓練集，但具體影響難以追蹤。

Google-Extended 是 Google 專為 AI 模型訓練（Gemini 等）設計的爬蟲標識，與 Googlebot（一般搜尋索引爬蟲）分開管理。網站可在 robots.txt 中使用 `User-agent: Google-Extended` 分別控制：允許 Googlebot 索引（維持 SEO 排名），同時禁止 Google-Extended 使用內容訓練 AI（保護內容使用授權）。這是 2023 年後新增的重要控制機制。

ChatGPT 是 OpenAI 開發的對話式 AI 助理，基於 GPT-4o 等模型。開啟 Web Search 功能後，ChatGPT 能即時搜尋網路並引用來源，是目前全球使用人數最多的 AI 搜尋入口之一。月活用戶超過 2 億，在 AI 答案引擎生態中的引用價值最高。針對 ChatGPT 優化是大多數品牌 AEO 策略的首要目標。

Claude 是 Anthropic 開發的對話式 AI，以長上下文理解和準確性著稱，提供 Claude.ai 網頁介面和 API。Claude 的知識截止日期後，仍可透過 web search 工具引用即時網頁內容。在 AEO 策略中，Claude 的引用偏好傾向高品質、有邏輯結構的長篇內容，E-E-A-T 訊號對 Claude 引用率的影響尤其顯著。

Perplexity AI 是以即時網路搜尋為核心的 AI 答案引擎，每次回答都附有具體引用來源連結，是目前對引用來源最透明的 AI 搜尋平台。對 AEO 實踐者而言，Perplexity 引用是最易量化追蹤的 KPI——被引用時可直接看到來源 URL 和引用文字。月活用戶快速成長，在科技、商業、學術查詢中引用率尤其高。

Gemini 是 Google 開發的多模態 AI 模型系列，驅動 Google AI Overview、Gemini.google.com 對話介面和多款 Google 產品。Gemini 的知識來源與 Google 搜尋索引高度整合，對 Google Search Console 可見度好的頁面，在 Gemini 中的引用率往往較高。傳統 SEO 優化（提升 Google 排名）對 Gemini 引用率有正向遷移效果。

Microsoft Copilot（前身為 Bing Chat）是微軟基於 GPT-4 開發的 AI 助理，整合於 Bing 搜尋、Edge 瀏覽器、Microsoft 365 套件中。Copilot 的網路搜尋基礎是 Bing 搜尋索引，因此提升 Bing 搜尋排名（提交 Bing Webmaster Tools、確保爬取）是提高 Copilot 引用率的有效路徑。在企業用戶中的使用率持續上升。

E-E-A-T 是 Google 搜尋品質評估指南中的核心框架，評估內容創作者的「親身體驗（Experience）、專業知識（Expertise）、公信力（Authoritativeness）、可信度（Trustworthiness）」。2022 年新增「Experience（體驗）」，強調作者的第一手實際經驗。在 AEO 時代，E-E-A-T 不僅影響 Google 排名，也影響 AI 引擎對內容可信度的判斷和引用意願。

資訊增益指你的內容相比網路上已有內容提供了多少獨特的新資訊量。Google 有公開專利描述以「資訊增益分數」評估內容獨特性。在 AI 引擎的引用邏輯中，資訊增益高的內容更有可能被選為引用來源，因為 AI 傾向引用能提供其他來源所沒有的洞察、數據或觀點的頁面。避免複製型內容，強調原創數據、案例和分析。

內容密度指每單位文字篇幅所傳遞的有效資訊量。高密度內容在較短篇幅中包含更多事實、定義、數據或洞察；低密度內容則充斥填充詞、重複句和廢話。AI 引擎傾向引用高密度段落，因為它們能用最少字數提供最清晰的答案。AEO 寫作原則：每個段落都應有引用價值，刪除所有不增加資訊量的文字。

直接答案段落是 AEO 最重要的內容策略之一：在每個 H2/H3 標題後的第一段，用 40–60 字完整回答該標題提出的問題，無需讀者繼續往下閱讀。研究顯示，這個長度最符合 Google Featured Snippet 的選取偏好，也是 AI 引擎最常整段引用的格式。直接答案段落應自成完整語意單位，不依賴上下文即可理解。

Identity Block 是在首頁或關鍵頁面 HTML 中嵌入的一段結構化品牌描述文字，明確說明「你是誰、你做什麼、你服務誰」，專門為 AI 引擎設計。當 AI 被問到你的品牌時，Identity Block 是確保其引用準確定義的最直接方式。典型 Identity Block 包含品牌名稱、核心功能描述、目標用戶和差異化定位，50–100 字為宜。

BLUF（Bottom Line Up Front）源自美軍溝通訓練，指在任何段落、文件或報告開頭就直接給出最重要的結論或答案，細節放在後面。這與傳統「鋪陳→發展→結論」寫作結構相反。BLUF 是 AEO 寫作的核心原則，因為 AI 引擎讀取內容時傾向選取最前面的答案句，「結論前置」大幅提升段落被引用的機率。

語意化 HTML 指使用具有明確語意意義的 HTML 標籤（`<article>`、`<section>`、`<h1>`–`<h6>`、`<nav>`、`<main>`、`<aside>`、`<footer>` 等），而非全部用 `<div>` 包覆。語意化標籤讓 AI 爬蟲能快速識別頁面的內容層次結構——哪裡是主標題、哪裡是導覽、哪裡是主要文章內容——從而更精準地擷取可引用的定義和答案段落。

TF-IDF（詞頻×逆文件頻率）是資訊檢索的經典算法，衡量一個詞對某文件的重要性：詞在此文件出現頻率高（TF），但在所有文件中罕見（高 IDF），則得分高。雖然現代搜尋引擎已大量採用語意向量技術，TF-IDF 仍是理解關鍵字密度和主題相關性的基礎概念，也是部分 AI 引擎在選擇引用來源時的輔助訊號之一。

Embedding（向量嵌入）是將文字、圖片等資料轉換為高維數值向量的技術，語意相近的內容在向量空間中距離近。AI 引擎使用 embedding 技術進行語意搜尋：當用戶提問時，系統找出問題向量最近的文件向量，選擇最語意相關的內容作為回答依據。理解 embedding 幫助 AEO 實踐者設計更語意豐富、主題集中的內容，提高與目標問題的向量距離得分。

RAG（Retrieval-Augmented Generation）是 AI 系統的核心架構之一：先從知識庫或網路中「檢索（Retrieve）」相關文件，再由語言模型「生成（Generate）」最終回答，並引用檢索到的文件。Perplexity、ChatGPT Web Search、Google AI Overview 都採用 RAG 架構。理解 RAG 就能理解 AEO 的本質：讓你的內容成為 RAG 系統在「檢索」階段選取的高分文件。