排名仍能預測 AI 可見度，信任可以壓過名次

Kevin Indig 在 AirOps 的研討會上，用超過 20 個月、超過 100 萬則分析過的回答、超過 10 萬次引用，說明誰在 AI 搜尋裡被看見。他的結論不是 SEO 已經沒用。排名仍是底，信任、自己手上的資料，以及你怎麼量，決定排名之後發生的事。AirOps 賣內容與 AI 搜尋的工作流程，這場是他們辦的。

展開查詢的第一名，拿走 58% 的引用

他和 AirOps 一起做的研究裡，某個展開查詢排第一的結果，拿到 58% 的引用，是第十名的四倍。所以要提高 AI 可見度，仍先看這些頁在 Google 或 Bing 排不排得上、名次在升還是在掉、模型可能展開出去的那些相關查詢上競不競爭。AI 搜尋不是「把 SEO 做好就結束」，但傳統搜尋仍是地基。他估計 SEO 和 AEO 大約重疊 70% 到 80%，剩下的 20% 到 30% 常常決定你是出現還是被略過。70% 到 80% 是他的估計，不是測出來的相關係數，也不能寫成所有引擎都是這個比例。

信任可以壓過名次

人把一部分舊習慣帶進 AI 搜尋。AI Mode 給出短名單時，使用者大約 74% 會選第一個。信任更強：名單上有認得、也信任的品牌時，名次就沒那麼要緊，排得比較後面仍可能被選上。他看到人常用兩個問題過濾：我認不認得、信不信任這後面的品牌；這個答案解不解得了我的問題。第一個問題常常先出現。所以目標不只是在回答裡排很高，而是在回答出現時，人已經認得你。

可見度不是引薦流量

他把 AI 搜尋看成可見度和發現，不是一條主要的流量渠道。Google 出現 AI Overview 時，點進傳統搜尋結果的次數大約少 50%。同時，大約只有 1% 的使用者會點 AI 摘要裡的連結。那些連結常被用來核對答案，不一定開啟一次傳統的網站工作階段。

ChatGPT 也類似：有些連結可以有數十萬次曝光，點擊卻很少。引薦在成長，但他說 AI 引薦通常仍只占自然流量的 1% 到 5%。1% 的點擊率、1% 到 5% 的流量占比，不是同一個分母。

這不表示沒有商業價值。他的一個客戶，自然流量年對年幾乎少了 50%，轉換卻接近增加 20%。用顧客自己說的來源，AI 搜尋大約影響了 10% 的新業務。少掉的點擊和多出來的考慮、直接造訪、品牌搜尋、轉換，可以同時發生。50%、20% 和 10% 是這一個客戶，不是產業平均。

引用集中在一小群品牌，多數提及在站外

很多主題上，ChatGPT 似乎從大約 30 個品牌裡取材料。這一群拿走大約三分之二的引用，剩下的散在大得多的來源裡。不必立刻主導整個品類，但要進得了考慮名單；進去之後，下一件事才是往上移。

站外的信任也算。他指出 YouTube 是 AI 回答裡品牌提及最強的相關項之一。AirOps 的研究還發現，AI 搜尋裡的品牌提及，多數來自站外。實務上是包圍：自己的產品頁要有，評測站、出版者、對手、社群、YouTube，以及其他模型已經在用的第三方，也要有。出現 AI Overview 時，人還會去 YouTube 和 Reddit 核對建議，這兩個平台的點擊會增加。回答和人的核對是同一段路程的兩截。

定義和教學文在掉點擊，難被合成的內容還在

他分享的研究裡，教學和「什麼是」這類內容在過去 12 個月大約少了 35% 到 60% 的點擊。Quora、Stack Overflow 這類回答平台也遠低於自己的流量高點。若一頁在跟聊天機器人第一段就能生成的說明競爭，它就脆弱。還站得住的是較難合成的東西：自己的數據、第一手經驗、原創研究、明確的看法、真實案例，以及幫人做決定的產品知識。品質門檻變高，是因為「還可以」的內容供給近乎無限，不是因為模型寫得比較好這一件事。

同一條提示跑三次，只有 2.2% 的引用保持不變

不要丟掉現有的搜尋資料。先鎖定最要緊的商業查詢，再對照：傳統搜尋排第幾、AI 有沒有取到這些頁、取到之後有沒有真的引用、哪些對手穩定排得更高、品類周圍是哪些來源在塑造答案。

提示詞追蹤有用，但不能當成唯一的真相。他把同一條提示連續跑三次，只有 2.2% 的引用保持一致。重要的提示要重複跑，看多次回答裡什麼還在。穩定的模式比單一次結果有意義。

長文仍然有用，如果它支撐排名，而且回答一個有商業意義的問題。問題不是長度，是頁面有沒有給出清楚、用得上的東西。他在測試裡看到有提升的站內元素：直接回答特定問題的常見問題、靠近文首的摘要或重點、描述清楚的標題層級、短而直述的句子、清單和比較表、看得到的「上次更新」日期。一個客戶在一批頁面加上上次更新日期之後，引用率變成三倍。這個三倍是那一組頁面、那個改動，而且他們加了、量了、拿掉、再看有沒有回到基準。不是全站加上日期就會三倍。

用 AI 大量生產時，他看到三種掉流量的跡象。選題漂離公司真正懂的核心。文風變成認得得出的機器腔：冗長、誇張、平、可以互換。內容變成商品：只摘要已經知道的事，沒有經驗、證據或有用的觀點。AI 輔助本身不是問題。他的說法是，做得好的 AI 輔助內容可以和人寫的一樣好。危險是用 AI 生產更多相同的東西，卻沒有加上專業或經驗。

他把 AI 比成很好的實習生、很糟的創辦人：能分析資料、做重複的事、提高懂這行的團隊的產量；不適合從零決定方向。他偏好用 AI 做成規則清楚、可重複的流程，而不是把整件事交給它。模型在寫程式或整理資料上可以很強，在要判斷的任務上可以出奇地弱。懂這個題目的人，才看得出哪裡能用、哪裡必須看過。

最後一次點擊量不到考慮是怎麼形成的

超過 70% 的 AI 流量在分析裡可以顯示成直接流量。只看點擊，會漏掉在回答裡見過品牌、之後自己輸入網址的人。一個補法是問新客戶從哪裡知道你，再盡量接到 CRM 和管道。另一個是增量測試：改動、定義好的一組頁、對上基準，拿掉之後看會不會回去。上次更新日期那個三倍，就是這種做法。

他建議從一個已經有一些可見度的商業品類開始：重要提示每條多跑幾次；對照排名、有沒有被取到、有沒有被引用、有沒有被提到；找出被取到卻沒被引用的頁；用直接答案、常見問題、表格、短句和更新日期讓主張容易被抽出；加上對手不容易複製的資料或第一手經驗；列出正在塑造這個品類的第三方，並在那裡建立站得住的存在；引用是否持續、品牌搜尋、直接流量、顧客自述和管道放在一起看。站內結構幫助模型理解和取用。站外信任決定你會不會先被放進考慮。

他收尾時說，AI 改變人，多過改變搜尋：注意力怎麼分配、信任誰、以及會用了解自己情境的助手。接下來不只是排名和提示詞，而是成為被信任的來源、建一個可以直接觸及的受眾、做出模型不容易從別處合成的資訊。他說未來 12 到 24 個月可能是一輪媒體戰：公司投資記者、原創研究、影片和自有受眾，和買方建立直接關係。這是他的判斷，不是預測模型。

常見問題

• 排名第一拿到 58% 的引用，是不是所有查詢？不是。那是他和 AirOps 的研究裡，某個展開查詢排第一的結果，相對第十名約四倍。SEO 和 AEO 重疊 70% 到 80% 是他的估計。資料範圍是超過 20 個月、超過 100 萬則回答、超過 10 萬次引用，不是每一個引擎的普查。
• 74% 的人選第一名，信任還有沒有用？74% 是 AI Mode 短名單上、使用者選第一個結果的比例。他同時寫，名單上有認得且信任的品牌時，名次就沒那麼要緊，排得比較後面仍可能被選上。兩句都要留著，不能只留 74%。
• AI 引薦只占自然流量 1% 到 5%，是不是 AI 沒有價值？他說引薦通常只占 1% 到 5%，而且 AI Overview 出現時，點進傳統結果大約少 50%，點摘要裡連結的大約只有 1%。一個客戶卻是自然流量幾乎少 50%、轉換接近增 20%，自述來源裡 AI 約影響 10% 的新業務。流量占比、點擊率和這一個客戶的轉換，不能加成一個產業結論。
• 同一條提示的引用為什麼不能看一次？他把同一條提示連續跑三次，只有 2.2% 的引用保持一致。重要提示要重複跑，看多次之後還在的模式。
• 加上更新日期就會讓引用變三倍嗎？不會。三倍是一個客戶在一批頁面上加了「上次更新」，量過、拿掉、再看有沒有回到基準。不是全站加上日期的保證。

編輯解讀

一句話重點：在這組資料裡，展開查詢的排名仍能預測引用，信任可以壓過短名單上的名次；AI 搜尋不只是引薦流量。

這對你的網站意味著什麼：

• 先看會被展開的商業查詢在 Google 或 Bing 的名次，再看那些頁有沒有被取到、取到之後有沒有被引用。
• 同一條提示至少多跑幾次。2.2% 的穩定度說明單次結果不能當排名。
• 引薦、直接流量、品牌搜尋和顧客自述分開記。不要只因為 AI 渠道占 1% 到 5% 就判斷沒有商業影響。
• 站外的評測、YouTube 和社群，和站內的直接答案、表格、更新日期一起做。多數品牌提及在他轉述的 AirOps 研究裡來自站外。

適用與不適用的情境：適用於檢查「只追提示詞、不看傳統排名」或「只看引薦、不看轉換」的報表。不適用於把 58%、74%、70% 到 80% 或三倍引用寫成你的品類會發生的事。

需要注意的限制：AirOps 主辦這場並賣相關產品。數字沒有另附方法論文。30 個品牌拿走三分之二、教學文少 35% 到 60%、超過 70% 的 AI 流量顯示成直接流量，都是這場裡的說法，分母沒有在頁面上拆開。未來 12 到 24 個月的媒體戰是他的判斷。

延伸閱讀：

• ChatGPT 報表驟降先別當流量流失：10 月 8 日至 15 日少的是 utm

名詞與資料來源

1. Kevin Indig／AirOps：〈The Winners and Losers of AI Search: What Kevin Indig’s Data Shows About Visibility〉 https://airops.com/blog/winners-and-losers-of-ai-search-kevin-indig-webinar（頁面日期：2026-08-28；檢索：2026-10-17）