AI Skills
seo-geo

seo-geo

熱門

針對 AI 概覽（原 SGE）、ChatGPT 網頁搜尋、Perplexity 及其他 AI 驅動的搜尋體驗進行內容最佳化。生成式引擎最佳化（GEO）分析，包含品牌提及訊號、AI 爬蟲可存取性、llms.txt 合規性、段落層級的可引用性評分，以及平台特定最佳化。當使用者提及「AI 概覽」、「SGE」、「GEO」、「AI 搜尋」、「LLM 最佳化」、「Perplexity」、「AI 引用」、「ChatGPT 搜尋」或「AI 可見度」時使用。

1.2萬星標
1752分支
更新於 2026/7/20
獲取技能源代碼

相關技能

chrome-devtools3.6萬slideshow3.1萬computer-use1.5萬
SKILL.md
唯讀
名稱
seo-geo
描述

針對 AI 概覽（原 SGE）、ChatGPT 網頁搜尋、Perplexity 及其他 AI 驅動的搜尋體驗進行內容最佳化。生成式引擎最佳化（GEO）分析，包含品牌提及訊號、AI 爬蟲可存取性、llms.txt 合規性、段落層級的可引用性評分，以及平台特定最佳化。當使用者提及「AI 概覽」、「SGE」、「GEO」、「AI 搜尋」、「LLM 最佳化」、「Perplexity」、「AI 引用」、「ChatGPT 搜尋」或「AI 可見度」時使用。

AI 搜尋 / GEO 最佳化（2026 年 5 月）

主要來源：Google 的 AI 最佳化指南

Google 在搜尋中心文件中發布的官方立場：

「針對生成式 AI 搜尋進行最佳化，從 Google 的角度來看仍然是 SEO。AEO 和 GEO 只是同一項工作的重新命名標籤。」

請參閱 references/google-ai-optimization-guide.md 以取得完整摘要、破除迷思清單（llms.txt、分塊、AI 改寫、提及農場，這些都被 Google 認為無效），以及內容品質的 Who/How/Why 測試。

稽核應將 GEO 發現歸納為應用於 AI 搜尋表面的 SEO 基礎，而非獨立的優化學科。當社群建議與 Google 的主要來源衝突時，以 Google 為準，並在報告中註明衝突。

關鍵統計數據

指標 數值 來源
AI 概覽觸及人數 每月活躍用戶超過 25 億，來自 Google I/O 2026 主題演講報導；未經 Google 自有來源確認；超過 200 個國家 第三方 I/O 報導
AI 概覽查詢覆蓋率 約 50% 的查詢（第三方測量；因國家而異） 業界數據
AI 模式每月用戶 超過 10 億，來自 Google I/O 2026 主題演講報導；未經 Google 自有來源確認 第三方 I/O 報導
AI 模式模型 Gemini 2.5 的自訂版本 Google
AI 引導的會話成長 527%（2025 年 1 月至 5 月） SparkToro
ChatGPT 每週活躍用戶 9 億 OpenAI
Perplexity 每月查詢數 超過 5 億 Perplexity

關鍵洞察：品牌提及 > 反向連結

品牌提及與 AI 可見度的相關性是反向連結的 3 倍以上。
（Ahrefs 2025 年 12 月針對 75,000 個品牌的研究）

訊號 與 AI 引用的相關性
YouTube 提及 約 0.737（最強）
Reddit 提及 高
Wikipedia 存在 高
LinkedIn 存在 中等
網域評級（反向連結） 約 0.266（弱）

僅有 11% 的網域同時被 ChatGPT 和 Google AI 概覽針對相同查詢引用，因此平台特定最佳化至關重要。

GEO 分析標準（已更新）

1. 可引用性評分（25%）

最佳段落長度：134-167 字以獲得 AI 引用。此外，約 44% 的 AI 引用來自頁面前 30% 的內容（SE Ranking 研究），請將最可引用、自成一格的答案放在前面，而不是藏在摺頁下方。

強訊號：

  • 清晰、可引用的句子，包含具體事實/統計數據
  • 自成一格的答案區塊（無需上下文即可提取）
  • 在區塊前 40-60 字內給出直接答案
  • 附有特定來源的聲明
  • 遵循「X 是...」或「X 指的是...」模式的定義
  • 其他地方找不到的獨特數據點

弱訊號：

  • 模糊、籠統的陳述
  • 無證據的意見
  • 埋藏的結論
  • 無具體數據點

2. 結構可讀性（20%）

92% 的 AI 概覽引用來自排名前 10 的頁面，但 47% 來自排名低於第 5 名的頁面，顯示出不同的選擇邏輯。

強訊號：

  • 清晰的 H1->H2->H3 標題層級
  • 基於問題的標題（符合查詢模式）
  • 短段落（2-4 句）
  • 比較數據的表格
  • 逐步或多項目內容的排序/無序清單
  • 具有清晰問答格式的常見問題區塊

弱訊號：

  • 無結構的文字牆
  • 不一致的標題層級
  • 無清單或表格
  • 資訊埋藏在段落中

3. 多模態內容（15%）

包含多模態元素的內容選擇率提高 156%。

檢查項目：

  • 文字 + 相關圖片
  • 影片內容（嵌入或連結）
  • 資訊圖表和圖表
  • 互動元素（計算機、工具）
  • 支援媒體的結構化資料

4. 權威性與品牌訊號（20%）

強訊號：

  • 作者署名與資格認證
  • 發布日期和最後更新日期
  • 時效性，3 個月內的內容被 AI 答案引用的可能性約為 3 倍；超過 6 個月未更新的頁面將失去引用資格（SE Ranking，130 萬引用研究）。定期更新計畫是最高槓桿的 GEO 策略之一。
  • 引用主要來源（研究、官方文件、數據）
  • 組織資格認證和附屬關係
  • 專家引言與歸屬
  • 在 Wikipedia、Wikidata 中的實體存在
  • 在 Reddit、YouTube、LinkedIn 上的提及

弱訊號：

  • 匿名作者
  • 無日期
  • 無引用來源
  • 跨平台無品牌存在

5. 技術可存取性（20%）

AI 爬蟲不執行 JavaScript。 伺服器端渲染至關重要。

檢查項目：

  • 伺服器端渲染（SSR）與僅客戶端內容
  • robots.txt 中的 AI 爬蟲存取權限
  • llms.txt 檔案存在與配置
  • RSL 1.0 授權條款

AI 爬蟲偵測

檢查 robots.txt 中的這些 AI 爬蟲：

爬蟲 擁有者 用途 遵守 robots.txt？
GPTBot OpenAI ChatGPT 網頁搜尋 是
OAI-SearchBot OpenAI OpenAI 搜尋功能 是
ChatGPT-User OpenAI ChatGPT 瀏覽（使用者觸發） 否（使用者觸發）
ClaudeBot Anthropic Claude 網頁功能 是
PerplexityBot Perplexity Perplexity AI 搜尋 是
CCBot Common Crawl 訓練資料（常被封鎖） 是
anthropic-ai Anthropic Claude 訓練 是
Bytespider ByteDance TikTok/Douyin AI 是
cohere-ai Cohere Cohere 模型 是
Google-Extended Google Gemini/Vertex 訓練與基礎事實查核退出機制 是
Google-CloudVertexBot Google 網站擁有者要求的 Vertex AI Agent 爬取 是
Google-Agent Google 代理瀏覽（Project Mariner），代表使用者行動 否（使用者觸發）
Google-NotebookLM Google 擷取個別使用者新增的來源 URL 否（使用者觸發）
Google Messages Google 使用者觸發的擷取 否（使用者觸發）

建議： 允許 GPTBot、OAI-SearchBot、ClaudeBot、PerplexityBot 以獲得 AI 搜尋可見度。如有需要，封鎖 CCBot 和訓練爬蟲。

使用者觸發的擷取器會忽略 robots.txt（Google-Agent、Google-NotebookLM、Google Messages、ChatGPT-User）。robots.txt 無法封鎖它們，請使用伺服器端存取控制。Google 的標準爬取/robots 參考已移至 developers.google.com/crawling（2025-11-20 遷移）；IP 範圍檔案現在位於 /crawling/ipranges/，googlebot.json 已重新命名為 common-crawlers.json。新興技術：Web Bot Auth（RFC 9421）讓機器人透過 Signature-Agent 標頭和金鑰目錄進行驗證（由 Google-Agent 使用）；反向 DNS 驗證仍是備用方案。

llms.txt 標準

請參閱 references/llmstxt-evidence.md 以取得主要來源證據（Mueller、Illyes、SE Ranking 30 萬網域研究、OtterlyAI 伺服器日誌稽核），說明為何 /llms.txt 目前並非主要 AI 搜尋系統的引用槓桿。claude-seo 會報告其存在，但不會賦予引用排名權重。

Google 現在明確說明了這一點。 Google 的 AI 最佳化指南（2026-06-29 更新）指出，您不需要為 Google 搜尋（包括其生成式 AI 功能）使用 llms.txt / AI 文字檔案，這麼做「不會損害（也不會幫助）您在 Google 搜尋中的可見度或排名，因為 Google 搜尋會忽略它們。」Mueller 另外將 llms.txt 的發現用例稱為「死路一條」。對於非 Google 的 AI 服務，保留它是可以的；切勿將其推薦為 Google 排名/引用槓桿。來源：developers.google.com/search/docs/fundamentals/ai-optimization-guide

新興的 llms.txt 標準為 AI 爬蟲提供結構化的內容指引。

位置： /llms.txt（網域根目錄）

格式：

# 網站標題
> 簡短描述

## 主要區段
- [頁面標題](url)：描述
- [另一個頁面](url)：描述

## 可選：關鍵事實
- 事實 1
- 事實 2

檢查項目：

  • /llms.txt 是否存在
  • 結構化內容指引
  • 關鍵頁面重點
  • 聯絡/權威資訊

RSL 1.0（真正簡單授權）

機器可讀 AI 授權條款的新標準（2025 年 12 月）。

支援者： Reddit、Yahoo、Medium、Quora、Cloudflare、Akamai、Creative Commons

檢查項目： RSL 實作與適當的授權條款。

平台特定最佳化

平台 關鍵引用來源 最佳化重點
Google AI 概覽 與排名高度相關，引用已排名良好的頁面 傳統 SEO + 段落最佳化
Google AI 模式（Gemini 2.5 自訂版本） 與排名弱相關；更廣泛的池（每次查詢約 9 個網域，Ahrefs） 獨特表面：時效性、實體權威、超越第 5 名的可引用段落
ChatGPT Wikipedia（47.9%）、Reddit（11.3%） 實體存在、權威來源
Perplexity Reddit（46.7%）、Wikipedia 社群驗證、討論
Bing Copilot Bing 索引、權威網站 Bing SEO、IndexNow

兩個 Google 引用引擎，而非一個。 AI 模式和 AI 概覽約有 86% 的時間得出相同結論，但僅有 13.7% 的時間引用相同的 URL（Ahrefs 研究，54 萬組查詢）。將它們視為不同的表面：在傳統搜尋中排名良好會餵養 AI 概覽，但 AI 模式從更廣泛的池中汲取，其中時效性和實體權威勝過原始排名。兩者都要評分。

使用者體驗現已統一，表面仍然不同。 在 Google I/O 2026（2026-05-19）上，Google 將 AI 概覽和 AI 模式合併為「一個無縫的 AI 搜尋體驗」（問題 → AI 概覽 → AI 模式中的後續追問），並配備新的智慧搜尋框。體驗是一個流程，但兩個引用引擎在技術上仍然不同（不同的模型/連結集），請繼續對兩者進行評分。

AI 搜尋中的引用表面與控制項（2026 年）

Google 在 AI 概覽和 AI 模式中新增了許多 AI 引用/來源表面（2026 年 5 月）：

  • 偏好來源，使用者選擇的網站會在 AI 答案中獲得「偏好」徽章；自 2026-04-30 起支援所有語言（已選取超過 34.5 萬個來源）；Google 正致力於將其用作排名訊號。*快速勝利：*鼓勵您的受眾將品牌新增為偏好來源。
  • 「高度引用」徽章，透過原創的初級報導（被其他文章引用）獲得。
  • 社群觀點，提升 Reddit/論壇/第一手內容。
  • 內嵌連結、桌面懸停連結預覽，以及突出的連結輪播。

控制 AI 功能外觀： 沒有特定的 AI 退出檔案。在 AI 概覽和 AI 模式中的外觀由標準的預覽/索引指令 nosnippet、data-nosnippet、max-snippet、noindex 控制（與上述第三方 AI 爬蟲 robots 控制不同）。來源：developers.google.com/search/docs/appearance/ai-features

搜尋代理（即時，不僅是 WebMCP）： Google 的「資訊代理」在背景執行以監控主題，加上代理預訂/通話功能（針對特定類別，2026 年夏季向美國使用者推出），因此對代理友善的頁面最佳化（真實互動元素、無障礙樹、版面穩定性）現在對操作很重要，而不僅是引用。

輸出

產生 GEO-ANALYSIS.md，包含：

  1. GEO 就緒分數：XX/100
  2. 平台細分（Google AIO、ChatGPT、Perplexity 分數）
  3. AI 爬蟲存取狀態（哪些爬蟲允許/封鎖）
  4. llms.txt 狀態（存在、缺失、建議）
  5. 品牌提及分析（在 Wikipedia、Reddit、YouTube、LinkedIn 上的存在）
  6. 段落層級可引用性（識別出最佳的 134-167 字區塊）
  7. 伺服器端渲染檢查（JavaScript 依賴性分析）
  8. 影響最大的前 5 項變更
  9. 結構化資料建議（針對 AI 可發現性）
  10. 內容重新格式化建議（要重寫的特定段落）

快速勝利

  1. 在前 60 字內加入「什麼是 [主題]？」的定義
  2. 建立 134-167 字自成一格的答案區塊
  3. 加入基於問題的 H2/H3 標題
  4. 包含附有來源的具體統計數據
  5. 加入發布/更新日期
  6. 為作者實作 Person 結構化資料
  7. 在 robots.txt 中允許關鍵 AI 爬蟲

中等努力

  1. 建立 /llms.txt 檔案（可選：Google 搜尋忽略；可能有助於其他 AI 爬蟲）
  2. 加入作者簡介與資格認證 + Wikipedia/LinkedIn 連結
  3. 確保關鍵內容的伺服器端渲染
  4. 在 Reddit、YouTube 上建立實體存在
  5. 加入附有數據的比較表格
  6. 實作常見問題區段（結構化，但商業網站不要使用 schema）

高影響力

  1. 建立原創研究/調查（獨特的可引用性）
  2. 為品牌/關鍵人物建立 Wikipedia 存在
  3. 建立 YouTube 頻道並在內容中提及
  4. 實作全面的實體連結（跨平台的 sameAs）
  5. 開發獨特的工具或計算機

DataForSEO 整合（可選）

如果 DataForSEO MCP 工具可用，請使用 ai_optimization_chat_gpt_scraper 檢查 ChatGPT 網頁搜尋針對目標查詢的回傳結果（真實 GEO 可見度檢查），以及使用 ai_opt_llm_ment_search 搭配 ai_opt_llm_ment_top_domains 進行跨 AI 平台的 LLM 提及追蹤。

錯誤處理

情境 行動
URL 無法連線（DNS 失敗、連線被拒） 清楚回報錯誤。不要猜測網站內容。建議使用者驗證 URL 後重試。
AI 爬蟲被 robots.txt 封鎖 精確回報哪些爬蟲被封鎖、哪些被允許。提供具體的 robots.txt 指令以啟用 AI 搜尋可見度。
找不到 llms.txt 註明缺失（可選檔案；Google 搜尋忽略它），並為非 Google AI 爬蟲提供立即可用的 llms.txt 範本。
未偵測到結構化資料 回報缺口，並提供具體的結構化資料建議（Article、Organization、Person）以改善 AI 可發現性。

FLOW 框架整合

如需提示引導的 AI 內容最佳化，請使用 /seo flow optimize <url>，FLOW 的 21 個最佳化階段提示以證據為導向的 AI 提示，補充 GEO 的可引用性和結構分析。