多數台灣中小企業現在不該做 GEO。
不是因為 AI 搜尋不重要，是因為你的客戶用來找你的那類查詢，在繁體中文環境下 30 組實測有 30 組不出現 AI 摘要。
這句話跟多數 GEO 教學的結論相反。
所以我把根據攤開：一篇 2024 年的 KDD 論文、Google 自己的官方指南、還有我們在 2026 年 8 月跑的 130 組繁中查詢。
三份資料指向同一個結論——GEO 有效，但它的報酬高度挑人，而挑人的規則跟多數教學說的不一樣。
GEO（生成式引擎優化）是什麼？
GEO 是把內容寫成 AI 願意引用的形態。
它跟 SEO 差在爭的東西：SEO 爭排名位置，GEO 爭的是被寫進那段生成的答案裡。
全稱是 Generative Engine Optimization，中文譯作生成式引擎優化。
這個詞不是行銷公司發明的。
Aggarwal 等人在 2024 年 ACM SIGKDD 發表的〈GEO: Generative Engine Optimization〉建了一個叫 GEO-BENCH 的基準，用一萬組查詢測試九種寫法對「被生成式引擎引用」的影響。
九種分別是：訴諸權威、加入統計數字、關鍵字堆疊、標註來源、加入引述、易讀化、流暢度優化、罕用字、專業術語。
論文被引用得最多的一句是「GEO 可以讓可見度提升最多 40%」。
這句話要配著實驗條件讀：它出自「每次只最佳化一個來源」的設定，指的是表現最好的那幾招在最佳指標上的上限，不是九招的平均，更不是你照做就會拿到的數字。
值得先分清楚三個詞，因為市面上常常混著賣：
| 爭什麼 | 成功長什麼樣 | 怎麼量 | |
|---|---|---|---|
| SEO | 搜尋結果頁的排名位置 | 你的連結出現在第一頁 | 排名、點擊、曝光 |
| GEO | AI 生成答案時引用誰 | 你的網址出現在答案的來源裡 | 被引用次數、引用佔比 |
| AEO | 直接答案（本文取狹義：精選摘要那類） | 你的段落被直接顯示在最上方 | 摘要出現率 |
AEO 這一列要加註：本文取的是狹義用法（精選摘要那類直接答案），但業界不少人把 AEO 當成涵蓋 ChatGPT、Perplexity、AI 摘要與語音助理的廣義詞，那個用法幾乎等同 GEO。
看到報價單上同時列 GEO 與 AEO 兩項，先問對方各自的定義是什麼。
三者的技術基礎高度重疊，我不建議把它們當成三套要分別採購的服務——後面 Google 官方那一段會講為什麼。
SEO 那一側的完整輪廓、哪些做法有證據、該不該投錢，我們另外寫在SEO 是什麼？中小企業入門指南。
論文最該注意的數字是負的：排名第一的頁面反而掉了 30.3%
在所有來源都同時最佳化的實驗條件下，「標註來源」讓排名第 5 的頁面可見度提升 115.1%，卻讓排名第 1 的掉了 30.3%——GEO 的報酬跟你現在的排名成反比。
這組數字在中文圈不算祕密。
我查了三篇排在前面的中文 GEO 教學：Newscan 那篇同時寫了 115.1% 與下降 30.3%，Whoops 把論文列進參考文獻但沒有引用這組排名數字，Harris 先生那篇則沒有提到這份研究。
所以問題不是沒有人講，是沒有人把它變成一個決定——如果排名第一做 GEO 會倒退，那「要不要做」就該先看你現在排第幾，而不是先看你想不想做。
這篇後面的矩陣就是在補這一步。
論文沒有解釋這個負號的成因，以下是我的推測：生成式引擎挑引用來源時要的是能補上答案缺口的段落，而排名第一的頁面內容多半已經被涵蓋，再堆引述與統計數字只是增加冗餘。
這個推測還沒有被驗證，但它不影響那個數字本身。
九種方法的效果不是齊頭的。
把論文的結果排出來會看到很清楚的分層：
| 分層 | 方法 | 論文怎麼說 |
|---|---|---|
| 效果前三 | 標註來源、加入引述、加入統計數字 | 論文原文：這三招合計「a relative improvement of 30-40% on the Position-Adjusted Word Count metric and 15-30% on the Subjective Impression metric」 |
| 有效，幅度較小 | 流暢度優化、易讀化、專業術語 | 都是正向，但明顯低於前三 |
| 看領域 | 訴諸權威 | 有效，集中在辯論、歷史與科學類查詢 |
| 幾乎沒差 | 罕用字 | 九招裡提升幅度最小 |
| 沒有用 | 關鍵字堆疊 | 論文原文：「little to no improvement」 |
論文的表格裡確實有每一招各自的數值，但那是絕對指標值，要換算成「提升幾 %」得先設定基準。
我查到的幾份二手整理，換算出來的數字彼此對不起來。
所以我只引用作者自己在結論裡寫的那組區間，以及可以確定的排序
看到中文文章寫「某招可以提升 X%」而沒有交代基準與實驗條件，那個數字就先別拿去說服老闆。
還有兩個條件要一起記。
一是這張表出自「每次只最佳化一個來源」的設定，也就是只有你一家改寫、其他人不動；二是前面那組 115.1% 與 −30.3% 出自另一個設定——所有來源同時最佳化。
兩者不能混著引用，這也是為什麼我對排名第一的建議是「證據不足」而不是「一定會變差」。
最後一列值得多看一眼。
關鍵字堆疊在 SEO 裡早就失效，在 GEO 裡論文的原話是「little to no improvement」——生成式引擎繼承了原本排名系統對操弄的判斷，不是一個可以重新鑽漏洞的新戰場。
另外不同領域吃不同招：事實型查詢吃「標註來源」，法律與政府類、意見型查詢吃「統計數字」。
這篇論文的實驗全部在英文環境。
它證明的是機制存在，不是證明在繁體中文的台灣搜尋環境裡強度一樣。
下一節就是為了補這個洞。
你的客戶用來找你的字，AI 摘要根本不出現
30 組「高雄＋產業」的找廠商查詢，0 組觸發 AI 摘要；另外 100 組知道型查詢，97 組觸發。
差別不在關鍵字難度，在查詢的意圖。
2026 年 8 月 19 日，我們在 google.com.tw 用真實瀏覽器手動跑了 130 組繁體中文查詢，把觸發情形與 577 個引用來源全部記下來（方法、原始資料與已知弱點都在AI Overview 被引用的門檻不是排名那篇，可以自己重跑）。
七類查詢的觸發率是這樣：
| 查詢類型 | 組數 | 觸發 AI 摘要 |
|---|---|---|
| 找人字／商業頭部（例：高雄室內設計） | 30 | 0% |
| 費用／價格型（例：室內設計費用） | 15 | 100% |
| 推薦／怎麼選型（例：室內設計師怎麼選） | 25 | 22 組，88% |
| 教學／流程型 | 15 | 100% |
| 問題排除型 | 15 | 100% |
| 定義／是什麼型 | 15 | 100% |
| 比較型 | 15 | 100% |
看懂這張表，就看懂了為什麼開頭那句話成立。
你的潛在客戶要找一家高雄的室內設計公司，他搜「高雄室內設計」——那一頁沒有 AI 摘要，只有廣告、地圖與自然結果。
他要先搞懂行情才搜「室內設計費用」——那一頁有摘要。
前者決定誰接到案子，後者決定誰被認識。
有一類字會卡在兩類中間，要先講清楚：地區＋產業＋推薦，例如「高雄室內設計推薦」。
它同時帶著找人字的地區意圖與推薦型的比較意圖，而我們那 130 組沒有單獨把這種混合字拆出來測，所以我不會告訴你它屬於哪一類。
遇到這種字最快的辦法是自己搜一次，看那一頁有沒有出現 AI 摘要——實際搜尋結果比任何分類規則都準，而且只要三十秒。
引用來源的分布還有一個發現支持論文那個反比關係：577 個引用裡有 163 個（28.2%）來自不在自然搜尋前 10 名的頁面，而排名第 1 的頁面只被引用 74 次（12.8%）。
被引用跟排第一是兩件不同的事。
GEO 報酬矩陣
先問這個字會不會觸發 AI 摘要，再問你在自然搜尋排第幾。
兩個答案交叉出四個格子，而其中只有一格值得你投入生成式引擎優化。
| 你排名前 3 | 你排 4–10 名或還沒排名 | |
|---|---|---|
| 知道字（會觸發摘要） | 先不要為了 AI 重寫。論文在「所有來源同時最佳化」下測到第一名掉 30.3%，但「只有你一家改寫、而且你排第一」這個組合，論文沒有單獨拆出來報——這一格是證據不足，不是保證會變差 | 唯一值得投 GEO 的一格。加引述、加統計、標來源，論文與繁中實測都支持 |
| 找人字（不觸發摘要） | 顧好服務頁、Google 商家檔案與評價，GEO 在這裡沒有作用對象 | 先把基本 SEO 與廣告做起來，判斷順序看這篇 |
我把這張表叫「GEO 報酬矩陣」，全文後面都用它。
它的用法是：把你的關鍵字清單分成找人字與知道字兩堆，再各自查目前排名，然後只對右上角那一格投入資源。
大部分中小企業的字會落在左下角。
這不是壞消息——那一格對應的是實際會帶來詢問的查詢，而且競爭邏輯清楚：服務頁寫清楚、商家檔案完整、評價有人管。
真要花錢，花在廣告上比花在 GEO 上更快看到詢問，三筆帳怎麼算在這篇。
有一個數字上的矛盾要一起看。
Harris 先生的統計指出，多數網站來自 ChatGPT 的流量「幾乎僅有網站總流量的 0.3%～0.5% 左右」；Newscan 引用的 Digiday 美國媒體數據則說，AI 平台來的訪客訂閱轉換率 1.34%，是一般搜尋 0.55% 的 2.4 倍。
兩邊都可能是真的——量很小，質很好；但要注意後者是美國媒體業的數字，不是台灣中小企業的。
所以右上角那一格值得做，但它是加分題，不是主戰場。
Google 官方說不用為了 AI 做特別的事
Google 官方指南明講：不需要新的機器可讀檔案、不需要把內容切成小塊、不需要為生成式搜尋用特別的寫法、不需要結構化資料。
這四句一次否定了多數 GEO 服務的賣點。
原文值得逐條看。
關於檔案：「You don’t need to create new machine readable files, AI text files, markup, or Markdown to appear in Google Search」。
關於切塊：「There’s no requirement to break your content into tiny pieces for AI to better understand it」。
關於寫法：「You don’t need to write in a specific way just for generative AI search」。
關於結構化資料：「Structured data isn’t required for generative AI search」。
Google 給的理由是：「The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems.」生成式功能長在原本的排名系統上，所以入場券也是同一張——頁面要被索引、要能顯示摘要、要符合技術需求。
Google 寫「不需要為生成式搜尋用特別的寫法」，而我下一節要建議的三招——加引述、加統計、標來源——就是一種特別的寫法。
兩邊不可能都字面上為真。
判斷是這樣。
論文測的是相對效果：同一段內容換一種寫法，被引用的機率會變，這在實驗條件下是可重複的。
Google 講的是門檻：沒有任何一種寫法是入場的必要條件，你不做也能被引用。
兩句話衝突的地方在「要不要」，不在「有沒有效」。
而那三招之所以我還是建議做，理由不是為了討好模型。
指出處、給數字、把話說完整，這三件事對人類讀者一樣有價值——差別在於，如果有一天 AI 引用完全不算數，你做了這三件事仍然沒有損失。
這是我判斷該不該採納某個 GEO 建議的標準：這件事在沒有 AI 的世界裡還值得做嗎？值得，就做；只有 AI 才看得到的，就不做。
我們把同一把尺用在 SEO 上，把 39 項常見做法按證據強度分成四級，那份清單在這裡。
用這把尺去量市面上的服務會很快。
有人賣你「llms.txt 設定」「AI 專用結構化資料」「內容切塊服務」——這三樣在沒有 AI 的世界裡對讀者毫無意義，而且 Google 官方那頁明確說不需要。
論文驗證有效的三招，與一件比官網更重要的事
論文九種方法裡，加引述、加統計數字、標註來源是效果前三名，關鍵字堆疊沒有用。
但在繁中環境，比這三招更值得先做的，是接受「被引用的多半不是你的官網」。
先講寫法。
這三招的共通點是讓段落自己站得住——AI 摘要要的是可以整段搬走而不會出錯的內容。
用一個真的改寫過的例子看差別。
改寫前：「網頁設計的費用範圍很大，通常會依照需求而有所不同，建議多比較幾家再決定。」
改寫後：「2026 年 8 月實查台灣 68 家業者、137 個公開牌價方案，一頁式中位數 21,500 元、形象官網 26,000 元、半客製 50,800 元（易歐思創意，2026）。」
第一句沒有任何東西可以被引用，因為它沒有說出任何一件別處查不到的事。
第二句同時做了三件事：給了統計數字、標了來源與年份、句子本身完整到可以整段搬走。
這就是那三招的實際樣子，不是玄學。
副作用要講清楚。
這樣寫文章會變重、變慢，一篇要花的時間可能是原本的三倍，也不適合輕鬆的品牌敘事或每週三篇的內容節奏。
如果你的內容策略是走溫度與故事，這三招會讓文章讀起來像報告——那就不要全套用，挑有數字的段落做就好。
再講那個更重要的發現。
577 個引用來源裡，YouTube 被引用 22 次、Threads 17 次、方格子 11 次、法律百科 9 次，而單一企業網站被引用最多的只有 6 次。
企業官網在繁中 AI 摘要裡的引用份額，遠低於平台型內容。
這給的是三種布局，不是一種。
官網放可查證的第一手資料——實查、價格、方法，因為那是別人引用你的理由；Threads 放單一數字與判斷，短、可被整段擷取；YouTube 放需要展示過程的內容。
同一份研究拆成三種形態發，比把官網文章改寫十遍有效。
怎麼知道有沒有用
固定一組問題、固定週期、記錄你被引用幾次。
這件事不用買工具，但要有紀律——沒有基線就永遠在憑感覺爭論。
具體做法：挑 20–50 個你在意的問題（要包含找人字與知道字兩種），每個月同一週在 ChatGPT、Gemini、Perplexity 與 Google 各跑一次，記錄有沒有出現摘要、引用了誰、有沒有你。
Whoops 公開的做法是固定 48 題題庫、核心組每週 12 題，可以當格式參考。
Google 在 2026 年 6 月推出了 Search Console 的生成式 AI 成效報表並已全球開放，那是目前唯一的第一方數據，先接上。
題庫怎麼配，以一家高雄室內設計公司為例：找人字放 10 題（高雄室內設計、高雄室內設計公司、高雄老屋翻新…），知道字放 20 題（室內設計費用、系統櫃和木作差在哪、室內設計師怎麼選…），另外 5 題放同業品牌名，看 AI 會不會把你當替代方案推薦。
每題記三欄就夠：有沒有摘要、引用了誰、有沒有我。
一個月一次，Excel 就能做。
一定要注意的是量測的弱點。
我們那次實測是單一時間點快照、在登入 Google 帳號的狀態下跑的，沒有重複量測；AI 摘要本身會隨時間與個人化改變。
還有一點要說明：那 130 組只跑了 Google 的 AI 摘要，沒有跑 ChatGPT 與 Perplexity，所以「找人字不觸發」這個結論目前只在 Google 上有證據，別直接套到其他引擎——這也正是上面建議你四個平台都跑一次的原因。
所以任何一次結果都不該當成定論，重點是同樣的方法每月重跑，看趨勢。
最後講清楚什麼人不該聽這篇。
如果你是媒體、內容平台或知識型品牌，流量本身就是你的產品，那 AI 引用對你的價值比對一般中小企業高得多，右上角那一格對你不是加分題而是主戰場，這篇的保守建議會低估你該投入的程度。
如果你的產品是全新品類，客戶還不知道要搜什麼字，那我這套「先分找人字與知道字」的方法也用不上，你要解決的是需求存不存在的問題。
還有，如果你已經在做的內容本來就是實查與數據，那你其實已經在做 GEO 了，只是沒有用這個名字，不需要另外買一套服務。
我不建議現在為了 AI 摘要重寫既有的服務頁。
我建議的順序是：先用矩陣分類你的關鍵字，找人字那邊把服務頁與商家檔案顧好，知道字那邊挑三到五個排名在 4–10 的頁面，用論文那三招改寫，然後每月量一次。
三個月後你會有自己的資料，而不是別人的 40%。
不確定自己的字落在哪一格，三分鐘數位健檢會先幫你分類。
常見問題
GEO 和 SEO 差在哪？要分開做嗎？
SEO 爭排名位置，GEO 爭被寫進 AI 生成的答案裡。
技術基礎高度重疊，Google 官方也明說生成式功能長在原本的排名系統上，所以不需要分開採購兩套服務。
差別在內容寫法：GEO 更看重段落能不能被整段搬走而不出錯。
小公司做 GEO 有機會贏過大品牌嗎？
在特定條件下有。
KDD 2024 的研究顯示，在所有來源同時最佳化的實驗情境下，標註來源這一招讓排名第 5 的頁面可見度提升 115.1%，卻讓排名第 1 的掉 30.3%；我們的繁中實測也發現 28.2% 的引用來自不在前 10 名的頁面。
前提是你的目標字會觸發 AI 摘要，而你目前排在 4–10 名。
要不要做 llms.txt 或 AI 專用的結構化資料？
不用。
Google 官方指南直接寫「You don’t need to create new machine readable files, AI text files, markup, or Markdown to appear in Google Search」，也說結構化資料不是生成式搜尋的必要條件。
有人把這些當服務賣，請拿官方那頁跟他確認。
GEO 多久看得到效果？
沒有可靠的通用答案，因為 AI 摘要會隨時間與個人化改變，而且目前沒有像自然排名那樣的公開排名資料可以追。
務實的做法是把「被引用次數」當指標，固定題庫每月量一次，用三個月的趨勢判斷，而不是等一個承諾的時程。
我的產業是服務業，客戶都搜「高雄○○」，那我該做什麼？
那是找人字，繁中實測 30 組全部不觸發 AI 摘要，GEO 在這裡沒有作用對象。
該做的是服務頁寫清楚、Google 商家檔案完整、評價有人維護，需要更快的詢問就投廣告。
等這些做完，再回頭看知道字那一堆。
資料與方法
繁中實測部分為 2026 年 8 月 19 日在 google.com.tw 手動執行的 130 組查詢，涵蓋七類意圖，共記錄 577 個引用來源；方法、原始資料與已知弱點（登入狀態、單一時間點、人工意圖分類）完整公開於〈AI Overview 被引用的門檻不是排名〉一文，可自行重跑驗證。
論文數據引自 Aggarwal 等人 2024 年 ACM SIGKDD 論文原文。
Google 官方說法引自 Search Central 的 AI 最佳化指南原文，未經翻譯改寫的部分以英文原句呈現。
參考來源
- Aggarwal, P. et al., 〈GEO: Generative Engine Optimization〉，ACM SIGKDD 2024（ACM Digital Library）
- Google Search Central，〈Google’s Guide to Optimizing for Generative AI Features on Google Search〉
- Google Search Central，〈AI Features and Your Website〉
- Google Search Central Blog，〈Introducing Search Generative AI performance reports in Search Console〉，2026 年 6 月
- 易歐思創意，〈AI Overview 被引用的門檻不是排名｜實測 130 組繁中查詢〉，2026 年 8 月
- Harris 先生，〈GEO 是什麼？跟 SEO 差在哪〉（AI 流量占比數據）
- Newscan，〈GEO 是什麼？生成式引擎優化完整教學〉（台灣 AI 市佔與轉換率數據）
- Whoops SEO，〈GEO 是什麼？生成式引擎最佳化完整指南〉（固定題庫量測做法）
