生成式 AI 搜尋
AI Search / Generative Search
什麼是生成式 AI 搜尋?
- 不列出連結,而是提供彙整後「答案」的搜尋
- 通常透過 RAG 檢索最新文件,以此為依據生成答案
- 超越 SEO,「AI 引用最佳化(GEO、AEO)」已成為新課題
生成式 AI 搜尋真正改變的,不是答案的品質,而是流量流動的路徑。過去搜尋結果頁是通往我們網站的通道,如今結果頁本身就成了終點。使用者讀完 AI 整理好的三段內容後,就不太會再點下方的連結。因此排名維持不變、點擊卻先下滑的現象會率先出現,負責人只盯著排名表,容易漏看原因。
形式大致分為三類。一是在搜尋結果最上方插入摘要的嵌入型(Google AI 概覽);二是以對話取代搜尋的專用引擎(Perplexity);三是只在需要時才搜尋網路的工具型(聊天機器人的網路搜尋功能)。三者挑選要引用文件的標準大致相同:問題與答案緊密相連、數字、標準、條件以文字而非圖片呈現,且更新日期越近越容易被選中。這裡最重要的是,搜尋排名與被引用的機率是兩回事。常見情況是排名前三的頁面完全被忽略,反而引用了十名之外的 FAQ 文件,原因在於問答式片段比冗長的敘述型頁面更容易被擷取使用。
現場最常出錯的有兩點。一是「文章寫得多,總有一天會被選中」的誤解。比起 100 篇內容相似的貼文,價格、規格、適用條件寫得清楚準確的 10 個頁面在引用上更具優勢。另一點是資安檢查時把 AI 爬蟲在 robots.txt 中封鎖,然後煩惱「AI 回答中只有我們不出現」。封鎖之後,連候選名單都進不去。反過來,如果只是開放放著不管,三年前的價格表或早已停開的課程,就會原封不動地出現在答案裡,客戶便依那些條件來詢問。因此清理舊頁面比撰寫新文章更優先。
結合搜尋與生成的 RAG 技術日趨成熟,2023~2024 年 Google AI 概覽、Perplexity 等服務逐漸普及,「搜尋的下一種型態」於是確立下來。
以虛構案例來看。A 公司生產工業用濾網,是員工 120 人、年營收 KRW 32,000,000,000 (≈ US$23,951,000) 的製造商。廣告費沒有減少,搜尋排名也維持不變,但官網的自然搜尋流量在 6 個月內從每月 8,000 人降到 5,200 人。執行長問:「競爭對手到底做了什麼?」行銷團隊於是開始追查原因。
- 行銷組的金組長打開 Search Console 一看,曝光數持平,但 點閱率從 3.1% 直接腰斬到 1.7%。他的第一份報告是「排名沒變,但沒有人點進來」。
- 將主力關鍵字 12 個直接輸入 Google AI 概覽與 Perplexity 測試,結果在 9 則回答中只引用了 3 家競爭對手,A 公司的頁面一次也沒有出現。
- 向開發團隊確認後,發現去年安全檢查時,robots.txt 中已將 GPTBot 與 PerplexityBot 全部封鎖。負責的課長表示:「我以為爬蟲就該全部擋掉。」
- 解除封鎖後,將 30 個產品介紹頁重新改寫為「問題一行 - 答案一行 - 依據三行」的結構。原本只以圖片呈現的規格表 18 份,全部改為文字表格。
- 下架 2021 年上線的 7 個舊機型價格頁面,保留的頁面則加上「截至 2025 年 3 月」的更新標示。AI 以舊單價回答的問題,就此斷絕。
- 8 週後重新測量,12 個關鍵字中有 7 個在 AI 回答中引用了 A 公司,月流量從 5,200 人增至 6,800 人,報價詢問數從每月 18 件增至 29 件。
金鍾赫
朴雪英