你的網站準備好面對 AI 了嗎？
「Google 是一個很爛的搜尋引擎」，尤其是面對我們網站的專屬內容與目標對象使用者須求，跟本不夠專業，網站要做得比 Google 好的搜尋介面是很簡單且很必要….
上面這句話說超過 10 年了，當然這句話是危言聳聽，因為 Google 跟本不是「專業內容」的搜尋引擎，而是「通用/泛用」的搜尋引擎，任何有開發經驗或是對內容經營有概念的人都知道，打造一個「專用」的系統跟打造一個「泛用」的系統成本不是幾倍數計算，說不定是本質完全不一樣。
搜尋已死？
早就有人用這觀點說「Google is Dead」，在 2022 年 12 月前還沒有 ChatGPT 就有說過，現在搜尋已經越來越分眾，要找美食旅遊就是去 Google Map 或是 IG，要找影片就直接去 Youtube 了，要找程式相關的問題就去 StackOverflow，但 2025 的現在，反而已經開始說「StackOverflow is Dead」了。
畢竟「搜尋」這件事以現在的角度早就不是最難了，不只是 Elastic Search 的普及，或是 NoSQL 等等的助攻，在 20 年前那時 Google 單單在搜尋這領域是領先一大段，但資訊不是搜尋到就可以，更重要的是「解讀」。
在還沒有 LLM 之前，網站都有其專業性，可以針對各種內容、商品去做配對與整理，若經營者對其專業內容或對特定使用者的「資訊尋求行為」比 Google 不了解，就是網站經營者的問題，甚至許多內容網站完全「放棄」這塊，把搜尋「外包」給 Google 等搜尋引擎就是代表對這件事情完全沒概念。
資訊整備率
網站搜尋與AI未來的「資訊整備率」：內部索引搜尋行為 / (外部搜尋流量+內部索引搜尋行為)
在去年底時曾想過用這個「整備率」來討論一個網站是否已經在「資訊搜尋時期」站穩腳步，準備進行下一階段「資訊解讀時期」的 AI 未來，但很不幸的台灣大部份的網站都不及格，這個數字低於 10%，甚至有些是連 1% 都不到，而去「呼籲」大家好好的做「基本工」，不要再對 AI 產生焦慮，現在該做的事還很多。
雖然這個提升「資訊整備率」或多或少都要用到 AI，但更有可能主要是靠資料科學/資料探勘、語意分析，甚至最基本的「群眾智慧」來做到，而這個早就是在 20 年前時就應該開始面對與累積的，不是只是在面對 AI 即將到來再焦慮用，更發現之前這段時間作為有限的公司，即使再「焦慮」，最後也並沒有作為。
從資訊獲取角度看網站面對 AI 的 10 個階段
當然這個資訊整備率只是一個很單純的指標，可以去做比較，但不是去做網站之間的比較，因為每一個網站的內容方向都差異相當大，但如何透過這樣的「資訊獲取」的 UI 去提高使用者在獲得網站資訊外的便利性與有效性，可以簡單的劃分 10 個過程：
0. 完全沒有考慮內容目的頁之間的共同點流程
- 有傳統的基本分類介面，或是彈性精確的分類
2. 有搜尋的功能，但只針對關鍵字去做精確比對
3. 有搜尋的全文檢索功能，已經有基本的模糊搜尋
4. 有標籤頁的功能，或者是提供複合標籤的查尋
5. 透過二階段搜尋，使用標籤或結構化資料精確使用者的搜尋
6. 有與內容相關網頁的功能，如延伸閱讀、關連瀏覽/購買
7. 策展頁去集合相同概念的文章、或是商品等須求媒合
8. 提供情境為出發的搜尋器、列表，並與內容做連結
9. 可以直接以「人類語言」的發問，並有累積資訊作提示
10. 透過進化的人機介面去做情境的回應
當然上面這 10 點並沒有單純的層級，雖然有些的確是有其相依性，但大家可以知道要做好件事還有一大段路要走，但事實上也是或多或少有些開始。
GPT (AI Search) 占比
在重點開始之前先請大家做一件事，看一下自己網站的 GPT 占比是多少，最簡單的是從 Google Analytics 看來源媒介，然後過濾 GPT、Perplexity、Co-pilot、Gemini 這幾個字，然後看跟 Organic Search 占比是多少：
然後把這數字加總後，除於整個 Organic Search 的比例，像上面的範例約是 0.32%+0.06%+0.01% = 0.39%，總合 0.39% 除 61.56% 約 0.63%，可以看得出來相較一般搜尋，AI 的搜尋並不算是很重要的搜尋導流。
或者另一個角度是拿這個 0.39% 跟 Bing/Yahoo 做比較，來看網站的不同流量來源為何，有時可能是網站的 Google Search 做得不好，畢竟 ChatGPT 吃的是 Bing 不是 Google，這樣比較較合理。
只是目前這個數字對大部份的網站是算高的，畢竟通常是 SEO 作好代表的對 AI Search 也會好，目前在台灣的網站 ChatGPT 占比都較少超過 0.5%，甚至很多網站都是 0.01% 不到。
但除了 SEO 外，重點還是網站的內容是否對應到 AI Search 最重要的問題：問題的情境。
關鍵字 vs 複合式關鍵字 vs 情境
要說一般搜尋跟 AI Search 最大的差別是在於「關鍵字 vs 情境」，的確目前一般搜尋還是以關鍵字做出發，包含 AI Search 也是，只是 AI 透過 LLM 會拆組成不同的多個關鍵字，然後透過這些關鍵字在搜尋過後的結果找到最有機會的文本，才會透過這些「Context」重組摘要成最有可能的回答。
會發現大部份的網站搜尋字串大都是在 6~8 個字中間，超過幾十個字的機會不高，有時往往會出現在 Google Map 的店家名，因為 Google Map 的商家搜尋結果關鍵字會用商家名，有時的商家為了做 Google Map SEO 往往用超過 100 字，但通常很少人會「手動輸入」這麼長的字串。
雖然說若是字串越多，有可能跑出更多非主流的網站，但最重要的是，有可能可以用甚麼「方法論」或是「結構化建立」出許多這樣的問題，來找出與媒合使用者想問問題的眾多可能性是甚麼？
知道每個使用者如何用各種角度看每一個網頁
若是最好的 SEO 是經營者能夠以關鍵字的角度來知道使用者的搜尋行為，而 AI Search 就是情境，而關鍵字的角度很單純，就簡單的語意分析就可以知道了，包含使用標籤去做引導，有時有人也會用所謂的「潛在語義索引 (Latent semantic indexing)」來去做，但這個比較是偏答案而不是問題，因為 AI Search 的情境通常是以發問做開始…
這時候就要導入一個很重要的概念，AI 或是 LLM 是如何「訓練」出答案，「只要足夠不同的文本，就有機會算出答案」，也就是「Diversity Theorem」，若是能夠搜集每一個使用者的行為，甚至是內容、標記或是語言，就可以獲得不同觀點的答案，透過這樣的結果就能夠獲得很有價值的資訊。
就像是在電商中有「關連搜尋、關連購買、關連觀看、… 」等等透過這樣的行為往往可以找到各式各樣問題答案，也就是一個網站能夠搜集足夠的資料，透過這樣的「萃取」是可以獲得像 AI 這樣的答案，因為 AI 也是用類似的模型去訓練，有時用更直接的原始資料會更容易獲得答案。
只有先幫使用者先想到可能的問題情境，才足夠去面對 AI Search
所以說到這邊大家都知道答案了嗎？或者是說，若是要面對 AI Search，網站自己以「Information Retrieving」的思維真的有幫讀者去做到好的「搜尋」嗎？
當然這邊有太多太多的做法，已經有太多文章有講到基本的「技術」，但大部份都是 80％ 與一般網站的 SEO 重疊的，例如最近有人發現 FAQ 的效用，也更知道結構化資料與麵包屑的價值，這些都說不完，但卻沒有脫離一般 SEO 的範籌。
簡單的一句話：
網站能否幫一篇文章、一個商品找到各種不同情境會去閱讀的問題，或是購買的動機是甚麼？
這些都是要靠各種工具去產出，包含用 AI 的工具，甚至最好的「訓練資料」是每個文章或商品的內部搜尋或是外部搜尋的關鍵字，如何預先幫未來的 AI Search 找到情境，而要做到這樣的基本功就是上面說的 10 個階段，或者是更多更細的「方法論」。
當有人問該如何面對 AI Search 的時候，我都說網站自己在「搜尋」的基本功都還沒做完，不該先討論這個，相反的這些基本工都做完，AI Search 就水到渠成，所以我一開始都會先問一個問題：
你們網站已經開始利用 Google Search Console API ，尤其是最近的即時每小時資訊，自動化匯入與產生相關的搜尋與情境了嗎？若已經做了的話，再來討論下一階段。
但大家應該猜得出來有多少網站在問我這問題後，我說『太好了、我們來開始做得更好吧』….
但如何面對 Zero Click 的 AIO？
這篇文章是寫給很多人問我這問題的人，但我發現單單要寫這個問題的答案上面已經說得差不多了，甚至要講的話，可能跟上面的方向完全不一樣，有機會另開一篇來說…
而這篇真正的精神在這張圖，只是要解釋又是另一件事了…
