Google AI 搜尋改變網上出版業的流量格局
Google 推出 AI Overviews、AI Mode 並調整搜尋結果排序後,網上出版商依賴 Google 搜尋導流的模式受到衝擊。Similarweb 數據顯示,《紐約時報》的搜尋流量比例在三年間由 44% 降至 35.5%;DMG Media 則稱,AI Overviews 令其 2025 年 6 月至 7 月點擊率最多下跌 89%。
Google 推出 AI Overviews、AI Mode 並調整搜尋結果排序後,網上出版商依賴 Google 搜尋導流的模式受到衝擊。Similarweb 數據顯示,《紐約時報》的搜尋流量比例在三年間由 44% 降至 35.5%;DMG Media 則稱,AI Overviews 令其 2025 年 6 月至 7 月點擊率最多下跌 89%。
RAG 答案出錯時,應先確認正確資料是否已納入索引並出現在檢索結果,再判斷問題是否出在生成階段。指南建議記錄檢索到的分塊 ID、文字和分數,檢查索引內容與結果排名,最後才調整提示詞。另可用 10 至 20 條真實問題建立測試集,量度答案所在分塊是否出現在 top k 結果。
Magenta Qin 比較 JSON 與 Markdown 作為 AI SEO 分析的 API 回應格式,Google Shopping 測試中 Markdown 平均減少 89.55% 輸入 token。
作者以自己建立網頁搜尋智能體備援鏈的經驗指出,只按延遲排序會讓快速但未發出工具呼叫的路由勝出,回傳流暢卻沒有搜尋依據的答案。他改以品質排序、把延遲設為預算,先篩選符合工具及 schema 要求的路由,並對未知路由採中性先驗、把屢次違約者移出候選池。
Sleeping Giants Brasil 與 CTRL+Z 向巴西最高選舉法院提交新證據,質疑 Meta 的 Instagram、WhatsApp 搜尋結果可能未平等呈現 Lula 與 Flávio Bolsonaro 的競選資訊。
這份實作指南説明如何建構、評估及部署生產級 RAG 流程,將大型語言模型連接至企業私有數據集。流程涵蓋文件處理、智能分塊、向量資料庫與嵌入模型選擇、混合搜尋及重新排序,並以 RAGAS 指標評估答案忠實度、相關性和上下文召回率。
作者用一個 Python 檔案和 GitHub Actions 製作自託管 AI 搜尋曝光追蹤工具,每週查核 Gemini 對品牌的提及次數、排名及競爭對手重疊情況,並生成 HTML 報告。工具只支援 Gemini,售價為一次性 $19;Gemini 免費層每日提供 1,500 次請求。排名依據回覆中的 Markdown 清單解析,若答案以散文呈現,工具只會計算提及次數。
IdeaPilot 將 TanStack Query、Zustand、Firebase、NeonDB 和 Redis 分別用於遠端 API 數據、用戶端狀態、身份驗證及項目資料、持久對話紀錄與語義檢索,以及活躍上下文快取。
數字政策辦公室為「智方便」5.0加入「AI助手」,第一階段正逐步推送,透過搜尋政府官方網站及白名單資料庫,按市民口語提問生成附有服務連結的解答。文章指,第二階段預計於2026年底推出;經用戶授權後,助手將按年齡組別、性別及使用習慣提示未付帳單、申請進度和待辦事項,並與「數碼企業身份」平台整合,推薦資助計劃及公共支援。
文章提供一套排查 Vibe-coded 網站未被 Google 索引的流程,依次檢查網站存取、網站地圖與 canonical URL、頁面內容和索引處理進度。具體檢查包括 robots.txt、noindex、頁面是否回傳 200、網站地圖是否提交並列出正確網址,以及頁面是否內容單薄、重複或孤立。文章指新網域通常需 1 至 4 週完成索引;要求編入索引後應避免改動網址,並以曝光量追蹤進展。
GetVizible 的指南建議按爬蟲用途設定 robots.txt,以純 HTML 呈現關鍵資訊,加入 schema markup,並發布 llms.txt,讓網站內容更易被 AI 讀取。封鎖搜尋或用戶請求爬蟲會令網站退出相應引擎的即時答案,而封鎖訓練爬蟲隻影響未來模型版本。llms.txt 屬自願慣例,不保證獲不同引擎支援;爬蟲存取和清晰的頁面文字更重要。
Google於2026年10月16日修改私隱政策,加入18字例外,指用戶選擇把Drive、Gmail及Google Photos資料提供予支援個人化廣告的其他Google服務時,相關資料可能影響所見廣告。
文章提出一套手動追蹤品牌在 Google AI Overviews 曝光的方法,並介紹免費工具 AI Overviews Visibility Tracker,讓用戶記錄 AI Overview 是否出現、品牌是否獲引用或提及,以及出現了哪些競爭對手。
反向影片搜尋可抽取影片關鍵影格,以感知雜湊或嵌入向量建立索引,再比對查詢片段的影格及時間偏移,定位來源影片與時間戳。Google Lens、Bing Visual Search、TinEye 和 InVID-WeVerify 都以影格進行圖片搜尋;私人影片庫則需自行建立索引。文章列出抽取影格、選擇指紋、建立索引和時間對齊四步,並以 ffmpeg、imagehash 示範感知雜湊與偏移投票。
Agentic Search 可先把文件嵌入並遞迴分羣成樹,再由 Agent 沿羣集摘要逐層選擇分支,並只在選中的葉羣集中搜尋。文中提及 RAPTOR 配合 GPT-4,在 QuALITY 基準上的絕對準確率較此前最佳結果高 20 個百分點。
Google Custom Search JSON API 已停止接受新客戶,並將於 2027 年 1 月 1 日停止服務,屆時所有呼叫都會失敗。文章建議盤點所有呼叫端,改用其他搜尋服務,或以 SerpKite 的 /customsearch/v1 替代;請求及回應格式相同,但 cx 會被忽略。
作者製作的 Already Filed 使用 EmbeddingGemma 在瀏覽器搜尋 GitHub 倉庫中可能重複的 issue,並提供相似舊 issue 及可複製的註記。
作者分享一套無需付費工具的週度記錄方法,以固定問題和 CSV 追蹤 ChatGPT、Gemini、Perplexity 是否提及或引用你的品牌或網站。方法要求固定 8 至 20 條問題、記錄登入及搜尋狀態、逐條保存引用網址,並按週計算提及或引用率及各引擎的來源網域重疊度。作者目前每題每個引擎只測試一次,並指出如有時間可重複測試 3 次;GA4 部分整理的是引擎提供的共識,並非作者自己的數據。
這篇教學示範如何以 Google Flights 搜尋結果建立航班建議,並分清去程選項所附的行程總價、回程選項及尚未選定的回程航班。適配器固定 returnOptionsTop 為 3、returnOptionsPerOutbound 為 1,並保留去程與回程的配對關係。文中以合成資料檢查沒有回程選項和有候選回程兩種狀態,並指出報價不等於保證的結帳總額。
Actum 是作者開發的離線 Android 應用程式,可在手機上把分享進來的圖片、PDF 和文字整理成待確認的任務卡片。應用程式在手機上運行 Gemma 4 E2B,且沒有 INTERNET 權限;用戶確認後才會執行卡片內容。
文章示範如何用 TypeScript 建立 SEO 分流流程,將公司配對、技術觀察和商業判斷分開,並以可重現的證據篩選審核候選項目。系統只把符合條件的結果交由人工評估,不將偵測到的問題當作合格潛在客戶。LLM 可協助把技術觀察改寫成審核備註,但摘要必須以原始證據為準。
Semrush 在美國桌面搜尋固定追蹤的 400 個商業關鍵字中發現,截至 2026 年 8 月,88% 出現 Google AI Overviews,高於 2025 年 9 月的 45.75%。
教學示範以 Valyu 的 valyu/valyu-sec-filings 數據集和 TypeScript 建立 AI 智能體,檢索 Apple fiscal 2024 10-K 的證據並生成附來源的摘要。
Convovo 一項研究發現,透過 API 要求模型在即將舉行的中期選舉中直接推薦候選人時,Grok 4.7 有 92% 的回答推薦共和黨候選人,OpenAI 的 GPT-6.1 Sol 則有 97% 推薦民主黨候選人。
ssorg.dev 是一款以本機處理為主的開源 AI 截圖整理工具,使用 Tesseract 擷取文字,並透過 Ollama 執行 Gemma 3 4B,生成摘要和結構化中繼資料。
這篇教學示範如何用 Python 和 TwexAPI 擷取 X 公開貼文及追蹤者資料,毋須 X Developer Account,並透過 MCP 交由 AI Agent 使用。
ContextKeeper 是一款 AI 個人知識庫,讓用戶以自然語言描述記得的內容,從文件中找回相關資訊,而不必依賴檔名或精確搜尋詞。它支援文字型 PDF、Markdown 和 TXT,並會提供來源摘錄及相關性解釋;直接引文會與原始文件核對。項目以 Google Gemma 作為執行模型,遠端 AI 推理不可用時,確定性搜尋仍可運作。
Digital Archaeologist 是一個協助用戶從數碼檔案中重新發掘資訊的項目,讓用戶搜尋文件、尋找相關內容,並向數碼檔案提問。項目計劃以 Gemma 協助摘要及理解文件,並使用瀏覽器儲存檔案;基本搜尋功能毋須 AI 即可運作。
研究檢查排名前 1,000 個網站的 robots.txt,發現 20.9% 至少封鎖 16 個 AI 爬蟲中的一個。CCBot 和 GPTBot 最常被封鎖,比例分別為 15.5% 和 13.8%;AI 搜尋爬蟲 OAI-SearchBot 則為 7.0%。研究區分訓練、AI 搜尋及用戶觸發三類爬蟲,並公開逐站數據與研究方法。
Joshua Smith提供一套從同領域熱門 YouTube 影片留言中抽取、分組和排序觀眾問題,以尋找影片題材的方法。流程建議挑選 10 至 20 條熱門、入門或教學影片,依相關度收集最多 300 則留言而不含回覆,再按不同提問者人數及喜歡數排列問題羣組。
Google 於 2026 年 10 月 21 日更新搜尋內容控制文件,將既有選項集中整理,並補充多項標籤及 Search Console 全站生成式 AI 控制説明。
招商加盟品牌的 GEO,是把單店模型、扶持資訊與費用結構整理為 AI 能準確引用的公開資訊,重點在資訊準確,而非增加廣告曝光。品牌應如實披露費用與資質,標明資料來源和更新時間,並保持不同渠道的內容一致。內容須守住合規界線,不承諾回本或收益。
中小型製造企業可透過低成本整理和呈現產品資訊,推進 GEO,無須一開始便投入大量預算或覆蓋所有產品線。建議先選一至兩款主力產品,整理參數、認證、案例及常見問題,製作便於 AI 引用的內容卡片。完成小範圍試點並觀察內容是否獲準確提及,再逐步複製到其他產品線。
工業機械人及自動化系統集成商可透過生成式引擎優化(GEO),把工序適配、節拍口徑、來料條件、集成邊界、設備接口、實施節奏及驗收標準整理成可核對的內容,供 AI 回答方案問題時引用。內容應交代計算方式、適用條件與限制,並定期以典型問題測試不同大模型入口的引用和表述是否準確。方案可行性仍須經現場勘查、來料評估及方案評審確認。
零點擊搜尋指用戶在搜尋結果頁取得答案而不點開外部網站,文章指出這會令 GEO 重心由排名與點擊轉向引用和品牌提及。文中引述的 2025 年統計顯示,約 60% 搜尋以零點擊結束,手機端接近 75%;Pew Research Center 的分析中,出現 AI 摘要時傳統搜尋結果點擊比例為 8%,沒有摘要時為 15%。
這份跨境多語言搜尋指南指出,單靠翻譯查詢不足以解決檢索問題,並提出語言專屬分析、向量對齊及本地化排序三層架構。文章比較按語言分設索引、混合索引和跨語言向量索引的品質、成本與適用情境,建議以向量路徑補足跨語言召回,並保留關鍵字檢索保障精確度。部署上,貨幣、單位、日期及區域供應等條件應作篩選,成效則須按語言和地區分開評估。
ReplyShelf 以開放權重模型搜尋已審核並儲存的問答卡,找出與新問題語意最接近的舊問題,並顯示原有回覆供用戶檢視及複製。模型使用 Xenova/all-MiniLM-L6-v2;在 8 條合成改寫問題的測試中,語意搜尋和 Jaccard 詞語重疊法均有 6 次找出預期卡片。應用程式在瀏覽器本地運行,無需 API key 或模型帳戶。
GEO 與 AEO 改變網站在搜尋中的曝光方式:即使 Google 排名第一,網站仍可能不獲 ChatGPT、Perplexity、Google Gemini 和 Claude 引用。
Souvik Biswas 開發 Sloth Reads,以開放模型隔夜處理用戶儲存的文章,產生摘要、三項重點及值得閲讀、略讀或跳過的判斷,並於早上 6 時整理成簡報。
GEO 讓品牌出現在 AI 答案中,開啟搜尋旅程,但用戶通常稍後才會透過其他渠道回訪,相關流量可能被記錄為品牌自然搜尋或直接流量,而非 AI 推薦。評估 AI 曝光時,可查看 Search Console 的品牌搜尋曝光、GA4 的直接流量趨勢,以及 ChatGPT、Claude 和 Gemini 如何描述品牌及引用哪些來源。