AI 流量沒有成長，是 2026 年很多品牌做完第一輪 GEO 之後最先撞到的困惑：健檢分數往上跳了，AI 回答裡到處看得到自己的名字，但 Google Analytics 的流量曲線幾乎沒動。這個落差一旦被誤判成「GEO 沒效」，代價是把正在累積的內容工程停掉，退回只看單月流量的舊做法。這篇文章會拆四件事：AI 能見度與 AI 流量為什麼是兩條線、能見度怎麼用固定提問抽樣測、追蹤指標怎麼從工作階段換成 GA4 轉換事件、品牌字撤掉廣告後該檢查什麼。適合已經開始做 GEO、每個月要向客戶或老闆解釋報表的行銷負責人與 SEO 窗口。
最近一次顧問會議，一家在自己類別裡算領先品牌的 B2B 服務商問我：「分數上升了，可是流量沒有跟著動，我不知道要怎麼解讀。」我的回答是：AI 能見度與 AI 流量是兩條獨立的線，能見度先動、流量後動，中間還隔著一層「AI 要不要給連結、使用者要不要點」的過濾器。
分數上升、流量沒動，先確認你在看的是哪一條線
先講結論：AI 能見度衡量的是 AI 在回答裡有沒有寫到你、把你寫成什麼，AI 流量衡量的是有多少人從那個回答點進你的網站。兩者的分子分母完全不同，同一個月裡一條往上、一條平走，是很常見的組合，不代表執行出錯。
那場會議上我們攤開的 GEO 健檢是 74 分，上一次同一份健檢是 64 分。得分最高的三個分項是 AI 推薦潛力、搜尋結果的品牌覆蓋率、媒體討論度；最低的是 Google 商家、AI 可讀性、影音內容。這裡有個容易被跳過的細節：三個高分項全部落在能見度那一側，沒有一項直接對應點擊。分數從 64 跳到 74，說明 AI 更願意在答案裡帶到這個品牌，並沒有承諾使用者會多開一個瀏覽器分頁。
我在會議上講的那句話
我當場的說法是：「所以流量跟這個 AI 的能見度，它其實也可以算是兩件事情」。這句話在顧問現場的作用是幫客戶停止自我懷疑，先把兩條線分開放進報表的兩欄，再各自訂目標。能見度的目標是「指定提問裡的出現率」與「被寫出來的優點」，流量的目標是「從 AI 來源進站後完成諮詢的人數」。混在一起看，任何結論都會是錯的。
這篇文章適合誰現在就開始分兩欄
如果你手上的 GEO 專案已經跑了兩、三個月，主管只問「流量咧」，而你手邊只有一個總流量數字可以回答，那你需要的不是再做一輪結構調整，是把能見度那一欄補上去。以 sealab 來說，我們替客戶做的月會報表固定分開陳列這兩欄，因為只要合併成一個數字，客戶就一定會用舊的流量直覺去判斷新的 AI 行為。
為什麼 AI 提到你，卻沒有帶來 AI 流量
先講結論：從「AI 提到你」到「你的網站多一個工作階段」，中間要連過三道關卡，任何一道沒過，能見度的成果都不會出現在流量報表上。
第一道關卡是 AI 給不給連結。有些 AI 工具的回答就是一整段文字建議，通篇沒有可以點的來源，使用者讀完就滿意，網站一次都沒被開啟。第二道關卡是連結的呈現方式。多數工具在句尾掛一個很小的 reference 圖示或角標，視覺重量遠低於搜尋結果的藍色標題，使用者的手指不會往那裡去。第三道關卡是點擊動機。願意點下去的人通常只有兩種：想查證這段話是不是真的，或想要比摘要更深入的資訊。其餘的人拿到答案就走了。
不同 AI 工具附連結的頻率還在變
各家 AI 工具附參考連結的頻率、位置與數量，這一年一直在改，Google 官方文件也還在持續更新 AI 功能與網站的關係（見文末參考資料）。所以不要用一家工具在單一月份的引用率，當成整年的規劃基準。我在客戶會議上的建議是每月固定重測，把引用率的變化記成外部環境變數，不要當成自家團隊的成績。
| 三道關卡 | 使用者實際做了什麼 | 會不會計入 AI 流量 | 你能做的事 |
|---|---|---|---|
| AI 沒附連結 | 讀完文字建議直接離開 | 不會 | 爭取被寫出「差異化的推薦理由」，讓品牌名本身被記住 |
| 附了連結但沒點 | 看到角標，略過 | 不會 | 讓 AI 摘要裡出現需要細節才能滿足的說法（規格、流程、條件） |
| 點了連結 | 進站查證或看更深的內容 | 會 | 落地頁要接住查證需求，把佐證放在第一屏 |
AI 能見度要怎麼測：固定一組提問，反覆抽樣
先講結論：AI 能見度沒有官方後台可以看，唯一可靠的做法是抽樣。固定一組貼近真實搜尋情境的提問，反覆問，記錄每一次的結果，讓變化自己顯現出來。
我在客戶端跑的流程是這樣：
- 寫出 15 到 30 題貼近真實決策情境的提問，包含「有沒有推薦的廠商」「選擇時該注意什麼」「A 跟 B 哪個適合我」三類句型
- 同一組題目在不同 AI 工具、不同日期反覆問，不要只問一次就下結論
- 每一次都記三件事：有沒有出現你的品牌、被寫成什麼優點、跟哪些競品並列
- 把「出現次數／抽樣次數」算成出現率，這就是能見度的主指標
- 把「被寫出來的優點」整理成一張詞彙表，用來判斷內容策略有沒有奏效
- 每月用同一份題目重跑，當成基準線
那家 B2B 服務商的健檢裡，17 次抽樣每一次都出現品牌名稱。出現率接近滿格、流量卻沒有對應成長，這組合本身就是證據：問題不在能見度，在能見度之後的轉換設計。如果你連出現率都沒有測過，就先做這一步，別急著改網站。
被寫成什麼優點，比出現幾次更重要
出現率只是門票。我在那場會議上追問的是：我們被寫的那個優點到底是什麼，這個優點相對於其他競爭對手，是不是真的能形成讓消費者改變行為決策的關鍵因素。如果 AI 每次都提到你，寫的理由卻是「規模大、歷史久」，這種理由在同類別前三名身上都成立，抽樣表上的 17 次跟 0 次差別不大。
跑分工具看得到結構，看不到內容
這是我們跟單純跑分工具最明顯的差別。那位客戶另外用了一家工具，先針對 21 個關鍵頁補上結構化資料，分數確實會動。我在會議上講的判斷是：絕大部分跑分工具都不會去盤點內容面的表現，是不是有足夠的東西可以拿來取信 AI。結構是「能不能被精準讀取」，內容是「讀到之後值不值得被推薦」。以 sealab 來說，我們用自建的 marketing-os 跑 pageAudit，一次出 SEO、AEO、GEO、AI 四組分數，但一定會再手動盤一次內容面，因為工具算不出「這個理由夠不夠讓人改變決定」。
該改追什麼：把工作階段換成 GA4 轉換事件
先講結論：AI 時代的報表主指標要從「工作階段」換成「轉換事件」。工作階段量的是有多少人被 AI 放進來，轉換事件量的是這些人有沒有真的想談，後者才是 AI 流量價值的唯一證據。
具體做法是在 GA4 設定貼近生意的轉換事件，B2B 服務商最常用的兩個是「點擊諮詢」與「送出表單」，電商則是加入購物車與結帳完成。設定好之後，把流量來源拆成自然搜尋與 AI 來源兩組，分別看轉換率，不要比誰的工作階段多。這裡有個值得驗證的推論：AI 已經幫消費者走完中間的比較與篩選，走到點擊那一步的人，比自己一頁一頁翻搜尋結果的人更接近決策終點，所以 AI 來的流量應該更精準、轉換率應該更高。
如果實測結果是 AI 流量的轉換率低於自然搜尋，那不是 GEO 沒用，是落地頁跟 AI 描述你的說法對不上。使用者被 AI 說服了一半，進站之後找不到印證那半句話的內容，就會退出去。
| 舊指標 | 換成 | 為什麼要換 |
|---|---|---|
| 總工作階段 | 轉換事件次數（諮詢、表單） | AI 摘要會吃掉瀏覽行為，工作階段的天花板被壓低 |
| 單月流量漲跌 | 分來源的轉換率 | 流量結構在變，總量的漲跌解釋不了品質 |
| 跳出率 | 進站後是否觸發關鍵事件 | 查證型訪客停留短但價值高 |
| 關鍵字排名數 | AI 抽樣出現率＋被寫出的優點 | 排名不覆蓋 AI 回答內的曝光 |
以 sealab 來說，我們每個月跟客戶開 SEO 月成效會議之前會先產 GSC 月報，會議上第一張表看的就是轉換事件，流量總量排在後面講。順序換過來之後，客戶的問題會自動從「為什麼流量沒漲」變成「哪一組內容帶來的諮詢比較多」，這是報表設計就能改變的決策品質。
順便驗一件事：品牌字撤掉廣告之後，自然流量有沒有補回來
先講結論：品牌字撤掉廣告之後，自然搜尋的品牌字流量理應補回來一大部分。如果沒有補回來，第一個該懷疑的是追蹤與歸因設定，不是消費者突然不搜尋你了。
那家 B2B 服務商前陣子把品牌字從廣告帳戶移除，廣告流量明顯下降，可是同一個時段的自然搜尋品牌字並沒有出現對應的成長。我會後給團隊的判斷是：「如果他都把廣告拿掉，一定要有流量的成長才對，不然的話就不合理」。會搜尋品牌名的人，是已經知道你、正在找入口的人，入口從廣告位移到自然結果，人不會消失。兩邊同時掉，通常代表某一條路徑上的資料沒有被正確記錄。
撤品牌字廣告後該檢查什麼
- [ ] GSC 品牌字曲線：撤廣告後曝光與點擊有沒有上升，這是最乾淨的一手來源
- [ ] GA4 來源分群：原本歸在付費搜尋的品牌字流量，有沒有正確落進自然搜尋
- [ ] UTM 殘留：廣告停掉後仍帶 UTM 的舊連結（EDM、LINE 訊息、合作方頁面）會把自然流量誤記成付費
- [ ] 追蹤碼：同意模式或標籤管理工具改版後，有沒有頁面漏掉追蹤碼
- [ ] 競品有沒有在你的品牌字上投廣告，把自然結果壓下去吃掉點擊
- [ ] 檢查完再決定要不要把品牌字加回去，先加回去就永遠驗不出真相
這張清單的用途是把「要不要買品牌字」這種吵不完的爭論，變成兩週內可以驗完的檢查流程。以 sealab 來說，我們會要求客戶在撤廣告前先把 GSC 與 GA4 的基準期截圖存下來，事後回推永遠比事前存證吃力。
幾百萬流量等級的網站，單月掉 9%、10% 不用開會檢討
先講結論：月流量在幾百萬等級的網站，月對月掉 9%、10% 落在正常波動範圍內，不值得拿來當成敗判準。真正需要拉警報的門檻是單月掉 20% 以上，或是連續三個月同方向下滑。
季節性、假日分布、單一爆紅文章的自然衰退、AI 摘要覆蓋率的變化，這四個因素任何一個都足以讓大流量網站的單月數字浮動一成。我在客戶會議上看到最常見的誤判，是團隊把一個 9% 的下滑當成事故，臨時抽人做一輪不必要的調整，打亂了原本三個月的內容節奏。用單月數字管理大型網站，等於用一天的體重變化判斷減重成效。
那該用什麼判斷
實務上我看三件事：三個月移動平均的方向、分頁群組的漲跌（品牌頁、產品頁、內容頁各自的走勢）、轉換事件有沒有跟著掉。如果總量掉一成但轉換事件持平甚至上升，通常是摘要吃掉了低意圖的瀏覽，生意沒有受傷。如果總量持平而轉換事件掉兩成，那才是真的出事，而且從單月總流量看不出來。
延伸閱讀
- GEO 優化怎麼做？被 AI 看到、進入推薦清單、寫出推薦理由三層：能見度要往上，先確認自己卡在三層的哪一層，再決定要補結構還是補內容。
- 查詢扇出（Query Fan-Out）是什麼？AI 搜尋怎麼拆解你的問題：想理解 AI 為什麼提到你卻不給連結，要先看它把一個問題拆成了幾個子查詢。
- SEO 成效怎麼看？文章適合初階轉換，不適合直接叫人付錢：設定 GA4 轉換事件之前，先搞清楚內容該負責哪一段轉換。
常見問題
該繼續，但要換追蹤指標。能見度高代表 AI 已經願意把你放進推薦清單，這是最難累積的部分；流量沒動多半來自 AI 不附連結、連結不顯眼、使用者不需要查證這三個外部條件，這些不會因為你停手就改善。此時停掉 GEO，等於把已經取得的推薦位讓給競品。
以 sealab 來說，我們在這種狀況下會做兩件事：一是把抽樣表裡「被寫出的優點」整理出來，判斷那些理由夠不夠讓人改變決定，不夠就補具體的內容；二是把報表主指標換成轉換事件，讓成效用諮詢量證明，而不是用工作階段證明。
實務做法是在 GA4 建一個自訂的來源分群，把已知的 AI 工具網域整理成清單，放進同一組來源。同時要接受這組數字一定會低估：有些 AI 工具的連結不帶來源資訊，會被歸到直接流量。所以 AI 流量要跟抽樣出現率一起看，一個管「有多少人來」，一個管「有多少機會被提到」。
以 sealab 來說，我們不會把 AI 流量的絕對值當成 KPI，而是看它的轉換率有沒有高於自然搜尋。這個比較不受低估影響，因為分子分母來自同一組資料，客戶也比較容易理解「AI 帶來的人比較準」這個結論。
先驗再決定。品牌字廣告撤掉之後，如果自然搜尋的品牌字點擊在兩週內補回大部分，那筆預算本來就是重複付費，可以移去其他字。如果沒有補回來，先查追蹤與歸因，確認不是 UTM 殘留或來源歸類錯誤造成的假下滑，再看是不是有競品在你的品牌字上投廣告把你壓下去。
以 sealab 來說，我們會把這個驗證排進客戶的月會議程，用 GSC 的品牌字曲線當一手證據，而不是只看廣告後台的花費變化。這件事跟一般廣告代理商的做法不同：我們不預設答案，會先設計一個兩週的驗證期，把要加回去或不加回去變成有依據的決定。
結語
這篇文章要幫你完成的是一次判讀升級：看到「AI 健檢分數上升、流量沒動」時，能分辨這是外部環境造成的正常現象，還是執行出了問題，並知道下一步該測什麼。判斷路徑固定：先測能見度的出現率，再看被寫出來的優點夠不夠差異化，最後用轉換事件檢查流量品質。
以 sealab 來說，我們每個月替客戶重跑同一份 GEO 健檢當基準線，會議上固定看同一組分數的變化，並用自建的 marketing-os 產出 pageAudit 四組分數；內容端靠約 30 位遠端寫手與自建的 EIP 系統管開立、指派、審稿與月結，把判斷變成當月真的寫出來的文章。跟只交一份跑分報告的做法不同的是，我們會把結構與內容分開評估，也會到客戶第一線做 E-E-A-T 訪談，把現場語言變成 AI 願意引用的推薦理由。這篇文章本身就是那條產線的成品：一場顧問會議的逐字稿，變成一篇能被搜尋、也能被 AI 引用的內容。
如果你正在解釋一份流量沒成長的 GEO 月報，歡迎把你的抽樣結果與轉換事件設定拿來讓我們看一遍。
參考資料
2025 年 SEO 行銷該如規劃？歡迎與我們諮詢！現在聯絡我們並提供上限 5 個競爭者對手網站，限時免費贈送「競爭者 SEO 表現分析」報告一份，輕鬆掌握對手 SEO 動態 & 差距！
了解最新 SEO 行銷解決方案：【新世代 AI SEO x 數位品牌優化】計畫