GEO 優化做了一季，健檢分數從 64 分升到 74 分，流量與詢問量卻沒有跟著動，這是最近一次顧問會議上，一家在自己類別裡算領先品牌的 B2B 服務商丟給我的問題。分數會動、生意沒動，通常代表資源全押在對這個品牌已經沒有邊際效益的那一層。我的處理方式是把 GEO 優化拆成三層：能不能被 AI 有效爬取、能不能進入 AI 推薦清單、AI 寫出來的推薦理由夠不夠差異化。這篇文章會逐層說明判斷問題、該投多少資源、跑分工具看不到的盲區，以及每月怎麼看同一份基準線。適合已經開始做生成式引擎優化、不確定下一筆預算該補哪一塊的品牌負責人與行銷主管。
那場會議上，客戶自己先講了一句很準的話：「我們的內容有點散，所以只增加結構化資料應該是不太夠」。他原本的計畫是先針對 21 個關鍵頁補上結構化資料，補完再看分數。我的回答是：結構化資料只是標註層，內容結構散是根因；根因沒有處理，標註補得再完整，分數也只會卡在同一個區間。
GEO 分成三層，先確認你卡在哪一層
先講結論：GEO 優化的工作可以切成三層，每一層要回答的問題、實際動手的人、投錢之後多久看得到反應都不一樣。第一層處理「AI 讀不讀得懂你這一頁在講什麼」，屬於資訊結構；第二層處理「AI 在回答這類需求時，會不會把你放進候選名單」，屬於品牌在真實世界留下的訊號；第三層處理「AI 把你放進名單之後，寫出來的推薦理由能不能讓人改變決定」，屬於內容。多數品牌一開始都只做第一層，因為它最容易發包、最容易在報表上看到分數跳動。
三層各自要回答的問題
| 層級 | 要回答的問題 | 主要工作 | 通常由誰動手 |
|---|---|---|---|
| 第一層 被 AI 有效爬取 | AI 讀不讀得懂這一頁在講什麼 | 資訊結構、H 標籤階層、FAQ、結構化資料標註 | 網站與技術端 |
| 第二層 進入 AI 推薦清單 | AI 回答這類需求時會不會提到你 | 媒體討論度、使用者評論、搜尋結果的品牌覆蓋率 | 品牌與公關 |
| 第三層 推薦理由差異化 | AI 寫出來的理由能不能讓人改變決定 | 每篇內容寫出差異、優勢、適合哪種族群 | 內容與產品行銷 |
卡在哪一層，決定這季的預算要往哪裡放
判斷方法很直接。如果你在 AI 工具裡問這個類別的通用問題，品牌完全沒被提到，那就是卡在第二層；如果品牌每次都被提到，但 AI 講出來的優點模糊到換成同業也成立，那就是卡在第三層；如果你把單一頁面貼給 AI、請它總結這一頁在賣什麼，它都拼不出一句完整的答案，那第一層還沒過關。前面那家 B2B 服務商，17 次抽樣每一次都出現品牌名，第二層早就過了，預算繼續押在第二層只是在買已經拿到的東西。
第一層：能不能被 AI 有效爬取，先看結構再看標註
先講結論：結構化資料是標註層，它負責把「這一段是價格、那一段是服務範圍」講給機器聽；前提是頁面上真的有一段在講價格、有一段在講服務範圍，而且各自集中在一處。客戶那句「我們的內容有點散」講的就是這件事：同一個問題的答案分散在五個區塊、三個頁面，沒有一段話能被完整取用。這種情況下補標註，等於在一份東拼西湊的資料上貼分類標籤，貼得再工整，取用的人還是拼不出答案。
內容結構散是根因，補標註救不回來
散的具體樣貌長這樣：服務說明在首頁寫兩句、在方案頁寫三句、在部落格某篇文章裡寫得最完整卻沒有內部連結指過去；選擇標準與收費方式只存在業務的口頭說明裡，官網上一個字都沒有。AI 抓到這種網站，只能從零碎句子裡拼一個模糊的印象。因此我在會議上給的順序是先把資訊歸位，再談標註。Google 官方的結構化資料說明也寫得很清楚，標註必須對應頁面上使用者看得到的內容。
這個客戶最後決定做官網改版，而非只補 21 個關鍵頁
會議結束時，他自己做了決定：官網改版照原定計畫年底上線，結構化資料等改版後一起處理，先不花人力在舊架構上補 21 頁。在即將被換掉的頁面上補標註，改版後多半要重做一次。反過來說，如果你的網站一年內不會改版，補標註仍然是當下最划算的動作。這一段適合正在評估「先補 Schema 還是先改版」的人。
改版的 wireframe 階段就先把 H 標籤標出來
那次會議上他們給我看的是 AI 生成的首頁區塊草稿與 sitemap 雛形，區塊裡的文字還是假的。我當場提了一個要求：「你們的 wireframe 也可以把預計它在 HTML 上會放的 H 標籤等等都先標記出來」。標了 H 標籤，顧問才能在內容還沒寫之前判斷資訊呈現的優先順序對不對，產品線的第二層、第三層分類頁也要一起給架構建議。以 sealab 來說，我們接上線前健檢就是這樣看的：拿 sitemap 對照必備頁是否齊全，再把 mock 首頁丟進自建的 marketing-os 跑 pageAudit，一次拿到 SEO、AEO、GEO、AI 四組分數，改版還在紙上就修掉一批結構問題。
第二層：能不能進入 AI 推薦清單，訊號多半來自網站以外
先講結論：這一層決定 AI 在回答「這個類別有哪些選擇」時，名單上有沒有你，影響它的訊號大多不在你的網站上：媒體討論度、第三方的使用者回饋、搜尋結果第一頁的品牌覆蓋率、市佔造成的被提及頻率。在自家官網上寫一百篇自稱第一，對這一層幾乎沒有作用。這也是類別領先品牌天生佔便宜的地方，被報導、被討論、被寫進比較文章的次數本來就多。
領先品牌在這一層不需要加碼
那次健檢拿高分的三個指標是 AI 推薦潛力、搜尋結果的品牌覆蓋率、媒體討論度，全部落在第二層。分數已經高，再投錢的邊際效益很低。我在會議上直接建議把資源往第三層搬，因為第二層讓 AI「提到你」，第三層才決定 AI「怎麼講你」，後者才會影響有沒有人來問。如果你是剛進市場、AI 完全沒提過你的新品牌，判斷剛好相反，第一筆錢應該花在讓真實世界開始出現討論。
使用者評論要寫出身份，AI 才能對應到同背景的人
使用者回饋在這一層很吃寫法。評論只寫「服務很好，推薦」，這種句子 AI 拿去沒辦法用；有身份、有情境、有解法的評論才會被帶進推薦理由。另一個做建材的客戶就做得不錯，他的評論裡會自己出現「我是新成屋的屋主」「我是老屋改建」，AI 回答同樣背景的搜尋者時，就能把這個身份對進去。所以我給的引導話術是請顧客在評論裡寫三件事：我是誰、我遇到什麼、你怎麼解決。以 sealab 來說，我們幫客戶做 E-E-A-T 訪談抓的是同一件事，到現場問第一線人員實際遇到的狀況，把真人說的話變成素材，而非請寫手憑空想像。
第三層：推薦理由的差異化，這才是真正的重心
先講結論：第三層是絕大多數品牌完全沒動的一層，也是 2026 年最值得投資的一層。AI 把你放進推薦名單以後，會替你寫一句推薦理由，那句話是從你的內容裡拼出來的。如果你的內容從來沒寫過「跟同業比你強在哪、特別適合哪一種客戶」，AI 只能寫一句放到誰身上都成立的空話，讀到的人不會因此改變決定。我在會議上把這件事講成一個問題：
「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來說，是不是真的能夠形成讓消費者改變他們的行為決策的關鍵因素」
每一篇內容都要交代三件事
要讓 AI 有材料可用，每篇文章、每個服務頁都該明確寫出三件事，順序可以調，缺一件就會被寫成空話：
- 差異：同樣的需求，我們的做法跟主流做法差在哪一個具體環節
- 優勢：這個差異帶給客戶什麼可以被檢查的結果，數字、時程、風險降低都算
- 適合誰：哪一種規模、哪一種情境的客戶最適合，順帶寫清楚哪一種不適合
第三件事最常被漏掉，寫了反而最有用。明寫「不適合誰」，AI 在回答不符合條件的搜尋者時會把你排除，但在回答符合條件的人時，推薦理由會變得非常具體。這一段特別適合手上已經有幾十篇文章、但全部都在寫通用知識的品牌。
沒有差異化的推薦，換成同業也成立
檢查自家內容有沒有做到第三層，有個很省時間的方法：把 AI 生成的推薦理由抓下來，品牌名換成最強的那一家同業，如果整句話照樣讀得通，這句推薦對轉換就沒有貢獻。以 sealab 來說，我們約 30 位遠端寫手的稿子都走自建系統 EIP 的開立與審稿流程，開文章時除了目標關鍵字，還要把「這篇要證明的差異點」寫進需求；審稿時這一項沒交代就退回去補，補的成本遠低於整篇重寫。
跑分工具看得到結構，看不到內容夠不夠取信 AI
先講結論：市面上的 GEO 跑分工具幾乎都在量第一層，它們能告訴你哪一頁缺 FAQ Schema、哪一頁的標題階層跳號，卻不會告訴你這一頁的內容有沒有說服力。這句話我在會議上是這樣講的：
「所有的工具絕大部分都不會去盤點我們的內容面的表現，是不是有足夠能夠拿來取信 AI」
結構與內容要分開評估，兩張表分開看
把結構分數當成內容分數來用，是這一年最常見的誤判。結構分數高只代表「AI 能精準讀取你寫的東西」，至於你寫的東西夠不夠取信 AI，工具量不到，那需要判斷內容的實際主張與競爭態勢。所以我建議客戶維持兩張表：一張是工具跑出來的結構分數，逐頁修；一張是人工盤點的內容清單，逐篇問「這篇有沒有交代差異、優勢、適合誰」。以 sealab 來說，marketing-os 的 pageAudit 一次給 SEO、AEO、GEO、AI 四組分數，把可讀性與內容取信度分開列，就是為了避免只看一個總分就以為整體都好。
內容面盤點檢核清單
下次開會前，拿你最重要的十個頁面逐項打勾，這份清單工具跑不出來：
- [ ] 這一頁的核心答案是否集中在一段，不必跨頁拼湊
- [ ] 有沒有寫出跟同業比較後的具體差異，而非形容詞
- [ ] 有沒有寫出適合誰、不適合誰
- [ ] 有沒有可被檢查的佐證：數字、案例、流程、實測
- [ ] 顧客最常提出的疑慮，官網上有沒有正面回答
- [ ] FAQ 的題目是從「希望被推薦的理由」倒推出來的，而非隨手列的常見問題
- [ ] 負面議題有沒有官方論述可以被引用
第七項容易被跳過。AI 有一個傾向是正反並陳，即便品牌九成好評、一成負評，它還是可能把負評帶進推薦內容。那家 B2B 服務商在搜尋結果第二、三頁就有品牌被冒名的負面新聞，這種議題要在 FAQ 或官方頁面主動補上論述。官方平台的資訊是 AI 相當重要的收錄來源，你不寫，AI 只能引用別人寫的版本。
每月固定重跑同一份健檢，把分數當基準線
先講結論：74 分（PR95）和上次的 64 分，只有在同一份健檢、同一組評分邏輯之下比較才有意義。換工具、換題組、換受測頁，分數的漲跌就只是換了一把尺，讀不出任何東西。因此我跟客戶的做法是每月固定重跑同一份 GEO 健檢，會議上固定看同一組分項的變化，而非每次追新指標。
高分三項與低分三項，各自的讀法不同
那次健檢拿高分的是 AI 推薦潛力、搜尋結果的品牌覆蓋率、媒體討論度；拿低分的是 Google 商家、AI 可讀性、影音內容。高分指標的讀法是「維持就好，別再加錢」；低分指標要先分成「該補的」和「本來就不必投入的」兩堆，不能看到紅字就全部排進待辦。
低分的指標要先判斷該不該投入
這個客戶是 B2B 服務商，沒有實體門市，Google 商家分數低是商業模式造成的，硬做商家評論的投資報酬很差，可以直接放掉。AI 可讀性低則要補，它指向第一層的資訊結構，正好與官網改版同一批工作。影音內容屬於要不要開新戰場的策略決定，跟分數高低沒有直接關係。以 sealab 來說，我們每月跟客戶開 SEO 月成效會議、會前先產 GSC 月報，走的是同一個邏輯：先固定一組看得懂的基準線，再決定哪些紅字值得花錢，哪些對這個商業模式本來就不重要。
延伸閱讀
- FAQ 怎麼寫才會被 AI 引用？從你希望被推薦的理由倒推題目：第三層要落地，最快的入手處就是 FAQ，這篇講倒推題目的方法
- AI 流量沒成長？AI 提到你的品牌，不等於使用者會點進你的網站：健檢分數上升卻看不到流量時，先讀這篇釐清能見度與流量的差別
- E-E-A-T 到底是什麼？AI 影響下還重要嗎？：第三層要的佐證與經驗訊號，跟 E-E-A-T 講的是同一套東西
常見問題
兩者的工作大量重疊，驗收標準不同。傳統 SEO 問的是「排在第幾名、有多少人點進來」，GEO 優化問的是「AI 回答這類問題時會不會提到我、提到我的時候怎麼講我」。第一層的資訊結構與第二層的品牌訊號，做好對兩邊都有幫助；差別最大的是第三層，過去靠篇數與關鍵字覆蓋就能拿到流量，生成式引擎只挑幾家講，講的時候需要一句具體的推薦理由。
以 sealab 來說，我們在同一套內容產線裡同時驗收兩件事：文章的搜尋表現看 GSC 的排名與點擊，內容的 GEO 表現看 marketing-os 的 pageAudit 分數與人工盤點。兩邊分開驗收，才不會在流量沒動時誤判成內容沒寫好，或在分數漲了時誤判成生意會跟著來。
要看你卡在哪一層。如果你的內容本身寫得完整、答案集中，只是缺少機器可讀的標註，那補結構化資料的效果會很直接。如果你的情況跟前面那位客戶一樣，同一個問題的答案散在好幾個頁面裡，補標註能拉高的是結構分數，不是 AI 願不願意推薦你，因為 AI 取用不到一段完整可信的說法。
以 sealab 來說，我們接到「請幫我們補 Schema」的需求時，會先跑一次內容盤點，把最重要的十個頁面對照檢核清單。如果問題出在資訊架構，我們會建議把預算留給改版或內容重整，這跟一般只交付標註的做法不同，因為在錯的層級花錢，三個月後分數與生意都不會有反應。
每月一次，而且要跑同一份健檢、同一組題目與受測頁。頻率再高沒有意義，第二層的品牌訊號與第三層的內容累積都以月為單位在變；不同工具之間的分數也不要互比，那等於換尺量身高。每次會議只看同一組分項的增減，再對照當月實際做了什麼工作。
以 sealab 來說，我們把 GEO 健檢綁在每月的 SEO 月成效會議裡一起看，會前先產 GSC 月報，會議上把健檢分項的變化與流量、轉換事件放在同一頁討論。這樣做的好處是分數變動一定會被追問「這個月我們動了什麼」，避免健檢變成一份每月寄出、沒人回應的報表。
結語
把 GEO 優化拆成三層，你可以在下一次會議上明確回答一個問題：這一季的錢要花在資訊結構、品牌訊號，還是內容的差異化。前面那家 B2B 服務商釐清之後做了兩個決定，把結構化資料併進年底的官網改版、把原本要補 21 頁的人力挪去重寫內容，兩個決定都來自「知道自己卡在第三層」。
以 sealab 來說，我們做 GEO 的順序一向是先跑健檢分出三層，再往內容盤點，而非拿到一份紅字清單就照著補。我們會到客戶現場做 E-E-A-T 訪談，把第一線人員的真實說法變成寫得出差異的素材，內部再由約 30 位遠端寫手透過自建系統 EIP 走開立、指派、審稿的流程，每篇稿子都要交代差異、優勢、適合誰。如果你的 GEO 報表分數在動、生意沒動，歡迎把報表帶來，我們先一起確認你卡在哪一層。
參考資料
- Intro to how structured data markup works｜Google Search Central
- Creating helpful, reliable, people-first content｜Google Search Central
- FAQPage｜Schema.org
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