KeyFrame內部研究專用

AI Seo Tutorial: How to Rank Your Website on ChatGPT | AEO/GEO: How To Rank In Generative Search

Ben Analyst·6月22日週一·8 min英文

三句話摘要

五個實踐方法讓您的網站被 ChatGPT、Gemini、Perplexity 等 AI 搜尋引擎發現、引用和推薦。 掌握 AEO 和 GEO 五個實踐方法,您的網站將出現在客戶已經信任的 AI 推薦中,而非被埋沒在 Google 搜尋結果的深頁面。 從被動展示轉向主動推薦 — 傳統 SEO 像是在高速公路上豎立看板,希望有人注意;而 AEO/GEO 則是讓 AI 系統主動推薦您為專家,這建立了完全不同層級的信任與轉化率。

重點整理

重點
  • 1

    從被動展示轉向主動推薦 — 傳統 SEO 像是在高速公路上豎立看板,希望有人注意;而 AEO/GEO 則是讓 AI 系統主動推薦您為專家,這建立了完全不同層級的信任與轉化率。

  • 2

    AI 系統偏好對話式、結構化內容 — AI 爬蟲不是搜尋關鍵字,而是尋找能直接回答真實問題的自然語言內容。使用 FAQ 段落、問題式標題、清晰簡潔的答案,能讓 AI 系統更容易提取和引用。

  • 3

    權威信號和技術基礎同等重要 — 包括真實數據統計、作者身份標記、Schema 結構化數據、快速加載、清晰導航等,AI 系統會在多個候選來源間選擇看起來最可信、最易驗證的網站。

  • 4

    內容深度加上定期更新創造引用 — 單一文章無法勝出,需要圍繞核心主題構建完整內容生態;而定期更新內容會被 AI 系統識別為相關性信號,增加被推薦的機率。

實用技巧與重點

乾貨
  • 五個核心做法:
  • 撰寫對話式、問題優先的內容(標題例:「自由工作者如何最好地管理客戶專案?」而非「我們的專案管理方案」)
  • 添加真實數據、統計、作者生物、FAQ Schema Markup
  • 確保網站快速加載、行動裝置完美適配、內容排版清晰(短段落、項目符號、清晰標題)
  • 建立主題深度內容中心(策略、工具、預算、案例研究、常見問題,保持更新)
  • 在 Lovable 平台構建網站
  • Lovable 平台優勢:
  • 單一提示語可同時實現多頁優化(重組結構、添加 FAQ、應用 Schema、改善內部連結)
  • 自動部落格系統:持續發布針對客戶問題優化的內容
  • 無需管理插件相容性問題、安全漏洞、惡意軟體風險
  • 真實案例: SaaS 創辦人 Google 流量停滯後,進行 AEO/GEO 優化,開始從 Perplexity 和 ChatGPT 獲得一致高意圖客戶,銷售週期更短、基礎問題更少、客戶已預先銷售。

結論

結論

掌握 AEO 和 GEO 五個實踐方法,您的網站將出現在客戶已經信任的 AI 推薦中,而非被埋沒在 Google 搜尋結果的深頁面。

完整解析

詳細

傳統搜尋引擎優化的時代正在改變。以往企業花費大量資源進行關鍵字優化、發布部落格、構建反向連結,期望在 Google 搜尋結果中獲得排名。但現在,一個全新的流量來源正在崛起:AI 搜尋引擎和生成式 AI 系統如 ChatGPT、Perplexity 和 Gemini。當用戶在這些平台上詢問「管理客戶專案的最佳工具是什麼?」或「小型企業應該使用哪個記帳軟體?」時,競爭對手的網站可能已經被 AI 推薦並獲得了信任,而您的網站卻完全被忽視。

這就是 AEO(Answer Engine Optimization)和 GEO(Generative Engine Optimization)的概念所在。講者通過一個真實案例來說明其價值:一位 SaaS 創辦人的 Google 流量已經停滯,盡管他執行了所有傳統 SEO 策略。但在進行針對 AI 系統的優化後,他開始從 Perplexity 和 ChatGPT 獲得持續的高意圖客戶。這些客戶之所以高價值,是因為他們已經被 AI 系統驗證和推薦過,因此轉化速度更快、提出的基礎問題更少,某種程度上已經是「預先銷售」的狀態。

核心差異在於對話方式。傳統 SEO 如同在高速公路上豎立看板,希望有人注意;而 AEO/GEO 則是讓 AI 系統主動認可您為專家。為達成這個目標,講者提出五個具體做法。首先,撰寫對話式、問題優先的內容。AI 系統不像 Google 那樣掃描關鍵字,而是尋找能自然語言直接回答真實問題的內容。頁面應使用「自由工作者如何最好地管理客戶專案?」這樣的標題,而非企業風格的「我們的專案管理解決方案」。其次,建立強有力的權威信號。AI 系統會選擇看起來最可信的來源。這意味著添加真實數據和統計、清晰的作者生物說明資格、以及 Schema 結構化數據標記。第三,優化技術基礎。內容再優秀,如果網站加載緩慢、行動適配差、排版混亂,AI 爬蟲會轉向更好的競爭對手。第四,創造主題深度。不應只有一篇文章,而是圍繞核心主題建立完整的內容生態,並定期更新;AI 系統注意到更新的內容會視為相關性信號。

最後一個做法涉及平台選擇。傳統網站平台(如 WordPress)需要管理插件相容性、安全更新、主題衝突等,每次改進都成為項目。Lovable 平台則允許通過單一提示語同時實現多個優化:重組頁面結構、添加 FAQ 內容、應用 Schema 標記、改善行動號召、優化內部連結。更重要的是,Lovable 支援自動部落格系統,可持續發布針對客戶問題優化的內容,使網站不斷成長、不斷深化、自動保持新鮮,而無需管理破裂的插件或擔心惡意軟體。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。