同一個問題,AI 引用了同業的頁面。它知道這個產業、知道該問誰,只是不是從你這裡知道的——這比 「AI 完全不認識你」更值得研究,因為問題不在能不能被讀到,而在被讀到之後為什麼沒被選。
健檢會把偵測到的品牌名稱,實際送去問會即時上網搜尋的 AI 模型(Perplexity 跟 ChatGPT 各問一次,兩者的索引跟排序邏輯不同,只測一家會誤以為「AI」是單一個東西), 把原話跟引用來源原封不動貼給你看。指向你自己網域的引用會加上 ★;如果 AI 答得出你的產業, 但引用連結全部指向別人,就是這篇要處理的情況。
判定字彙只有兩種:★ 引用自己,或者沒有引用你。後者不代表 AI 不知道這個產業, 也不代表你做錯了什麼技術設定——健檢前面幾項(爬蟲存取、內容可讀、結構化資料)全綠燈, 一樣可能被判定「沒有引用你」,因為這一項回答的是另一個問題:AI 讀得到你,但選不選你。
關鍵在「反推」:AI 引用的那幾個競爭對手頁面,通常都做對了一些具體的事——講清楚服務範圍、 有明確的定價或案例、品牌名稱在頁面裡反覆一致地出現。把那幾頁實際打開來看, 比憑空猜「內容要更好」有用得多。常見的缺口是三種:內容真的沒寫到那個主題、 網站有內容但權威訊號不夠(沒有作者、沒有第三方佐證)、或者品牌名稱在全站用法不一致, AI 抓不準要對應到哪個名字。
回到 健檢,用同一組關鍵字重新查一次「關鍵字 AI 能見度」——這一項可以自己輸入想搶的主題, 不用等重跑整份健檢。AI 的回答會依當下搜尋結果變動,同一個問題隔幾天問結果可能不一樣, 看的是有沒有往「開始出現在候選名單裡」的方向移動,不用預期一次就衝到第一名。
(這只代表這幾個引擎當下的回答,不是「所有 AI 都這樣」;沒設 API key、抓不到品牌名稱、 或呼叫失敗時該引擎會回空,不會硬湊一個答案出來。)