一年前，被 Google AI 摘要引用的網頁，每四個就有三個同時排在搜尋結果前十名。最新的大規模分析卻顯示，這個重疊比例已經掉到不到四成。同一段時間，AI Overviews 在美國的觸及率也快速攀升。兩條曲線一升一降，逼出一個讓很多人不安的新現實。
過去你只要把一個關鍵字推進前十名，就大致能分到流量。現在不一樣了。Google AI Overviews（AIO，又稱 AI 摘要）會在搜尋結果最上方直接生成一段答案，並掛上幾個它「信任」的來源連結；而那幾個被引用的位置，越來越不是照自然排名發出去的。 排名好，不再等於會被引用；被引用，才等於還在 AI 的答案裡有名字。
先看清楚這個轉變到底改了什麼，就從那六成使用者說起，看看它實際上動搖了什麼。
AI Overviews 佔六成搜尋，這對你的網頁意味著什麼？
最直接的衝擊不是排名掉了，而是排名沒掉、點擊卻不見了。AI 摘要把答案直接攤在搜尋結果頂端，使用者看完就走，根本不需要點進你的網站。
數字會說話。根據皮尤研究中心（Pew Research Center）對美國使用者的追蹤，當搜尋結果出現 AI 摘要時，使用者點進傳統連結的比例只有 8%；沒有 AI 摘要時則有 15%，幾乎是腰斬。而點進 AI 摘要裡那幾個來源連結的比例更低，只有 1%。Ahrefs 分析約 30 萬筆關鍵字後也發現，當 AI Overview 出現時，排名第一的網頁點擊率掉了約 58%，比八個月前的三成多又更嚴重。
把這兩件事擺在一起看，畫面就清楚了。一邊是 AI 摘要的覆蓋面越來越大，皮尤研究中心的追蹤顯示，美國已有約六成使用者每個月都至少撞見一次 AI 摘要；另一邊是即使你穩穩排在第一，能分到的點擊也被砍掉一大半。曝光還在，流量先走。這就是所謂的「零點擊搜尋」加劇。
台灣的情況稍微緩一點，但方向一樣。中文 AI 摘要 2025 年 5 月才正式上線，目前在台灣的觸發率還明顯低於美國，不過自上線以來，不少產業的自然點擊已經出現明顯下滑，醫療、美妝、電商、B2B 都被掃到。換句話說，這不是某個產業的局部現象，而是整個搜尋行為正在換軌。
對你的網頁來說，只看「我排第幾名」這個老指標，已經量不準真實處境了。真正該問的是，AI 在生成那段答案時，有沒有把你算進去。而要回答這個問題，得先看清楚「排名」和「被引用」之間，那條原本牢固、現在正在鬆動的連結。
排名進前十，不再保證被引用
AI 挑來源的方式，其實已經和傳統排名脫鉤了一大半。前十名曾經幾乎等同於「被引用候選名單」，但這條等號正在被拆掉。
先看那組關鍵的數字。Ahrefs 在 2025 年 7 月的研究裡，分析了大量引用後發現，約 76% 被 AI Overview 引用的頁面，同時也排在該關鍵字的前十名。到了 2026 年 3 月，他們把樣本擴大到 86.3 萬筆搜尋結果、四百萬個 AI Overview 連結重做一次，數字卻掉到只剩約 38%。短短七個月，重疊度近乎腰斬。BrightEdge 同樣做了十六個月的長期追蹤，算出的前十名重疊比例更低，只有約一成七，數字會因方法不同而有出入，但所有研究指向的都是同一個方向，前十名和被引用之間的關係，正在快速變鬆。
剩下那六成被引用的頁面去哪了？Ahrefs 的拆解很有意思。在標準藍色連結的口徑下，被引用頁面裡只有約 37% 排在前十，約 26% 落在第 11 到 100 名，還有約 37% 根本不在前一百名內。也就是說，AI 經常去引用一些在原本搜尋結果裡幾乎看不到的頁面。
為什麼會這樣？關鍵在一個叫「查詢扇出」（Query Fan-Out）的機制。當你輸入一個問題，Google 不會只拿這個字面去找答案，而是先把它拆成二十到三十個相關子問題，可能包含比較、替代方案、適用情境、價格疑慮，甚至是你沒打出口、但 AI 推測你接著會想問的事。接著它分別去看這些子問題各自的搜尋結果，把在這些子問題裡反覆出現的頁面，挑進最後那段摘要。
這就是斷裂的源頭。你也許為了「主關鍵字」拚進前十，但 AI 引用與否，取決於你的內容對那一整圈子問題的覆蓋夠不夠廣、夠不夠深。一個只精準命中主關鍵字、卻沒回答周邊問題的頁面，很可能排名很好，卻在扇出的子問題裡集體缺席，於是落選。反過來，一個排名普通、但把整個主題的相關角度都講透的頁面，反而更容易被一再點名。
遊戲規則就是從「為單一關鍵字排名」，換成了「為一整段使用者的搜尋旅程覆蓋」。理解了這層，下一個要問的問題是，什麼樣的內容，AI 才願意一再引用？
可被 AI 引用的內容有哪五個特徵？
AI 偏好的內容其實很好描述：答案好抓、覆蓋夠廣、來源可信。把這拆開來，可以歸納成五個明確的特徵。這五點不是玄學，照著做內容自然更容易被機器讀懂。下面一個一個看。
第一、答案放在最前面，不要藏在段尾。 AI 在判斷一段文字值不值得引用時，會優先掃描標題、開頭句和重點。如果你的段落是先鋪陳三句、把核心答案壓在最後，AI 很可能在抓到答案之前就略過。所以每個段落、每個小節的第一句，就要把核心結論講掉，再往下展開細節。這套寫法常被稱為倒金字塔，它對 AI 特別友善，因為機器需要在最短時間內判斷「這裡有沒有使用者要的答案」。
第二、用清楚的結構把資訊切開。 大段沒有層次的文字，對 AI 來說資訊密度低、難拆解。改用「標題 → 子標題 → 條列」這種有層次的骨架，把比較、步驟、要點分開呈現，AI 抓取的成功率會明顯提高。需要對照時用表格，需要羅列時用清單，讓每一塊資訊都有自己的位置，而不是糊成一團。
第三、覆蓋整圈相關子問題，而不只是主關鍵字。 這一點正是前面查詢扇出機制的延伸。既然 AI 是拿子問題去找來源，那你的內容就得主動涵蓋到那些子問題。寫一個主題時，別只回答字面上的那個問題，順手把「它和類似概念差在哪」「什麼情況適合用」「常見的誤解是什麼」一併講清楚。覆蓋的角度越完整，你的頁面在越多子問題的搜尋結果裡出現，被選進摘要的機率就越高。
第四、帶上具體數字、來源和第一手資訊。 AI 偏好有「資訊增益」的內容，也就是別人沒有、只有你提供的東西，可能是一組具體數據、一個明確的時間點、一段實際操作的細節。空泛的原則人人會講，AI 沒有理由獨選你。引用統計時標清楚出處與年份，提到做法時給得出實際步驟，這些都是在對 AI 釋放「這個來源可信、值得採用」的訊號，也呼應 Google 一直強調的經驗、專業、權威、可信（E-E-A-T）。
第五、確定頁面真的被索引、技術上抓得到。 這是最容易被忽略、卻最關鍵的一條。再好的內容，如果 Google 根本沒收錄、或被你的設定擋在門外，AI 連看都看不到，自然不可能引用。所以基本功要先到位：頁面要能被正常索引、結構化資料（Schema）標好，讓機器一眼就懂哪段是問題、哪段是答案、作者是誰。技術門檻過不了，前面四點再用力也白搭。
這五點沒有一個是全新的玄學，更多是把扎實內容的老道理，往「機器讀得懂」的方向再走一步。問題是，就算照做、真的被引用了，使用者看完摘要不點進來，這對你到底還有沒有價值？
流量被 AI 摘要吃掉，該怎麼重新看待 SEO 的價值？
把衡量的尺從「點擊」換成「被看見」。當點擊不再是唯一的回報，在 AI 答案裡被反覆引用、讓使用者記住你的名字，本身就成了新的資產。
先把帳算清楚。AI 摘要時代，一次搜尋的結果可以分成三種人：點進你網站的、看完摘要就走但記住你名字的、以及完全沒看到你的。過去我們只在乎第一種，因為只有點擊能換成流量和轉換。但當零點擊成為常態，第二種人的份量被大幅放大。他在那段 AI 答案裡，反覆看到你的品牌被當成可信來源引用，這份信任會在他真正要做決定、要找服務時發酵。這是一種延後的、累積的回報，傳統的點擊報表量不到它。
這也是為什麼，業界開始用「AI 能見度」這個新角度，來補「自然排名」量不到的部分。它衡量的不是你排第幾，而是你的品牌在各大 AI 搜尋工具的回答裡，被引用、被提及的頻率有多高。指標換了，但底層邏輯沒有玄學。你被越多 AI 答案點名，就越像那個領域的權威，後續被引用的機率也跟著滾大。
那傳統 SEO 是不是就沒用了？恰恰相反。AI 摘要的運作建立在傳統搜尋的地基上。Google 自己也說過，AEO、GEO 這些新名詞，本質仍是 SEO。沒被索引的頁面，AI 不會引用；內容品質差的頁面，AI 也不會優先採用。傳統 SEO 的那些基本功，現在是你進入 AI 答案的入場券，只是光有入場券、擠進前十，已經不保證你能站上引用的位置。
所以真正的調整不是打掉重練，而是把目標往前挪一格。從「我要排進第幾名」，挪到「我要怎麼讓內容好抓、覆蓋夠廣、可信到 AI 願意拿我當答案」。前者是過去十年的遊戲，後者是接下來的。
搜尋這件事，正在從「你給我一串連結，我自己點」變成「你直接給我答案，順便告訴我這答案是誰說的」。在這個新局裡，排名是地基，被引用才是門面。與其盯著名次焦慮，不如把每一篇內容都寫成 AI 願意轉述的那一份——當機器替你開口的時候，你的名字還在裡面，這場仗就還沒輸。