多數人以為做好「被 AI 引用」是同一套動作，Google、ChatGPT、Perplexity 通用。Ahrefs 追蹤近八千萬筆 Google AI Overviews、加上逾九十萬筆 ChatGPT 與 Perplexity 提問後發現，三個平台最常引用的前 50 大來源，同時上榜的只有 7 個，八成六的引用來源誰都不共享。
Perplexity SEO 指的是把內容寫成 Perplexity 願意當來源、放進答案並標上編號連結的優化做法。它是即時 RAG（檢索增強生成）引擎，沒有固定的知識截止日，每接到一個問題就重新爬一次網路合成回答，還把用到的來源逐一編號連結，被引用不只是露臉，是真的會有人點進網站。
要被它選中，靠的不是把 Google 排名那套原封不動搬過來，而是先搞懂它願意讀什麼、信什麼。先從它挑來源的邏輯，跟 Google 差在哪講起。
Perplexity 選答案來源的邏輯，跟 Google 排名不一樣
Google 排名做的事，是把網頁排好順序丟給人看，由你自己決定要點開哪一個。Perplexity 走的是另一套邏輯，它自己先讀過幾個來源，抽出可信的句子合成一段回答，再把用到的每個來源編號連在底下。你要爭的不是「第幾名」，而是這次回答引用的那幾個來源之一。
這差異直接改變優化的重點。Perplexity 跑的是即時 RAG，沒有固定的知識截止日，每接到一個問題就重新檢索一次當下的網路。同一題問兩次，引用的來源可能換一批，不是它讀錯，是它每次都重新查過一輪。負責索引與即時瀏覽的，其實是兩支不同的爬蟲。PerplexityBot 平常在建索引，Perplexity-User 則是在使用者發問當下，代替他即時上網查資料。Perplexity 官方文件也說明，這兩支爬蟲抓內容是為了在搜尋結果裡引用並連回原網站，不會拿去訓練基礎模型，對想被引用、想要流量的網站來說，放行它們幾乎沒有壞處。
Perplexity 最常引用哪些網站？
權威感常被講得很抽象，但 Perplexity 實際引用哪些網站，其實有具體數據可查。Ahrefs 追蹤逾 310 萬筆美國查詢後發現，Perplexity 最常引用的網域裡，YouTube 占 32.4%、Reddit 占 16.6%、Wikipedia 占 8.2%，光這三個網域就吃下超過五成七的引用，集中度非常高。
這個數字給經營者的提醒不是「自架網站沒機會」，而是版位的組成本來就不只文章。你在爭的，是扣掉這幾個大平台之後剩下的那塊版位，而且它偏好的內容形式也不只是長文章，還包含影音與討論串。與其把資源全押在自家部落格，不如同時考慮：有沒有把同一個主題做成影片放上 YouTube、有沒有在真的相關的討論社群留下有料的內容，這些管道本身也在 Perplexity 的引用池裡占有一席之地。
robots.txt 放行 PerplexityBot，為什麼還不夠？
光知道 Perplexity 引用哪些類型的網站還不夠，先得確保它進得來、讀得到你的內容。最基本的動作是打開 robots.txt，確認沒有把 PerplexityBot 和 Perplexity-User 一起擋在門外。要明確放行，可以加上對應規則：
User-agent: PerplexityBot
Allow: /
User-agent: Perplexity-User
Allow: /Code language: plaintext (plaintext)改完不會馬上生效，Perplexity 系統大約要一天左右才會讀到新設定。爬蟲進得來之後，還要確認它讀得到內容。Perplexity 抓的是伺服器吐回來的 HTML，重要內容如果得靠 JavaScript 在瀏覽器端才渲染出來，原始 HTML 裡就是空的，關鍵段落最好留在伺服器端先輸出，才是真正可被檢索的前提。
不過，正確設定 robots.txt 不代表萬無一失。Perplexity 官方文件承認，頁面就算被 disallow，仍可能索引網域名稱、標題與一小段摘要，不會完全消失。2025 年 8 月，Cloudflare 一份公開報告更指出，它測試了刻意全站禁止爬取、也從沒被任何搜尋引擎收錄過的秘密網域，結果問 Perplexity 相關內容時依然拿到準確摘要，調查發現它除了宣告過的爬蟲，還會用偽裝成一般瀏覽器的流量，在被封鎖後換不同 IP 持續讀取。真的想完全排除在外的網站，單靠 robots.txt 還不夠，得再搭配防火牆規則；但對想被引用的多數網站來說，正確放行依然是該做的基本功。
每一段都要能自己說完一件事，AI 才抽得出來引用
爬蟲進得來只是先決條件，接下來要顧的是內容本身怎麼寫。這節是整篇的核心，也是多數內容輸掉的地方。Perplexity 從網頁裡拉出來放進答案的，通常只是一小段乾淨俐落的文字，不是整段照搬。如果答案藏在一段三百字、還夾雜兩三個子句與一個比喻的長段落裡，它切不乾淨，自然不會用。內容能不能被引用，關鍵不是技術設定，而是知識密度，看的是一段話能不能脫離前後文，自己就把一個問題答完。
最實用的寫法是倒金字塔，先講結論再展開，也就是常說的 BLUF（重點先講）。把讀者最可能問的問題，答案放在那一節的前一兩句，後面再補背景與細節，即使引擎只抓走開頭那幾句，意思也完整、能獨立成立。小標也要跟著改。傳統 SEO 習慣把標題寫成關鍵字組合，但 Perplexity 的使用者是用自然語言在問問題，標題盡量寫成真人會問的句子，底下第一句就直接回答，形成一組乾淨的問答對。
另外，AI 對數字和百分比特別敏感，比起「成效很好」這種形容詞，寫成具體的量化敘述更容易被當成可引用的事實，而且要交代這個數字是誰的研究或哪個機構的統計，才站得住腳。這也是為什麼一份 2023 年由普林斯頓、喬治亞理工等機構團隊發表、2024 年登上 ACM SIGKDD 的研究，實測發現替內容加上具體統計數字、引用來源等做法，能讓內容在生成式引擎回答裡的曝光最多提升四成。這不是玄學，是有方法可操作的。
Schema 標記怎麼寫，AI 才看得懂你是誰？
段落寫好，只是讓人看得懂；還要用機器讀得懂的方式告訴它「這是什麼」。結構化資料（Schema Markup）做的正是這件事，用 JSON-LD 的格式把作者、發布時間、內容類型這些資訊標清楚，讓 AI 不必自己猜。
幾種標記對 Perplexity 這類即時引擎特別有用，可以優先做。Article 或 BlogPosting 標清楚標題、作者、發布與更新時間，是文章類內容的基本盤。FAQPage 適合真的是問答形式的內容，但要用真的問答，別硬把清單湊成一串問句。HowTo 用在教學、步驟類內容，讓引擎知道這是一套可照做的流程。Breadcrumb 幫引擎理解這頁在整個網站架構裡的位置。
所有標記建議用 JSON-LD 格式撰寫，放進頁面原始碼即可，不必散落在內文各處。標完拿測試工具驗一次，確認沒有語法錯誤，這一步花不了多少時間，卻常常是內容能不能被乾淨解析的分水嶺。
內容多久更新一次，Perplexity 才會覺得新鮮？
結構化資料裡標的「更新時間」，不是寫好就沒事，新鮮度受不受青睞也不是憑空猜測，而是有數據可以佐證的偏好。Ahrefs 分析了近 1,700 萬筆引用後發現，Perplexity 引用內容的平均年齡約 1,166 天，比傳統 Google 搜尋結果的 1,416 天年輕了約 250 天，最後更新時間平均也早了 54 天。拿五個 AI 助手互相比較，Perplexity 對新鮮度的重視程度落在中段，不像 ChatGPT 那麼極端，但也比 Google AI Overviews 在意得多。
這裡有一個容易被忽略的細節，就是 dateModified（更新時間）這個時間戳。Perplexity 偏好新鮮內容，但它判斷的是有沒有實質更新，不是有沒有把日期改成今天。光把時間從去年改成今年、內容卻一個字沒動，騙不過它。所以每次真的重新改寫內容，才需要同步更新 dateModified，並重新提交一次 sitemap。順帶一提，PerplexityBot 本身也會透過 sitemap 去找新頁面與已更新的頁面，這是它發現內容變動的主要管道之一。
可信度不是自己說了算，要在多個平台一起被看見
前面提過，三個 AI 平台最常引用的來源裡，重疊的不到一成五。這代表能不能被信任，不是把在 ChatGPT 上有效的內容原封不動搬去 Perplexity 就好，Perplexity 涵蓋的是更廣的國際與區域品牌組合，你得分別在不同的場域累積訊號。
累積這種訊號，方向比技巧重要。第一、讓內容有明確、可查證的作者與專業背景，而不是匿名發布，引擎在判斷可信度時，看得到「人」會加分。第二、爭取被有公信力的機構或媒體提及、連結，是很強的外部背書。第三、回頭呼應前面「YouTube、Reddit 占了引用大宗」的觀察，在討論社群與問答平台留下真實、有料的內容，也會反過來推高被引用的機率，而不是只把力氣全放在自家部落格。
這件事拚的是長期信用，急不來。技術設定一兩天就能改完，但值得信任是養出來的，靠的是內容本身夠紮實、有人願意引用你，而且你持續讓它保持新鮮。
被引用之後，除了曝光還可能分到一筆錢？
把前面幾件事都做對，除了曝光，現在還多一個新的誘因。2025 年 8 月，Perplexity 推出訂閱制服務 Comet Plus，把訂閱收入依三種行為分潤給參與的內容方：使用者透過 Comet 瀏覽器直接造訪、內容被引用為答案來源，以及內容被 AI 代理拿去完成任務。官方公告的分潤比例是把 80% 的訂閱收入分給參與的內容方，自己保留 2 成用來支應運算成本。
要誠實講清楚現況，目前公開的首波合作對象仍以大型媒體為主，一般網站要加入，得主動接洽官方信箱，不是自動適用。但這件事本身傳達了一個方向，被引用正在從單純的曝光，慢慢變成有機會直接對應到收益的管道。不必把這件事當成這篇的重點行動項，但值得放進雷達，持續留意它會怎麼演變。
怎麼確認自己真的被引用、流量真的進來了？
做完前面幾件事，最後要回頭量結果，不然永遠不知道有沒有奏效。Perplexity 目前沒有官方查詢工具可以即時監控被引用的狀況，最直接的做法是手動驗證。準備一份測試問句清單，涵蓋品牌相關、產品或方案相關，以及這篇內容鎖定的主題問題，定期到 Perplexity 上問一遍，看網域有沒有出現在來源區塊裡。
引用只是起點，真正能證明價值的是流量。在 GA4 或慣用的分析工具裡，鎖定來自 perplexity.ai 的推薦流量，留意特定頁面的這類流量有沒有在發文或更新後爬升。要更細，可以用自訂管道把不同 AI 平台的流量分開看，免得它被歸到籠統的「其他」裡，低估了 AI 搜尋實際帶進來的人。也別只用流量大小評斷成敗，這批訪客通常帶著明確問題、在研究階段點進來，意圖比一般流量更強，轉換的品質往往更值得看。
Perplexity 這扇門，現在還在比較好擠的早期階段。它把搜尋從一串藍色連結，變成直接給一段帶來源的答案，而那幾個來源的位置，願意認真經營的品牌還不算多。等大家都把答案塊寫好、把結構化資料標滿，這扇門會慢慢變窄。
真正會贏的，不是某一篇剛好被選中的爆款，而是把幾件事串成一套可以重複的節奏：讓爬蟲進得來、把段落寫成能單獨被抽出的答案、用結構化資料標清楚身分、在多個平台一起累積信用，再回頭驗證自己有沒有被引用。分潤機制、演算法都還在持續調整，規則沒有定型，願意先把基本功練熟的人，反而占到比較好的位置。