SEO 文章字數怎麼抓？AI 搜尋時代的 3 個判斷關鍵

一份追蹤超過三十五萬個網頁的研究發現，把總字數寫到五千字以上的文章，被 ChatGPT 引用的機率，竟然比五百字以下的短文還低；換到 Google 的 AI 概覽（AI Overviews），另一份分析十七萬多個被引用頁面的研究，結論又完全相反，字數幾乎跟會不會被引用沒有關係，超過一半被引用的頁面連一千字都不到。這兩個數字都是真的，兜在一起卻互相矛盾。SEO 文章字數該寫多少，是老問題了，走進 AI 搜尋的時代，答案不但沒有變得更清楚，反而分裂成好幾種版本。

真正的原因，不是哪一份研究做錯了，而是 AI 引擎讀文章的方式，本來就跟人不一樣——它不是讀完整篇再打分數，是把你的文章拆成一塊一塊的候選答案，各自去跟使用者的問題比對。同一篇文章，可能在 ChatGPT 眼裡剛好，換到 Google 的檢索邏輯就顯得冗長，兩邊評分的根本不是同一件事。

所以與其找一個放諸四海皆準的數字，不如先弄懂 AI 到底在用什麼標準決定要不要引用你，再回頭分配你的字數、段落與更新頻率。這個問題，其實得先拆成三個子問題來看。

「字數該寫多少」，其實藏著三個不同的問題

表面上這是一個字數問題，拆開來看，其實是三件事疊在一起，被大家習慣揉成一句話問。

第一件事，是你的讀者主要透過哪一個 AI 引擎找到你，因為不同引擎抓資料的邏輯差很大，同一套字數策略沒辦法通用。第二件事，是你每一個小節本身站不站得住腳，這決定了 AI 敢不敢把那一段單獨抽出來當答案。第三件事，是這篇文章多久回頭更新一次，時效本身也是 AI 判斷要不要引用你的訊號之一。

把這三件事分開來看，比死盯著「這篇該寫幾個字」實際得多。

為什麼同一篇文章，ChatGPT 覺得字數剛好，Google 卻嫌不夠？

先看第一件事，你的讀者主要透過哪個 AI 引擎找到你。三個目前最主要的 AI 搜尋入口，抓資料的邏輯完全不同，把公開研究裡幾個具體的數字攤開來看，差異會清楚很多。

差異的根源在於怎麼抓資料。AirOps 一份分析近三十五萬個頁面、超過五萬則 ChatGPT 回應的研究發現，總字數落在 500 到 2,000 字之間的頁面表現最好，反倒是寫超過 5,000 字的長文，被引用的機率比 500 字以下的短文還低。同一份研究也發現，排名仍然是最強的預測因子，第一名結果被引用的機率，大約是第十名的四倍。

Google AI 概覽走的是完全不同的路，用「查詢拆分」（query fan-out）把一個搜尋拆成好幾個子問題，再從各自答得最好的頁面湊出引用。Ahrefs 分析超過十七萬個被引用頁面後發現，字數與是否被引用的相關係數只有 0.04，幾乎等於沒關係，超過一半被引用的頁面字數不到 1,000 字。

Google AI Mode 又是另一種脾氣。Ahrefs 另一份比對 AI 概覽與 AI Mode 的研究，分析超過五十萬組查詢後發現，AI Mode 給的回應篇幅大約是 AI 概覽的四倍，幾乎每次都附上引用來源；但真正耐人尋味的是，就算兩邊有九成的答案在語意上一致，AI Mode 引用的網址，跟 AI 概覽重疊的比例還不到一成四。也就是說，就算你的內容已經被 AI 概覽選中，也不代表 AI Mode 會挑同一個網址。

AI 讀你的文章時，其實在做什麼？

接著是第二件事，你的每一個小節，本身站不站得住腳。要弄懂這件事，得先知道這類 AI 引擎背後，多半是用一種叫 RAG（檢索增強生成，Retrieval-Augmented Generation）的技術在運作。

它的運作可以這樣理解，系統會先把你整篇文章切成一個個「資訊塊」（chunking），轉成可比對的格式存起來；使用者提問時，不是把你整篇文章拿去讀，而是從這一堆碎塊裡，撈出跟問題最相關的幾塊，重新組成一段答案。

這代表你的文章真正被「用到」的單位，不是整篇，而是一個個段落。一篇五千字的文章，可能只有其中一個一百多字的段落被抓進 AI 的答案裡，旁邊那幾千字寫得再用心，這一次提問都派不上用場。

業界在建置這類檢索系統時，常見的切塊長度落在 200 到 500 個 token 之間，中文大約對應一到兩百字一塊。塊切得太大，一段話塞了好幾個重點，檢索時容易抓不準；塊切得太小，又裝不下一個完整的答案。這個拉扯，剛好對應到你寫作時「一個小節該講多滿」的問題。

所以 AI 引擎真正在乎的不是篇幅，是密度，一段話能不能在不靠上下文的情況下，自己把一個問題講清楚。

段落該寫多長，才不會被 AI 略過？

知道 AI 會把文章拆塊之後，下一個問題是，怎麼寫才會讓自己的段落被挑中。

第一個原則，是讓每一段自己就能成立。把每個 H2、H3 底下的開頭段，都當成一張獨立的「答案卡」來寫：

• 第一句直接回答這個小標問的問題，不繞圈、不鋪陳。
• 第二到第三句補上支撐，一個數據、一個具體例子，或一個有公信力的說法。
• 真的需要才補一個短清單，不是為了排版而加。

這個順序同時討好兩種讀者。對 AI 來說，它撈到這一塊就能直接組答案，不必再去別處補上下文；對真人讀者來說，掃過第一句就拿到結論，要深入再往下看。一段內容能不能脫離前後文獨立成立，是它能不能被乾淨引用的分水嶺。

第二個原則，是把重點放在文章前段。前面提到 AirOps 那份分析 ChatGPT 引用的研究還發現，四成一的引用內容，來自 AI 回答裡最前面的段落。換句話說，一篇四千字的文章，如果把最關鍵的數據埋在第十五段，表現會輸給一篇一千五百字、開頭第一句就把答案講掉的文章。把好料藏到後面，對人類讀者是考驗耐心，對 AI 來說幾乎等於不存在。

想讓內容比字數更有份量，這幾個動作最有效

字數與段落結構顧好之後，還有幾個動作能單獨拉高被引用的機率，而且都跟「寫更多字」無關。

普林斯頓大學、喬治亞理工學院、艾倫人工智慧研究所與印度理工學院德里分校的研究團隊，曾在資料探勘領域的重要會議 KDD 上，發表一篇針對生成式引擎優化（Generative Engine Optimization）的量化研究，測試近萬則查詢，比較不同寫法對 AI 引用率的影響。結果顯示，幫事實性陳述加上來源、放進具名人士或機構的直接引語，或是用具體統計數字取代模糊說法，各自都能把引用率拉高三到四成；把語氣寫得更流暢、更有把握，也各自帶來一到三成不等的提升。有意思的是，這些動作對排名本來就落後的頁面幫助更大，研究裡一個原本排在第五名的頁面，光是幫內容補上來源引用，AI 可見度就拉高超過一倍。

結構化資料也是同一類動作。AirOps 那份追蹤 ChatGPT 引用的研究發現，頁面上有沒有加 JSON-LD 結構化標記，被引用的機率會差到六個百分點以上，38.5% 對 32.0%。這些數字沒有一個跟「把文章寫長」有關，全都是在把每一塊內容寫得更紮實、更方便機器讀懂。

內容多久沒更新，AI 就不再引用你？

最後一件事，是這篇文章多久回頭更新一次。時效本身也是訊號，而且份量比多數人以為的更重。

AirOps 追蹤超過四千個曾被 ChatGPT 引用的頁面，涵蓋九百組高意圖查詢與十五個產業後發現，三成五的被引用頁面，是在過去三個月內更新過的。範圍拉到商業性查詢會更明顯，八成三的引用，來自過去一年內更新過的內容。反過來說，超過一年沒更新的頁面，被引用的機率會掉超過一半。

這代表答案塊不只要寫得好，還得記得回頭更新，尤其是那些放了具體數字、年份或價格的段落。一篇文章就算結構再紮實，擺著一年沒動，AI 引用你的機會也會跟著一起變舊。

不同題型的基礎字數，還是可以抓出一個範圍

把前面三件事都顧到之後，總字數該落在哪裡，其實會自己浮現出來，不必再死盯著一個數字硬湊。不過對還沒有手感的人來說，先用題型抓一個起手區間，還是比從零開始有效率。

這張表只是起點，不是硬指標。如果你寫一個單點知識題卻寫到五千字，多半是塞了不該塞的東西；如果統整型題目只擠得出一千字，很可能是面向沒涵蓋完整。用題型抓一個區間，再照前面的原則把每一段寫成能獨立成立的答案，總字數會自己長到它該有的樣子，不是硬湊出來的。

Google 的搜尋倡導人 John Mueller 也多次公開強調，網頁字數本身從來不是排名依據，硬把文章灌長不會讓內容變得更好；這句話放到 AI 搜尋的脈絡裡一樣成立，只是判斷的單位，從整篇換成了段落。

字數從來不是你該優化的那個數字，它是段落夠不夠紮實、結構夠不夠清楚、內容夠不夠新鮮，這幾件事都做對之後，自然長出來的結果。真正決定 AI 要不要引用你的，是每一塊內容能不能自己站得住，不是文章總共有幾個字。