你在台中一家 CNC 精密加工廠負責業務,工廠一年到頭都在接幾件到幾十件的打樣單。九月初有一個做智慧門鎖的新創團隊來詢價,聊到最後對方隨口說了一句:「我們先在 ChatGPT 問了台中哪裡能做小量打樣,它列的三家都已經報過價了,你們是因為我們在展覽上拿到名片才想到的。」
你回辦公室後自己打開 ChatGPT,問了同一句:「台中有哪些 CNC 加工廠適合小量打樣?」結果回答一樣列了三家,裡面就是沒有你們。可是你們明明天天在接小量單,官網也是去年才請廠商重做的。要不是對方在展覽拿過名片,這筆詢價根本不會來。
這時候你腦中大概會冒出三個猜測:
- AI 是不是有一份固定的推薦名單?Google、OpenAI、Microsoft 公開的說明裡,都沒有提到可以申請或購買的推薦名單。問題需要比較新的資料時,AI 會上網去查,再拿查到的網頁比對;沒有上網的那幾次,則是靠模型原本學過的內容回答。所以每次列出來的名單可能不一樣,但都不是從一份固定名單裡挑出來的。
- 別家是不是買了廣告?廣告買得到的是標示「贊助」的版位,回答本身是買不到的,下一節會講清楚。
- 還是我們的 SEO 沒做好?SEO(搜尋引擎優化)是讓 Google 這類搜尋引擎找得到、願意排出你網頁的工作。這個猜測最接近,因為 AI 去找資料的那一步,很大一部分就是在用搜尋引擎。
AI 推薦誰,是一連串拆問題、找來源、比條件之後的結果,所以要回答「為什麼沒有我們」,就得先把這幾步拆開來看。
可以把 AI 想成一位第一天上班的採購助理。
你交代他:「幫我找三家台中能做小量打樣的 CNC 廠。」他對這一行只聽過幾家大廠的名字,所以會照下面四步做:
- 把需求拆成幾個關鍵字去查:分別搜「台中 CNC 加工」「CNC 小量打樣」「CNC 最小訂購量」。
- 只打開查得到的網頁:搜尋結果裡沒出現的廠商,他根本不知道有這家。
- 拿你的條件一家一家對:網頁上寫了「單件起接」的就記下來,只寫「品質保證」的就先放到一邊。
- 寫一份三家的建議清單:清單裡主要是這次查到、條件對得上的廠商,也可能放進他本來就聽過的那幾家大廠。
沒被他查到的公司不會出現在清單上,被查到了、網頁上卻看不出有接小量的公司,通常也不會。
助理本來就聽過的那幾家大廠,對應的是 AI 模型原本學過的內容。AI 沒有上網查的那幾次,就像助理沒去搜尋,直接憑印象列出他聽過的名字。
不過,真的助理和 AI 有兩個地方不一樣:
- 真的助理會打電話問:他看到「各式精密加工」,會打去問有沒有接單件;AI 不會打電話,它只能用網頁上讀得到的內容判斷。
- AI 每次列的名單可能不同:同一件事你隔天再交代助理一次,他列的多半還是那三家;而 AI 換一天、換一個人問,列出來的名單卻可能不一樣。
AI 回答推薦問題的四步,跟採購助理第一天上班找廠商很像:先拆需求、再查、再比條件、最後列清單。
接下來每一步,我都會拿你們這家工廠來對照。如果你手上已經有 AI 回答的紀錄,想判斷某一則算不算推薦,可以看 AI 提及與推薦差別,那篇拿同一題在 Google 的 AI 模式(Google 搜尋裡可以直接打一整句話發問、由 AI 整理成回答的模式)實際問到的回答,一家一家拆開來看。
別家出現在回答裡,是因為買了廣告嗎?
先回答第二個猜測。ChatGPT 和 Google 現在都有廣告,但兩家都把廣告和回答分開。
OpenAI 在 2026 年 9 月 23 日宣布,ChatGPT 廣告開始陸續在台灣推出,只有免費版和 Go 方案(ChatGPT 比較便宜的入門付費方案)的使用者會看到。OpenAI 說明廣告會清楚標示、和回答分開顯示,廣告主也沒辦法改變回答的內容或排序。Google 則在 2026 年 5 月宣布,AI 模式列出推薦清單時,符合條件的廣告可能出現在清單裡,一樣會標示「Sponsored」(贊助)。
所以 ChatGPT 列給新創團隊的那三家,如果旁邊沒有標示「贊助」,就是回答本身挑出來的。花錢能買到的,是標示「贊助」的版位,回答裡推薦哪幾家則是買不到的。廣告要不要投、成效怎麼和自然回答分開記,可以看可以花錢讓 AI 推薦品牌嗎和 ChatGPT 廣告要不要投。
AI 推薦品牌之前,先做了哪四件事
Google、OpenAI、Microsoft 都沒有公開完整的細節,不過三家說明裡寫到的流程大致相同,就是採購助理的那四步。
1. 把問題拆成幾個搜尋
Google 說明,AI 摘要(AI Overviews,搜尋結果最上方那段 AI 整理的回答)和 AI 模式可能會用一種叫 query fan-out 的做法。意思是模型會針對同一個問題,同時發出好幾個相關的搜尋,去找更多資料。
ChatGPT 則是在問題需要比較新的資訊時,會自動上網搜尋。它會把你的問題改寫成一個或多個更精準的查詢,交給合作的搜尋服務去查;看完第一批結果之後,也可能再送出更細的查詢。
以新創團隊問的那一題來說,系統可能會分別去查「台中 CNC 加工廠」「CNC 小量打樣」「精密加工 最小訂購量」。你們的公司要被推薦,至少要在其中一個查詢裡被找到。例如你們的網站在搜「台中 CNC」時查得到,但搜「CNC 小量打樣」時完全查不到,那 AI 在後面比對「誰接小量」的時候,手上就沒有一頁能證明你們有接。
2. 用搜尋系統找來源
Google 寫得很直接,它在搜尋裡的生成式 AI 功能,是建立在核心的搜尋排名和品質系統上。Bing 也寫明,Copilot(微軟的 AI 助理,回答時會用 Bing 搜尋)和傳統搜尋用的是同一套基礎:爬取(程式自動去抓網頁)、索引(把抓到的網頁收進資料庫)和排名(決定先列哪些網頁)。
ChatGPT 搜尋要找得到你的網站,前提是你沒有擋掉 OAI-SearchBot。OAI-SearchBot 是 OpenAI 專門替 ChatGPT 搜尋抓網頁的爬蟲,也就是自動去讀網站內容的程式;網站可以在 robots.txt(放在網站上、告訴爬蟲哪些頁面可以抓的檔案)裡決定讓不讓它進來。至於 ChatGPT 怎麼排序找回來的網頁,OpenAI 並沒有公開。
所以第二步有很大一部分,還是傳統搜尋那一套:頁面要能被抓取、被收進索引,內容也要跟查詢相關。這也是為什麼 GEO(讓品牌被 AI 回答提到和引用的工作)和 SEO 有一大塊是重疊的,兩者的差別可以看 GEO 和 SEO 差在哪。
回到你們的工廠。官網去年請廠商重做時,廠商有幫你們開好 Search Console,這是 Google 提供給網站管理者的免費工具,可以查每一頁有沒有被收進索引。你查了一下服務頁,顯示已經收錄,所以你們的問題應該不在這一步。
3. 在來源裡比對條件
找回來的網頁,會被拿去回答原本那個帶條件的問題,例如誰在台中、誰接小量單、誰寫了打樣要幾天。這一步怎麼比對,官方沒有公開。我的判斷是,AI 在回答裡寫出的推薦理由,多半是它在網頁上讀到的那幾句條件。
如果官網只寫「專業團隊、品質保證、各式精密加工」,AI 就很難判斷你們適不適合小量打樣。而另一家的官網寫著「單件起接,鋁和不鏽鋼都做,打樣約五個工作天」,每個條件都對得上,被寫進回答的機會就大很多。
4. 組成回答
最後由模型把資訊整理成回答。OpenAI 在說明 ChatGPT 怎麼挑商品時提到,模型在看這次的搜尋結果之前,會先用自己原本知道的東西寫出一版回答,而挑商品時也會參考這一版。
這段說的是商品,我的推論是一般的品牌推薦也差不多:模型原本就知道的東西,和這次查到的網頁,會一起影響最後寫出來的內容。如果某一次 ChatGPT 沒有上網搜尋,回答就比較依賴模型原本學過的內容,你們官網最近補上的那幾句,就不一定會反映在那次回答裡。
把新創團隊問的那一題放進四步裡看:在第 2 步沒被找回來,或在第 3 步看不出有接小量打樣,都可能讓你們掉出最後那三家。
| 步驟 | 系統在做什麼 | 品牌能影響的地方 | 可以怎麼檢查 |
|---|---|---|---|
| 拆問題 | 把一個問題拆成好幾個查詢 | 頁面寫到顧客真的會問的條件 | 用不同問法,固定去問同一個需求 |
| 找來源 | 用搜尋系統取回相關網頁 | 可以被抓取、已收進索引、內容和查詢相關 | Search Console 的索引狀態、robots.txt |
| 比對條件 | 從網頁裡找出符合條件的品牌 | 服務範圍、規格、地區、對象都寫成文字 | 在自家頁面上找不找得到那句條件 |
| 組答案 | 把模型原本知道的和這次查到的網頁寫成回答 | 官網和其他網站的說法一致 | 回答對你的描述和推薦理由對不對 |
推薦的是別人,通常是這四種原因
AI 沒有推薦你們,原因通常是下面四種之一,而每一種都對得上前面的某一步:
- 找不到:卡在第 2 步,網頁根本沒被搜尋找回來。
- 找到了,但網頁上沒寫條件:卡在第 3 步,AI 比對時看不出你們做得到。
- 只有你自己在講:也是第 3 步,AI 想找第二個地方確認,卻找不到。
- 各個地方說的不一樣:卡在第 4 步,AI 寫回答時不知道該用哪一份資料。
你們的服務頁已經被收錄,第一種可以先排除。所以資源要先放在第二種,也就是補服務頁上的條件,再處理第三、第四種。
找不到:頁面根本沒被查到
Google 的條件是,頁面要已經被收進索引,而且有資格在搜尋結果裡顯示摘要,也就是標題下面那兩行說明文字。原因是 AI 摘要和 AI 模式列出來源連結時,等於拿這一頁的內容給人看,所以網站如果設定了不讓 Google 顯示摘要,這一頁就不會被列為 AI 回答的來源連結。ChatGPT 搜尋則要求網站沒有擋掉 OAI-SearchBot。
常見的技術原因有 robots.txt 擋到爬蟲、重要資訊只放在圖片或 PDF 裡,以及內容要等瀏覽器執行程式之後才出現,檢查步驟在 OAI-SearchBot 與 GPTBot 的設定和 JavaScript SEO 檢查。
找到了,但網頁上沒寫條件
你回頭打開自己的服務頁,上面寫的是「提供各式精密加工服務」,沒有寫最少接幾件、做哪些材質,也沒有寫打樣大概幾天交件。人看了會打電話來問,但 AI 只能從網頁上讀到的內容判斷。
Google 也說過,它的 AI 系統就算查詢和頁面的用字不完全一樣,也看得出兩者相不相關。所以你要補的,是「接單件、最少幾件、多久交件」這幾件事本身,用你們平常跟客戶講的說法寫清楚就好。把條件寫在網頁上,AI 才有依據說你們適合。
只有你自己在講
AI 的回答常會引用其他網站的說法,例如產業公會的會員名錄、媒體報導、採購平台上的廠商資料,以及客戶留下的評論。你上網搜了一下自己工廠的名字,發現公會名錄上有你們,但服務那一項只寫「金屬加工」;採購平台上沒有你們的資料;唯一一篇媒體報導,是三年前地方新聞寫工廠擴建,完全沒提到打樣。所以 AI 想確認你們有沒有接小量單時,除了你們自己的官網,找不到第二個地方這樣寫。
Google 在生成式 AI 的指南裡寫到,刻意在網路上製造不真實的提及,效果並沒有想像中好。比較實際的做法,是把本來就該有的資料補完整:公會名錄的服務項目寫全、下次參展的資料寫清楚專長,採購平台上架時規格也跟官網寫成一樣。
各個地方說的不一樣
你接著打開 Google 商家檔案和公會名錄,對照官網一看:官網寫的是去年搬過去的新廠址,商家檔案和名錄上卻還是舊廠的地址;官網說你們專做鋁件和不鏽鋼件,名錄上的主要服務卻寫成模具。
來源彼此對不上的時候,AI 不一定知道哪一個才對。我的推論是,它比較可能少提你們,或者把舊的資訊寫進回答。這類問題可以用品牌資訊一致性檢查,把每個地方的公司名稱、地址和服務逐項對一遍。
哪些錢可以先不用花
就在你發現這些問題的那一週,去年幫你們重做官網的廠商聽說你們在研究 AI,寄來一份「AI 優化方案」。內容有三項:替網站加上結構化資料和 llms.txt、針對顧客的各種問法各做一頁新網頁,另外保證三個月內讓 ChatGPT 推薦你們。報價加起來,比當初重做官網還貴。
你對照前面這幾步,逐項看下來是這樣:
- 結構化資料和 llms.txt。結構化資料是寫在網頁原始碼裡、用固定欄位告訴搜尋引擎「這是公司名稱、這是地址」的一段資料;llms.txt 則是有人提議放在網站上、專門給 AI 讀的說明檔。Google 寫明,要出現在 AI 摘要或 AI 模式裡,不需要額外加結構化資料,Google 搜尋也會忽略 llms.txt(其他平台的情況見放 llms.txt 能不能提高 AI 曝光)。Bing 的說法是結構化資料可能幫 AI 更清楚地引用你的內容,但不保證會被看見。所以這一項可以等服務頁的條件補好之後再說。
- 每種問法各做一頁。Google 寫明,主要為了操縱排名或 AI 回答而替每種問法各做一頁,違反它的大規模內容濫用政策,也就是禁止大量產出低價值頁面的那條規定;而且頁面多,網站並不會因此變得比較有用。你們真正缺的是服務頁上那幾句條件,一頁就寫得完。
- 保證三個月內被推薦。Bing 的網站管理員指南寫得很明白,SEO 不保證排名或流量,GEO 也不保證被 AI 回答引用。Google 也寫明,沒有任何外部工具能存取它內部的排名或 AI 系統。所以廠商能在合約上寫清楚的,只有要改哪些頁面、補哪些資料,AI 會不會推薦你們,是沒有人能保證的。
最後你決定這份方案先不買,只請廠商把服務頁補上一段「小量打樣」,其他三項的錢先省下來。
Google、OpenAI、Microsoft 三家的說明裡,沒有任何一家提供付錢就能讓 AI 推薦你的方法,品牌能做的還是把網頁寫清楚,並讓其他網站的說法和官網一致。
品牌可以先做的五件事
下面的順序是我建議的做法,從花錢最少、最容易確認有沒有效果的開始。
- 寫下十個你想被推薦的條件句。格式是「適合__的__」,例如「適合小量打樣的台中 CNC 加工廠」「能做鋁件陽極處理、兩週內交貨的廠商」。先把想被推薦的條件寫成句子,後面每一步才有東西可以對照。
- 每個條件在官網上都要找得到一段明確的文字。拿第 1 點的句子一句一句去官網找,找不到的就是要補的地方。補在服務頁或常見問題都可以,寫出具體的規格、地區、對象和流程。
- 讓公開資料說同一件事。官網、Google 商家檔案、公會名錄、採購平台上的公司名稱、地址和主要服務,逐項核對。Google 也提醒要把商家檔案的資料保持在最新狀態。
- 確認技術上讀得到。重要的頁面有被收進索引,robots.txt 沒有擋到搜尋用的爬蟲。服務頁上那幾句條件要直接寫成網頁文字,不要只放在圖片或 PDF 裡。
- 用固定的一組問題每週去問,累積一個月再比較。把第 1 點的條件句改寫成顧客真的會問 AI 的句子,每週固定拿去問、把回答存下來,累積一個月之後再看哪幾題有變化。
第 5 點改寫的時候要注意,顧客在 Google 搜尋習慣打關鍵字,但問 AI 時通常會把自己的處境和條件一起講出來:
| 關鍵字寫法 | 顧客實際會問 AI 的方式 |
|---|---|
| 台中 CNC 小量打樣 | 我們是做智慧門鎖的新創,外殼要先打樣 5 件鋁合金,兩週內要拿到,台中有哪些加工廠會接這種小單? |
| CNC 加工 最小訂購量 | 只做 1 件不鏽鋼零件也可以找 CNC 廠嗎?台中哪幾家不設最低數量? |
| 鋁件 陽極處理 台中 | 鋁合金外殼打樣想順便做黑色陽極處理,台中有沒有一家能從加工做到表面處理的? |
這三題的條件不一樣,AI 列出來的廠商也可能不一樣。所以你們在哪一題出現、在哪一題沒有出現,就能回頭對照第 2 點,知道服務頁還缺哪一句。題目要分哪些題型、怎麼避免好幾題其實在問同一件事,可以看 AI 搜尋題庫怎麼設計。
而同一題的答案本來就會變。Google 說 AI 摘要和 AI 模式可能用不同的模型和技術,顯示的回答和連結也會不一樣。OpenAI 也提到,ChatGPT 改寫查詢時會用到記憶和位置資訊,例如它從 IP(連上網路時的位址,可以大概判斷你在哪個城市)判斷你人在台中,就可能把「附近的加工廠」改寫成帶有台中的搜尋。所以單看某一週的回答看不出什麼,要用同一組題目、同樣的問法每週重複去問,累積一段時間才看得出趨勢。
存回答時,提及、引用和推薦要分開記。例如回答把你們的服務頁列為來源,用它來說明台中有哪些工廠做鋁件加工,但講到小量打樣時推薦的卻是另一家,這時候你們有被引用,卻沒有被推薦。三者要怎麼分開記錄,可以看品牌提及與引用差別。
平台自己的報表,也要先看清楚它算的是什麼:
- Google Search Console 的生成式 AI 成效報表:算的是你網站的連結在 AI 摘要和 AI 模式裡被顯示的次數。
- Bing 網站管理員工具的 AI Performance 報表:算的是你的網頁在 Copilot 等 AI 回答裡被列為來源的次數。
兩份都是有用的資料,但都不是「被推薦」的次數。如果不想每週自己手動問,Otlex 就是我們開發來做這件事的平台,它每天用你設定的題目去問 ChatGPT、Google 的 AI 摘要與 AI 模式、Gemini、Grok、Perplexity、Claude 這些 AI 引擎,記下回答有沒有提到你、引用了哪一頁。它看得到的是回答的結果,跟其他外部工具一樣,看不到引擎內部怎麼排。
回到你們的工廠
九月中,你照五件事的順序做了一輪。你先寫下十個條件句,第一句就是「適合單件打樣的台中 CNC 加工廠」。接著你寫好一段「小量打樣」,請廠商補到服務頁上:單件起接,鋁和不鏽鋼都做,打樣約五個工作天,也可以接著做陽極處理。然後你把公會名錄和 Google 商家檔案上的舊廠地址改成新廠址,名錄的主要服務也從模具改成跟官網一樣的寫法。
最後,你把開場那句,加上上面表格那三句帶條件的問題,一共四題,每週固定拿去問 ChatGPT 一次,把回答存下來。服務頁改好的那天,你也把新補的那段連結寄給那家智慧門鎖新創,對方後來把第二批外殼打樣交給你們做。
到了十月中,「只做 1 件不鏽鋼零件也可以找 CNC 廠嗎?台中哪幾家不設最低數量?」這一題,ChatGPT 開始列出你們,理由寫的是「單件起接、打樣約五個工作天」,就是服務頁上新補的那一句。而開場那句「台中有哪些 CNC 加工廠適合小量打樣?」,回答列的還是原本那三家。所以你接下來要追的,是讓採購平台和下一次參展資料也寫上同樣的條件,再繼續每週問同一組題目。
而這也回答了開頭的問題:AI 沒推薦你們,原因多半在於顧客會問的那幾個條件,網路上找不到一句寫明你們做得到的話。所以你們要花的,主要是把那幾句話寫上去的時間。
常見問題
AI 推薦品牌,看的是 SEO 排名嗎?
關係很大,但不完全是同一件事。Google 和 Bing 都說 AI 功能是建立在既有的搜尋排名與索引基礎上,所以頁面沒被收進索引,就很難被拿來用。不過回答還會比對條件、整合好幾個來源,所以排名好的頁面如果沒寫到問題裡的條件,仍然可能不被推薦。
小品牌也有機會被 AI 推薦嗎?
有,而且條件越具體越有機會。像「台灣 CNC 加工廠」這種大範圍的問題,回答多半會列知名度高的公司;而「台中能做鋁件單件打樣、五天交貨的廠商」這種帶條件的問題,看的是誰把條件寫清楚。所以小品牌可以先挑自己真正擅長、別人比較少寫到的條件,讓官網和名錄上都寫清楚。
可以找人在論壇或部落格大量提到我們嗎?
我不建議。Google 說刻意製造不真實的提及效果有限,Bing 也把營造假人氣的人為宣傳列為會降低能見度的做法;與其花這筆錢,不如把公會名錄、採購平台這些本來就該有的資料補完整。
為什麼同一個問題,今天和明天推薦的品牌不一樣?
因為模型、這次搜尋到的結果、使用者的位置和記憶,都可能改變答案,而 AI 摘要和 AI 模式也可能用不同的模型。所以要判斷趨勢,得用固定的題目、固定的條件重複去問,看一段時間內的變化。
參考來源
- Google Search Central:AI features and your website
- Google Search Central:Optimizing your website for generative AI features on Google Search
- Google Search Console 說明:生成式 AI 成效報表
- Google:A new generation of ads for the AI era of Search
- OpenAI:Searching the web with ChatGPT
- OpenAI:Shopping with ChatGPT Search
- OpenAI Developers:Overview of OpenAI Crawlers
- OpenAI:Ads in ChatGPT
- OpenAI:ChatGPT Ads 拓展至東南亞與台灣
- Microsoft Bing:Bing Webmaster Guidelines
- Microsoft Bing:Introducing AI Performance in Bing Webmaster Tools