AI 搜尋技術訊號審計：三大層面框架助香港企業了解 AI 是否真正「理解」你的網站

一、研究背景：50 個網站的 AI 準備度審計

隨着 AI 搜尋的快速發展，許多 SEO 團隊已經致力於清理程式碼、重組內容，讓 AI 爬蟲更容易存取與消化內容。如果您的品牌已經開始在 AI 答案中獲得引用，您可能會認為 AI 可見度的戰役已經接近勝利。

然而 Search Engine Journal 與 SALT.agency 聯合進行的一項深入審計發現，事實遠比想像中複雜。該研究使用儀器化瀏覽器，在同一天內對 50 個大型網站（涵蓋零售、SaaS、旅遊、出版與金融五個行業）進行了 27 項元素的全方位 AI 準備度測試，包括即時 HTTP 回應、渲染後的 DOM、原始伺服器 HTML 以及機器發現端點等。

結果顯示一個驚人的差距：大多數網站雖然讓 AI 能「找到」內容，但幾乎沒有讓 AI 能真正「理解」內容，更不用說讓 AI 代理代表客戶與網站進行實際交易。

二、三大層面框架詳解

第一層：可擷取性（Retrievability）——平均分 74.4%

這是與傳統技術 SEO 最重疊的層面，包括以下已確立元素：

robots.txt 與 AI 使用者代理指令
無障礙樹完整性（Accessibility Tree Integrity）
ARIA 標籤與描述性名稱
語意 HTML 與文件層次結構
Token 高效的 DOM 密度
伺服器渲染 / 乾淨 HTML 傳送
表單與輸入的機器可用性
Sitemap 宣告

平均分 74.4% 是三個層面中最高的——但這不完全是好消息。雖然大多數網站已經為 AI 爬蟲鋪好了路，但下一步才是真正的挑戰。

第二層：歸因與含義（Attribution and Meaning）——平均分 38.5%

AI 不僅要「讀取」你的內容，還要「理解」你的內容。這是絕大多數香港企業目前最欠缺的能力。本層面包括兩項已確立元素：

JSON-LD 結構化資料與語意豐富度：研究檢測到 35 個網站（70%）的首頁有 JSON-LD，但仍有近三分之一的網站完全沒有任何結構化資料。Schema 是 AI 理解你的內容含義的關鍵—— 這是產品、這是價格、這是銷售這個產品的品牌。缺乏 Schema 時，LLM 會自行猜測，而猜測可能導致錯誤的 AI 回應甚至幻覺。
Content Signals Policy：僅 5 個網站實施了 Cloudflare 的 Content Signals Policy—— 這組 robots.txt 內的指令明確說明爬蟲可以用你的內容做什麼（搜尋索引、即時 AI 查詢回應、模型訓練），讓你可以採用更戰略性的方法，而不是簡單的「全部封鎖」或「全部允許」二叉選擇。

第三層：代理交易與發現（Agent Transaction and Discovery）——平均分 2.1%

這是 AI 準備度的最後一哩路，也是最前沿的領域。 代理瀏覽器和代理型電子商務（Agentic Commerce）自 2025 年底才開始出現，因此目前只有兩項已確立元素：

OAuth 發現（授權伺服器）：讓 AI 代理知道你的網站允許什麼存取權限
OAuth 受保護資源元數據：讓 AI 代理知道如何安全地存取受保護的 API

在 48 個可進行端點測試的網站中，46 個得分為零。即使得分最高的 Airbnb 和 Vercel，也只實施了其中一項，僅僅獲得 50%。這說明整個行業距離 AI 代理能夠真正代表客戶在你的網站上完成交易，還有極為遙遠的距離。

值得注意的是，研究同時追蹤了 9 個快速發展中的新興元素，包括：

Model Context Protocol（MCP）：允許 AI 直接查詢你的伺服器，而不是從你的產品頁面拼湊資訊，大幅降低幻覺風險
Google 的 Universal Commerce Protocol（UCP）與OpenAI 的 Agentic Commerce Protocol（ACP）： 讓 AI 能在對話中直接完成交易的新興協定

三、香港企業的具體行動優先級

基於這項審計結果，香港企業應該按照以下優先順序進行 AI 準備度提升：

✅ 高優先——補齊 JSON-LD 結構化資料： 如果你網站超過 70% 的頁面沒有結構化資料，立即開始補充。至少從 Organization、LocalBusiness、Product、FAQ 與 Article 五種最常見的 Schema 類型開始。這是提升 AI 理解你的品牌與服務最直接的方法。
✅ 高優先——明確你的 AI 爬蟲策略： 檢查你的 robots.txt 是否有針對主要 AI 爬蟲（GPTBot、ClaudeBot、Google-Extended、Applebot-Extended）的明確指令。如果你沒有任何規則，AI 爬蟲的存取權限實際上「靠運氣決定」——不是一個好策略。
🔶 中優先——實施 Content Signals Policy： 如果你使用 Cloudflare，啟用 Content Signals Policy 功能。這讓你可以針對搜尋索引、AI 查詢回應和模型訓練設定不同的規則，比簡單的「封鎖」或「允許」更有策略彈性。
🔷 低優先但值得關注——探索 MCP 與代理協定： 目前第三層還在早期階段，但香港的旅遊、酒店與電商企業應該開始關注 UCP 和 ACP 的發展，因為這些行業將率先受惠於 AI 代理交易功能。

四、重要的警示：低分不一定是壞分

研究特別強調，低分不一定代表做得不好。例如：

BBC、CNN、The Guardian 等出版商刻意封鎖大多數 AI 爬蟲，因為其商業模式依賴訪客直接到訪網站。對它們來說，高 AI 準備度反而會損害商業利益。
Amazon 的整體得分僅 29.2%（29.2%），但這顯然是刻意為之—— Amazon 有特定的 AI 爬蟲指令，幾乎封鎖了所有 AI 爬蟲。
Expedia 的 llms.txt 寫得像是「寫給 AI 的情書」，但整體 AI 架構僅得 33.3%—— 沒有 JSON-LD、沒有 Sitemap、只有四分之一的內容以伺服器端渲染提供。這就像在櫥窗上貼了「營業中」的牌子，卻忘了開門。

對香港企業的啟示：AI 準備度不是越高越好，而是越符合你的商業模式越好。如果你的業務依賴訪客直接到訪網站（如內容型或出版型網站），你可能需要更謹慎地選擇開放程度。但如果你是一家尋求透過 AI 搜尋獲得客戶的服務型或電商企業，那麼三個層面都需要逐步強化。

五、從「被找到」到「被理解」到「被使用」

SEJ 的這項研究為我們提供了一個清晰的框架來思考 AI 可見度：

第一層（可擷取性）：AI 能找到你的內容嗎？——大多數香港企業已基本做到
第二層（歸因與含義）：AI 能正確理解你的內容嗎？——70% 的香港企業有待加強
第三層（代理交易）：AI 能代表客戶在你的網站上完成任務嗎？——幾乎所有企業都還沒開始

引用和品牌提及從來不是完整的 AI 可見度故事——它們只是第一層。你的品牌可能被定期引用，但仍然因為 AI 對你的資訊理解錯誤而流失客戶，或者因為 AI 對推薦你的產品沒有足夠信心而在最相關的對話中錯失機會。

這些都是可以解決的問題——但前提是你決定解決它們。