被 AI 找到，和被病人找到

「醫師，我來之前先問過 AI 了。」

病人把手機轉過來。螢幕上是一段整齊的說明，分點列項，語氣平穩，內容大致上沒有錯。

我問他，那它有說這些是從哪裡看來的嗎。

他往上滑了一下，說：沒有欸。

那一刻我想的不是病人查資料對不對，而是另一件事——如果他不會點進任何一個網頁，那寫網頁的人，到底還剩下什麼位置。

我花了一點時間，把手邊查得到的資料整理過一遍。以下是我看到的，包括我看不懂和不敢確定的部分。

搜尋帶來的流量正在減少，而且越小的站掉越多

先講一個我沒想到的事：AI Overviews 到底出現在多少比例的搜尋裡，沒有一個公認的答案。Similarweb 在 2026 年 5 月給的是 43%（美國市場，方法論未公開，TechCrunch 的報導在此），Adthena 在 2026 年 6 月測到 18%，學術研究則落在 13.7%。同一件事，不同機構測出來從 18% 到 43% 都有，取樣的關鍵字和判定方式差很多。

更早的一份常被引用的數字是 Semrush 與 Datos 的追蹤：2025 年 3 月，13.14% 的 Google 查詢出現 AI 生成答案，樣本限於美國桌機。同一份追蹤在 2025 年 7 月衝到 24.61%，同年 11 月又回落到 15.69%。它是一年多前的資料，只能當歷史對照，不能拿來描述現在。

流量端的變化倒是方向一致。Chartbeat 提供給 Axios 的數據顯示，過去兩年間，小型發布者的搜尋導流下降 60%，中型下降 47%，大型下降 22%。規模越小，掉得越重。（Axios 有付費牆，Search Engine Land 這篇可以替代。）

Cloudflare Radar 追蹤各家 AI 爬蟲的「爬取／導流比」。2026 年 5 月的快照裡，Anthropic 的 ClaudeBot 約 10,300:1——爬一萬多次，換一個訪客。

這個比值波動極大。2025 年初曾經是 286,930:1，2026 年 6 月中又降到 4,580:1，不同時期差了二十倍以上。任何單一數字都只是某一天拍下來的照片。

同一個來源另外指出，2026 年 6 月約有 52% 的 AI 爬蟲請求是為了訓練，而不是為了回答當下的問題。

換句話說，內容還是被讀了。只是讀的人不會走過來。

從 AI 過來的訪客比較少，但比較認真

SE Ranking 用自家工具做的分析指出，來自 AI 的訪客停留時間比一般搜尋來源多 68%。

另一份研究由行銷公司 Rankability 分析 Microsoft Clarity 的 2025 年數據，發現由大型語言模型導入的訪客，註冊轉換率是 1.66%，自然搜尋則是 0.15%，差了十倍以上。

要注意樣本：那 1,200 多個站是新聞與內容發布商，不是一般網站，更不是醫師的個人部落格。能不能外推到我這裡，我沒有把握。兩份研究也都由業者自己發布，我無法獨立驗證。

但方向我可以理解。AI 已經先把「這是什麼」講完了，還願意點進來的人，通常是想知道「那我該怎麼辦」，或者想看看講這句話的人是誰。

一百個隨手點進來就跳出的人，和三個帶著具體問題進來的人，對我來說後者有意義得多。

決定 AI 會不會提到你的，大部分不在你的網站上

SEO 工具商 Ahrefs 用自家資料分析了 75,000 個品牌，計算各種指標與 AI 可見度的 Spearman 相關係數。完整資料在這裡。

原文以圖表呈現，上面的數值是讀圖取的近似值，取到小數點第二位。

排在前面的三項全部發生在自己的網站之外。而「網站頁數」——也就是拚命發文章這件事——相關性只有 0.19 左右，接近沒有關係。

這裡必須誠實：Ahrefs 自己在文章裡聲明「相關不等於因果」，我照抄一次。這些數字只說明兩件事常常一起出現，不代表去拍一支影片就會被 ChatGPT 提到。更可能的解釋是，本來就被大量談論的品牌，在哪裡都會被談論，包括 YouTube，也包括 AI 的訓練資料。

對一個醫師來說，這個表格比較實際的讀法是：被同行、被媒體、被病人在別的地方提到，比自己一直寫更關鍵。這不太是可以自己努力來的事。

想被 AI 引用，自然排名仍然是先決條件

Ahrefs 另一份自家研究發現，76% 的 AI Overviews 引用來自該關鍵字自然排名的前 10 名。其中「第一個」被引用的網址，中位排名是第 2 名；第二個是第 4 名，第三個是第 5 名。

所以傳統 SEO 沒有作廢，它只是換了角色：從終點變成入場資格。排不進前十，後面的討論大致上與你無關。

Google 官方說「不需要」的清單，比「需要」的還長

Google 在 2026 年 5 月發布了針對 AI 搜尋的官方指南。裡面明講不需要做的事情包括：

• 建立 llms.txt 這類機器可讀檔案
• 把內容切成小塊（chunking），因為系統本來就能理解多主題頁面並自行抽取
• 為了 AI 而改寫文風，AI 認得同義詞與語意
• 特殊的 schema 標記——原文寫「生成式 AI 搜尋不需要結構化資料」，不過仍建議為了 rich results 而保留
• 刻意製造品牌提及

關於 llms.txt，原話是這樣：

你不需要建立新的機器可讀檔案、AI 文字檔、標記或 Markdown 才能出現在 Google 搜尋中（包括其生成式 AI 功能），因為 Google 搜尋本身並不使用它們。

實測數字也不站在 llms.txt 那邊。SE Ranking 在 2025 年 11 月調查約 30 萬個網域，採用率 10.13%，而且看不出對 AI 引用有明顯影響（Search Engine Journal 的獨立報導）。OtterlyAI 的 90 天觀察則記錄到 62,100 次 AI bot 造訪，其中只有 84 次去抓 llms.txt，比例 0.1%。

Google 的 John Mueller 把它類比成早就被廢棄的 keywords meta tag。這個類比有人不同意，Search Engine Land 就寫過一篇反駁，理由是兩者的用途和濫用誘因並不相同。

我原本也打算幫這個站做一個。查完就沒做了——不是因為它有害，而是我沒有證據說它有用。

至於 Google 說要做的，讀起來相當平淡：內容要獨特而不是到處都有的那種、段落與標題結構清楚、頁面可以被索引而且允許顯示 snippet、頁面體驗良好、用語意化的 HTML、減少重複內容。

沒有一項是新的。

三個引擎的口味不一樣

Profound 分析了 6.8 億次 AI 引用，比較各平台的來源結構。結果在這裡。

ChatGPT 最常引用的單一網站是 Wikipedia，佔它全部引用的 7.8%。Perplexity 最常引用的是 Reddit，佔 6.6%。

這兩個數字很容易被寫錯。常見的說法是「Wikipedia 佔 ChatGPT 的 47.9%」，那其實是「前十大來源之內」的佔比，分母不是全部引用，放大了大約六倍。我第一次讀的時候也讀錯了。

方向仍然成立：ChatGPT 偏百科式的中立語氣，Perplexity 偏論壇上的真實討論，而且明顯偏好新近的內容——不過關於「多新算新」，我沒有找到可以查證的一手量化研究，坊間流傳的倍數多半出自 SEO 業配文，彼此還互相矛盾。

至於 AI Overviews，Ahrefs 的研究顯示它 76% 的引用來自該關鍵字自然排名的前 10 名，口味最接近傳統搜尋。

三個平台的來源結構差這麼多，「被 AI 看見」大概就不是一件事，是三件彼此不太相干的事。想三邊通吃，得做三種不同的內容，而我沒有那個時間。

被引用，不等於名字被記住

Semrush 用自家工具做的幽靈引用研究指出，62% 的 AI 引用不會提到品牌名稱。這份研究的樣本不大：115 個提示詞、14 個國家、3,981 次網域出現，讀的時候要記得這個規模。

各家的行為還相反。Gemini 有 83.7% 會提到品牌，但只有 21.4% 給出引用連結；ChatGPT 剛好倒過來，87% 給引用，只有 20.7% 提到品牌名。

另一個發現是：短而口語的問句，產生的品牌提及是長而結構化提示詞的 30 到 50 倍。真實的人問問題本來就短，這一點反而是好消息。

對衛教來說，資訊有沒有正確傳出去，比有沒有掛我的名字重要。但如果有人是想找一個實際看診的醫師，名字就變得重要了。這兩件事我還沒想清楚要怎麼取捨。

目前能量到的，只有曝光

Google Search Console 在 2026 年 6 月推出了生成式 AI 成效報告，逐步開放中。它提供曝光數、頁面、國家、裝置和日期。

沒有點擊數據。

所以現階段能看到的是「你的頁面被端上去過幾次」，看不到「有沒有人真的走進來」。要在這種資料密度下判斷做法有沒有效，難度不小。

醫療內容還有一個 SEO 之外的問題：句子會被單獨抽走

健康內容屬於 YMYL，E-E-A-T——經驗、專業、權威、可信——在這個領域是入場門檻，不是加分項。這部分沒什麼好討論的。

真正讓我改變寫法的是另一件事：AI 會把一句話從段落裡抽出來單獨呈現。

假設我寫「這種頭痛通常不需要安排影像檢查」，而前提——沒有紅旗徵象、症狀型態穩定、神經學檢查正常——寫在上一段。當這一句被單獨抽走時，前提就消失了。剩下的是一句看起來很篤定、但可能害人延誤的話。

所以我現在寫任何帶條件的臨床敘述，會把條件塞回同一段、同一句裡面。句子會變長、變笨拙，讀起來沒那麼漂亮。

這不是為了排名。這是內容安全問題。

我不確定的地方

寫到這裡，該講的保留一次講完：

• 相關不等於因果。Ahrefs 那張相關係數表格裡的每一個數字，都受這句話約束。
• SEO 這個產業有大量業配內容。多數研究由工具公司自己發布，結論常常指向自家產品。
• 沒有人知道確切的演算法。包括寫演算法的公司，也未必說得清楚模型為什麼選了這個來源。
• 部分數字的樣本與方法沒有完整公開，我無法獨立驗證，只能標明出處讓人自己判斷。

如果門診裡有人拿這種強度的證據來說服我改變處置，我大概會先回一句：目前證據還不夠強，我們再看看。

那我打算怎麼做

看完這些，我的結論反而變簡單了。

寫只有我寫得出來的東西——診間裡真實發生的場景、病人實際問過的問題、我曾經想錯的地方。這些內容不會出現在其他一萬個網站上。

標題誠實，答案緊貼標題。每個段落自己站得住，不依賴前後文。

其餘的技術細節照 Google 說的做，不多做。省下來的時間拿去多寫一篇。

至於別人會不會提到我、AI 會不會挑到我，那不在我的控制範圍內。

最後

那位病人在門診結束前問我，那他以後還要不要上網查。

我說，你可以問 AI，它多數時候講得不錯。但如果它給你的答案讓你更擔心，或者你發現自己一直在問同一件事，那就掛個號。

這個部落格的邏輯也一樣。它能提供的是理解的框架，不是處方。

如果哪天有人是透過某個 AI 的回答認識這裡的，那很好。如果他最後決定去找一個真的醫師坐下來談，那更好。

看完覺得清楚一點，那就夠了。