重點摘要

  • 反向連結沒有消失，但在 AI 搜尋裡被降級了：品牌提及與 AI 能見度的相關性約為 0.664，反向連結只有 0.218，差距大約是三比一。
  • 排名與引用已經脫鉤。AI Overviews（AIO）來自 Google 前 10 名頁面的引用，一年之內從約 76% 掉到 38%。
  • 原因是單一因果鏈裂成三層：檢索、引用篩選、訓練先驗。連結只在最上游的檢索層還使得上力。
  • 2026 年的站外預算要重新排序：先讓 AI 連得上你，再讓段落可被擷取，最後在全網贏得編輯級的品牌提及。這正是 **GEO（AI 搜尋引擎最佳化）**與 AISEO 這一輪的實戰重點。

在新的 AI 搜尋時代，反向連結仍然重要，只是它已經被降級了。這篇文章，我們用品牌經營者的視角，把最近到底發生了什麼事，一層一層拆開來看。

二十年來，反向連結一直是 SEO 世界裡最接近「造王者」的存在。只要來自對的網域，一條連結就能撼動排名，而搜尋結果的排名就是整場遊戲的結果。反向連結還是一件重要的事情，卻已不再決定勝負。在 AI 搜尋裡，反向連結只是眾多可信度濾網的其中一個；而根據目前最完整的公開數據，品牌提及的影響力已是它的大約三倍。

這不是單憑直覺的觀點，我們的研究結果來自目前規模最大的 AI 能見度公開資料集，而且只要你不再把「AI 搜尋」當成一個黑盒子，背後的機制其實是清晰可見的。所以，我們今天用品牌經營者的視角把它拆開來看：證據、原因、打法。

首先，排名的頁面與被引用的頁面，已經確定脫鉤。

Ahrefs 剖析了 863,000 筆搜尋結果中的 400 萬個 AI Overviews 引用網址，發現如今只有 38% 的 AI Overviews 引用來自 Google 前 10 名的頁面；一年前，這個重疊率還接近 76%。Moz 則讓 40,000 個查詢跑過 Google 的 AI Mode，發現 88% 的引用完全來自自然排名前 10 以外的頁面。

把這些事實跟舊模型放在一起看。如果因果鏈仍然是「連結推升排名、排名帶來引用」這樣一條乾淨的直線，排名與引用之間的重疊率理應守得住。結果它崩跌了。所以到了這邊我們至少可以確定：決定誰被引用的，一定是傳統排名以外的其他機制。

折線圖：AI Overviews 來自 Google 前 10 名頁面的引用占比，一年內從約 76% 下滑到 38%

來自 Google 前 10 名頁面的 AI Overviews 引用占比，從約 76% 跌至 38%。資料來源：Ahrefs；Moz。

為什麼「別人怎麼談論你」比「誰連結到你」更重要？

那麼，究竟是什麼在做選擇？Ahrefs 研究了 75,000 個品牌，計算各項品牌屬性與其在 AI Overviews、ChatGPT、Google AI Mode 中曝光程度的相關性。結果高下立判：品牌網路提及與 AI 能見度的相關係數是 0.664，反向連結只有 0.218。這就是那個三比一的差距，出自同一份研究、同一套一致的方法。

而且越深入看，結論越站得住腳。品牌錨點文字的相關係數是 0.527，品牌搜尋量是 0.392，YouTube 上的提及更以 0.737 高居整張表之首。至於你自家網站的頁面數量，與 AI 能見度幾乎毫無關係；對所有大量產出程式化內容來「餵養機器」的人來說，馬上打臉。Seer Interactive 專門針對 ChatGPT 的研究，更把反向連結的數字壓到只剩 0.10。

長條圖：與 AI 搜尋能見度相關性最高的是 YouTube 提及 0.737 與品牌網路提及 0.664，反向連結僅 0.218

哪些因素與品牌在 AI 搜尋中的能見度相關。資料來源：Ahrefs，75,000 個品牌（2025）；ChatGPT 數據來自 Seer Interactive。

品牌屬性 與 AI 搜尋能見度的相關性
YouTube 提及 0.737
品牌網路提及 0.664
品牌錨點文字 0.527
品牌搜尋量 0.392
反向連結 0.218
反向連結（僅 ChatGPT，Seer Interactive） 0.10

再來，Muck Rack 追蹤了各大平台超過 100 萬筆 AI 引用，發現大約 82% 可回溯至贏得媒體（earned media）：新聞報導、專題文章、獨立編輯內容。你自己的網域，在這個集合裡幾乎不曾露臉。

把這一切放在一起解讀，就可以得到清楚的結論。連結是一種指令，告訴爬蟲該往哪裡去；提及是一種評價，告訴模型誰才算數。而模型正在四處蒐羅評價。

在挪動任何預算之前，這邊要先提醒一句：這些都是相關性，發布數據的這些公司自己也這麼說。提及與連結彼此有相關性；擁有優質編輯連結的品牌，往往正是提及密度高的那批品牌，因此很難拆解出任何一方的獨立貢獻。反向連結的 0.218 是「較弱」，但不完全是「零」，所以擁有反向連結還是必要的。

對照概念圖：連結是你累積來的，提及是別人選擇給你的

連結是你累積來的；提及是別人選擇給你的。

反向連結在哪三個層次，各做著什麼不同的工作？

反向連結地位下滑卻沒有消失，是因為原本單一的因果鏈裂解成了三個層次，而連結在每一層做的是不同的工作。有了這個模型，前面每一個數字才不再是零散的冷知識，而開始變成一張地圖。

  1. 檢索層（即時搜尋）。引擎會進行查詢扇出（query fan-out）：把你的問題拆解成許多子查詢，再逐一送進檢索系統，底層往往是 Google 或 Bing 的索引。反向連結透過對傳統排名的影響，仍然左右哪些頁面能浮上檯面成為候選。Cyrus Shepard 的 Zyppy 針對 54 份研究所做的統合分析指出，這一層證據力最強的因素依序是網址可及性（9.5 / 10）、搜尋排名（9.4）與扇出排名（9.3）。沒被檢索到，就不可能被引用。
  2. 引用篩選層（答案合成）。候選頁面到手之後，模型決定要引用誰。在這一層，連結節節敗退，讓位給提及密度、內容新鮮度、段落可擷取性與贏得媒體的信任度。0.664 對上 0.218 的差距就住在這裡；這也是為什麼有排名的頁面可能始終沒被引用，而排名墊底的頁面卻被拉進答案裡。
  3. 訓練先驗層（模型原本就相信的事）。連結與提及也左右你在模型訓練所用公開資料集中出現的頻率，這決定了在任何即時搜尋發生之前，模型對你品牌已有的認識。這是最慢的一層。對一個已經出廠的模型，你無從最佳化；但你今天贏得的每一則編輯提及，都在教明年的模型認得你的品牌是一個確實存在的實體。

關於那些人人琅琅上口的統計數字，這邊補充一句：新鮮內容確實更常被引用，但簡報圈流傳的「4.3 倍」新鮮度數字既遭灌水又查無出處。經得起檢驗的數字來自同一份 54 研究統合分析，比較接近 25.7% 的優勢。如果你要拿這件事向 CFO 簡報，請用那個禁得起推敲的數字。

第一個問題：AI 到底連不連得上你？

在上述一切成立之前，AI 爬蟲得先讀得到你的頁面。多數品牌沒有意識到這件事情的重要性，除了網站還是破破爛爛之外，甚至於直接跳過了這一步，把爬蟲擋在門外，現在到了 2026 年，這已經成為品牌在 AI 搜尋當中徹底消失的風險。

2025年7月1日，坐鎮全球約 20% 網站前端的 Cloudflare，把預設值從「預設開放」翻轉為「預設封鎖」：新網域現在會直接擋下 AI 爬蟲，除非站主主動放行，並提供 Pay Per Crawl 選項，透過 HTTP 402 向機器人收費。拿來對付內容抓取者確實有用，但癥結藏在流量組成裡。截至 2025 年年中，約 80% 的 AI 機器人活動屬於訓練用爬取，約 17% 支撐搜尋與引用，另有約 3% 是真實使用者指名問起你時觸發的即時抓取。一刀切地封鎖那 80%，也同時扼殺了餵養引用的 17%，以及讓 ChatGPT 能在顧客輸入你品牌名稱的當下抓取你頁面的那 3%。到頭來，你付了被抓取的成本，卻留不住被引用的半點好處。是的，你自己的 CDN 設定，可能正是你隱形的原因。

因此，首要之務是檢查你的 robots 規則；檢查你的 CDN 與機器人管理設定；確認頁面不必依賴大量用戶端 JavaScript 也能完整渲染，因為部分引用爬蟲至今仍會被它擋在門外。

# robots.txt · 放行真正會引用你的爬蟲
# （訓練爬取與引用爬取是不同的機器人；要放行的是後者）
User-agent: OAI-SearchBot      # ChatGPT 搜尋與引用
Allow: /
User-agent: PerplexityBot      # Perplexity
Allow: /
User-agent: Google-Extended    # 管控 Gemini / Vertex 對你內容的使用
Allow: /

# 接著確認請求能穿過 CDN，不能只看 robots：
curl -A "OAI-SearchBot" -I https://yourdomain.com/key-page
# 預期：HTTP/2 200   （出現 403 代表你的邊緣節點正在封鎖這個爬蟲）

實戰打法：呼應數據的五步棋，具體怎麼走？

原本在 2022 年合理的站外預算配置，到了 2026 年已經錯置。以下是重新排序後的清單，每一步都對應前文的一項發現。

  • 讓 AI 連得上你。先稽核可爬取性：robots 規則、CDN 與機器人設定、伺服器端渲染。連不上，就沒有引用，沒有例外。這是清單上成本最低、槓桿最高的修正，也是團隊最常遺忘的一項。
  • 讓內容可被擷取。普林斯頓的 GEO 研究（Aggarwal 等人，KDD 2024）在 10,000 個查詢上測試了九種手法，最高可將 AI 能見度提升 40%。勝出的手法完全不需要改版，只需要重組內容：加入具體統計數據、在內文引用可信來源、加入專家引言、每個段落開頭就先給答案。AI 引用的是段落，不是頁面，而且排名較低的頁面獲益最大。讓每一個段落即使被抽離上下文，也依然站得住。
  • 讓品牌被提及。這是最大的槓桿，而且做不了假。到模型會閱讀的地方贏得指名報導：產業媒體、分析師報告、Reddit 與論壇討論串、YouTube 標題與字幕（單一相關性最強的因素）、LinkedIn、G2 與 Capterra 等評論網站、Wikipedia。一則提及背後必須有一個編輯層級的評價，這正是它承載著連結給不了的訊號的原因。把連結建置當成數位公關來經營，而不是投幣式販賣機。
  • 為整個主題叢集排名，而非單一關鍵字。查詢扇出獎勵的是主題覆蓋度。要為引擎生成的那些子查詢排名，而不只是搶下標題關鍵字。一個第一名，價值比不上把整個問題完整而稱職地覆蓋。
  • 量測對的指標。別再把 Domain Rating 與參照網域數當成頭條 KPI。改追蹤引用占有率（share of citation，亦稱 share of model）：在你的優先查詢中，品牌出現在 AI 答案裡的頻率，而且要按平台分別量測，因為 ChatGPT、Perplexity、AI Overviews 與 AI Mode 對訊號的加權各不相同。

哪些地方，我仍然持保留態度？

這個領域大約只有兩年歷史。數據也大多屬於相關性數據，且多半由工具商自行發布，而相關性不等於因果關係。今天相關性最強的因素，也可能只是某種代理指標，未來的模型會以不同方式為它重新定價。

最麻煩的是，各 AI 平台正在分道揚鑣，這比任何單一統計數字都更重要。ChatGPT 與傳統權威度指標的相關性偏弱，對沒有雄厚連結基礎的品牌來說，可能是最容易的切入點；AI Mode 對品牌錨點文字的加權更高；AI Overviews 倚賴 Google 的索引，如今又跑在 Gemini 3 上，模型一動它就跟著動。這一季在某個平台奏效的戰術，下一季在另一個平台可能就失靈。任何向你兜售單一「AI SEO 分數」的人，賣給你的都是一種過度簡化的工具。

這套打法，要怎麼變成每天可以量測的動作？

上面每一步都對，但真正難的往往是下一句：「那我怎麼知道自己做到了？」這也是我們做 Kuroma 的原因。

  • 可爬取性不用用猜的。Kuroma 的 AI 就緒度稽核會實際模擬引用型爬蟲去請求你的頁面，直接告訴你 robots、CDN 與渲染這三關，到底是哪一關把 AI 擋在門外。
  • 品牌提及與引用，我們跨七大 AI 引擎幫你掃。每週用合成買家人物誌，實際去問 ChatGPT、Perplexity、Google AI Overviews 與 AI Mode 這些引擎：在回答你最在意的那些問題時，它們到底引用了誰、有沒有提到你。
  • 把北極星指標從 Domain Rating 換成引用占有率。你看到的會是「在這些問題上，AI 有多常提到你、又多常提到對手」，而且按平台分開看，因為每個引擎的口味本來就不一樣。

我們的立場很直接。簡單來說，第一步永遠是先把「AI 現在怎麼看你的品牌」量出來；這件事有了基準線，前面那五步棋才知道力氣要往哪裡下。

常見問題

反向連結在 AI 搜尋還有用嗎？

有，但位置變了。在檢索層，各大引擎還是借用 Google 與 Bing 的排名來決定要讀哪些頁面，反向連結透過影響傳統排名，仍然左右你有沒有進入候選名單。到了引用篩選層，決定要引用誰的時候，連結就讓位給了品牌提及、內容新鮮度與段落可擷取性。

品牌提及和反向連結，差別到底在哪裡？

一條連結是一個指令，告訴爬蟲該往哪裡去；一則提及是一個評價，告訴模型誰才算數。在 Ahrefs 的數據裡，品牌網路提及與 AI 能見度的相關性是 0.664，反向連結只有 0.218，差距大約三比一。也就是說，提及做不了假，因為它背後需要一個編輯層級的判斷，這正是它承載著連結給不了的訊號的原因。

為什麼有排名的頁面，反而沒有被 AI 引用？

因為排名與引用是兩個不同的層次。排名決定你有沒有被檢索到、進入候選；但候選之後，模型是根據段落可不可以被乾淨地抽出來、內容夠不夠新、品牌有沒有被廣泛提及來挑要引用誰。所以一個排在前面的頁面可能始終沒被引用，而一個排名墊底、但每個段落都自成答案的頁面，反而被拉進了 AI 的回答裡。

中小品牌沒有雄厚的連結基礎，還有機會被 AI 引用嗎？

有，而且可能比你想的容易。ChatGPT 與傳統權威度指標的相關性偏弱，對還沒累積大量連結的品牌來說，往往是最好的切入點。把力氣放在三件事上：先確認 AI 連得上你、把內容寫成可被擷取的段落、再到模型會閱讀的地方贏得指名提及。這也是 AEO（答案引擎最佳化）與 AISEO 真正的著力點。

該用什麼指標衡量 AI 搜尋的成效？

別再把 Domain Rating 與參照網域數當成頭條 KPI。改追蹤引用占有率（share of citation）。這個指標指的是，在你的優先問題裡，品牌出現在 AI 答案中的頻率，而且要按 ChatGPT、Perplexity、AI Overviews、AI Mode 分別量測，因為每個引擎對訊號的加權都不一樣。

最後，我還在反覆思索的問題

今天，連結在檢索層仍然對得起自己的位置，因為各大 AI 引擎依舊借用 Google 與 Bing 的排名來決定要讀什麼。當模型越來越倚重自己的爬取與自身的參數記憶，越來越少依賴那套借來的檢索，反向連結最後這份真正的工作，是否也會跟著被侵蝕？

而如果決勝點是提及密度，那「提及密度」究竟是一個耐久的訊號，還是只是當下的代理指標？一旦更聰明的模型能分辨報導是贏來的還是買來的，會不會在那一刻就被重新定價？

我有自己的猜測，但我更想聽聽你的判讀。