Kuroma 如何評分 AI 就緒度

評分準則版本 2026-07-08。本頁由評分引擎實際執行的同一份定義所產生，因此你在此讀到的內容，正是我們實際推出的版本。

本頁為英文版的中文翻譯，僅供參考。如中英文版本有任何歧義，概以英文版為準。

以下每一個因子都附有一項判定與其背後的研究：在有對照研究之處採用對照研究，在沒有之處採用大規模觀測資料，在廠商已表態之處採用官方平台指引。當證據顯示某個熱門手法無效時，我們會調降其權重並如實說明。

這項分數能看見與不能看見什麼。 本次稽核衡量的是引用就緒度：AI 引擎能多容易地爬取、擷取並引述這些頁面。它無法看見站外品牌足跡（提及、評論、第三方報導），而這些足跡決定了 AI 引擎是否會檢索某個品牌；Kuroma 的能見度掃描與站外訊號負責追蹤那一面。

以觀測到的 AI 答案進行驗證

我們以每個品牌在那些答案產生之前所持有的稽核因子分數，對我們自家能見度掃描所觀測到的引用結果（在 22 週間蒐集的 201,695 筆 AI 答案）進行迴歸分析。驗證採用嚴格時間切分的樣本外方式：模型以較早的週次配適，並且僅在它從未看過的較晚週次上評分。所用指標為 AUC，也就是模型將被引用案例排在未被引用案例之上的機率；0.5 代表不比隨機猜測更好，1.0 代表完美排序。

引擎	保留樣本 AUC（較晚的週次，訓練時從未見過）
ChatGPT	0.84
Grok	0.76
Claude	0.68
Google AI Overviews	0.63
Perplexity	0.61
Google AI Mode	0.61

語料庫：201,695 筆 AI 答案、869,783 筆擷取出的引用、22 週，驗證於 2026-07-07。配適世代：17 個品牌。

基於一個誠實的理由，Gemini 未列入此表：在我們的整個語料庫中，它幾乎從不引用品牌自己的網域（它反而引用零售商、媒體與評論網站），因此「品牌的網域是否被引用」對它而言是錯誤的評分結果。我們正在為它建立一個第三方報導的標記。

AUC 衡量的是整組因子作為整體的排序能力。它並不允許對任何單一因子提出因果主張，我們也不會依這些係數重新調整評分準則的權重。
經過驗證的稽核來自 2026 年 3 月至 6 月的引擎，目前的評分準則沿用了它的衡量核心，並依證據重新調整權重。目前的評分準則會在每個掃描週次累積屬於自己的驗證世代。
此切分驗證的是針對模型已看過的品牌、跨時間的預測，而非針對它從未看過的品牌類型的預測。此世代為 17 個品牌且持續增加；隨著它成長，我們會發布更新後的數字。

頁面內容: ：佔總分的 25%

因子	類別內權重	狀態	原因（附證據）
內容深度與完整性	26%	有證據支持	深入、完整的頁面比淺薄的頁面更容易被引用，而資訊缺漏是零引用失敗最主要的診斷成因之一。重點在於主題涵蓋的廣度，而非單純的篇幅長度。 Cross-engine citation-driver study, deep vs shallow content and freshness gatekeeping (arXiv 2605.25517) · Zero-citation failure taxonomy: contextual gap, intent divergence, information scarcity (arXiv 2603.09296) · Google Search Central guidance on AI features (no special schema needed, no ideal page length)
問題涵蓋度與 FAQ 存在與否	26%	有證據支持	涵蓋使用者實際會問的子問題，是單一診斷槓桿中最強的一項：脈絡缺口與意圖落差解釋了大多數的零引用失敗。FAQ 的格式本身不是槓桿，回答問題才是。 Zero-citation failure taxonomy: contextual gap, intent divergence, information scarcity (arXiv 2603.09296) · Google Search Central guidance on AI features (no special schema needed, no ideal page length)
結構化資料品質	18%	依證據重新界定範圍	重新界定為 HTML 本身中可擷取的資料結構（表格與清單），這些結構能可衡量地提升機器擷取效果。這與 schema.org 標記不同，後者在對照測試中並未顯示對 AI 引用的提升。 GEO: Generative Engine Optimization (arXiv 2311.09735) · Ahrefs controlled schema test (1,885 treated pages vs matched controls)
AI 可讀性分數	12%	有證據支持	引擎會優先選取較易讀、較清晰的文字，而流暢度改寫在對照沙盒實驗中能提升引用率。這是一個中等強度的因果訊號。 GEO: Generative Engine Optimization (arXiv 2311.09735)
標題階層	11%	有證據支持	以標題劃分的段落，與檢索系統對頁面進行分塊的方式相符，因此清楚的階層在檢索與分塊階段有所助益，即使在答案生成階段它是中性的。 Anthropic contextual retrieval (self-contained passages cut retrieval failures) · GEO: Generative Engine Optimization (arXiv 2311.09735)
媒體無障礙性	7%	依證據重新界定範圍	沒有研究顯示替代文字（alt text）能提升 AI 引用，而主要的 AI 抓取器並不請求圖片。基於一個誠實的目的而以較低權重保留：對於鎖在媒體之中的內容，必須存在文字替代方案。 Vercel and MERJ AI crawler study (569M GPTBot requests: zero JavaScript execution, no image fetches)

技術優化: ：佔總分的 20%

因子	類別內權重	狀態	原因（附證據）
Schema 標記完整性	5%	AI 權重近乎為零（保留供傳統搜尋）	對照測試顯示 schema.org 標記並未提升 AI 引用，而 Google 表示 AI 功能不需要特殊的結構化資料。近乎為零的權重僅為傳統複合式搜尋結果（rich results）與 Bing grounding 而保留。 Ahrefs controlled schema test (1,885 treated pages vs matched controls) · Google Search Central guidance on AI features (no special schema needed, no ideal page length)
頁面效能指標	10%	刻意調降權重	速度與 AI 能見度的相關性很弱，且是由極端離群值所驅動；沒有任何平台將速度列為因子。以通過/未通過計分：抓取必須成功、沒有伺服器錯誤，並在合理的時間內回應。 Cross-engine citation-driver study, deep vs shallow content and freshness gatekeeping (arXiv 2605.25517) · Vercel and MERJ AI crawler study (569M GPTBot requests: zero JavaScript execution, no image fetches)
行動裝置優化	20%	刻意調降權重	行動裝置訊號並不存在 AI 引擎方面的證據；這屬於傳統搜尋的基本衛生（Google 頁面體驗），以適中的權重保留。 Google Search Central guidance on AI features (no special schema needed, no ideal page length)
可爬取性與可存取性	65%	有證據支持	最強的技術因子：封鎖能見度爬蟲會可驗證地將網站從該引擎的答案中移除，OpenAI 也直接記載了這一點。計分採用機器人類別矩陣，因此只有封鎖能見度機器人才會扣分；封鎖訓練機器人是一種政策選擇，會以中性方式回報。 OpenAI crawler documentation (blocking OAI-SearchBot removes a site from ChatGPT search answers) · Vercel and MERJ AI crawler study (569M GPTBot requests: zero JavaScript execution, no image fetches) · Bing webmaster documentation: NOARCHIVE prevents content from being used in Copilot responses and grounding

權威訊號: ：佔總分的 25%

因子	類別內權重	狀態	原因（附證據）
E-E-A-T 訊號	28%	依證據重新界定範圍	沒有研究將作者簡介當作 AI 引用的因果槓桿來測試；真正的權威度管道是站外品牌足跡。頁面上的署名與日期以最佳實務衛生的形式，以較低權重保留。 Cross-engine citation-driver study, deep vs shallow content and freshness gatekeeping (arXiv 2605.25517) · Google Search Central guidance on AI features (no special schema needed, no ideal page length)
外部引用與參考來源	36%	刻意調降權重	引用來源在對照沙盒實驗中有幫助，但在競爭性的重複實驗中，效果會縮減趨近於零，因此相關主張有所設限，權重在該類別中維持適中。 GEO: Generative Engine Optimization (arXiv 2311.09735)
信任與品牌訊號	36%	刻意調降權重	頁面上的信任標章作為一個類別尚未經過測試；有證據支持的信任管道是站外評論。保留是為了基本的正當性訊號（聯絡資訊、政策、HTTPS），這些仍屬合理的基本衛生。 Cross-engine citation-driver study, deep vs shallow content and freshness gatekeeping (arXiv 2605.25517)

AI 就緒度: ：佔總分的 30%

因子	類別內權重	狀態	原因（附證據）
答案框潛力	24%	有證據支持	真正的機制是段落的自成一體：能獨立成立、以標題劃分的段落，與檢索分塊相符，而修復脈絡被切斷的段落，能可衡量地降低檢索失敗。 Anthropic contextual retrieval (self-contained passages cut retrieval failures) · GEO: Generative Engine Optimization (arXiv 2311.09735)
值得被引用度	25%	有證據支持	可驗證的證據單元（統計數據、引述、有來源的主張）在沙盒實驗中能因果性地提升引用，而肯定的措辭比含糊保留的措辭更受青睞。效果在競爭性情境中會縮減，因此相關主張維持設限。 GEO: Generative Engine Optimization (arXiv 2311.09735) · Cross-engine citation-driver study, deep vs shallow content and freshness gatekeeping (arXiv 2605.25517)
內容新鮮度	19%	有證據支持	在 2026 年的證據基礎中，內容新鮮度是唯一在各引擎間獲得一致認同的因果守門因素，而在網路規模上，被 AI 引用的內容可衡量地偏向更新鮮。Google AI Overviews 是已被記載的例外。 Cross-engine citation-driver study, deep vs shallow content and freshness gatekeeping (arXiv 2605.25517)
獨特價值主張	17%	刻意調降權重	獨特措辭的訊號測試結果趨近於零；真正的現象是競爭性的內容重複，而單頁爬取無法確定性地衡量這一點。權重因此減半。 GEO: Generative Engine Optimization (arXiv 2311.09735)
AI 可發現性	10%	依證據重新界定範圍	重新界定為頁面上的機器可讀性訊號（語意化 HTML、授權清晰度）。已失效的 ai-plugin manifest 檢查已移除，而 llms.txt 僅維持資訊性用途，因為沒有任何主要引擎會讀取它。 Vercel and MERJ AI crawler study (569M GPTBot requests: zero JavaScript execution, no image fetches) · Google Search Central guidance on AI features (no special schema needed, no ideal page length)
原始 HTML 可用性	5%	有證據支持	沒有任何主要的 AI 爬蟲會執行 JavaScript，因此只有在腳本執行後才出現的內容，對 AI 搜尋而言是看不見的。這是本次稽核中證據最充分的技術發現之一。 Vercel and MERJ AI crawler study (569M GPTBot requests: zero JavaScript execution, no image fetches)

我們刻意不評分的項目

這些檢查項目出現在許多 AI 能見度稽核中。目前最好的證據顯示它們並不會影響 AI 引用，因此為它們評分只會膨脹那些沒有回報的工作。

未評分	為何不評分（附證據）
llms.txt	三重落空：絕大多數的 llms.txt 檔案收到零筆爬蟲請求，Google 表示會忽略它們，而且沒有任何主要引擎會為了引用而讀取它們。僅偵測並以資訊性方式回報。 Google Search Central guidance on AI features (no special schema needed, no ideal page length) · Vercel and MERJ AI crawler study (569M GPTBot requests: zero JavaScript execution, no image fetches)
將 Schema 標記作為 AI 引用槓桿	一項大型對照測試發現，加入 schema.org 標記並未提升 AI 引用，而 Google 表示 AI 功能不需要特殊的結構化資料。Schema 的計分近乎為零，僅適用於傳統複合式搜尋結果（rich results）與 Bing grounding。 Ahrefs controlled schema test (1,885 treated pages vs matched controls) · Google Search Central guidance on AI features (no special schema needed, no ideal page length)
逐次執行的 AI 排名追蹤	單次執行的 AI 答案在統計上並不穩定（同一天的相同查詢，其引用只有幾個百分比的時候會一致），因此逐次執行的排名只是雜訊。Kuroma 改為呈現多次重複執行的提及率。 Cross-engine citation-driver study, deep vs shallow content and freshness gatekeeping (arXiv 2605.25517)
關鍵字密度優化	關鍵字堆砌的測試結果，對 AI 搜尋引擎的引用呈因果性負向，且在傳統搜尋中已失效多年。本次稽核中沒有任何項目會獎勵它。 GEO: Generative Engine Optimization (arXiv 2311.09735)

你該如何解讀這項分數？

這項分數衡量的是引用就緒度，而非預測流量。AI 答案具有機率性：相同的問題在每次執行間會產生不同的引用組合，因此沒有任何單一數字能保證版位。就緒度會提高勝算；接著 Kuroma 的能見度掃描會跨引擎衡量結果，兩者合起來便能告訴你該修正什麼、以及是否見效。