AI 引用就緒度評分 — 方法論 v3
狀態:提案(2026-08-21;J総裁 merge 後生效)
適用:
readiness_v3.py產出的兩個獨立指標 ——sitewide-structural-readiness-v1(結構就緒度,滿分 100)與引用實證(獨立的第二個數字)。既有的geo_metrics分數(技術30/內容40/索引30)仍並行輸出,見 §7。版本字串為什麼不叫 v3:
geo_metrics.METHODOLOGY_VERSION已經是readiness-v3了,那是「同一把舊尺 + 2026-08-19 起涵蓋全站的合規掃描」,與本文件的四支柱評分無關。兩把尺共用一個代號的話,同業分佈的版本閘會把它們判成可比 —— 而那正是那道閘存在要防的事。用結構命名而不是序號,序號會再撞一次。上位文件:
docs/methodology/VISIBILITY-ENGINE-METHODOLOGY-v1.md(五公理 + M→D→O→V→W 五層)。衝突時以上位文件為準。本頁由評分引擎實際執行的同一份定義產生。權重、常數、排除清單、驗證狀態都在這裡,沒有留到業務會議才講的部分。
1. 這個分數量什麼、不量什麼
量的是「引用就緒度」 —— AI 引擎要抓取、擷取、引用你的頁面有多容易。
不量的是:
| 看不見的東西 | 為什麼 | 哪裡才看得到 |
|---|---|---|
| 站外品牌足跡(第三方提及、評論、報導) | 這個分數只讀你自己的網站 | 可見度掃描(Layer M) |
| 你實際被引用的頻率 | 引用是機率性的:同一題問兩次,答案組合可能不同 | 可見度掃描的信賴區間 |
| 流量 | 就緒度不預測流量,只預測「被引用的條件成不成立」 | — |
使用警告:分數高不等於會被引用,只代表擋在前面的技術與內容條件已經排除。 要知道實際有沒有被引用,必須跑可見度量測 —— 這也正是為什麼「已實證引用」是本評分的一個支柱(§3.4),而不是一句附註。
2. 結構
結構就緒度 = (技術 33 + 可抽取 53 + 實體 14) × 可檢索性 [0..1] ← 你可以控制的
引用實證 = 0.7 × 引擎廣度 + 0.3 × 引用頻率 ← 獨立的第二個指標可檢索性是乘數,不是加分項。 依方法論公理 A1(檢索層優先,C-SEO Bench E1):一個把 GPTBot 擋在門外的網站,其餘 100 分描述的是沒有任何引擎讀得到的頁面。給它部分分數在算術上沒有意義。
- 四個主要 AI 爬蟲(GPTBot / ClaudeBot / PerplexityBot / Google-Extended)全部被擋 → 乘數 0,總分 0。
- 擋掉其中 n 個 → 乘數 = (4−n)/4。
- 子分數照常完整輸出,所以修復路徑仍然看得見。
- Googlebot / Bingbot 刻意不算在內:它們管的是傳統搜尋,把它們混進來會讓傳統 SEO 的體質遮住 AI 爬蟲被擋的事實 —— 那正是這個乘數要暴露的問題。
等第
| 等第 | 分數 |
|---|---|
| AAA | ≥ 70 |
| AA | ≥ 55 |
| A | ≥ 40 |
| 未達標 | < 40 |
等第門檻與 v2 的 未達標/A/AA/AAA 階梯不同,不可互換 —— v2 的門檻是對著一把會飽和的尺校準的。
3. 四個支柱與逐項權重
3.1 技術 33 分 — 機器可讀性
二元判定在這裡是正確的:canonical 標籤要嘛有、要嘛沒有,不存在「部分 canonical」。
| 項目 | 分 |
|---|---|
| title | 7 |
| meta description | 5 |
| canonical | 5 |
| sitemap.xml | 5 |
| viewport | 4 |
| og:image + twitter card | 4 |
| sitemap 新鮮度(≤90 天) | 3 |
sitemap 沒有 lastmod → 該項判 na,退出分母(不罰也不灌水)。
3.2 可抽取 53 分 — 引擎能不能從這裡抬出一段可引用的答案
大部分是連續維度,用漸近曲線 1 − exp(−x/τ):0 分起跳、在 3τ 得 95%、漸近 1.0 但永遠到不了。
| 項目 | 分 | 型態 | 錨點(同業 p95,給 95%) |
|---|---|---|---|
| 內容深度 | 12 | 連續 | 15,564 字元(全站去重後) |
| 文章量 | 12 | 連續 | 5 篇 |
| 問題涵蓋(問句型 H2/H3) | 11 | 連續 | 14 個(全站) |
| 答案框潛力(可獨立成立的段落) | 11 | 連續 | 50 段(全站) |
| 標題階層 | 3 | 涵蓋率 | — |
| FAQ schema | 2 | 二元 | — |
| Article schema | 2 | 比例 | — |
錨點取自 226 家台灣牙科診所的實測 p95(2026-08-26,全站掃描 + 跨頁去重)。
2026-08-26 兩次改動,兩者都改變了每一個分數:
1. 量測面從首頁改為全站。 先前 100 分裡有 78 分只判在首頁上,只有 2 分
(抽樣 4 篇驗 Article schema)真的讀過子頁內容。實測 osawell:首頁 12,677 字元 /
6 個問句標題 / 38 個可引用段落,全站 33 頁則是 195,896 / 69 / 680 —— 量到的只有
實際可抽取內容的約 6%。對「AI 引用就緒度」那是方向性的錯誤:引擎引用的是內頁。
2. 錨點分位數從 p99 改為 p95。 全站量測後分佈非常偏(深度中位數 2,559、p99 47,656),
錨在 p99 會把多數網站壓在曲線平坦的低端 —— Gate R 的 R3 因此 FAIL(τ 離同業中位數
6.2 倍),R1 的 IQR 也從 23.98 掉到 20.98。改 p95 後 R1–R4 全 PASS。
另一個理由是穩定度:n=226 的 p99 實質上由最頂端 2 個觀測決定,爬蟲跑一次就會晃。
⚠️ 「錨點對應 95%」是判斷,不是推導。 選 90% 會讓紮實實務落在 90,選 99% 會落在 98。
選 95% 的理由是它表達「卓越,但仍有頭」。這句話原樣寫在這裡,不假裝它是算出來的。
「可獨立成立的段落」定義為 80–600 字元:長到足以說明一件事,短到能被整段抬走。區間刻意放寬 —— 這量的是形狀不是品質,窄區間只會獎勵某一種寫作習慣。
3.3 實體 14 分 — 這家機構認得出來嗎(漏斗條件 3)
| 項目 | 分 |
|---|---|
| 機構 schema | 6 |
| NAP(電話 + 地址) | 5 |
| sameAs 實體連結 | 3 |
非在地商業網站的 NAP 判 na,不列為缺口 —— 對一家 B2B SaaS 要求電話地址區塊,是製造一個對方無法關閉的假缺口。
3.4 引用實證 —— 獨立的第二個指標,不進結構分
由可見度量測提供:{engines_measured, engines_citing, answers_citing}。
引用實證 = 100 × (0.7 × 引擎廣度 + 0.3 × 引用頻率)廣度權重高於頻率:被三個引擎偶爾引用,比被一個引擎經常引用更強 —— 引擎層級的缺席是更難補的缺口。
三態,而且三者意義完全不同:
| 狀態 | 意思 |
|---|---|
unproven | 從未量測。沒有分數(不是 0 分)—— 無從得知 |
fail | 量了,而且零引用。這是真實的 0 |
pass | 量了,而且有引擎引用你 |
為什麼把它從結構分裡拆出來(2026-08-22 變更)
引用是結果,前三個支柱是你可以控制的條件。舊設計把未量測的 25 分留在結構分的
分母裡,產生兩個後果:
1. 結構做得極好的網站顯示成三分之二。 實測 osawell 結構 67.33/75,畫面上是 67.3 ——
一個看起來中等的數字,實際上高於 241 家同業的每一家。
2. 更嚴重:它製造反向誘因。 「去量測」這個動作本身會扣分 —— 引用中等的客戶量完掉
9.9 分、引用弱的掉 17.4 分。我們賣的就是量測,而計分方式在懲罰買單的人。
當初合併的理由是「不讓網站宣稱沒證明過的就緒度」。但那個目的已經由漸近曲線承擔 ——
結構分本來就到不了 100。同一個目的裝了兩道鎖,而第二道正是讓結構極佳的網站看起來
平庸的那一道。
4. 明確排除:計分表上沒有什麼,以及為什麼
| 排除項 | 理由 |
|---|---|
| llms.txt | Google 官方明載 Search 忽略;爬蟲請求量是捨入誤差。保留為 informational 檢查(0 分)仍顯示狀態 —— 曾被要求去做的客戶有權看到它的狀態與理由,直接刪掉檢查是另一種不誠實。 |
| 關鍵字密度 | KDD 2024 GEO(E1)實測對生成引擎無效或有害。永久禁入。 |
| 反向連結數量 | Ahrefs 75K 品牌相關性 ≤0.218,約等於無關(E3)。站外訊號改看品牌提及。 |
| 逐次排名追蹤 | AI 答案統計上不穩定;把單次名次當指標是把雜訊當訊號。 |
Schema 降權而非移除:v2 給 FAQ + Article schema 共 12 分,v3 給 4 分。廠商對照測試回報對 AI 引用無效;保留低權重的唯一理由是 AIO 家族吃傳統排名(方法論 §4.4:AI Overview 引用約 37.9% 來自自然搜尋前十),rich result 在那條路徑上仍有殘值。
5. 為什麼滿分拿不到
這是設計目標,不是副作用。要求是「評分永遠不給 100,因為任何事都有進步空間」。
沒有採用人工封頂(例如「最高只顯示 97」)—— 那是客戶用算術就能拆穿的謊。機制是 漸近曲線在數學上沒有頂:1 − exp(−x/τ) 對任何有限輸入都 < 1。內容永遠可以更深、 問題涵蓋永遠可以更廣。
實作上還有兩道守衛,而第二道是全站評分逼出來的:
1. 浮點守衛。
x/τ超過約 37 時exp()會下溢成 0,1 − 0在 float 上真的等於 1.0,所以結果夾在
1 − 1e−12。2. 分數無條件捨去到小數一位(
_floor1),不是四捨五入。第 1 道只保護*比例*;每一項的
earned再被round(..., 3)一輪,那個 1e−12 就被抹掉了,於是內容夠多的網站顯示成
100.0—— 而這一頁寫著「滿分在數學上不可達」。改成全站評分之後
test_the_score_still_cannot_reach_100_when_scoring_a_whole_site真的踩到了。加總改走未捨入的
earned_exact,顯示端捨去。捨去而不是封頂:分數是「已達成」的下界,捨去永遠不會多報。
為什麼換掉舊的飽和曲線
舊版用 x/(x+k),要 19k 才到 95%。換算成實際要求:
| 維度 | 舊曲線要到 95% 需要 | 這樣做的結果 |
|---|---|---|
| 字元 | 47,500 | 一面文字牆 |
| 問句標題 | 76 個 | FAQ 傾倒場 |
| 文章 | 152 篇 | — |
曲線的上半段指向的不是「更好」,是「更多到有害」。 而且後果是 85 分以上那一整段 沒有任何真實網站住得進去 —— 尺上有一截是空的。實測:osawell 的首頁字元(12,677) 已經接近 266 家同業的最高值(13,487),舊曲線只給它 84%。
換成漸近曲線之後,「永遠到不了 1」這個關鍵性質保留,但有用的區間攤在 0–95 而不是 0–85。
6. 驗證狀態 —— 包含還沒做到的部分
measure/gate_r.py 對評分尺本身跑五項效度檢查。最近一次結果:
| 檢查 | v2 | v3 |
|---|---|---|
| R1 鑑別度(天花板佔比 / 相異值比例 / IQR) | FAIL — 相異值比例 0.176 | PASS — 0.740、IQR 21.3 |
| R2 頂端可及性 | PASS | PASS — 最高 54.6,距上限 20.4 |
| R3 常數校準 | 不適用 | PASS — 四項比值 1.29–1.67 |
| R4 單調性(改善任一輸入不得降低分數) | 不適用 | PASS |
| R5 預測效度(高分是否真的比較常被引用) | INCOMPLETE | INCOMPLETE |
R3 的參照點:非零中位數,以及為什麼
飽和常數 k 的校準對象是做這件事的網站的中位數,不是全體中位數。這不是放寬標準 —— 全體中位數對這些維度是錯的統計量,首次實跑就證明了:
| 維度 | 完全沒做的比例 | 非零中位數 | k | 比值 |
|---|---|---|---|---|
| 內容深度 | 3% | 1,941 字元 | 2,500 | 1.29 |
| 文章量 | 93% | 6 篇 | 8 | 1.33 |
| 問題涵蓋 | 76% | 3 個 | 4 | 1.33 |
| 答案框潛力 | 29% | 3 段 | 5 | 1.67 |
93% 的診所網站文章數為零,所以「文章量」的全體中位數結構性地是 0 —— 任何正的 k 都不可能通過。 檢查的目的決定了正確答案:x/(x+k) 應該在網站彼此有差異的地方最陡。得零分的網站彼此完全相同, 它們之間不需要也不可能鑑別;鑑別發生在有做這件事的網站之間。
上表的「完全沒做的比例」本身是重要的市場事實,因此列為診斷資訊而非失敗 —— 「93% 的同業一篇文章都沒有」是市場發現,不是評分尺的缺陷。
R5 是本方法論最大的已知缺口,並且刻意寫在這裡而不是省略。
要回答它,需要語料網站的實際引用結果,而量測第三方網域要花錢、尚未核准。競品會公布同類分數的留樣外 AUC;在我們能公布之前,誠實的作法是把這個缺口具名寫出來,而不是沉默,更不是編一個 PASS。
Gate R 因此對 v3 回報 INCOMPLETE 而非 PASS,且 INCOMPLETE 永遠不會被升格成 PASS(離開碼 3,與 FAIL 的 1、PASS 的 0 分開)。
R1 對 v2 的 FAIL 值得單獨講:v2 是完全確定性、穩定、測試齊全的 —— 它通過了 Gate A 檢查的每一條性質,卻無法排序自己的客戶。一個分數可以完全可重現,同時毫無資訊量。 Gate R 就是為了問 Gate A 問不到的那個問題而存在。
7. 與 v2 的關係
v3 並行輸出,不取代 v2。控制室、GEO-GRADE 階梯、免費健檢文案、歷史序列、同業分佈全部仍讀 v2 欄位,值完全不變。逐個介面遷移是各自獨立的決定。
peer_readiness 的 methodology_version 閘會拒絕拿四支柱分數去舊尺的分佈裡排百分位 —— 換了尺,舊分佈就作廢,不會靜靜混用。
百分位怎麼算
(比你低的家數 + 0.5 × (與你同分的家數 + 1)) ÷ (語料庫家數 + 1)
兩個選擇值得說清楚:
- mid-rank(平手組取一半),不是「嚴格小於」或「小於等於」。就緒度分數平手得很嚴重 —— 一份檢查表導出的分數只會落在少數幾個值上。語料庫裡有 30% 的網站同分時,「嚴格小於」會低估坐在那個值上的每一家,「小於等於」會高估同樣的幅度。mid-rank 是唯一對稱的選擇。
- 你自己算在母體裡(分母
n+1,而且你也算進自己的平手組)。於是贏過全部 242 家仍然只有 99.8,不是 100;輸給全部也只有 0.2,不是 0。
第 2 點不是化妝式封頂,是把問題問對:「在這 n+1 家裡,我贏過幾家?」你不可能排在自己之上。統計上也是必要的 —— 242 家是樣本(全台牙科約 6,000 家),「勝過 100% 的同業」不是這個樣本撐得起的話。
2026-08-22 修掉:舊算式(分母 n、自己不在母體裡)讓 www.osawell.com 顯示成「第 100 百分位」,而它就印在「滿分數學上不可達」那句話旁邊 —— 同一個畫面上兩種互相矛盾的宣稱。
8. 版本變更紀錄
改了什麼、為什麼改、誰的分數會動 —— 這樣你分得出是自己的網站變了,還是我們的模型變了。
v3.0 — 2026-08-21
動機:v2 對自家客戶失去鑑別度。實測 www.osawell.com 得 100/100、16 項檢查零失敗;而 242 家真實同業裡拿到 100 的是 0 家。眾數就是滿分的分數無法排序、無法指引,也撐不住跟競品有分佈支撐的分數並排。
先被推翻的方案:在同一份語料上模擬「只調權重」(llms.txt 歸零、schema 降權),中位數 36.1 → 40.2,但最高仍 94.7、osawell 仍 ~100。權重調整達不到目標,因為被調的東西仍然是 checklist。這條結論來自實測,不是設計直覺。
改動:
- 新增「已實證引用」支柱(25 分),未量測 = 0 且上限 75
- 內容維度改為飽和曲線(深度 / 文章量 / 問題涵蓋 / 答案框潛力)
- 可檢索性從 9 個等權技術項之一,改為全域乘數
- llms.txt 8 分 → 0(降為 informational)
- FAQ + Article schema 12 分 → 4
- 機構 schema 與 NAP 移入「實體」支柱,重新定義為實體對接而非欄位存在性
- 文章量
min(n,3)/3的 20 分 → 飽和曲線(語料只有 7.1% 通過舊門檻,它也是工廠與同業落差的最大單一來源)
誰的分數會動:所有網站。工廠建站降幅最大(osawell 100 → 67.3),因為它拿滿的正是被降權與新增未實證項的部分。同業中位數 36.0 → 31.2。
已知限制:R5 預測效度未驗證(見 §6)。飽和常數 k 為初值,將依語料歷史校準;調整會寫在本紀錄裡。
對齊 VISIBILITY-ENGINE-METHODOLOGY-v1.md。權重與常數的唯一真實來源是 readiness_v3.py;本頁與程式碼不一致時,以程式碼為準並回報。