ShareSmile Cited — AI Visibility Engine 工程方法論 v1.0
Status: Proposed(2026-07-05;J総裁 merge 後生效) Scope: 本文件是 measurement→optimization 閉環的行動層方法論 + 週期性 LLM 變動檢測制度(Layer W)。 上位文件:docs/PRD_PRODUCT_v2.md(產品定位,衝突時勝出)· docs/PRD_ENGINEERING_v1.md(量測核心 M1–M6 + MCC)· docs/methodology/GEO-INDEX-v1.md + docs/adr/ADR-003(量測口徑,本文不重複定義)。 本文回答的問題:量測數字出來之後,引擎依據什麼原則、產出什麼優化動作、如何驗證、以及當上游 LLM 改版時如何不失準。
依據:2026-07-05 deep-research(學術主張經 3 票對抗式驗證,22/25 存活)+ Profound / Peec / Otterly / Scrunch / Athena / Daydream / Semrush / BrightEdge / Ahrefs / Conductor / seoClarity 第一方調查。完整出處見 §9。
1. 證據分級(全文標註用)
| 等級 | 定義 | 例 |
|---|---|---|
| E1 | 同儕審查論文 | KDD 2024 GEO、NeurIPS 2025 C-SEO Bench |
| E2 | 預印本(未同儕審查,多為作者自建基準自報) | GEO-Bench、FeatGEO、IF-GEO |
| E3 | 廠商第一方(產品文件/自報研究,樣本大但有商業動機) | Profound 27M citations、Ahrefs 75K 品牌相關性、Semrush 126M prompts |
| E4 | 第三方評測/部落格 | 各比較文 |
規則:優化動作庫(§5)每條動作必須標註證據等級;E2/E3 的具體百分比一律視為方向性,不得寫進對客戶的承諾(憲法 s3.2 反虛假聲明)。
2. 五條設計公理(非協商;每條附證據)
A1 — 檢索層優先(Retrieval-first)。 在內容改寫之前,先確保內容進得了 AI 引擎的檢索/引用候選集。C-SEO Bench(E1)證明:以引用排名為指標時,多數內容改寫手法無效甚至有害,而「提升來源在 LLM 檢索脈絡中的排名」顯著更有效。 → 工程順序:T1 技術/檢索動作(§5)永遠排在 T2 內容動作之前;geo_metrics.py 的 on-page readiness 分數是 T2 的前置門檻。
A2 — 沒有普遍有效的固定手法清單(Conditional, not universal)。 GEO-Bench(E2)實測同一手法跨資料集效果劇烈不穩(Authoritative NRG 0.83 → 0.00);FeatGEO(E2)發現 regime-dependent saturation:啟發式手法對「人寫、粗糙」頁面平均有效,對「已流暢的 LLM 生成」頁面反而普遍低於基線。 → 優化建議必須以三維條件決策:領域(specialty × 市場)× 查詢叢集類型 × 內容基線品質。禁止「量測後對所有客戶套同一張 checklist」的產品形態。
A3 — 證據導向手法族是預設候選(Evidence-based content family)。 「引用來源 / 統計數據 / 引言 / 權威且流暢的呈現」是唯一被 ≥3 篇獨立論文(KDD 2024 E1、FeatGEO E2、IF-GEO E2)一致列為最強的內容手法族(原文:PAWC 相對 +30–40%);而關鍵字堆疊與詞彙層技巧被一致判定無效或有害(E1)。 → T2 動作庫以證據強化為主軸;關鍵字密度類建議永久禁入。 → 注意:此結論主要成立於「字數型可見度指標 + 人寫內容基線」;在引用排名指標下連 Citations 也偏弱(E1/E2)——正是 A1 排序在前、A5 口徑先站隊的原因。
A4 — 查詢叢集是優化單位,不是單一查詢(Cluster-level optimization)。 IF-GEO(E2)實測:針對單一查詢優化,常使同一文件的其他查詢可見度轉負(27–39% 查詢受損)。 → 引擎的建議粒度 = (tenant, 查詢叢集, 頁面);產生建議前必跑叢集內衝突檢查(同一頁面被多個叢集的建議指向不同改寫方向時,合併或分頁,不得直接輸出互斥建議)。
A5 — KPI 口徑先站隊,mention 與 citation 永遠雙軌(Metric-regime honesty)。 GEO 原文(字數型 PAWC)與 C-SEO Bench(引用排名型)結論相反,本質是指標之爭;Semrush(E3)實測 62% 引用不帶品牌提及(ghost citations)。 → 已由 §0.0/GEO-INDEX-v1 定案:對客戶說 Profound 對齊詞彙(Visibility Score、SoV、Sentiment、Citation Authority),分母口徑固定(Visibility Score 分母=含任一品牌的回應數;SoV 分母=全部品牌提及次數);mention / cited / ranked 三類分開計量、分開優化——提升品牌敘事(mention)與提升來源權威(citation)是兩條不同的動作線。
3. 引擎五層架構(M→D→O→V→W)
Layer M 量測(已建:M1–M6 + GEO-INDEX-v1)
│ 每日跑分:Visibility/SoV/Sentiment/Citation + provenance 戳記
▼
Layer D 診斷(本文 §4)
│ 引用來源逆向 + 內容基線分級 + 缺口分析 + 引擎類型拆分
▼
Layer O 優化(本文 §5)
│ T1→T4 分層動作庫,條件式產生「已排序的機會清單」(對標 Profound Aim)
▼
Layer V 驗證(本文 §6)
│ 離線探測預演 → 上線 → holdout 因果歸因(M5.5)→ lift 回寫
▼
Layer W 模型變動監視(本文 §7;MCC 的制度化擴充)
canary/drift/changelog/文獻雷達 → 觸發 re-baseline 與動作庫再評估閉環語義:M 產生數字 → D 把數字翻譯成「為什麼」→ O 翻譯成「做什麼」→ V 證明「有沒有用」→ W 保證這一切在上游模型改版後仍然成立。V 的 lift 資料回饋 O 的動作權重(§6.3),W 的 drift 事件可凍結 O 的自動建議(§7.4)——這是 Profound 沒有公開做到的部分,也是垂直護城河的工程本體。
4. Layer D — 診斷層
4.0 可見度漏斗(六條件診斷序;併自 AI_VISIBILITY_METHODOLOGY_v1 draft,該文件即日廢止)
診斷第一步是定位缺口落在哪個條件——六條件有順序,前面不成立時修後面沒有意義(工程啟發式框架;其個別支持數字多為 E4 級,不得寫進客戶承諾):
| # | 條件 | 缺口時的正確槓桿 | 對映 |
|---|---|---|---|
| 1 | Retrievable(AI bot 可爬、已索引、機器可讀) | 技術 GEO 修復 | T1 |
| 2 | Relevant(對真實 prompts 有 answer-first 答案) | 叢集導向內容 | T2 |
| 3 | Entity-grounded(Wikidata/sameAs/NAP 一致、AI 講對你的事實) | 知識圖譜工作 | T3-Entity |
| 4 | Corroborated(第三方獨立佐證;自有站僅佔引用來源一小部分,站外是大頭) | 站外分佈 | T3 |
| 5 | Authoritative(證據導向;醫療 YMYL 高標) | 引用/統計/資歷 + §E | T2+T3 |
| 6 | Fresh + per-engine(新鮮、按引擎來源偏好加權) | 節奏 + 通路配重 | T1–T3 |
診斷規則:完全沒被引→查 1/4;被引但事實錯→3;競品被引我沒有→4/5;只缺某引擎→6。之上是元槓桿 Measured & causally verified(Layer M + Gate C)——不量測就優化 = 對隨機漂移系統憑直覺開藥。
量測 cell(GEO-INDEX-v1)之上,每個追蹤 tenant 每週產出一份診斷四件套:
4.1 引用來源逆向(Citation-source taxonomy)
把每個 cell 的引用 URL 分類為八類(改編自 Profound 27M citations 分類,E3): Owned / Competitor / Earned-Media / PR-Wire / Institution / Social-UGC / Reference(Wiki 類) / Other。 醫療垂直關鍵事實(E3):機構型(Institution)引用在醫療佔 ~30%,為全產業最高;Reddit 是全引擎合計最常被引來源、即使 YMYL 領域社群來源仍壓過持照專家(E3, Semrush)。 → 輸出:tenant 的來源組成 vs 該 specialty 基準的偏離表,直接餵給 T3 動作選擇。
4.2 內容基線分級(Content-baseline regime)
每個候選優化頁面先打 regime 標籤:human-rough / mixed / llm-fluent(以流暢度、結構完整度、既有證據密度判)。 依 FeatGEO(E2):human-rough 頁 → T2 證據強化預期正效;llm-fluent 頁 → T2 改寫預期無效或負效,改走 T1/T3。 → 實作:measure/extract.py 之後加 diagnose/baseline.py;禁止對 llm-fluent 頁自動產生改寫建議。
4.3 缺口分析(Gap views)
三張缺口表(業界收斂標配,E3):
- 引用缺口:競品被引、我未被引的 prompts(Peec/Semrush 同款);
- 內容缺口:高流量叢集 vs tenant sitemap 的未覆蓋主題(Profound Aim 同款);
- 未引用提及:有 mention 無 citation 的回應(ghost-citation 反向利用)——品牌已在敘事中、差臨門一腳的來源權威。
4.4 引擎類型拆分(Engine-type split)
Ahrefs(E3):ChatGPT/Gemini/Copilot 引用的 URL 僅 12% 在 Google 前 10;AI Overviews 則 37.9% 來自前 10。 → 診斷與建議必須按引擎家族分欄:AIO/AI-Mode = 傳統排名驅動(T1 + 傳統 SEO 權重高);chatbot 類 = 品牌訊號驅動(T3 權重高)。低排名/挑戰者品牌優先攻 chatbot 面(GEO 均衡器效應:SERP 第 5 名 +115%,E1)。
5. Layer O — 優化動作庫(Tiered Action Library)
輸出形態對標 Profound Aim:每週、每 tenant、排序過的機會清單(每項含:動作、目標叢集/頁面、證據等級、預期方向、前置條件、驗證方式)。人審後執行(human-in-the-loop;醫療內容一律過 §E 合規閘)。
T1 — 檢索/技術層(永遠最先;A1)
| 動作 | 證據 |
|---|---|
| AI bot 可及性:robots/防火牆放行、CDN 爬蟲驗證、server-log 確認實爬 | E3(Profound Agent Analytics、Semrush Site Audit 標配) |
| SSR/靜態化(AI 爬蟲執行 JS 弱) | E3(Semrush) |
llms.txt + sitemap + schema 完整性(geo_metrics.py 既有分數 ≥ 門檻) | E3 + 自有 |
| 傳統 SEO 排名基本功(針對 AIO/AI-Mode 面) | E1(C-SEO Bench)+ E3(37.9%) |
T2 — 站內證據強化(條件式;A2+A3)
前置條件:baseline=human-rough|mixed 且該叢集屬事實/解釋型。
| 動作 | 條件 | 證據 |
|---|---|---|
| 加入可查證統計數據(附來源) | 法規/意見/數據型叢集最有效 | E1 |
| 加入權威引用來源(衛署、學會、期刊) | 事實型叢集;醫療垂直=機構來源 | E1+E3 |
| 加入專家引言(具名醫師/學會聲明) | 社會/經驗型叢集 | E1 |
| 答案先行結構(可抽取性:H2 問句+首段直答+FAQ) | 全叢集 | E3(Semrush/Profound AEO FAQ 收斂做法) |
| 禁止:關鍵字堆疊、詞彙層技巧、對 llm-fluent 頁盲目改寫、全站套權威語氣 | — | E1/E2(一致無效或有害) |
T3 — 站外權威(chatbot 面的主戰場)
Ahrefs 75K 相關性(E3):YouTube 提及 0.737 = 最強因素;品牌全網提及 0.656–0.709;反向連結 ≤0.218 ≈ 無關。
| 動作 | 醫療垂直特化 |
|---|---|
| YouTube 內容(衛教影片+完整描述) | 醫師出鏡衛教;學會頻道 |
| 機構型來源運營(佔醫療引用 ~30%,水平工具無此動作庫 = 我方差異化) | 學會官網(TDSMA 模式)、衛署核可資訊、醫院/診所檔案、期刊 |
| Reference 層:Wikipedia/Wikidata 條目與 Q-ID 維護 | 既有 brand_sites Q-ID 資產直接複用 |
| Entity 佐證:sameAs/NAP 全網一致、Google Business Profile、學會/名錄登錄、醫師資歷實體化(漏斗條件 3;產品化=Entity Corroboration Engine,對映 PRD §2.5 MKG) | Wikidata Q-ID + brand_registry 為基礎 |
| Social-UGC:Reddit/論壇/在地社群的真實存在 | 合規紅線內;不做灌水 |
| 無連結品牌提及(unlinked mentions)爭取 | E3:比反向連結更有份量 |
T4 — 站點生成閉環(cited-factory;產品護城河)
引用缺口(4.3-1)+ 內容缺口(4.3-2)→ 產生 build brief → cited-factory 生成全站合規醫療站(schema/llms.txt/local-readiness/brand-binding)→ 回到 Layer M 量 lift。此為 §0.0 定案的 deliberate non-alignment:市場領導者生成內容,我們生成整站。
6. Layer V — 驗證層(沒有驗證的優化 = 迷信)
6.1 離線探測預演(FeatGEO-style,E2)
高成本動作(T4 建站、大改寫)上線前,以「候選頁插入引擎 + 叢集代表 prompts 重跑」做離線 A/B 預演(對標 FeatGEO 的 realize→insert→evaluate 迭代;其在三引擎自報 +37–96%)。實作掛在 eval_harness.py;MOCK 模式供 CI。
6.2 上線因果歸因(M5.5 holdout,既有設計)
叢集級 holdout:同 specialty 內保留未優化對照組;優化前後對比 + 模型 drift 註記(Layer W)排除「模型變了」的假 lift/假跌。
6.3 動作權重回寫(讓動作庫自我修正)
每季彙整:動作 × 叢集類型 × regime × 引擎家族 → 實測 lift 分布,更新 §5 各動作的優先權重。文獻(E1/E2)只提供先驗,自有 lift 資料是後驗——這是垂直 SaaS 對水平工具的資料護城河(所有學術數字皆來自離線模擬,真實生產引擎的縱貫實驗面板文獻中不存在)。
7. Layer W — 週期性 LLM 變動檢測制度(Model-Currency Watch)
動機:生成引擎 2023–2026 已迭代三代模型;GEO-Bench(E2)證明手法效果跨模型/資料集劇烈不穩;引擎來源偏好會整批改變(如 Reddit 授權後引用暴增,E3)。沒有 Layer W,Layer O 的動作庫會在某次上游改版後靜默失效。 本節把 PRD §0 原則 4(model drift ≠ site drift)與 MCC(
measure/mcc.py)制度化為固定節奏。
7.1 監視對象(四個訊號源)
| 訊號源 | 內容 | 實作 |
|---|---|---|
| S1 模型登錄異動 | 各引擎 API model-list / 版本字串 / release notes / changelog(OpenAI、Google(AIO+Gemini)、Perplexity、Anthropic、Microsoft) | measure/registry.py 每日 diff;版本字串變更 = 事件 |
| S2 Canary 哨兵集 | 每引擎固定 30–50 條凍結 prompts(跨 specialty、含已知答案分布與來源組成基準);與客戶 prompts 隔離、永不優化其對應內容 | measure/mcc.py 每日跑,存分布基線 |
| S3 行為漂移指標 | (a) 答案波動率(canary 同 prompt 跨日語義相似度);(b) citation churn(引用網域集合的週翻轉率);(c) 來源組成偏移(八分類佔比 vs 基線,如 Social-UGC 佔比週跳 >10pp);(d) 引用寬度(每答案來源數——Semrush 實測 ChatGPT ~15 vs Gemini ~3,E3,本身就是版本指紋);(e) 拒答/格式突變率 | 由 S2 資料計算,週報 |
| S4 研究/業界雷達 | arXiv 新 GEO/AEO 論文(cs.IR/cs.CL 關鍵字訂閱)、五大競品 changelog、引擎官方部落格 | 季度人工彙整 → 方法論版本評審 |
7.2 節奏表(cadence)
| 頻率 | 動作 | 產出 |
|---|---|---|
| 每日 | S1 registry diff;S2 canary 跑分(便宜引擎全量、貴引擎抽樣) | 異常即時事件 |
| 每週 | S3 漂移週報(五指標 vs 基線);診斷四件套(§4)刷新 | tenant 圖表上的 drift 註記 |
| 每月 | 校準抽樣(API vs 真實介面,measure/calibrate.py);canary 集健檢(死 prompt 汰換,汰換率 ≤20%/次以保基線可比) | 校準偏移量更新 |
| 每季 | §6.3 動作權重回寫;S4 文獻/競品雷達評審;動作庫再驗證(對仍在庫動作抽樣重跑離線探測) | 方法論 minor version bump |
| 事件觸發 | 見 7.3 | re-baseline SOP |
7.3 告警閾值與分級(初始值,依實測變異調整並版本化於 ADR)
| 級別 | 觸發(任一) | 含義 |
|---|---|---|
| W-INFO | S1 版本字串變更但 S3 五指標皆 <1σ | 模型小改,僅戳記 |
| W-WARN | 任一 S3 指標連續 3 日 >2σ;或 citation churn 週值 >40% | 行為漂移,圖表註記+人工看 |
| W-CRIT | ≥2 個 S3 指標 >3σ;或來源組成單類偏移 >15pp;或 canary Visibility 整體移位 >10pp | 引擎行為結構性改變 |
7.4 W-CRIT 響應 SOP(re-baseline)
- 凍結:暫停該引擎的自動優化建議產生(Layer O 對該引擎降為唯讀)與 lift 判讀;
- 戳記:全 tenant 時序圖插入 model-change 註記(客戶看到的是「引擎改版」而非「你的網站壞了」——claims-honesty 的一部分);
- 重建基線:canary 重跑 N≥5 建立新分布基線;校準抽樣提前執行;
- 再驗證:動作庫抽樣(每 tier 至少 2 個動作 × 2 個叢集型)重跑離線探測,確認效果方向未反轉;反轉者降級或下架;
- 解凍:新基線 + 再驗證通過 → 恢復建議產生;全程記錄於
GL_LESSONS.md式的 drift log。
7.5 對外語義
Drift 事件是產品功能不是內部債:「我們偵測到 ChatGPT 於 X 日改版,你的可見度變化中 Y% 歸因於引擎改版」是 Profound 也未公開做到的信任面——正因所有學術結論都在單一模型快照上取得(E1/E2 共同缺陷),持續 re-baseline 的縱貫資料本身就是護城河資產。
7.6 v1 實作偏差(誠實記錄;ADR-021,2026-07-05)
首版 Layer W 實作(scheduler.daily_canary + measure/drift.py + measure/alerts.classify_drift + measure/wfreeze.py)與本節設計的偏差,依 s3.2 誠實記錄:
- S2 規模:§7.1 設計為每引擎 30–50 條;v1 為 14 條共用凍結集(
eval/canary_prompts.json),受每日成本上限CANARY_MAX_CALLS(預設 40 call/日)約束——Gate B 通過前不擴量。凍結、隔離、≤20% 汰換原則不變。 - 閾值口徑:§7.3 的「>2σ/連續 3 日」需要各引擎的變異分布史,v1 尚無 → 以固定暫定閾值、單日評估近似(WARN:波動 >50%、churn >40%、來源組成 >10pp、引用寬度 ±50%、拒答 >20%;CRIT:≥2 指標超標 / 單類 >15pp / canary 可見度 >10pp)。閾值為 module constants,版本化於 ADR-021;累積數週實測變異後改回 σ 制。
- S3(a) 相似度:語義相似度以確定性 shingle(英文詞+中文雙字)Jaccard 近似,非嵌入式語義比對——可解釋、零成本、CI 可測;真實引擎逐次改寫措辭,故不用 MCC 的精確 fingerprint(會日日飽和 100%)。
- 7.4-1 凍結粒度:設計為「暫停該引擎的自動建議」;v1 的建議物(brief/opportunity)尚未分引擎 → 任一引擎 W-CRIT 即全域暫停自動 T2 內容建議(保守方向),涉事引擎記錄於凍結狀態檔;T1/T3 項目照常。解凍僅限 admin 端點(
POST /api/admin/drift-freeze/clear),不自動。 - 每月 canary 健檢(死 prompt 汰換)與 S4 雷達維持人工 SOP,未自動化。
8. 反模式清單(禁止事項,附依據)
- 量測後套固定 checklist 給所有客戶 — 違反 A2(GEO-Bench 跨集不穩、FeatGEO 飽和效應)。
- 對已流暢(llm-fluent)頁面自動產生改寫建議 — E2 實測負效。
- 逐查詢優化不做叢集衝突消解 — E2:27–39% 查詢反受損。
- 向客戶承諾固定提升百分比(「+40%」) — 該數字是單快照模擬值且無信賴區間(E1 自身限制);憲法 s3.2。
- 關鍵字堆疊/詞彙層建議 — E1 一致無效或有害。
- 以反向連結數量為 off-site KPI — E3:相關性 ≤0.218;改用品牌提及/YouTube/機構來源。
- 把 drift 當雜訊吞掉不戳記 — 違反 PRD §0 原則 4 與 7.4-2 的 claims-honesty。
- 在 canary 集對應內容上做優化 — 污染哨兵基線(7.1-S2)。
9. 參考文獻
學術(經 3 票對抗驗證)
- Aggarwal et al., GEO: Generative Engine Optimization, KDD 2024 — https://arxiv.org/abs/2311.09735 (E1)
- C-SEO Bench: Does Conversational SEO Work?, NeurIPS 2025 D&B — https://arxiv.org/abs/2506.11097 (E1)
- GEO-Bench: Benchmarking Ranking Manipulation in GEO — https://arxiv.org/abs/2605.29107 (E2)
- FeatGEO(13 特徵 NSGA-II 迭代閉環)— https://arxiv.org/pdf/2604.19113 (E2)
- IF-GEO(多查詢衝突感知融合)— https://arxiv.org/pdf/2601.13938 (E2)
業界第一方(2026-07-05 查核)
- Profound:help.tryprofound.com(AEI 指標定義)· tryprofound.com/features/{aim,agents,agent-analytics,prompt-volumes}· blog/enhanced-citation-categories(27M citations 八分類)· blog/the-data-on-reddit-and-ai-search (E3)
- Ahrefs:ahrefs.com/blog/ai-brand-visibility-correlations(75K 品牌相關性)· ai-search-overlap(12%/37.9%)· top-10-most-cited-domains-ai-assistants (E3)
- Semrush:enterprise.semrush.com/solutions/ai-optimization · semrush.com/blog/the-ghost-citations-study(62%)· 2026 AI Visibility Index(126M prompts)(E3)
- Scrunch(AXP+抓取方法 FAQ)· Athena(Content Agents/Prompt Volume)· Otterly(GEO Content Audit)· Peec(引用缺口)· BrightEdge(Autopilot)· Conductor(AI traffic→revenue)· seoClarity(週期機率式檢測)(E3/E4)
版本紀錄
- v1.0(2026-07-05):初版。deep-research 109-agent 工作流 + 3 業界研究代理收斂;Layer W 為新增制度。
- v1.1(2026-07-05):J総裁裁決本文件為唯一方法論;併入
AI_VISIBILITY_METHODOLOGY_v1.md(他 session 草稿)之獨特內容——§4.0 可見度漏斗六條件診斷序、T3 Entity 佐證列、產品缺口指向(Entity Corroboration / Distribution Orchestration,對映 PRD §2.5/未來里程碑);該草稿及其method/ai-visibility分支即日刪除。其 E4 級來源數字(own-site 5–10%、90% 站外、schema +67% 等)不採為承諾依據,僅保留方向性框架。