生活分享

怎麼量 AI 引用：測得到的、測不到的，與不能相信的分數

AI 回答裡出現自己的網站，到底量不量得到？這篇不重複 Search Console 的操作流程，而是講量測邊界：referrer 依規範預設只送來源網域、伺服器日誌記的是爬蟲取用而不是使用者看到引用、自己問一次 AI 不構成樣本。另外整理 Google 與 Bing 官方報表自己寫明的涵蓋範圍與限制，以及看到「AI 能見度分數」時該追問的三個問題。查證日 2026 年 9 月 14 日。

更新日期: 閱讀時間約 7 分鐘

插圖：一支量尺只量得到最上面一格，下面兩格是虛線的框，量不到。
圖片：Mokaair (© Mokaair)

回答裡出現自己的網站，量不量得到？結論是：量得到的比想像中少。這篇不重複站上的 ，那篇負責 Search Console 的操作流程；這篇只講量測邊界。

讀完能把曝光、取用、到站分開記錄，知道每一件由哪份官方文件定義、看不到什麼。本文查證日為 2026 年 9 月 14 日；本站沒做過實測，不承諾排名、索引、引用或流量結果。

先把三件事分開：曝光、取用、到站

量測會亂，多半是三件事被當成同一件：曝光是連結出現在某則 AI 回答裡，取用是程式抓走你的網頁，到站是有人真的點進來。三者的時間、記錄者與證據來源都不同。

它們也不互相保證：被取用不代表內容進了回答，被引用不代表有人看到，有人到站也未必知道他從哪個介面來。

referrer 看得到什麼、看不到什麼

referrer（HTTP 的 Referer 標頭）是瀏覽器跳轉時附上的來源位址。依照 W3C 的 Referrer Policy 規範，預設政策是 strict-origin-when-cross-origin：跨站請求只送來源的 origin，不送完整網址；來源是加密連線而目的地不是時不送，指定 no-referrer 時則整個省略。

所以 referrer 預設只回答一件事：這次到站從哪個網域來。Google Search Central 在 2012 年 3 月 19 日的官方公告就說明過，Google 用 referrer meta 標籤簡化搜尋結果送出的來源網址，網站收到的是 Google 的裸主機名。

  • 能回答：這次到站從哪個網域來。
  • 不能回答：問了什麼、引用哪幾頁、你排第幾、多少人看過那則回答。
  • 可能完全沒有：設了 no-referrer、從加密連線連到未加密網址，或不是一般跳轉。

廠商有官方說明嗎？OpenAI 說明中心的發布者常見問題寫明，ChatGPT 會在推薦網址加上 utm_source=chatgpt.com 這個 UTM 。那是網址參數，不是 Referer 標頭，複製網址或重新導向就會消失。其他助理是否送出 referrer，查證時沒找到同等級的官方說明，以官方文件為準。

「內容被寫進模型」那類主張為什麼從外部拿不到證據，站上的 分得比較細。

圖解：曝光、取用、到站三層，各自由誰記錄、能回答什麼、不能回答什麼。
由上往下看三層：先看誰記錄，再看它能回答什麼、不能回答什麼。 · 圖片：Mokaair (© Mokaair)
閱讀完整文字說明

一張由上往下的三層範圍圖，說明量 AI 引用時能拿到什麼證據。第一層是曝光，由搜尋引擎自己的站長工具記錄，能回答你的連結在生成式 AI 功能中被顯示幾次、在哪些頁面與哪些國家，不能回答使用者問了什麼、有沒有人真的看到那個連結，也不含實驗性功能與超出列數上限的資料。第二層是取用，由你自己的伺服器日誌記錄，能回答哪個爬蟲在什麼時間抓了哪一頁，不能回答那次抓走的內容有沒有被寫進回答、有沒有人看到；圖上並標出爬取與使用者觸發是兩種不同的請求。第三層是到站，由你自己的分析工具記錄，能回答這次到站從哪個網域來、網址上帶了什麼參數，不能回答使用者問了什麼、回答引用了哪幾頁，而且來源網頁的政策可能讓來源位址完全不送出。三層之間用虛線箭頭連接，並標明上一層發生不保證下一層發生。圖的右側另有一個框，寫著自己去問一次 AI 只是一則觀察，不是量測。圖的最後註明本圖只說明證據拿不拿得到，不代表任何成效承諾。

伺服器日誌記的是爬蟲取用，不是使用者看到了引用

日誌裡 AI 相關 user agent 的請求次數常被當成「被引用幾次」，這是兩件事。依照 OpenAI 的爬蟲官方文件，OAI-SearchBot 用於讓網站出現在 ChatGPT 搜尋結果，GPTBot 抓的內容可能用於訓練 基礎模型，ChatGPT-User 則是使用者提問時系統去造訪網頁的請求，官方寫明這類動作由使用者發起。

Perplexity 的官方文件做了同一組區分：PerplexityBot 是爬蟲，Perplexity-User 是使用者要求的抓取。

日誌裡的一次請求只證明有程式來取用：不保證內容進了回答，不保證回答附上你的連結，也不保證有人看到。反過來也一樣：回答可能引用你的頁面，用的卻是早就抓好的索引，日誌一行都不會多。

自己去問一次 AI，不構成量測

打開 AI 介面問一題自己的主題，看回答裡有沒有自己的網站——這是有用的定性觀察，但不是量測，三個理由都有官方文件可對照。

第一是樣本：一次查詢就是一個樣本，問法還是你自己想的。第二是隨機性：OpenAI 的 API 文件說明 seed 參數時寫明，即使給相同的 seed 與參數也只是盡力穩定取樣，不保證決定性；Google 的 AI 功能文件也寫明，AI 模式與 AI 摘要可能用不同模型與技術，呈現的回答與連結會有差異。

第三是個人化：Google 搜尋說明中心寫明，AI 模式的個人化功能會參考你先前的搜尋與搜尋服務紀錄裡的活動；Search Console 的說明也提醒，自己搜尋看到的位置可能因搜尋紀錄、所在地而與報表平均值不同。

官方報表給了什麼，邊界寫在哪

有官方定義的曝光數字來自搜尋引擎自己的站長工具。Google Search Central 在 2026 年 6 月 3 日的公告宣布推出 Search 生成式 AI 成效報表，並加註 2026 年 8 月 31 日已對全球開放；說明中心寫明報表涵蓋 AI 摘要與 AI 模式，提供曝光，可依頁面、國家、裝置分組。

官方也把邊界寫清楚：不含 Search Labs 實驗的資料；沿用一般成效報表的限制，包括介面 1,000 列上限；2022 年 10 月 19 日的官方說明另外解釋匿名化查詢——兩到三個月內只有數十位以下使用者查過的字串不列進表格，卻算進圖表總數，各列加總本來就不等於總數。

Bing Webmaster Tools 在 2026 年 2 月的官方部落格介紹 AI Performance 時寫明，資料涵蓋 Microsoft Copilot 與 Bing 的 AI 摘要等介面，並指出引用次數反映的是被引用頻率，不是頁面重要性、排名或版位，其中的檢索用語只是整體引用活動的樣本。

各管道的涵蓋範圍，依據為各家官方文件與 W3C 規範，2026 年 9 月查證。
管道能回答不能回答
Search Console 生成式 AI 報表AI 摘要與 AI 模式的曝光，可依頁面、國家、裝置分組問了什麼、Search Labs 實驗、超出列數上限的資料
Bing 的 AI Performance支援介面的引用次數與被引用頁面版位、排名、重要性；檢索用語是樣本
伺服器日誌哪個 user agent、何時、抓哪頁內容有沒有進回答、有沒有人看到
referrer 與網址參數到站從哪個網域來、網址帶的參數問了什麼、引用哪幾頁；參數掉了就沒有

把這幾欄當成小型評測來設計會踏實得多——站上的 講的就是這套思路。

看到「AI 能見度分數」時，先問三個問題

市面上有工具會給一個「AI 能見度分數」。這節不評論任何公司，只講方法論：廠商的行銷資料怎麼說是一回事，分數能不能拿來做決定是另一回事，後者看三件事。

  1. 樣本：用了哪些查詢、幾條、誰決定的、多久重跑、帳號與地區怎麼設定？
  2. 稽核：官方說明寫明生成式 AI 的曝光數字要先驗證網站所有權才看得到；第三方沒這條管道，數字來自別的方法。
  3. 重現：同一組問法重跑一次差多少？官方文件已寫明回答不保證決定性且會個人化。

三個都答不出來，那個數字就不該拿來做決定；對方能不能回答，本身就是資訊。

可以誠實做的事

接受量測有邊界，不等於什麼都不做。可以做的是把不同層次的紀錄分開，並寫下來源與限制。

  1. 曝光一欄：只放官方站長工具報表的數字，註明那份報表寫明的涵蓋範圍與限制。
  2. 取用一欄：從日誌統計 AI 相關 user agent，依官方文件註明哪些是爬取、哪些是使用者觸發。
  3. 到站一欄：用 referrer 網域與網址參數辨識來源，接受有一部分無法歸因；業界普遍會另外加自己的追蹤參數，官方文件沒說明它在 AI 介面的效果。
  4. 定性一欄：自己問 AI 的觀察記成有日期、有問法、有帳號狀態的紀錄，不是量測。

有一句話值得寫進報告：目前沒有公開管道能讓站外的人知道某則 AI 回答被多少人看過、你的連結排第幾。承認邊界，比生出一個看似精確的數字誠實。

這篇是搜尋最佳化名詞系列的一篇，各家縮寫的分歧整理在 裡。

同主題延伸閱讀

  • 生活分享

    搜尋沒有點擊怎麼辦：用讀者任務重新看流量價值

    讀者在搜尋頁找到營業時間、電話或簡短答案，可能不必進入網站。這不代表每次未點擊都成功，也不能用網站 CTR 推算整個搜尋的零點擊率。本文以原創衣物修改店案例，從查資料、比較服務與預約需求出發，整理搜尋呈現、商家互動與實際任務的檢查方法，附比較表、操作步驟和原創 SVG 圖解。

  • 生活分享

    Perplexity 入門：附引用的 AI 搜尋、方案與隱私設定

    Perplexity 是把答案和引用放在一起的搜尋 AI。這篇說明一次查詢怎麼跑完五步、和 Google 搜尋與 ChatGPT 搜尋差在哪、官網現在的方案價格與額度、Search 與 Deep Research 等模式怎麼挑、可選哪些模型、Spaces 與檔案上傳限制，以及 AI data retention 在哪裡關。數字查自 2026 年 9 月 14 日的官網。

  • 生活分享

    網站 AI 搜尋怎麼規劃：內容索引、回答與搜尋紀錄

    網站搜尋 AI 上線前，先決定哪些內容可被引用，以及找不到答案時如何回應。本文以原創手作展館網站為例，整理內容索引、來源引用、資料權限與更新驗收，並設計一份可用 Notion 管理的搜尋改善紀錄。附操作步驟、欄位比較表和自繪圖解，協助站長從讀者問題找出內容缺口，同時避免把全部查詢與個人資料直接存進共用工作區。

  • 生活分享

    AI 搜尋曝光怎麼量：提示問題、引用與工具限制

    AI 回答提到品牌、附上網站連結與真正帶來造訪，是不同的觀察結果。本文以原創地方活動網站案例，建立固定問題集、重複觀察及引用核對流程，並比較 Google 生成式 AI 曝光、Bing 引用資料與站內分析各能回答什麼。附操作步驟、工具比較表和原創 SVG，協助讀者保留樣本與分母，不把單次回答寫成市場排名。

引用本文的文章

最新旅遊情報攻略

資料來源

生活分享