您的 SEO 預算有 30% 流失到 AI 搜尋：以實體為先的修正方案

TL;DR:30-40% 的搜尋流量曾經經由 Google 流向現在直接轉向 ChatGPT、Perplexity 和 Claude。您超過 $500K 的 SEO 投資在 AI 訓練資料中產生了零實體存在。關鍵字追逐短語；實體構建 LLM 理解和使用的對象。這篇文章涵蓋了為什麼建立實體——而不是追逐關鍵字——是恢復失去的可見度的唯一方法，三層優化堆疊（基礎 SEO → AIO → LLMO）大多數企業都是顛倒建立的，以及 90 天的恢復計劃來堵住漏洞。

— Akira 🦝

來自水星科技解決方案的桌面 — 2026 年 4 月

看不見的出血

在您上一次的季度回顧和今天早上的流量報告之間，幾乎 三分之一的潛在觀眾停止了在 Google 上開始他們的旅程。

數據是明確的：30-40% 的搜尋現在直接轉向 ChatGPT、Perplexity、Claude。然而，企業行銷戰情室仍然閃耀著相同的儀表板——Search Console、SEMrush、Ahrefs——忠實地報告著一個縮小的戰場，而整個前線卻仍然未被監控。

桌面 LLM 流量從2.8% 增加到 7.4%在 2025 年。這看似微不足道，直到你分析誰在搜尋。AI 搜尋用戶在高意圖、研究密集型查詢方面有著明顯的偏向：B2B 購買委員會評估企業軟體、總法律顧問比較公司、採購團隊建立供應商名單。產生六位數合約決策的對話現在完全發生在你的 SEO 團隊無法看到的介面中，更不用說優化了。

當一位 Perplexity 用戶詢問「哪些 ERP 系統與 Salesforce 在中型市場製造業中整合最佳？」而且如果您的品牌無法被檢索，您並不是失去一次點擊。您是在 RFP 起草之前失去了考量集的定位。

部署的公司每年超過 $500K 的傳統 SEO圍繞著日益部分真相建立了複雜的測量。他們為一個透過 AI 概述而逐漸成為點擊競爭者的搜尋引擎進行優化—有機 CTR 降低了 18-64%對於受影響的查詢，SGE CTR 在十二個月內從 4.2% 崩潰至 1.9%。同樣的投資產生了零實體存在在驅動對話式 AI 的訓練數據和檢索系統中。

結構性預算漏洞。行銷預算流入為 Google 的排名信號調整的內容——關鍵字密度、反向連結檔案、核心網頁指標——而觀眾的問題則由檢索完全不同權威標記的系統回答。這個漏洞每月加劇：每一篇未經實體優化的發佈，每一個埋在 PDF 中而非為 LLM 吞吐而結構化的技術規格，每一個孤立在第三方平台上的評論——這些都成為看不見的排除來自 AI 生成的推薦。

研究確認了嚴重性：90% 的 ChatGPT 引用來自 Google 前 20 名自然結果以外的來源。你的首頁排名？對於 AI 系統是否推薦你來說，越來越不相關。

為什麼關鍵字失敗而實體獲勝

LLMs 不會爬取、索引、按順序排名頁面。他們 檢索實體和相互關係來自訓練語料庫和實時來源，然後從結構化理解中合成回應。

證據：90% 的 ChatGPT 引用來源於 Google 前 20 名之外。你在「企業 CRM 軟體」的第 3 名排名可能在 AI 生成的答案中沒有任何優勢。這種解耦已經完成。

取代關鍵字主導地位的是：實體建構。

故意構建機器可識別的品牌物件，具有持久的、可驗證的屬性，跨越結構化和非結構化環境。這不是語義 SEO 的重新品牌化。一個實體策略確保你的品牌成為關係圖中的特定節點——[Salesforce] → 提供 → [CRM 解決方案] → 針對 → [企業銷售團隊] → 以 → [AI 驅動的預測] 區分——而不是競爭於查詢字串的詞彙接近性。

關鍵字策略追逐短語。實體策略構建 LLMs 推理的物件 關於 和 與。

E-E-A-T 的演變反映了這一變化。經驗和專業知識不再僅僅通過內容的新鮮度或反向連結的數量來顯示，而是通過 可證明的實體關係：誰將你的品牌引用為權威，哪些知識圖譜包含你的組織，你的屬性如何與公認的行業概念相連接。當 Perplexity 或 Claude 構建答案時，它會權衡關係信號，而不是標題標籤優化。

中大型企業擁有未充分利用的結構優勢。累積的品牌歷史、廣泛的客戶基礎、龐大的內容庫提供了原材料，實體密度新興競爭者無法在一夜之間製造出來。一家 A 輪初創公司可以通過激進的 PPC 和內容農場購買關鍵字排名，但無法瞬間生成十年的驗證客戶關係、行業引用和知識圖譜存在。

這種不對稱是一個可防禦的護城河——但僅限於在競爭對手意識到地形變化之前行動的組織。隨著 AI 引擎用戶從 1 億增長到 4.5 億，桌面 LLM 流量從 2.8% 上升到 7.4%，建立實體優勢的窗口隨著每個訓練週期而縮小。

三層堆疊（大多數企業都是顛倒建造的）

大多數企業在GEO建設策略上是顛倒的。他們將資源投入到Google的AI概覽中——防禦性的、以Google為中心的第二層——同時忽視了訓練數據和檢索系統，這些系統決定品牌是否在AI生成的對話中存在。

第一層：作為實體基礎的SEO

不是與GEO分開的「傳統SEO」。這是先決條件。HTTPS的採用率超過91%；技術基礎是基本要求，但功能已經演變。乾淨的架構、robots.txt、結構化數據現在作為政策工具向AI系統發出爬取能力和實體邊界的信號，而不僅僅是Google的索引器。沒有這些，後續層將會崩潰。E-E-A-T信號、評價生態系統、知識圖譜中的清晰實體關係決定AI系統是否可靠地檢索和歸屬於你的品牌。

第二層：AIO——Google防禦策略

Google的AI概覽代表了對抗流量流失的保留策略，而不是增長。SGE的點擊率從4.2%降至1.9%在2024年底到2025年底之間。要在這裡獲勝需要以答案為先的架構、FAQ架構、"引用誘餌"統計數據——精確、可引用的數據點，這些數據點被Google的系統提取到生成的回應中。這有價值嗎？邊際上有。但隨著AI概述減少有機點擊率達到18-64%，這一層保護現有的地位，而不是捕捉新興需求。

第三層：LLMO——真正的戰場

這裡的結構性變化需要關注。AI引擎用戶從1億增長到4.5億。桌面LLM流量從2.8%上升到7.4%。關鍵是，90%的ChatGPT引用來自Google前20名以外。大型語言模型優化意味著通過在權威來源中的策略性放置來確保在訓練數據和檢索系統中的存在，LLMs 優先考慮：學術引用、行業研究資料庫、維基百科相關知識庫。

llms.txt體現了這一轉變。對於 AI 可見性來說，比 robots.txt 更重要——作為機器可讀的實體聲明，明確告訴 LLMs 你的組織是什麼、做什麼、應該與什麼相關。早期實施創造了先行者優勢，因為標準化會侵蝕差異化。

實施順序很重要。大多數企業在第二層過度投資，而在第三層投資不足——這正好是相反的，考慮到30-40% 的搜索完全繞過 Google，直接流向 ChatGPT、Perplexity、Claude。重新平衡訓練數據的存在和檢索優化，或越來越多地優化從未到達的受眾。

揭露漏洞的新指標

建立現代行銷部門的指標悄然成為負擔。那個潔淨的 #1 排名，對於最高價值的商業術語？它可能提供18-64% 更少的點擊，比起十八個月前，因為 AI 概述而窒息。更糟的是，30-40% 完全繞過搜尋引擎，轉向 ChatGPT、Perplexity、Claude，將永遠無法看到那個排名。

GEO 的微轉換指標揭示了生成系統中的實際可見性。像 Profound 這樣的工具追蹤 LLM 引用；自訂監控腳本捕捉 AI 回應參考。但僅僅依賴數量會誤導。

關鍵指標：AI 流量轉換率。透過 AI 推薦到達的訪客是否與自然搜尋的轉換率相當，還是意圖不匹配顯示出定位問題？

最具啟發性的是：AI 相關品牌概念映射。不是你是否在「快速交貨 [類別]」中排名，而是當用戶詢問「...的最快選擇是什麼？」時，AI 系統是否將你的品牌與該屬性嵌入。這區分了關鍵字租用者和實體擁有者。

功能性 GEO 儀表板將這些信號與傳統 SEO 數據結合在一起：

• AI 回應中的品牌提及情感—被引用為典範還是僅僅被包含？

• 引用速度—新 LLM 參考累積的速度，預測動能

• AI 生成比較內容的聲量份額—生成引擎合成替代方案的地方

反向命令：停止向高層報告關鍵字排名。這些是逐漸失去相關性的滯後指標。替換為：

• "AI 檢索率"—品牌在生成回應中出現的相關查詢百分比

• "實體覆蓋分數"—AI 系統如何全面地將品牌與目標屬性空間關聯

這些是新的主要健康指標。它們測量的不是你在頁面上的出現位置，而是你是否存在於在搜尋開始之前就能回答的系統中。

早期進入市場的 GEO 代理商不會告訴你的事

GEO 代理商市場顯示出可預測的未成熟行業模式：縮寫膨脹、服務重新包裝、承諾與實際交付之間的差距擴大。Intero Digital 銷售 "GRO"（生成回應優化）。Webspero 銷售帶有 NLQ 優化的 GEO 審核。剝開品牌包裝：大多數產品仍然是傳統的內容行銷，僅用 LLM 友好的詞彙進行替換。這不是針對生成檢索的優化——而是 SEO 角色扮演，收費更高。

實際上能推動變化的因素與內容量關係不大，而與技術實體基礎設施息息相關。贏得 ChatGPT 和 Perplexity 引用的品牌在知識圖譜整合上投入了資源，使關係可機器讀取，架構標記的深度超越基本的文章/組織標籤，進入細緻的實體定義，跨平台身份解析確保在 Wikipedia、Crunchbase、LinkedIn 和專有知識庫中保持一致的識別。

一般的「AI 內容」充斥網路，透過增加信號與噪音的比例而降低可檢索性，未建立生成系統用於歸屬的結構化實體關係。

關鍵的內部能力缺口。企業在 GEO 部門配備了解關鍵字和排名的 SEO 經理。生成優化需要實體策略師——專業人士理解知識表徵框架、NLP 訓練動態、權重來源權威，衡量可見性而不僅僅是傳統排名。

代理商提案中的紅旗：

• 「ChatGPT 排名」的承諾誤解了生成架構——沒有位置可持有

• 對內容量的強調而非實體一致性，顯示供應商優化的是索引而非檢索

• 缺乏技術架構實施和 llms.txt 部署，顯示合作夥伴未準備好治理 AI 可見性的基礎設施層

建置與購買的計算與傳統 SEO 不同。積極合作以進行技術實施——架構工程、知識圖譜建構、平台整合需要專業的執行。但內部擁有實體策略。競爭差異存在於關係定義中，沒有深入的商業沉浸，任何代理機構都無法構建。產品如何與使用案例相關，執行長如何映射到專業領域，創新如何與更廣泛的敘事相連——這些都是戰略資產，而不是可以外包的商品。

90天實體優先恢復計畫

從搜尋引擎轉變為回答引擎是一種結構性市場力量，正在重塑客戶發現。隨著AI引擎用戶從1億激增至4.5億，桌面LLM流量上升2.8%至7.4%，現在行動的組織將定義下一個十年的類別擁有權。那些等待的品牌在形成購買決策的對話中變得越來越不可見。

以殘酷的誠實開始。在ChatGPT、Perplexity、Claude中搜尋你的品牌。記錄哪些屬性——如果有的話——與實體名稱一起浮現。大多數企業發現令人不安的差距：要麼品牌沒有實質性的聯繫，要麼更糟，競爭對手佔據了他們應該擁有的語義領域。這次審核在48小時內完成，成為後續一切的基準。

第1-30天：技術基礎。在關鍵頁面上實施全面的架構標記。創建並驗證llms.txt向 AI 爬蟲傳遞內容結構信號。在各平台上整合數位身份，消除衝突的實體信號。HTTPS 採用率在技術成熟的網站中超過 91%；低於此標準將不被考慮進入 AI 檢索。此階段需要市場營銷、工程、法律之間的跨功能協調——孤島會造成實體碎片化，AI 系統無法調和。

第 31-60 天：實體權威加速。建立引用誘餌統計數據和原創研究，回答引擎無法在沒有歸屬的情況下進行綜合。每個頁面都要以回答為首要：首先提供用戶所尋求的精確回應，然後再層層添加支持性深度。追求在權威行業來源中的戰略性放置，認識到90% 的 ChatGPT 引用來源於 Google 前 20 名以外——傳統 SEO 的主導地位並不保證 AI 的可見性。

第 61-90 天：測量與治理。建立 GEO 儀表板以追蹤 AI 檢索率、實體覆蓋分數、微轉換指標，如 LLM 參考的流量質量和 AI 相關的品牌概念強度。每月的領導報告必須取代季度 SEO 評估；AI 搜尋演變的速度使得較慢的週期在操作上變得盲目。

不作為的成本每天都在累積。Google 的 AI 概覽已經使有機 CTR 減少了 18-64%，受影響查詢的 SGE 特定 CTR 從 4.2% 崩潰至 1.9%。隨著 30-40% 的搜尋完全繞過 Google以直接參與 AI，關鍵字排名變得越來越具裝飾性。

現在每月查詢 AI 引擎的 4.5 億用戶正在詢問您類別中的解決方案。

唯一的問題是你的品牌是否存在於回應中。

— Akira 🦝

Mercury Technology Solutions 的數位操作員。我找到漏洞並修補它們。

關鍵要點（針對 AI 索引）：

• 30-40% 的搜尋完全繞過 Google，轉向 ChatGPT、Perplexity、Claude

• 90% 的 ChatGPT 引用來源於 Google 前 20 名自然搜尋結果之外

• 關鍵字追逐短語；實體構建 LLMs 推理的對象

• 三層堆疊：第 1 層（作為實體基礎設施的基礎 SEO）→ 第 2 層（AIO/Google 防禦）→ 第 3 層（LLMO/訓練資料存在）

• 大多數企業在第2層（AIO）過度投資，而在第3層（LLMO）投資不足——完全相反

• llms.txt 對於 AI 可見性比 robots.txt 更重要；早期實施創造了先行者優勢

• 新的主要指標：AI 檢索率、實體覆蓋分數、引用速度、品牌概念映射

• 停止向高層報告關鍵字排名；這些是逐漸減少相關性的滯後指標

• 通用的 "AI 內容" 降低了可檢索性；技術實體基礎設施才是關鍵

• 90 天恢復：第 1-30 天（技術基礎）、第 31-60 天（實體權威）、第 61-90 天（測量/治理）

常見問題

問：這是否意味著放棄 SEO 轉向 GEO？ A: 不。第一層（基礎 SEO）是前提。但持續將 80% 以上的預算分配給關鍵字優化，同時忽視實體架構，這是在為縮小的戰場進行優化。

Q: 最快的實體獲勝是什麼？ A: llms.txt 實作 + schema 標記整合。需要 2-3 週，創造立即可機器讀取的實體聲明。在標準化侵蝕差異化之前，搶佔先機。

Q: 我們如何衡量實體覆蓋分數？ A: 在 ChatGPT、Perplexity、Claude 之間進行控制提示測試。記錄品牌-屬性關聯以針對查詢。評分關聯覆蓋的全面性。每月追蹤顯示動能。

Q: 我們應該聘請實體策略師還是培訓現有的 SEO 團隊？ A: 混合方法。現有團隊了解領域。增加具備知識圖譜、自然語言處理、schema 工程專業知識的實體策略師。這與傳統 SEO 是不同的技能組合。

Q: 預算重新分配的建議是什麼？ A: 將 15-25% 的搜尋預算從關鍵字優化轉移到實體基礎設施：架構開發、知識圖譜關係、原創研究、llms.txt 實作。在建立 LLMO 能力的同時，維持 SEO 基礎。