AI 如何重塑 Google 搜尋？SEO 工作者的 5 個生存判斷

TL;DR：3 句話看完

• AI 不是 2024 才進搜尋：Google 早就把 BERT、MUM 塞進排序裡，AI Overviews 與 AI Mode 是介面層的革命，不是引擎層的新發明。
• fan-out 機制改寫 SEO 邏輯：Google 會把一個複雜問題自動切成多個子查詢平行抓資料，「單一關鍵字命中單一頁面」的玩法正在退場。
• 能活下來的網站只有一種：提供 AI 沒有的親身經驗、實戰判斷、人類觀點。規格表改寫的內容，AI 比你寫得更快更通順。

Google 搜尋一年要改超過幾千次。

不是我說，是 Google 自己人講的。在《Search Off the Record》這集 Google 官方 Podcast 裡，搜尋情報團隊（Search Intelligence）的 Nikola Todorovic 親口說：「certainly in thousands」。

每一次改動都要過 side-by-side（並排對比實驗）、人工評分員打分、launch review（上線審核）三道關卡，沒過就退回去改。

那為什麼大家覺得「AI 把搜尋掀了一個底朝天」是這一兩年才發生的事？

你知道為什麼嗎？

因為 AI Overviews（AI 摘要）跟 AI Mode（AI 模式）這兩個東西，第一次讓「搜尋這個動作」本身變了形。以前你在 Google 框框裡打的是關鍵字，現在你打的是一段話，甚至是一個你自己都還沒想清楚的問題。對網站擁有者跟做 SEO 的人來說，這是一個必須重新校準的時刻。

這篇文章是我整理 Search Off the Record - How AI Is Changing Google Search and SEO 這集 Podcast 加上自己的觀察寫成的。Nikola 在 Google 待了 15 年，從帶 SafeSearch（安全搜尋）團隊到現在做生態系統工作，講出來的東西比任何新聞稿都真實。

切入重點，分享給大家。

AI 不是新東西，只是換上了會講話的皮

第一個要打破的迷思：AI 進到搜尋裡，不是 ChatGPT 紅了之後才開始的。

Nikola 講得很清楚，Google 在生成式 AI 爆發前的好多年，就已經把機器學習塞進搜尋裡了。

最早是 SafeSearch 團隊用 ML 模型偵測不當內容；接著 CNN（卷積神經網路）讓圖片理解大躍進；然後是 BERT 跟 MUM（Multitask Unified Model），這些 Transformer（轉換器）架構的模型，已經在 Google 排序背後悄悄跑了好幾年。

差別是什麼？

以前 AI 是「躲在後面當一個排序信號」，你看不到它。現在 AI 是「直接跟你對話」，你看得到它，而且它會從多個網頁拉資料整合給你。

這就像從燒香拜拜進化到視訊通話神明。同一個神，介面差很多。

這場介面層的變革，其實對應到行銷學整體的世代翻新。如果你想看一個更上位的視角，可以參考我整理的 Kotler《Marketing 7.0》讀書筆記，那篇講的就是 AI 時代的行銷變局。

fan-out 機制：你打一個問題，Google 替你打十個

如果你問我，這集 Podcast 最值得 SEO 工作者畫重點的概念，就是 fan-out（扇形展開）。

簡單比較一下：以前你搜尋「蘇黎世素食餐廳」，Google 就拉「蘇黎世素食餐廳」這一組關鍵字的結果回來。

現在你搜尋「我吃素，今天中午想在蘇黎世找間餐廳，走路 10 分鐘以內、能吃到 falafel（鷹嘴豆球）」，Google 會自動把這個複雜問題切成好幾個子查詢：素食餐廳、蘇黎世市中心、現在營業中、有 falafel 的店，平行發出去抓資料，再讓語言模型把結果熬成一段摘要丟給你。

這就是 AI Overviews 的運作邏輯。

對 SEO 的衝擊在哪？

關鍵字配對的時代正在退場。如果你想看到 Google 演算法在電商情境下更具體的改動，這篇 Google Search 2026 Q2 更新：電商網站 SEO 的 6 大關鍵變革 整理過完整的版本變革時間軸。

你的內容如果只能命中一個關鍵字、講不清楚情境、回答不了「我吃素而且只有 30 分鐘」這種模糊問題，fan-out 抓回來的素材籃子裡就不會有你。

想像一下，你早上去常去那間早餐店。以前進門喊一句「老闆，蛋餅加蛋、奶茶大杯」，老闆兩秒就出餐。現在你會說「我等等要去健身房，幫我配蛋白質高、澱粉少、油不要太重的組合」。能秒回你「雞肉堡加蛋、無糖豆漿、吐司去邊」的老闆，回頭客就多。Google 現在就是用同一個邏輯訓練它的搜尋結果。

AI Overviews vs AI Mode：兩個層級的東西

Nikola 在 Podcast 裡把這兩個 feature 講得很清楚，我幫你翻譯成生意人聽得懂的話。Google 官方文件 How AI features in Search work 也有完整的技術說明，可以對照著看。

★ AI Overviews：站在傳統搜尋的肩膀上，做一個摘要層

它還是基於 Google 既有的 ranking（排序）系統，只是在最上面加一個語言模型生成的摘要區塊。引文跟連結都還在，使用者點得到原始來源。

★ AI Mode：搜尋版的對話式 AI

它有自己更大的基礎設施，支援多輪對話，可以直接動用模型的 parametric memory（參數記憶）。「法國首都是哪裡」這種事實題，不用真的去搜尋外網就能答。

但 AI Mode 還是會 fan-out、還是會給連結、還是會引用。它不是另一個獨立的 ChatGPT 翻版，搜尋仍然是地基，只是對話空間放大了。

重點是什麼？

AI Overviews 是隔離層，AI Mode 是平行宇宙。但兩個都還是會把流量導去外部網站，差別只是入口位置跟對話深度不同。

那網站擁有者跟 SEO 怎麼辦？

主持人 Martin Splitt（Google Search Relations）跟 Nikola 都直球回答這個問題：沒有魔法棒，但有判斷原則。

Nikola 的原話翻譯一下：核心還是「持續為使用者提供真實價值」。這個概念其實跟 Google 的 Helpful Content 指南 是同一條線：寫給人看，而不是寫給排序演算法看。AI 工具拿來校稿、改文風、分析數據、看競品都很好，但拿來大量生成沒人看的垃圾內容，不會有用。

Martin 講的一個故事特別有共鳴。他說他以前讀科技文章，最喜歡看到有人分享「我用過這台機器，在這個情境下它表現如何」。但很多文章後來退化成「把規格表改寫成人話」。問題是，現在 AI 會幫你把規格表改寫成人話，速度更快、文法還更通順。你網站上「規格表改寫」的內容，價值瞬間趨近於零。

不是我說，這就是過去兩年很多內容農場（content farm）翻車的根因。

Martin 還講了一個很經典的場景：他以前去店裡買搖桿（joystick），盒子上寫 force feedback（力回饋），他不懂那是什麼，問店員。店員回他：「就是這個搖桿有 force feedback 啊。」

笑死。但很多網站現在做的事，跟那個店員一模一樣。

給網站擁有者跟 SEO 的 5 個行動建議

切入重點，講完原理，這年頭就是行動、行動、行動。我把 Podcast 的觀察加上自己做網路行銷的經驗，整理 5 條給你：

► 第一：盤點你的內容，砍掉只是「規格表改寫」的頁面

打開 Google Search Console（GSC），看點擊低、停留時間短的頁面。如果這些頁面只是把產品官方資料抄一遍，AI 已經能做得比你更快更通順。留著只是稀釋你網站的權重。砍掉、合併、或重寫成有觀點的版本。

► 第二：每篇文章至少塞一段「AI 沒有的東西」

包括：你親手測試過的數據、你踩過的坑、你客戶實際使用的反饋、你在某個情境下做出的判斷。Nikola 講的「first-hand experience（親身經驗）」就是這個。AI 沒有手，沒辦法摸過你的產品。

► 第三：從關鍵字思維升級到情境思維

不要再只想「我要排在『XX 推薦』第一名」，要想「使用者真正會問的長問句長什麼樣？」。把那些長問句寫成 H2、寫成 FAQ、寫成段落小標。fan-out 抓素材的時候，會抓得到你。

延伸做法：你的商品描述其實也該重寫一次給 AI Agent 讀。我之前整理過 商品描述要改寫給 AI Agent 讀：Anthropic Project Deal 實驗解析，裡面有具體的改寫框架。

► 第四：把 AI 當寫作輔助，不要當寫作主力

我自己的用法：用 AI 整理逐字稿、做重點摘錄、改稿潤飾。但結構、觀點、案例、判斷，由我自己來。這樣產出速度會快，但內容溫度不會掉。Nikola 也說 Google 內部用 AI 寫程式輔助，但「人類維護跟把關」還是必要的。

數據分析也一樣。我有寫過 GA4 MCP Server 安裝教學，教你怎麼讓 AI 直接查 GA4 數據幫你寫分析摘要，省掉 80% 拉表的時間。

► 第五：建立你的「人類資產」

這是最長線的事。你的個人品牌、你的客戶見證、你的實戰案例、你在某個產業的專家身分。這些 AI 都最難複製。我前幾年從雨傘產業跨進數位行銷，最後發現能變現的不是某個單一技術，是「跨領域的判斷力」。

這個觀點，Shopify 創辦人 Tobi Lütke 講得更白。我整理過他的 AI 時代電商經營的 5 個核心思維，他講「invisible work」也是同一件事，AI 取代不了的就是那種看不見的判斷力。

結語：媒介在換，價值的本質沒換

Nikola 在 Podcast 結尾講了一段我很認同的話：報紙沒被廣播殺死，廣播沒被電視殺死，電視沒被網路殺死。每一次媒介更替，做出真正價值的人都會留下來。

如果你問我，AI 搜尋時代真正會被淘汰的，不是「網站」，是「沒有獨特觀點的網站」。

這年頭就是觀點、觀點、觀點。

期待我的分享，有一天能夠幫得上你。

FAQ：AI 搜尋時代的 SEO 常見問題

Q1：AI 搜尋出現後，傳統的關鍵字 SEO 還重要嗎？

A：關鍵字 SEO 沒有消失，但「單一關鍵字命中單一頁面」的玩法已經失效。Google 的 fan-out 機制會自動把一個複雜問題切成多個子查詢，所以你的內容要能回答「情境化的長問句」才有機會被抓進 AI Overviews。建議把長問句直接寫進 H2、FAQ 跟段落小標。

Q2：網站擁有者該怎麼優化才能被 AI Overviews 引用？

A：三件事最關鍵。第一，每段寫成「自包含可被引用的片段」，不要依賴上下文才看得懂；第二，每篇文章塞入 AI 沒有的親身經驗、實測數據、客戶案例；第三，補上結構化資料（FAQ schema、Article schema）讓 Google 更容易理解你的內容結構。砍掉只是規格表改寫的頁面，那種內容 AI 寫得比你還快。

Q3：AI Overviews 跟 AI Mode 對 SEO 的影響有差嗎？

A：有。AI Overviews 是疊加在傳統搜尋結果上的摘要層，使用者看完還是會點連結，所以網站還有導流機會。AI Mode 是獨立的對話式介面，雖然也會 fan-out 抓資料、給引文，但對話深度更深，使用者可能在 AI 內部就完成資訊取得。建議網站擁有者特別優化「適合被引用的段落結構」，提高在兩種介面被抓取的機率。

術語表（Glossary）

• fan-out（扇形展開）：使用者輸入一個查詢後，搜尋系統自動識別並平行發出多個相關子查詢，再把結果彙整回應原始問題。AI Overviews 與 AI Mode 都使用這個機制。
• AI Overviews（AI 摘要）：Google 搜尋結果頂部的生成式 AI 摘要區塊。透過 fan-out 抓多個來源，由語言模型整合成簡短回答，仍保留引文跟連結。
• AI Mode（AI 模式）：Google 搜尋的對話式介面延伸，支援多輪對話，擁有獨立的基礎設施，但仍奠基於搜尋的 fan-out 與排序系統。
• parametric memory（參數記憶）：大型語言模型在訓練時將知識編碼進模型參數的能力，讓模型能直接回答事實題（例如「法國首都」），不需要即時去外網搜尋。
• side-by-side（並排對比實驗）：Google 內部評估搜尋變更的核心方法，讓隨機使用者查詢同時看到生產版本與實驗版本的差異，由人工評分員打分，作為是否上線的依據。
• Transformer（轉換器架構）：BERT、MUM、GPT 系列等現代 AI 模型的共同基礎架構，大幅提升模型對語言語義的理解能力。Google 早在生成式 AI 普及前就將其應用於搜尋排序。

引用來源

• 主要來源：Search Off the Record - How AI Is Changing Google Search and SEO (YouTube)
• Google 官方文件：How AI features in Search work / Helpful Content 指南
• 來賓：Nikola Todorovic，Search Intelligence Team, Google
• 主持人：Martin Splitt，Google Search Relations

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。