Aleyda Solis 在她的 AI 搜尋優化框架裡，把一件事講得很直白：多數品牌根本不知道自己有沒有出現在 AI 回答裡。
他們知道 Google 排名掉沒有，知道流量跌多少。但問他們「ChatGPT 被問到你們這一行買哪家時，提到你沒有」「Perplexity 比價的時候，你是被推薦還是被跳過」，大部分人答不上來。
所以她給的不是又一張「內容要寫好」的雞湯清單。她給的是一套量測流程，12 步，每一步都有一個問題、一組動作、一個目標，外加一個要避免的誤區。核心想法是：AI 能見度要先被量出來，才有資格談優化。
這篇是 SEO 顧問 Aleyda Solis 寫的，更新於 2026 年 9 月 26 日。她長期做國際 SEO 和 AI 搜尋優化的實作，這篇文章裡每一個步驟都連到她自己的方法論文章，還附了一份 Google Sheets 版的檢查清單，可以直接複製去用。
她開頭就講清楚一件事：這套清單不是獨立跑的，它長在她的三層框架上面。第一層量 AI 搜尋存在感，第二層做整備與修正，第三層看業務影響。12 步就是照這個順序跑。
在量之前，先把你要影響的 prompt 建出來
她的第一條原則是：不要拿零散的問句亂測。要先建一座 prompt 庫，而且這座庫要能代表你真正在乎的商業場景。
她建議從 30 到 50 條核心 prompt 起步，實驗性的 prompt 另外放，不要混在一起。重點不是要多，是每一條都要標清楚對應哪個產品、哪個客群、哪個旅程階段、哪個市場、哪種語言、哪個競品。她稱這個為覆蓋矩陣，先畫矩陣，再寫 prompt。
這是她自己的方法論，不是 Google 官方文件。她的理由是：AI 回答會因為提問方式、語言、地點、帳號狀態而變，如果你不定義清楚測試條件，每次跑出來的結果不能互相比較，量了也是白量。
建完清單之後才進入量測。每一條核心 prompt 在 24 到 72 小時的固定窗口內跑 3 到 5 次，記錄平台、市場、位置、語言、帳號狀態、模型。要記的結果包括：你有沒有出現、有沒有被推薦、有沒有被給連結、比價有沒有贏、品牌被描述得準不準、引用來源是誰、競品有誰。
這些維度就是她講的 AI 能見度，不是單一數字，是一組訊號。
診斷不是看內容好不好，是看哪一種「準備」缺了
量完之後，她講的第三步最值得看：不是立刻跳下去修，而是先診斷。
她列了十個 AI 搜尋贏家品牌的特性：可爬取、可抽取、有用、新鮮、差異化、可辨識、一致、可佐證、可信、可交易。白話講，AI 系統要能抓到你的頁面、能抽出你的事實、你的事實要剛好有用、是新的、跟別人不一樣、一眼看得出是你、跟你其他地方的講法一致、有第三方背書、值得信、而且能讓使用者往下走完成交易。
她要求把每一個觀測到的 AI 能見度模式，對應到一個主要的假設上。比如你發現自己技術文件有被引用、產品頁完全消失，那假設可能出在可交易性，不是可爬取性。每個假設要記錄證據、影響的區段、誰負責、預期驗證的 KPI，然後用「嚴重度乘以重要性除以努力」排出優先序。
這一段把很多人跳過的判斷做成明文化的動作。她自己就是這樣教的，這部分是她的框架，不是官方說法。
到底要做到多「好抽」，她講了具體標準
前面量測和診斷都是判斷層的事，第四步才講執行。這裡有兩個她特別強調的具體做法。
關鍵事實放 raw HTML
她的看法是：重點資訊、關鍵連結、核心事實都要直接放在 raw HTML 裡，不要只塞在結構化資料或埋在 JavaScript 渲染之後才看得到的內容。AI 系統去爬你的頁面時，能直接讀到的東西最穩。
直接答案、自成一格的表格
她說內容要用描述性標題、直接回答問題的句子、命名實體（具體的人名、產品名、日期、數字），還有「自成一格」的表格。自成一格的意思是，那張表格被單獨截出去，沒有前後文，讀者還是看得懂。
這兩個標準她沒有說「我拿多少站測過」，這是她的執行經驗。跟 Ahrefs 那篇測試五個 AI 系統忽略結構化資料的結論一致，但 Aleyda 講的是「要放 raw HTML」這件事本身，她也沒有引用測試數據。
不是只有你的網站，是整個品牌的外部描述要一致
第五步跟第七步是這篇文章最有別於其他人寫法的部分。她花了很多篇幅談一致性與第三方佐證。
她要求做一份「已核准事實表」，寫上官方產品名、品類說明、目標客群、市場、計畫、關鍵主張、創辦人、總部、官方檔案連結，然後拿這張表去對你網站上的文字、結構化資料、商家列表、評論平台、合作夥伴頁面、有影響力的第三方描述。只要有一處講錯、講舊了，就去修。
她的觀點是：AI 的回答是從各方來源拼出來的。你網站自己寫得再好，第三方頁面寫你產品名稱錯一個字、公司成立年份錯一年，AI 就可能講出不準確的答案。
而第七步更往前一步：把被引用的第三方來源分開盤點，哪些是自有、哪些是贏來的、哪些是共享的，再決定公關、評論、社群、創作者、合作夥伴各要動哪裡，去改善你品牌在那些來源裡的呈現。她沒有宣稱這樣做就保證被引用，她說的是「讓 AI 有更多正確且一致的資訊可以用」。
這篇值不值得看
如果你已經在做 AI 搜尋優化，但覺得自己的動作東一塊西一塊，這篇值得看。它最強的地方不是給新招，是把整套流程排成可以驗收的清單：每一步有問題、有動作、有目標、有要避的坑，還有連過去的方法論文章。
我個人被打到的是她對短期操作的立場。她明確寫：prompt injection（在頁面裡塞只有 AI 看得到的指令）、假評論、灌社群訊號、citation gaming（人為操縱引用來源），短期可能有效，但平台遲早會補洞，品牌拿耐久的信任去換一時的能見度，會反噬。這一段寫得很直接，沒有模糊地帶。跟站上上一篇 Ahrefs 的文章比起來，Ahrefs 給的是「先讓 AI 爬得到」的技術路徑，Aleyda 給的是組織流程，兩篇的讀法剛好互補。
原文：Aleyda Solis〈The AI Search Optimization Framework & Checklist – With Worksheet [Updated Sep 2〉
本文由 Claire 撰寫。Claire 是文案大叔開發的自動化寫作系統，從素材選題、撰稿到推上草稿全程自動執行，發布前由本人過目。
