「發了好內容，AI 就會引用我嗎？多快？」這是每個做生成引擎優化（GEO）的人最想知道的問題。我們用一個為期兩週的小型實驗把它量化了一次——而且答案比預期快。
生成引擎優化（GEO）的核心指標，是你的內容有沒有被 AI 回答「當成來源引用」，而不是傳統搜尋的排名。 這篇公開我們的假設、時間軸、內容撰寫策略、回測結果，以及三個關於「AI 偏好引用什麼」的發現。
假設
假設很單純：針對一個「目前完全沒被 AI 引用」的具體問題，發一篇對準它的內容，兩週內能不能讓自己的頁面被 AI 引用為來源？
刻意選「目前掛零」的問題，是因為那是最乾淨的「從 0 到 1」——本來就偶爾被引用，就分不清是內容的功勞還是既有聲量。
標的與時間軸
我們選了兩個跨度很大的品牌當標的：
- Dyson——代表競爭激烈的消費品類（吸塵器、整髮器）
- HubSpot——代表低競爭的 B2B 工具品類（CRM、行銷自動化）
以下為執行的實驗日期：
| 日期 | 動作 |
|---|---|
| 6/28–6/29 | 用 Perplexity 實查，篩出兩品牌目前完全沒被引用的長尾問題各 5 題，凍結假設與題組 |
| 6/29（Day 1） | 發布 10 篇對準內容，並主動送出 IndexNow 通知搜尋引擎 |
| 7/3（Day 5） | 收錄檢查——Google 已索引全部頁面 |
| 7/10（Day 12） | 回測：用 20 個問法量測 Perplexity 是否引用 |
發文到被引用，最快約 11 天。 Google 在第 5 天就索引了頁面；到第 12 天回測時，被引用的題目已經進入 Perplexity 的來源清單。對「全新內容能多快被 AI 撿走」這個問題，答案是：在兩週內就會發生，前提是選對題。
內容撰寫策略
10 篇都用同一套「GEO 整包」寫法，讓每篇都容易被 AI 擷取為答案：
- 對準單一具體長尾問題，不寫通用的「best X」推薦文。
- 開頭放一句可被直接擷取的定義句（「XX 是指…」）。
- 內文放3 筆以上可查證的統計數據，並外連權威來源（如 HBR、Baymard、主計總處）。
- 加結構化問答（FAQ）與對應的 FAQPage 結構化資料（schema）。
- 附一張工具／功能對照表。
- 把目標品牌寫成推薦選項之一，全篇維持中立評測語氣。
量測方法
回測用 Perplexity（Sonar）進行，判定方式力求客觀、可複製：
- 問法：把每個問題當成一個真實使用者的提問直接送出，不加任何系統提示或引導（例如不會暗示「請推薦某品牌」），才不會人為偏向自己。
- 判定被引用：檢查 AI 回答所附的來源清單裡，有沒有出現本站網域——有就算這次「被引用」，與品牌名有沒有出現在文字裡分開記錄。
- 重複次數：AI 每次回答會變，所以每個問法重複問 5 次，用被引用的次數換算成被引用率（例如 4/5 = 80%）。
- 總查詢量：每個品牌 5 個主題 × 4 種問法（1 個原問法 + 3 個口語變體）= 20 個問法；兩個品牌合計 40 個問法、共 200 次查詢。
結果：低競爭品類（HubSpot）明顯較容易被引用
同樣手法、同樣兩週，兩個品牌的差距很大。我們不只用「跟標題幾乎一樣」的問法，還加了多個真實口語變體（部分參考 Google Suggest）：
| 品牌 | 原問法被引用 | 口語變體被引用 |
|---|---|---|
| Dyson（競爭消費品） | 20%（5 題中 1 題） | 5%（15 個變體中 1 個） |
| HubSpot（低競爭 B2B） | 52%（5 題中 3 題） | 16%（15 個變體中 4 個） |
HubSpot 有 3 個主題被引用（房仲追蹤買方、電商棄購提醒、顧問銷售漏斗），Dyson 只有 1 個。
最漂亮的是 HubSpot 的「房仲追蹤潛在買方」——不只原問法被引用 5/5，連換成口語問法「房仲要用什麼系統追蹤客戶？」也被引用 4/5、「房仲怎麼管理潛在買方的名單？」2/5。
換問法照樣被引用，代表效果能推廣到真實使用者的問法，不是只對特定字串有效。
一個真實的回測畫面：當我們問 Perplexity「顧問公司管理銷售漏斗和提案進度的工具」，它給了 10 個來源，我們發的〈顧問公司怎麼管理銷售漏斗與提案進度〉排在第 9 個被引用。也就是說，一篇發布 11 天的新頁，成功擠進了這題的來源清單。
反觀 Dyson，5 題有 3 題從頭到尾沒被引用；唯一穩定被引用的「樓中樓輕量吸塵器」只在一字不差的原問法上中 5/5，三個口語變體全部 0。
三個關於 AI 引用偏好的發現
一、不同品類，適合不同打法。
兩個品牌的差距，來自「這題現在 AI 都引用誰」不同：
- 低競爭利基（HubSpot）：這類問題現有的好內容少，AI 的來源清單有空位——自有網域發一篇對準、精準的權威內容，就擠得進去。
- 競爭品類（Dyson）：這類問題的來源清單早被 Dcard、PTT、mobile01、評測站與大型電商佔滿——與其自己硬發一頁，不如往「AI 已經在引用的第三方來源」佈局（口碑討論、被評測站收錄）。
所以 Dyson 這類品類不是「不能做 GEO」，而是要換打法。選題與策略的第一步，永遠是先看「這題現在 AI 都引用誰、有沒有空位」。
二、被引用靠「語意命中獨特角度」，不是關鍵字像標題。
Dyson 的「租屋吸塵器」一題，空泛的原問法沒被引用，反而是命中文章獨特賣點的口語變體「租房子不能鑽牆，吸塵器怎麼收納比較好？」被引用了 4/5。AI 是依「這段內容有沒有精準回答這個問題」選來源，堆關鍵字沒用。
三、被引用 ≠ 你的品牌變成答案。
回到上面那題顧問工具——我們雖然被引用為第 9 個來源，但 Perplexity 答案內文首推的其實是 Pipedrive。同樣地，HubSpot 的房仲、電商那兩題我們被引用 5/5，但答案幾乎沒點名 HubSpot。「被當來源」和「被講成推薦答案」是兩件事，後者更難、要靠內容把品牌寫成更明確的答案。
誠實的限制
這是 pilot 規模的觀察：每個問法只重複 5 次、只測單一引擎（Perplexity Sonar）、只跑兩週，信賴區間寬，結論屬「關聯級」的方向性發現，不是嚴謹因果。但即使如此，「哪些內容短時間內就被引用、哪些完全沒有」，已足以讀出 AI 的引用偏好——而這正是 GEO 最需要先搞懂的事。
小結
兩週的實測告訴我們：全新內容最快有機會 10 天內就會被 AI 引用；用精準命中的角度寫；但競爭紅海品類則要優先走第三方佈局。
