哪些 GEO 做法其實沒用?llms.txt、Schema 標記有效嗎?

llms.txt 目前幾乎沒有 AI 搜尋在讀,大規模統計找不到它跟被引用之間的關聯;Schema 結構化標記對 AI 引用率的影響也接近零。它們不是沒價值 —— Schema 能幫 AI 認出「你是誰」—— 但如果有人把這兩樣當成 GEO 的主要成果賣給你,要小心。真正有證據的是:內容裡有沒有數據與出處、標題是不是對準使用者的問題、以及有多少可信的第三方提到你。

黃建東、YC 最後更新

llms.txt:成本很低,效果也很低

llms.txt 是放在網站根目錄、給大型語言模型看的說明檔。概念很好,但目前的觀察數據不支持它有效:一份統計超過五億次 AI 爬蟲造訪的資料中,只有 408 次去要 llms.txt;另一份涵蓋約三十萬個網域的研究,找不到「有 llms.txt」跟「被 AI 引用」之間的關聯。

Google 也在官方文件裡明講:要出現在 AI 摘要或 AI 模式,「不需要建立新的機器可讀檔案、AI 文字檔或標記」,也沒有必須加的特殊 Schema。Google 的生成式 AI 優化指南(2026 年 7 月更新)更直接點名 llms.txt:你可以為其他服務做這個檔案,但它對 Google 搜尋的能見度「不會有害,也不會有幫助」,因為 Google 搜尋會忽略它。

我們自己的網站也有放 llms.txt,因為它幾乎不花成本。但我們不會把它當成交付成果收費。

Schema 標記:幫助辨識,不幫助被引用

Ahrefs 追蹤了 1,885 個新增 Schema 的頁面並與對照組比較,AI 引用的變化很小:ChatGPT 約 +1.2%、Google AI 模式約 +2.4%,Google AI 摘要甚至是 −4.6%。

Schema 真正有用的地方是「身分辨識」:用 Organization 標記寫清楚公司正式名稱、統編、地址、官方社群帳號(sameAs),能幫 AI 分清楚同名的不同公司。這對名字容易撞名的品牌很重要,但它解決的是「認錯人」,不是「不被推薦」。

那什麼有證據?

  • 內容裡有數據、引用與出處:2024 年 KDD 的 GEO 論文在測試集上發現,加入引用、引述與統計數字,可見度最多提升約四成(注意:是在模擬的生成引擎上測的)。2026 年另一份針對 ChatGPT、Google、Perplexity 約兩萬筆引用的研究也發現,會影響答案的頁面通常更長、更有結構,並包含定義、數字、比較與步驟。
  • 標題對準使用者真正的問題:Ahrefs 分析 140 萬個提示,被 ChatGPT 引用的頁面,標題與 AI 自己拆出的子問題相似度明顯較高;網址可讀的頁面被引用的比例也較高。
  • 第三方提到你:一份涵蓋 7.5 萬個品牌的分析中,品牌在網路上被提及的次數與 AI 摘要可見度的相關性(0.664)遠高於反向連結(0.218)。這是相關性不是因果,但方向很清楚:別人怎麼講你,比你自己怎麼講你重要。
  • 真的有更新:AI 引用的內容平均比 Google 自然搜尋結果更新。改日期不改內容沒有用,要真的補新資料。

遇到這些說法要多問一句

  • 「保證被 AI 推薦/保證出現在 ChatGPT 答案裡」—— 沒有人能保證,AI 答案每次生成都可能不同。
  • 「裝了 llms.txt 就能被 AI 讀到」—— 目前數據不支持。
  • 「加了 Schema,AI 就不會講錯」—— Schema 幫助辨識,不能控制 AI 怎麼寫。
  • 「AI 搜尋已經取代 Google 三成以上流量」—— 常見說法,但找不到獨立來源。

資料來源

數字引自上列研究與官方文件,我們於 2026-10-03 查證連結;各家 AI 的做法會變動,本頁會定期更新。

關於這題,還有人問過

那我的網站還要不要放 llms.txt?

放了無妨,幾乎沒成本。只是不要把它當成主要工作,更不要為它付高額費用。

Schema 要不要做?

要做,但目的是讓 AI 認對你是誰:正式名稱、統編、地址、創辦人、官方帳號。這對避免跟同名公司混淆很有用,只是別期待它直接帶來推薦。

最值得花錢的是什麼?

依我們的經驗與上面的研究:先量清楚四家 AI 現在怎麼講你,再寫有數據、對準問題的內容,然後爭取可信的第三方提到你。順序很重要,沒量就做是在猜。

你們自己的服務有沒有包含這些沒用的東西?

我們會順手做 llms.txt 與 Schema,因為它們成本低、有辨識價值,但報價與成果報告不會把它們當成效果來源。成果一律以四家 AI 的實際回答前後對照呈現。