AI不愛業配文了?奧美解密GEO「3大突圍關鍵」:做AI最想推薦的權威品牌
AI不愛業配文了?奧美解密GEO「3大突圍關鍵」:做AI最想推薦的權威品牌

當使用者在 Google 或手機輸入問題時,最上方跳出的 AI 摘要(AI Overviews)正悄悄改寫商業世界的分流規則。

人們認識品牌的方式已徹底改變,過去行銷與公關的核心是讓品牌出現在更多媒體版面,但在「生成式引擎優化(GEO)」時代,除了讓人看見,更要讓 AI「看得懂、講得對、推薦得好」。

面對高達九成使用者看完 AI 答案就離開的「零點擊」趨勢,品牌該如何避免在 AI 多輪追問中被淘汰?又該如何在資本市場與消費市場中穩固信任?

以下 Q 為數位時代創新長黃亮崢提問,A 為奧美公關董事總經理張裕昌的回答,以多年服務國內外品牌與管理公關顧問公司的深度觀察,解析品牌在 AI 搜尋與問答時代如何重新佈局。

Q1:AI 搜尋改變了使用者的檢索習慣,對品牌官網與公關策略帶來什麼衝擊?

A: 如果用實體店面來比喻,AI 摘要就像店門口的招牌或本日特餐,能吸引注意力並提供重點總結;但如果店內的菜單與服務不夠豐富,AI 摘要也不會無中生有地為你做好的引薦。

對於真正有興趣深入理解的消費者或 ToB 客戶來說,他們勢必還是會點進官網了解前因後果。因此, 在 AI 時代,企業官網的內容品質與技術架構比以往任何時候都更加重要

我們在幫許多客戶進行網站診斷時,發現了幾個品牌必須立即改善的關鍵:

  • 破除隱匿風險的舊思維: 許多品牌誤以為「不想講的爭議就不要放上官網」。但事實相反, 當遭遇危機或爭議需要澄清時,AI 搜尋官網說法的比例高達 60% 至 67% 。如果官方的 Newsroom(新聞室)沒有清楚交代這些事實,AI 就會轉而爬取外部不正確、甚至有偏見的說法。

  • 捨棄「阻擋爬蟲」的華麗設計或舊架構: 許多客戶的網站是二十幾年前架設的舊架構,或是設計得非常花俏、閃亮亮,甚至使用過時的動畫技術,這些反而會阻擋 Google、Gemini、Claude、Perplexity 等 AI 爬蟲,導致 AI 找不到合用的資訊。 與其追求過度華麗的視覺,不如充實深度的評論、報導與說明資料。

  • 同時對人與機器說話: 現代的新聞稿與官網文章, 必須使用清晰的 H2 標題語法,將最重要的重點擺在最前面 。這不僅符合人類碎片化閱讀的習慣,也讓 AI 容易抓取。更重要的是,網站後台必須加上 Schema 標籤並轉化為 JSON 語言,讓機器能在後台順利搜尋並理解權威的品牌內容。

Q2:AI 的「多輪追問」是什麼?對 ToC 消費品與 ToB 企業的顧客決策過程有何不同的殺傷力?

A:現代消費者與客戶在使用 AI 問答時,很少停留在第一條問題,而是會進行自然語法的「多輪追問」。例如,一個消費者可能先問「臉很乾怎麼辦?」得到需要乳霜或面膜的建議後,再追問自己的膚質適合什麼,最後在第四、第五輪時才會詢問「推薦什麼產品?社群上的討論或銷售排序如何?」

這種多輪追問機制,會在決策末端產生巨大的 「決策損失(Decision Loss)」

以 ToC 消費端來說,我們曾為一家在台灣聲量超過競爭對手兩到三倍的大型知名消費性品牌做分析。

在第一輪品牌認知度上,他們是 100%;但在 AI 多輪追問到第三輪(優劣勢分析與適用情境)時,因為網路上缺乏深度的真實體驗與細節論述,推薦優勢僅剩下 50%;到最後一輪決定購買時,只剩下 20% 的消費者被導引向這個品牌,龐大的品牌聲量在多輪追問中嚴重流失。

而 ToB 企業端影響更為殘酷。ToB 的決策過程更長,當潛在夥伴在 AI 詢問領域內有哪些上下游夥伴並要求評價時,第二輪就見真章。如果你沒有足夠的深度觀點與論述,在第二、第三輪就不會進入 AI 推薦的前三名範圍,基本上直接出局。

Q3:在生成式 AI 能秒速產出大量文字的時代,新聞稿與「賺得媒體」的價值有何轉變?

A:AI 並沒有讓新聞稿與公關衰退,反而更深刻地彰顯了「賺得媒體(Earned Media)」的不可替代性。雖然 AI 能快速產出大量結構化文字,但真正能打動記者、引發專題挖掘並創造深層影響力的,始終是人類對 「影響力」 這三個字的認知,以及那些 AI 碰觸不到的核心核心訊息。

在 AI 抓取權重的機制下,公關的本質反而獲得了更大的彰顯:

第一是 付費廣告與業配文的權重極低 ,AI 自詡為專家,在評分與篩選引用內容時,會謹慎評估產品體驗的真實性與價值。 過度依賴花錢購買版面(Paid Media)或只有標註合作卻無真實親身感受的業配文,在 AI 的排序權重裡非常低。

第二是 維基百科與真實報導成為核心權重,AI 在搜尋資料時,極度仰賴真實可驗證的第三方內容。其中,維基百科因為不能打商業廣告、每一句話都有實質連結證明,在 AI 搜尋中的權重極高。

再加上, 現代人的閱讀習慣趨於破碎化,但 AI 卻是喜歡閱讀「長文」與深度論述的管道 。品牌如果能持續透過企業思想領導力的論述、深度訪談與產業白皮書,把紮實的觀點餵給真實世界的媒體與官網,再由 AI 抓取並轉譯,才能在多輪追問中展現價值。

Q4:許多 ToB 企業過去認為「只要做好產品,靠業界口碑就夠了」,為什麼這套邏輯在 AI 時代不再管用?

A:台灣許多 ToB 廠商過去習慣抱持「默默做好本分,業界知道就好」的封閉式口碑心態。但現在完全不同了,當全球潛在客戶在網路上透過 AI 尋找合作夥伴與供應商時,許多公司其實根本找不到完整的客觀資訊,只有基本的股市財務資料,缺乏對環境責任(ESG)、企業願景或產品深層技術的闡述。

我之前跟一位客戶討論,他的企業在產業內非常先進,開創了全亞太全新的商業模式,非常希望能接受國際頂尖商業媒體採訪。但我們實際收集後發現,因為他們過去兩三年間對外發言極少,缺乏思想領導力的論述與深度訪談,AI 能夠抓取的資料極度匱乏。

當你沒有把這些紮實內容持續餵給媒體與官網,AI 在多輪追問時,就可能推薦其他論述較多、但技術不見得領先的對手。 對外界與 AI 而言,缺乏內容佈局的品牌,就像是一片「品牌迷霧」。

Q5:面對 AI 時代的危機處理,以及預算有限的中小企業或無公關編制的品牌,應該如何起步與防範?

A:我常提醒客戶, 你可以極小化公關單位的編制,甚至一年只極低限度地發幾次新聞稿,但不能沒有基本的公關配置、風險控管意識與媒體名單 。在平時若沒有建立防護盾,一旦遭遇危機,品牌往往會受到重創,甚至「不死也半條命」。

針對資源有限或正想起步的品牌,有幾個具體建議:

  1. 切忌老闆明星化與唯一發言人: 許多品牌喜歡把 CEO 或創辦人推上第一線當作唯一代言人。在太平盛世時這是好事,但在極端分化的網路環境裡,一旦出事或黑你的人變多,老闆容易身心俱疲。

    更危險的是,如果在危機第一線就將最大的老闆推出去,萬一講錯話,公司將完全沒有退路。日常或危機處理應有多層次的發言體系,由專業公關或發言人分層應對,把老闆留到最重要的地方、講最重要的話。

  2. 掌握基本預算,將錢花在刀口上: 預算多寡不是最大問題,重點在於你最急迫想解決的困擾是什麼,例如知名度或人才招募。

    如果一年只有一個重要檔期,我建議至少編列新台幣 50 萬元左右的基本配置。這個規模能支撐一到兩篇延續性新聞稿、深度專題的 pitch,以及思維領導力的對外說明,確保每一分錢都達到精準的傳播效果。

  3. 建構網站底層的事實防線: 在危機處理中,企業網站是否有先跟特定平台註冊真實性,並在聲明稿出現後及時放進官網新聞室,讓外界與 AI 第一時間搜尋到官方聲明,是極端的關鍵防禦。

Q6:當未來迎來 AI 幫人類比價、下單的「代理式商務」,品牌公關最該堅守的基礎心法是什麼?

A:隨著 AI 代理人與自動化趨勢發展,未來幫人們比價、做初階決定甚至下單的,將有許多是 AI 機器人。但這絕不代表品牌只需要跟機器打交道;相反地, 對「消費者心理與人」的深刻洞察,依然是贏得 AI 推薦的核心根本

面對未來商業思維的演進,品牌首先必須 掌握「以人為本」的核心邏輯 。因為 AI 的基礎邏輯與資料庫,全部源自於真實世界中人們說了什麼、做了什麼評價。

企業不可能完全脫離真實社會而單純與機器對話,必須先清楚辨識核心利益關係人是誰,洞察他們的恐懼與心理需求,並給予最紮實、有含金量的產品資訊與深度觀點。

當品牌在真實世界中累積了紮實的內容,下一步就是 讓 AI 成為你的「千萬倍放大器」 。過去受限於預算與物理極限,一場公關活動或專題可能只能在真實世界直接影響 100 個核心對象;但若能將這些被高度認可的內容,透過 Schema 等技術結構化餵給機器,AI 就能在全世界各個角落的多輪問答中為你傳播與推薦。

這等於將品牌的聲音放大了 2 倍、3 倍甚至 1 萬倍,精準遞送到有需求的端點。

從 SEO 到 GEO,工具與環境每月都在轉變, 但公關「在對的時間、找對的人、講對的話」的核心本質從未改變 。唯有理解人的需求並提供紮實內容,才能藉由技術層面影響 AI,讓 AI 成為品牌最強大的代言人與推薦者。

延伸閱讀:消費者問ChatGPT,你的品牌會出現嗎?7個動作讓AI看得見你、有信心推薦你
當演算法先幫客戶選好品牌···AI正變成第一道把關者,行銷人該理解的4個關鍵新思維

原文出自【數位關鍵字249】從 SEO 到 GEO!AI 問答時代,品牌怎麼被 AI 選中? ft. 張裕昌 Adonis

責任編輯:蘇柔瑋

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓