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。

AI 改寫消費決策,品牌如何搶占推薦先機?12/8【AI 品牌力】電通 × 奧美 × iProspect 三大業界專家獨家開講,一天掌握品牌差異化、GEO/AI Search 與 AI 消費路徑新戰略

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。

AI 改寫消費決策,品牌如何搶占推薦先機?12/8【AI 品牌力】電通 × 奧美 × iProspect 三大業界專家獨家開講,一天掌握品牌差異化、GEO/AI Search 與 AI 消費路徑新戰略

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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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