安布思沛 數據績效與顧問總監 / 羅世婷 Vera Lo
本圖為生成式AI (Midjourney) 生成範例圖
生成式 AI 又稱為「生成式人工智慧」（Generative artificial intelligence），是指使用 AI 技術生成新的文字、圖片、音樂、音訊和影片等內容。運作方式是由基礎模型（大型 AI 模型）驅動，根據一系列人類創作內容的資料來學習相關模式與關係，可以同時處理多項工作，並立即執行各種任務，包括製作摘要、問與答和分類等。
自科技巨頭們紛紛發布自家的語言模型、視覺生成模型後，各行各業得以迅速發展與應用，特別是在這四個關鍵領域1「行銷和銷售、客戶營運、軟體工程以及研發」；也因其可以透過機器學習產生大量內容的特性，生成式 AI 在行銷與廣告領域中的應用正日益顯著，本文將深入探討生成式 AI 對搜尋上帶來的創新和變革，以及其帶來的具體影響和建議因應措施。
Gen AI的搜尋引擎商戰
2022 年 11 月 OpenAI 發布了 ChatGPT，基於 GPT-3.5 模型的聊天機器人，不到兩個月用戶數已超過一億人，看好這個可能會為產品帶來創新改變的契機，隨後微軟於 2023 年 2 月宣布將 ChatGPT 整合到 Bing 中，雖然未如預期撼動搜尋引擎霸主地位，此一舉措已為搜尋體驗進化開創了新局。
與此同時，Google 於 2023 年 5 月 I/O 大會中，推出了實驗版的生成式搜尋引擎（Search Generative Experience，簡稱 SGE），邀請使用者加入 Google Search Labs 計劃體驗全新的搜尋生成式結果，經過一年多的 Beta 測試，SGE 於 2024 年 5 月正式更名為 Google AI Overviews（AIO），並搭配最新的 Gemini 模型實現，數億美國消費者已經開始使用新的搜尋功能，Google 並計劃於 2024 年底推出給超過 10 億個使用者。 身為全球市佔率超過 90% 且歷經 25 年技術變革的搜尋引擎，Google 須在原有搜尋演算法的基礎上，推動搭配人工智慧的搜尋結果；根據 SEO 和內容行銷平台 BrightEdge 的數據顯示，2024 年 7 月 AIO 出現在 8% – 15% 的搜尋結果中2，波動佔比因產業而異；不過從長遠來看，生成式搜尋已經成為不會再回頭的搜尋結果模式，無論使用者是否已經準備好適應新的功能。
由 GenAI 驅動的搜尋新體驗
就本文而言，生成式搜尋指的是以 GenAI 支援的搜尋增強功能，這些增強功能直接整合到消費者已經使用的搜尋引擎中（例如：google.com、bing.com），因此不包括透過聊天機器人（例如： ChatGPT、Perplexity、Copilot，而 OpenAI 於7月推出的 SearchGPT 可直接透過聊天介面獲得圖文並茂的即時搜尋資訊，概念雖與 AIO 極為相似，但其不是搜尋引擎，且仍在非常初步的小量測試階段3，故不在此文討論當中）進行的對話式搜尋；由於 Google 搜尋引擎的市占率為全球最高，因此下文所有關於生成式搜尋的功能與因應的內容，均以 AI Overviews 為主。
搜尋引擎嵌入生成式 AI 的模式，改變了搜尋的遊戲規則，尤其在日漸重視消費者個人化體驗的時代：人工智慧可以依據使用者上下文和先前的互動，來理解使用者需求，並產生詳細且連貫的回應；將生成式 AI 套用在搜尋引擎上，就可以產生更多樣化的互動內容。
不同於傳統搜尋結果的條列式連結清單，生成式搜尋結果不僅包含了可折疊的文字摘要與評論星等、還有影片、圖片等不同平台來源的內容格式也能夠引導使用者進行相關主題的進一步追問互動，最大限度的提升答案價值；另一方面，若使用者本身具有明確搜尋意圖，通常會以更具體的長尾關鍵字搜尋，AIO 也能據此提供特定功能和規格的回覆。
(3) SearchGPT 目前開放10,000名使用者測試，至8月為止官網顯示候補測試名單也已額滿，模式如同Google Search Labs 開放少數使用者進行SGE 實驗。
生成式搜尋結果在搜尋引擎結果頁 SERP 上排名最高，提供非常具體的答案，並提供多種格式，使用者可以再以對話方式提出問題，提高搜尋效率、準確性和即時性 (註：Google 仍在測試 AIO 中的相關文字連結與呈現形式)
資料／圖片來源：Google Blog／安布思沛製圖
Google A/O 大會展示 AI Overviews 的案例，於搜尋框輸入「容易準備的三天飲食計畫」，系統自動生成了每一天的多種建議餐點
資料／圖片來源：Google Blog
除了每日建議餐點，也會顯示其他人也搜尋了什麼，使用者可藉此獲得更多資訊，或是回頭調整自己的搜尋指令
資料／圖片來源：Google Blog
點選建議餐點的取代功能，系統可以出現更多種類型的食物，如素食、高蛋白，或是無蛋料理，使用者可以點選它們以產生新的餐點，或是在這裡自行輸入新的餐點關鍵字，系統會出現新的餐點建議，取代原本的計畫
資料／圖片來源：Google Blog
生成式 AI 對未來搜尋的挑戰
生成式搜尋技術必須使用廣泛且不斷增加的資料來源，透過持續更新與調整，來增強回覆的品質，可想見搜尋演算法不僅將變得更加複雜，也會變得更加不穩定；由於生成式搜尋的發展還處在早期階段，對於需要仰賴搜尋渠道創造流量與收益的品牌主與行銷人員來說，有幾個尚不明朗的議題將需要持續關注，否則會產生一些行銷策略與經營的阻礙：
1. 對於引用的平台來源與資料品質，尚未有清晰的規範或是標準
根據過去一年我們對 AI Overviews 的測試與一些美國使用者回饋中發現，生成智慧會引用來自社群平台的內容（如TikTok、Reddit 和 Quora 等來源，其中 5 月曾因出現「往 pizza 塗膠水的 AI 幻覺」4 造成熱議，Reddit5 的佔比下降)，這可能與過去強調的 EEAT 標準（從可信賴且成熟的來源尋找內容）有點不同，即使 UGC 來源的引用比例因此降低，且各國的數位環境有所差異，但社群內容被引用的跡象，不僅凸顯用以訓練 AI的資料品質重要性議題，也顯示了生成式搜尋可能相對重視使用者的直接體驗與觀點分享。未來品牌對於不同媒體平台的執行資源分配、或是網站內外的內容優化策略上，將會需要同步監測 AIO 的資料引用來源，進行測試與調整。
(5) Google 與 Reddit 於 2024/2/22 公告將與彼此建立更深的合作夥伴關係，允許Google使用Reddit上的內容來訓練其人工智慧（AI）模型，Google AIO 亦確實出現大量引用自Reddit 的內容的生成式回答。
2. 尚未向被引用的網站與平台共享數據，缺乏透明度
Google 表示不會在 GSC（Google Search Console）中區分來自傳統搜尋或是 AI Overviews 的曝光或點擊資料；且 2024 年的 Marketing Live 活動中，Google 宣布將開始在 AI Overviews 測試搜尋和購物廣告，測試將使用現有的搜尋廣告活動和 Pmax（Performance Max 最高成效廣告活動），廣告商不能自行選擇退出（Pmax 廣告活動無法更改版位設定）；因此至少短期內，品牌不會知道自己的網站內容是否有或何時出現在 AI Overviews 中，或 AI Overviews 是否有幫助提升或降低廣告成效。
3. 置頂優勢與資訊呈現形式，可能會強化零點擊搜尋現象
即使根據 2024 年 5 月 Google 搜尋服務主管 Liz Reid（VP, Head of Google Search）在 blog7 上發表：「And we see that the links included in AI Overviews get more clicks than if the page had appeared as a traditional web listing for that query」，但可想像的是，當生成式搜尋結果佔據最主要的版位，並已經提供滿足需求的各類文字資訊，使用者可能會在看完生成式回答後就離開，而不會點擊其他連結，造成有搜尋曝光但是網站流量卻減少的情況；由於目前不能得知 AIO 的獨立數據，因此品牌需要先關注變化，調整不論是衡量自然搜尋或是付費搜尋效果的方法（例如：同時查看整體曝光變化，以確保網站在能見度上的優勢），並事先做好相關優化的準備，這可能是面對此一變局當中最大的挑戰。
雖然 Google 的生成式搜尋結果布局現在不太可預知，且會因為法律、技術、產業有不同的呈現，但隨著演算法技術與搜尋相關性的提升，以及市占最高的 Google 搜尋引擎推廣 AI Overviews 的力度，品牌勢必得提升網站內容品質，增加在 AIO 中被引用的機會。
內容仍是基石 技術SEO 是敲門磚
儘管人工智慧正在改變我們以往所認知的搜尋，也可能就此改變使用者搜尋習慣，但它實際上仍然依賴搜尋資料庫的內容來訓練模型，也非常重視與使用者的互動狀況（包含對話互動歷史、時間地點裝置等各種信號），因此保留傳統 SEO 核心原則（高品質內容和使用者意圖），並根據生成式搜尋評估和引用內容的方式調整優化方向非常重要。
我們可以先透過觀察產業搜尋趨勢了解使用者意圖，制定內容行銷策略7，並幫助人工智慧更有效地理解和引用內容：
(7) 透過產品或服務的關鍵字搜尋分析，搭配社群口碑內容監測，找到消費者重視的議題，以發展品牌內容方向。
1. 重視網站多元資訊格式：生成式搜尋結果與傳統搜尋引擎最大的區別，在於對語言的學習和理解能力，它可引導使用者探索更深層的問題與答案，並據此提供個人化內容；若網站內容較為薄弱、無用、或是屬於廣泛通用型，人工智慧可能根本不會視其為有價值的資訊。加入符合使用者需求的多元資訊內容格式，而非僅增加文章數量或是關鍵字密度，將更符合未來搜尋的發展趨勢。
2. 以完整內容結構增強主題權威性：過去傳統搜尋針對特定的單一熱門關鍵字優化，據此發展文章內容，現在人工智慧將會預測使用者需求與後續行動，並提供綜合資訊，若我們能將使用者在搜尋框輸入的關鍵字，想像成在系統輸入的「生成指令」，會更好理解網站中需要涵蓋的內容結構。找到對使用者價值較高的需求面向，建立特定主題權威性，可以最大限度增加 AIO 引用覆蓋率。
3. 完善網站的結構和效能：為能夠加快人工智慧分解和理解網站的速度，基本的技術優化，包括調整網頁標題描述、增加圖片替代文字、調整重複內容、修復損壞連結等，對於需要考量資源的品牌來說，是較為快速實用的競爭方式；另一方面，在網頁使用結構化資料8 也是普遍認為較有效的方法，結構化資料是將分類好的網頁內容提供給 Google，幫助搜尋演算法更好的理解網站內容，然而，這類優化方式需要綜合考慮網站結構與 SEO 技術，並且需要專業人員來實施；總的來說，技術 SEO 的部署，確保至少獲得了 AI Overviews 曝光的入場券。
(8) 結構化資料是一種標準化格式，包含多種必要屬性、建議屬性及選用屬性。編輯結構化資料時，必須在資訊所屬網頁上使用頁內標記，且必須描述該網頁的內容。
從傳統 SEO 到與 AI 共存的未來
數位行銷的世界常常隨著新技術變化，生成式搜尋重塑了品牌與使用者互動的想像，我們雖然不能預知 Google 對於未來搜尋人機互動的具體演變與形式，但可確定的是目前傳統 SEO 將與人工智慧共存，形成一種新的共生模式。
當然，生成式搜尋需要一段持續進化的時間來完善，這意味著品牌需要理解並適應人工智慧驅動的變化，關注目標使用者族群在搜尋行為上的趨勢（不僅是搜尋引擎，還有聊天機器人或是社群平台上的搜尋功能變化）；通過深入了解搜尋演算法並優化網站內容，以及完善技術 SEO 的標籤和設定，品牌可以使其網站更符合生成式搜尋的要求，同時，更好地滿足使用者的需求，這將有助於品牌提升其行銷效果，並在數位行銷領域中保持競爭力。
探索更多AI SEO新時代
－歡迎點此看更多－
探索更多來自 凱絡媒體週報 ‧ 數位智庫 的內容
訂閱即可透過電子郵件收到最新文章。