一句話總結
Search Engine Land 作者 Aimee Jurenka 提出了 5 層 AI 搜尋成效衡量框架：AI 存取（Access）→ AI 能見度（Visibility）→ AI 推薦流量（Referral Traffic）→ 暗管需求（Dark Funnel Demand）→ 商業成果（Revenue），填補了傳統 SEO 歸因模型無法捕捉 AI 搜尋影響力的空白。對於正在爭取 GEO 預算的香港營銷人員來說，這是一份可以直接用來向管理層展示 ROI 的藍圖。
為什麼傳統歸因在 AI 搜尋時代不夠用？
Jurenka 在文章開頭點出核心問題：AI 搜尋正在用戶到達你網站之前，就影響了購買決策。
她引用兩組數據：
- Green Hat 的 B2B 買家旅程研究：高達 94% 的採購團隊成員在篩選階段使用 LLM 來驗證、總結和確認決策
- Wynter 2026 年研究：約 84% 的 CMO 在供應商發現過程中使用 AI 工具
典型的 B2B 買家旅程可能如下：用 ChatGPT 問「香港最好的數碼營銷公司推薦」→ 用 Gemini 比較不同方案 → 用 Perplexity 驗證技術聲稱 → 然後才訪問那些成功進入推薦清單的公司網站。
問題是：傳統的 GA4「最後點擊歸因」只會記錄最後一次網站訪問，完全看不到 AI 搜尋在決策鏈條前端的工作。如果你的 GEO 衡量只依賴網站流量，你會大大低估 AI 搜尋的真實影響。
五層框架：從 AI 存取到營收
Jurenka 提出的框架不是一個新工具，而是一個思考方式——一個從上到下的漏斗，每一層回答不同的業務問題。
第一層：AI 存取（AI Access）
問題：AI 系統能不能找到並讀取你的網站？
在品牌被 AI 推薦之前，AI 系統必須先能夠找到、爬取並理解你的內容。如果 LLM 無法可靠地存取你的網站，你的產品就不會成為對話的一部分。
衡量方法：監控經過驗證的 AI 爬蟲活動——包括爬取頻率、爬取深度和爬取覆蓋率。不要只看 User-agent 字串，應使用反向 DNS 查詢、已發佈的 IP 範圍，或 Cloudflare 等 CDN 的驗證爬蟲服務來確認 AI 爬蟲的真實身份。
香港實戰建議：如果你的伺服器封鎖了某些 AI 爬蟲（例如出於效能考慮），請確保你使用的封鎖方式不會誤傷合法爬蟲。可以在 robots.txt 中單獨設定 AI 爬蟲的存取權限，而非一刀切封鎖所有非 Googlebot 的用戶代理。
第二層：AI 能見度（AI Visibility）
問題：AI 系統找到你的內容後，會使用它嗎？
這一層關注的是品牌提及、引用和 Prompt 回應。但 Jurenka 特別警告：隨機跑幾個 Prompt 看看品牌有沒有出現，是不夠的。
衡量方法：建立一個標準化的 Prompt 庫，反映潛在客戶在購買旅程中會問的真實問題。這個 Prompt 庫應該保持相對穩定，讓你追蹤的是趨勢，而不是個別勝利。
關鍵指標：提及率（Mention Rate）、引用率（Citation Rate）、GSC Gen AI 報告中的 Impressions、AI Mode 數據、以及 Bing Webmaster Tools 的接地查詢（Grounding Queries）。
香港實戰建議：你的 Prompt 庫必須包含粵語和繁體中文的搜索意圖。很多 GEO 工具預設只支援英文，但你的香港客戶可能用繁體中文問「邊間數碼營銷公司好？」，這些 Prompt 如果不在測試庫中，你的能見度數據就會有偏差。
第三層：AI 助手與推薦流量（AI Referral Traffic）
問題：AI 搜尋有沒有為你的網站帶來可衡量的流量？
這是框架中第一個可以用傳統分析工具直接衡量的層級。GA4 可以捕捉來自 ChatGPT、Claude、Perplexity 等 AI 助手的推薦流量（前提是用戶點擊了連結並到達你的網站）。
重要限制：Google AI Mode 和 AI Overviews 的點擊不會被歸類為 AI 推薦流量——它們通常被計入 Google Organic Search，有時甚至會顯示為 Direct Traffic。這意味著 AI Mode 的影響力無法透過 GA4 直接歸因。
香港實戰建議：建立一個自訂的 GA4 頻道分組（Channel Grouping），將已知的 AI 爬蟲 User-agent 和推薦域名（chatgpt.com、perplexity.ai、claude.ai 等）標記為「AI 參考流量」，與 Organic Search 分開觀察。雖然這只能捕捉 AI 影響力的冰山一角，但已經是向前邁進了一大步。
第四層：暗管需求（Dark Funnel Demand）
問題：AI 曝光有沒有轉化為後續的品牌搜尋流量？
這是整個框架中最微妙但也最重要的層級。用戶可能在 AI Overviews 或 ChatGPT 中看到你的品牌，沒有點擊引用鏈接，但幾小時後在 Google 搜尋你的品牌名稱，然後直接訪問你的網站。
在 GA4 中，這筆流量會被記錄為「Branded Organic Search」——管理層看到的是 SEO 的功勞，完全不知道真正的觸發點是 AI 搜尋。
衡量方法：監控 GSC 中的品牌關鍵字點擊趨勢，同時對照 GSC Gen AI 報告中的 AI 曝光趨勢。如果 AI 曝光上升後 24-72 小時內，品牌關鍵字點擊也跟隨上升，這就提供了一個強烈的因果暗示。
香港實戰建議：對於香港市場，你的品牌關鍵字庫應該包含英文和繁體中文的不同變體（例如公司名稱、英文品牌名、中文品牌名、以及行業+品牌組合）。監控這些關鍵字的曝光與點擊趨勢，是判斷 AI 搜尋是否正在創造「暗管需求」的最直接方法。
第五層：商業成果（Business Outcomes）
問題：AI 搜尋的努力最終有沒有轉化為營收？
這是最終的衡量標準。無論 AI 搜尋策略多麼出色，如果它不能驅動 pipeline 增長和收入，就無法獲得持續的投資。
Jurenka 指出，這一層不是要證明 AI 搜尋是某筆交易的「唯一原因」，而是要建立一個連貫的敘事鏈：
- AI 系統訪問了你的內容
- 你在 AI 搜尋中的能見度提升了
- 品牌需求增長了
- 可衡量的 AI 驅動營收增加了
- Pipeline 和收入跟隨上升
沒有任何單一指標能證明因果關係——但這些訊號的疊加提供了強有力的證據。
對香港品牌的 GEO 含意
1. 用框架說服管理層
如果你的管理層問：「我們投資 GEO 的 ROI 是什麼？」，不要只展示 Prompt 測試的截圖。使用這個五層框架，從第一層到第五層逐步展示證據鏈：AI 爬蟲在存取你的內容（第一層）→ 你的品牌在關鍵 Prompt 中被引用（第二層）→ GA4 中有來自 AI 助手的推薦流量（第三層）→ 品牌關鍵字搜尋在增長（第四層）→ 最終管道中有可追蹤的轉化（第五層）。
2. 從第一層開始，逐步建立
不要試圖一次部署所有五層。對大部分香港中小企業來說，第三層（AI 推薦流量）是入門起點：只需要在 GA4 中設定一個標籤，就可以開始觀察。第二步是第二層（建立 Prompt 庫），這需要花時間理解你的行業關鍵問題。
第一層（AI 存取）和第四層（暗管需求）是進階項目，建議在你已經有幾個月的 GEO 基礎數據後才開始部署。
3. 注意平台的差異化衡量
這個框架的靈感來自 Google AI 生態，但香港品牌的 GEO 策略不應只依賴 Google。ChatGPT 和 Perplexity 的影響力同樣重要（尤其在科技和專業服務行業）。在設計 Prompt 庫時，要覆蓋多個 AI 平台；在分析品牌關鍵字趨勢時，要同時考慮不同 AI 平台可能在創造的暗管需求。
結語
Jurenka 的五層框架提供了一個務實的 GEO 衡量路線圖：不是等待完美的歸因工具，而是從今天就能獲取的數據開始，逐步建立證據鏈。對於香港企業而言，這份框架的價值在於它把 GEO 從一個「難以證明回報」的實驗性策略，變成了一個可以按層級逐步衡量、向管理層展示進度的實戰工具。
想在 AI 搜尋中被引用？到 /contact 聯絡我們，讓我們幫你建立從第一層到第五層的 GEO 衡量體系。