一句話總結

2026 年 10 月 1 日，Google 正式更新其 AI 生成內容指引，要求所有使用 AI 生成內容的網站必須進行「手動事實審查和審核」。同日，Search Engine Journal 先後發表兩篇 GEO 重磅文章——一篇從技術層面分析 50 個大型網站的 AI 可讀性，發現大多數網站的 AI 理解層面得分極低；另一篇則詳解 Schema 如何幫助品牌成為 AI 引文中的可信來源。兩者共同指向同一個結論：AI 搜尋時代，品牌被引用的關鍵不是內容數量，而是內容的可驗證可信度。

Google 更新 AI 生成內容指引：手動事實審查不再是建議——而是要求

發生了什麼事？

2026 年 10 月 1 日下午，Google 搜尋發布團隊更新了其「關於在你的網站上使用生成式 AI 內容的指引」（Guidance on using generative AI content on your website）文件。更新後的指引明確要求：

「手動事實審查和審核所有 AI 生成內容的準確性和可信度，然後再發布。」

雖然 Google 一直以來都表示 AI 生成內容本身不違反其垃圾郵件政策——只要內容是為用戶而寫、具備原創價值——但這次的更新是首次明確要求人工審查作為發布 AI 生成內容的必要步驟。

Barry Schwartz 在 Search Engine Roundtable 的報導中指出，這項更新反映了 Google 對 AI 生成內容質量問題的持續關注。隨著 AI 工具的普及，大量網站使用 AI 批量生成內容已經成為 Google 2026 年 9 月垃圾郵件更新的重點打擊目標——而且 Google 已經確認該更新的第二階段正在進行中。

對香港品牌的 GEO 含意

內容質量不是選擇——是底線。 在 GEO 的早期討論中，不少觀點認為「只要寫 AI 友善的內容就夠了」。Google 這次指引更新明確了：AI 生成內容如果未經人工審查而被發布，本身就是一個風險。Google 的垃圾郵件團隊正在積極識別和處罰這類內容。

對香港品牌而言，這意味著：

  • 不要用 AI 批量生成 blog 內容然後直接發布。 如果你用 ChatGPT 或其他 AI 工具寫 blog——事實上很多香港 SEO 公司都在做——你必須有人手動審查每個事實、每個數字、每個說法。Google 正在監控這一點，而且 AI Overviews 也可能拒絕引用帶有明顯 AI 痕跡的內容。

  • 人手審查是 GEO 信號的一部分。 當 AI 引擎評估一個來源是否可信時，內容的「人工策展痕跡」——準確的事實、一致的說法、合理的論證結構——都會成為 LLM 判斷質量的信號。完全由 AI 生成而未經人工打磨的內容，在 LLM 的評估中很可能低於有明顯人工參與的內容。

  • 這對 HK SME 可能是優勢。 大型企業容易依賴 AI 批量生成內容以節省成本，而小型團隊的內容往往更有個人特色和真實感。如果你能在 AI 生成的初稿基礎上加入真正的人類見解、本地案例和行業經驗，你的內容反而比純人工或純 AI 的內容更有競爭力。

SEJ 重磅研究：AI 搜尋使用的技術信號——大多數網站仍忽略

發生了什麼事？

Search Engine Journal 的 Reza Moaiandin 發表了一份基於 50 個大型網站（橫跨零售、SaaS、旅遊、出版和金融行業）的 AI 可讀性審計報告。報告建立了一個三層 AI 可見度框架，並發現每一層的得分差距極大：

第一層：可取性（Retrievability）——平均得分 74.4% AI 能否順利獲取和解析你的內容？這是傳統技術 SEO 最熟悉的領域：robots.txt 指令、ARIA 標籤、語意 HTML、伺服器端渲染、Sitemap 等。大部分網站在這方面做得不錯。

第二層：歸因與語意（Attribution and Meaning）——平均得分 38.5% AI 能否確定你的頁面內容是什麼、屬於誰？這包括 JSON-LD Schema 的豐富程度、內容信號政策等。好消息是 70% 的網站首頁有 JSON-LD 結構化數據，但仍有近三分之一的網站完全沒有——而且即使有 schema，很多網站的標記在跨頁面一致性上存在問題。

第三層：代理交易與發現（Agent Transaction and Discovery）——平均得分 2.1% AI 能否直接與你的伺服器互動、查詢產品數據或完成交易？這涉及 Model Context Protocol（MCP）等高級整合。幾乎所有網站都在這一層得極低分數——這既是警示，也是先行者機會。

報告作者指出：「AI 機器人能存取什麼、它們如何解讀所找到的內容、以及它們如何在 AI 回應中使用這些資訊——大部分網站都將這些完全交給運氣決定。」

另一篇：Schema 如何讓品牌成為 AI 引文中的可信來源

同日，SEJ 的 Loren Baker 發表了一篇深度文章「Schema For AI Citations: How To Become A Trusted Source」，探討了結構化數據如何幫助 AI 引擎驗證品牌實體。

文章的核心論點是：Schema 本身不會讓 AI 系統直接引用你，但它能幫助 Google、Bing 和 ChatGPT 理解你是誰、驗證你的主張，並決定是否在結果中展示你。

Baker 提出了一個四源一致模型——當以下四個來源的資訊一致時，AI 引擎對品牌的信任度顯著提升：

  1. 網頁：用戶可以看到的事實
  2. Schema：機器可讀的版本
  3. 平台記錄：Google Business Profile（本地品牌）或 Merchant Center Feed（電子商務品牌）
  4. 第三方驗證：評論、目錄、專業檔案、出版物、研究

當這四個來源的資訊不一致時，複雜的 schema 反而會削弱品牌的信譽。

這對香港品牌的 GEO 含意

AI 引文是信任競賽，不是內容競賽。 兩篇文章指向同一個核心方向：AI 引擎引用一個品牌，不是因為該品牌寫了多少內容——而是因為該品牌的資訊在 AI 引擎看來是真實、一致、可驗證的。

具體行動建議：

  1. 先做一個三層審計（用 SEJ 的框架）。 你的網站 AI 可取性得分如何？你有沒有 JSON-LD schema？你有沒有 llms.txt？你有沒有在 robots.txt 中明確聲明 AI 爬取政策？根據 SEJ 的數據，即使不做任何進階優化，只補上基礎的 schema 和 AI 爬取指令，你已經超越了大多數網站。

  2. 確保 schema 與實際內容一致。 Baker 文章中反覆強調：schema 中的資訊必須與頁面上的可見內容一致，還必須與你的 Google Business Profile 或 Merchant Center 數據一致。一個常見的錯誤是網站上使用「Suite」而在 schema 中使用「Ste」——這種不一致會讓 AI 引擎降低對品牌資訊的信任度。

  3. 建立實體 ID 並在整個網站中一致使用。 使用 @id 在 schema 中定義一次品牌實體，然後在整個網站中引用同一個 ID。這樣當你更新品牌資訊時，所有頁面會自動繼承更新，避免不一致。

  4. 使用本地 schema 標記服務區域。 對於服務香港不同地區的品牌（如中環、灣仔、銅鑼灣、九龍），使用 areaServed 在 schema 中明確標記每個服務區域。AI 引擎在回答「附近」或「__區」的查詢時，會優先選擇有精準地區標記的品牌。

  5. 在 Agent Transaction 層面建立先行者優勢。 現在平均得分只有 2.1%——這意味著幾乎沒有競爭。如果你的品牌能率先提供 MCP 伺服器或 llms.txt 文件，讓 AI 引擎可以直接查詢你的最新產品資訊，你在 AI 搜尋中的可見度將獲得巨大的先行者優勢。

結語

2026 年 10 月 1 日的三則報導——Google 的 AI 生成內容指引更新、SEJ 的 AI 技術信號審計、以及 Schema 作為 AI 引文信任來源的深入分析——從政策、技術和策略三個層面共同定義了 GEO 的新標準。

Google 明確告訴我們：AI 生成內容需要人工審查才能被信任。 SEJ 的研究告訴我們：大多數網站的 AI 理解層面存在巨大差距。 Schema 文章告訴我們：信任是可以透過結構化數據和一致性來建立的。

對香港品牌的 GEO 行動清單：

  1. ✅ 建立 AI 生成內容的人工審查流程——不要直接發布未經審查的 AI 內容
  2. ✅ 檢查 JSON-LD schema 的覆蓋率和一致性——從首頁開始，逐步覆蓋所有重要頁面
  3. ✅ 檢查 Google Business Profile 與網站 schema 之間的資訊一致性
  4. ✅ 考慮設置 llms.txt 和 AI 爬取政策——這是成本極低但回報潛力大的 GEO 入門步驟
  5. ✅ 計劃一個三層 AI 可見度審計——了解你的品牌目前在哪個層面

AI 搜尋不獎勵內容產量——它獎勵可信度。你的品牌夠可信嗎？

想在 AI 搜尋中被引用和被推薦？到 /contact 聯絡我們做一次完整的 GEO 品牌盤點。