第一部分：AI 讀不讀得到你
這一部分是技術問題，每項都有明確的「通過」標準。先做完這部分，後面的結果才有意義。
| 檢查項目 | 怎麼查 | 什麼算通過 |
|---|---|---|
| robots.txt | 用 AI 爬蟲檢查 輸入網址 | OAI-SearchBot、ChatGPT-User、Claude-SearchBot、Claude-User、PerplexityBot、Googlebot、Bingbot 都放行 |
| 防火牆和 CDN | 換成爬蟲的 User-Agent 請求首頁，看狀態碼curl -s -o /dev/null -w "%{http_code}" -A "OAI-SearchBot/1.3" https://your-site.com/ | 回傳 200，和用瀏覽器開啟一樣 |
| 正文直出 | 看原始 HTML 裡有沒有正文curl -s https://your-site.com/ | grep -c "a sentence from your homepage" | 輸出大於 0，首頁、價格頁、功能頁都看得到正文和價格 |
| sitemap | 開啟 /sitemap.xml，看 robots.txt 裡有沒有 Sitemap 一行 | 列出所有想被收錄的頁面，網址都回傳 200 |
| 結構化資料 | 在首頁原始碼裡找 application/ld+json | 有 Organization（帶 sameAs 指向你的社群帳號）或 SoftwareApplication |
| 信任頁 | 關於、聯絡、價格、條款、隱私權政策 | 五類都有，頁尾點得到 |
| llms.txt | 開啟 /llms.txt，沒有就用 llms.txt 產生器 寫一份 | 能直接開啟的純文字；優先順序最低，不是各家 AI 都承諾讀取 |
請求測試只換了 User-Agent，模擬不了爬蟲真實的 IP。有的 CDN 按 IP 辨識爬蟲，結果可能和真爬蟲不一樣。
第二部分：AI 回答裡有沒有你
1. 列出 10–20 個買家問題
不帶品牌名，照買家的說法寫：「最好的 X 工具」「X 的替代方案」「怎麼做 Y」。每個市場用當地語言寫。
2. 每個問題在 ChatGPT、Perplexity、Claude 各問 3 次
每次開新對話，開啟連網搜尋。只問一次沒有意義：SparkToro 2026-01 的研究裡，同一個問題在 ChatGPT 或 Google 的 AI 搜尋裡反覆問，給出同一份推薦名單的機率不到 1%。
3. 記成一張表
每一列：問題、哪家 AI、第幾次、有沒有提到你、推薦了誰、引用了哪些網址。最後算兩個數：提到你的次數 / 總次數，以及最常被推薦的對手。
4. 把引用網址分類
按類型分：清單文章、比較頁、論壇文章、目錄網站、對手官網、你自己的頁面。列出了同類產品卻沒有你的，就是要去投稿或寫信的目標。
5. 按順序排出要做的事
先修第一部分沒通過的項目；再處理「被引用的網頁裡沒有你」；最後改頁面寫法。每改一批，用同一組問題再測一輪，比次數。
兩個真實評測的數字
下面是 kagentx 評測的兩個網站，在評測當天的樣子（不是改完以後）。可以照著這幾欄替你的網站填一份：
| 網站 | 評測日期 | 提到它 / 問的次數 | 讀了幾個被引用的網頁 | 其中列出同類產品的 | 其中提到它的 | 首頁原始 / 渲染後字數 |
|---|---|---|---|---|---|---|
| GammaSlide | 2026-10-26 | 0/21 | 28 | 19 | 0 | 314 / 18,630 |
| MochiStamp | 2026-10-22 | 0/3 | 10 | 10 | 0 | 8,790 / 9,625 |
兩個網站的爬蟲都進得來（第一部分大多通過），AI 回答裡卻一次都沒提到它們：問題出在被引用的網頁裡沒有它們，GammaSlide 還多一項正文要等腳本。這兩輪問的是 Claude Sonnet 5.5。
常見問題
為什麼不給一個 AI 能見度分數？
AI 每次回答都不一樣，一個分數會掩蓋這種波動。更有用的是「問了幾次、提到你幾次」，以及推薦了誰、引用了哪些網頁，這些能直接變成要做的事。
多久做一次？
網站改了一批之後做一次，看改動有沒有用；平時每月一次就夠。每次用同一組問題、同樣的次數，結果才能比較。
第一部分全部通過，AI 還是不提我？
這很常見。讀得到只是前提，AI 推薦誰主要看它引用的網頁裡有沒有你。第二部分第 4 步找出的那些網頁，就是接下來要做的事。
自己做太花時間，有現成的嗎？
kagentx 的評測把這兩部分都做了：檢查爬蟲、渲染、sitemap、結構化資料等，並把買家問題拿去問 ChatGPT、Perplexity、Claude，列出引用的網頁。基礎版一般 2–3 分鐘出結果。
出處
- OpenAI · Overview of OpenAI Crawlers （查看於 2026-11-03）
- Perplexity · Perplexity Crawlers （查看於 2026-11-03）
- SparkToro × Gumshoe · AIs are highly inconsistent when recommending brands or products （2026-01，12 個提示詞每個平台各問 60–100 次）
- llmstxt.org · The /llms.txt file （2024 年提出）
- kagentx 評測：案例頁的資料，日期寫在每個例子裡。