Google 搜尋演算法：熊貓、企鵝、蜂鳥解析

很多人應該都把「Google 演算法」當成一個會突然發瘋、亂懲罰網站的黑盒子？某天早上打開 Google Search Console，流量曲線像墜崖一樣往下掉，你開始上網查「熊貓演算法」「企鵝演算法」「蜂鳥演算法」，然後越看越焦慮，因為每一篇都在講歷史、講年份、講懲罰，卻沒有人告訴你一句最關鍵的話。

熊貓（Panda）、企鵝（Penguin）、蜂鳥（Hummingbird）是理解 Google 搜尋演進的重要歷史節點：分別聚焦低品質內容、垃圾連結與查詢語意。但後來的 RankBrain、BERT、MUM、Helpful Content 與核心更新不是它們的簡單上層版本；Google 排名由許多系統共同運作。

這篇我要做的，不是再把 2011 年的新聞念一遍給你聽。我要用「三層地基」這個視角，把這三隻動物為什麼出現、解決了什麼問題、現在還活不活著，一次講到你能直接拿來檢查自己的網站。

「Google 演算法」到底是什麼？它從來不是一個東西

很多人以為 Google 演算法是「一個」公式，像考試計分那樣，把反向連結乘以權重、加上關鍵字密度，總分高的排前面。這是早已過時的想像。

真相是，Google 自己在官方的 How Search Works 頁面裡講得很明白：決定你排第幾名的，是「一堆」系統共同運作的結果，每一個系統負責一個面向。有的系統負責理解你打了什麼字、有的負責判斷內容的相關性與品質、有的負責考量頁面是否容易使用。理解 Google 搜尋引擎的運作原理，你會發現它更像一個分工很細的團隊，沒有任何一個角色能包山包海。

換個方式想。Google 演算法不是一道菜，是一本食譜。熊貓、企鵝、蜂鳥，是這本食譜裡被改寫過最多次、也最重要的三頁。

這個比喻很重要，因為它解釋了一件讓新手很困惑的事：為什麼 Google 明明說「熊貓已經併入核心演算法」，結果大家還在講熊貓？因為那一頁食譜被裝訂進去了，邏輯還在運作，只是不再單獨發行「熊貓更新」這道菜了。下面一層一層拆解說明。

一張表看懂三層地基：名稱、年份、要解決的問題

在我們走進每一層的細節之前，先用一張表把全貌定格。Panda 與 Penguin 分別處理內容品質與連結垃圾，Hummingbird 則改善查詢理解；這三者並不都是反作弊系統，實際作用也可能與其他排名系統重疊。

層	名稱（上線年份）	當年要解決的爛事	它把什麼變成規則	現在還在不在
第一層	熊貓 Panda（2011）	內容農場、薄內容、抄襲站佔滿首頁	「內容品質」必須是可計算的訊號	屬歷史系統。2015 年演化並納入核心排名系統
第二層	企鵝 Penguin（2012）	買連結、連結農場、關鍵字堆砌	「連結」必須是賺來的，不是製造的	屬歷史系統。2016 年即時化並納入核心排名系統
第三層	蜂鳥 Hummingbird（2013）	只會比對字面、看不懂整句話的意思	「理解意圖」比「命中關鍵字」更重要	屬歷史系統。整體排名系統此後持續演進

看出來了嗎？這三層其實是 Google 對全世界的三次宣告：內容要真的好、連結要真的被推薦、搜尋要真的懂人話。這三句話到 2026 年都沒有過期。差別只在，這些舊系統已被納入核心排名系統或由後續系統承接，不再各自以獨立更新的形式發布。

為了讓你一眼把後續十幾年的演算法演進對應回這三層，把主要的更新攤在一條時間軸上。這是方便理解的編輯框架，不代表 Google 官方把所有排名系統分成這三層，也不表示後續系統直接承襲某個舊系統。

年份	更新或系統	掛在哪一層	一句話講它的作用
2011	Panda 熊貓	第一層（內容品質）	把薄內容、內容農場集體壓下去
2012	Penguin 企鵝	第二層（連結）	打擊買連結與關鍵字堆砌
2013	Hummingbird 蜂鳥	第三層（語意）	從比對字面升級成理解整句意圖
2015	RankBrain	第三層升級	用機器學習判讀沒見過的查詢
2019	BERT	第三層升級	讀懂句子裡的上下文與語法結構
2021	MUM	第三層升級	發布時可理解文字與圖片，未來可擴展至影片與音訊
2022–2024	Helpful Content System（後納入核心）	第一層升級	壓抑「為搜尋引擎而寫」的內容
持續	核心更新 Core Updates	廣泛排名系統更新	對搜尋演算法與系統進行廣泛調整

這張表是很實用的心智模型。遇到新名詞想判斷「這要不要緊」，第一步是把它對應到某一層。落在內容層的，就去顧品質；落在連結層的，就去清外鏈；落在語意層的，就去對齊意圖和實體。能把新名詞歸位，焦慮就少一半。

第一層地基／熊貓：把「內容品質」變成可計算的東西

2011 年 2 月，Google 丟出一個代號 Panda 的更新（據說名字來自 Google 工程師 Navneet Panda）。在那之前，SEO 圈最流行的事，是大量產出又薄又淺的文章，靠關鍵字密度把頁面塞滿，然後靠網站權重把這些垃圾頁排上去。那一年的搜尋結果前面，常常是一整排內容農場，點進去發現每篇長得差不多、講不出個所以然。

熊貓做的事，是讓高品質、原創內容更容易出現在搜尋結果中，降低低品質內容的能見度。Google 沒有公布 Panda 採用的完整訊號，也沒有證實它以網站分析工具裡的停留時間作為直接判定條件。

這裡有一個重點，新手常誤會。歷史上的 Panda 曾使用網站層級的品質判斷，但不能把它簡化成只評整個網域、不看單頁。Google 現行排名系統主要在頁面層級運作，也會使用網站層級的訊號與分類器；少數低品質頁面不代表全站每一頁必然一起下滑。

熊貓要處理的問題，換句話說，是搜尋結果中的原創性與內容品質。頁面是不是抄寫或大量重複、是否只為卡關鍵字而缺乏實質價值，都是站長可以檢查的內容問題；但 Google 沒有公開 Panda 的完整訊號，也沒有提供一個會回頭套用到每一頁的「網站品質分」。

大量薄弱、重複或只為搜尋流量建立的頁面，可能反映網站有系統性的內容問題；但這不是一條「爛內容會傳染」或計算整站平均分的公開規則。也不要把「砍掉爛內容」當成固定處方：應先判斷頁面該改善、整併、設為不索引或移除。資訊增益這類現代概念，可以拿來檢查內容有沒有給出別人沒給的價值。

如果要理解熊貓當年處理的問題，可以看熊貓演算法完全指南與內容農場的判定與避險。Google 沒有公開一條可量化的「內容品質分數」或 Panda 評分軸；現代核心系統會使用多種信號判斷內容是否有幫助（Panda 的歷史脈絡可對照 Search Engine Journal 的完整整理）。

資訊增益：如何判斷內容是否提供了獨特價值

沿著內容品質這條線，到 2026 年可以用「資訊增益」作為編輯檢查角度。這不是 Google 公布的 Panda 指標；實際操作是寫任何一篇文章之前，先問自己一件事：讀者看完我的內容，能得到什麼在他處得不到的東西？

實務上可以用三個角度判斷。第一是「角度獨特性」：排名靠前的內容都在講概論，你提供具體案例；都在講理論，你提供步驟；都在講國外，你提供台灣本地實況。這種「別處沒有的角度」就是增益。第二是「資訊密度」：一段內容裡，有幾句是空的填充句、幾句是實際可操作的資訊。開頭都在講「SEO 很重要」這種話，密度是稀薄的；開頭就直給可執行方向，密度是高的。第三是「完整度」：同主題內容都在講 A 和 B，你補上了 C 和 D，這種補位就是增益。

這件事對照搜尋結果頁面會更清楚。你打入目標關鍵字，看完排名靠前內容的段落標題，問自己：有什麼問題是他們都沒回答、但使用者可能想知道的？那個「沒被回答的問題」，可能就是你的切入位置。這符合 Google 鼓勵原創、實質且完整內容的方向，但不是一個公開的 Panda 排名因子。

資訊增益這個概念，也是資訊增益 SEO這條路線的基礎。它不要求你的每一篇都巨細靡遺，但可以要求內容至少有一個維度是競品沒做到的。這個維度可能是本地資料、實測數據、獨家案例，或一個他們都漏掉的細節。這能增加內容對讀者的獨特價值，但不能保證任何特定排名結果。

第二層地基／企鵝：打掉「連結可以用買的」這個前提

熊貓解決了內容，企鵝解決連結。2012 年 4 月，Google 推出 Penguin。那個年代常見的 SEO 手法，是付費取得大量反向連結，或在論壇、目錄站、部落格留言裡批量建立帶有商業關鍵字的連結，藉此操弄排名。至於把關鍵字大量重複塞進頁面，屬於關鍵字堆砌，也是 Google 垃圾政策處理的行為，但不是 Penguin 這套連結垃圾系統的核心定義。

企鵝主要處理的是垃圾連結，包括用操弄性連結與過度最佳化的錨點文字影響排名。它讓許多依賴連結作弊的網站失去原有效果，也讓「黑帽手法會被算帳」這件事變得具體。

企鵝後來的演進，比它誕生那一下更重要。早期的企鵝需要等系統再次更新，受影響網站的變化可能要到後續更新才反映。到了 2016 年，Google 把企鵝改成即時運作，而且併進核心排名系統；資料會持續重新整理，並改為更細緻地降低垃圾連結的效果，而不是固定對整個網站套用同一結果。

這個轉變代表 Penguin 能更細緻、即時地降低垃圾連結的效果，但不代表所有連結垃圾都只會被忽略。Google 仍可能對違反連結垃圾政策的網站採取演算法處理或手動處置；併入核心演算法的公告發布於 2016 年 9 月 23 日，見 Google Search Central Blog。

連結操弄常見的一種長相，是大量連結反覆使用相同的商業關鍵字作為錨點。自然引用的字眼通常較多樣，但也不能只看錨點比例就判定違規；關鍵仍是這些連結是否為操弄排名而建立。底下這張表把 Google 對連結垃圾的態度濃縮成兩欄，你可以拿來對照自己的外鏈策略。

會被企鵝／連結垃圾系統盯上的做法	企鵝挑不出毛病的安全做法
付費買一大堆帶商業關鍵字的連結	做出值得別人主動引用的內容，自然吸引連結
在論壇、留言、目錄站批量塞連結	在相關主題的深度文章裡，提供真正有價值的引用
錨點文字幾乎全命中同一個賺錢關鍵字	錨點分布自然，品牌名、泛稱、長句都有
加入「互相連結聯盟」衝外鏈數量	爭取來自相關內容、具編輯判斷的自然連結，而非追求大量低品質連結

連結數量不能單獨判斷排名或風險。更重要的是連結是否自然、相關，是否為操弄排名而建立；相關性研究也不能證明增加連結必然造成排名上升。

這樣看來，我對所有「保證一個月幫你衝多少條外鏈」的提案，向來是直接打回票，因為那種提案做出來的東西，長得就是企鵝最愛抓的那種長相。

那如果你今天發現自己被一堆來路不明的垃圾反向連結纏上怎麼辦？Google 到現在還留著一個 Disavow Tool（拒絕連結工具），讓你要求 Google 在評估網站時忽略指定連結；它不是用來聲明「這些連結不是我做的」。

不過我得提醒你，這工具要謹慎用。Google 的現行說明是：只有在大量垃圾、人為或低品質連結指向網站，而且已造成或很可能造成人工處置時，才需要考慮使用；一般來路不明的連結通常不必主動拒絕。若是自己曾參與連結操弄，應先盡力移除相關連結，再處理無法移除的部分。想完整理解反向連結該怎麼健康地累積，可以搭配反向連結完整指南。第二層地基到這裡：連結應來自真實推薦；為操弄排名而建立的連結可能被忽略，亦可能導致演算法處理或人工處置。

第三層地基／蜂鳥：從比對字面，到理解意思

前兩層都在「抓壞人」，第三層完全是另一個故事，它在「升級大腦」。Google 在 2013 年 8 月完成 Hummingbird（蜂鳥）這項重大改善，並在 9 月底 Google 15 歲生日活動上對外說明。

蜂鳥要解決的，是一個越來越嚴重的尷尬：使用者打進去的字，跟頁面上寫的字，明明是同一件事，卻因為用詞不同而配不上。例如有人搜「台南牙醫週末看診」，舊的比對邏輯會努力去找哪個頁面同時出現「台南」「牙醫」「週末」「看診」這幾個詞；但蜂鳥開始試著理解，這個人在找的是「假日有營業的台南牙科診所」這個意思，所以就算某個頁面寫的是「週六日正常門診」，也能被正確配對。

講白一點，蜂鳥改善了 Google 對整句查詢與語意的理解。Google 另於 2012 年 5 月推出 Knowledge Graph（知識圖譜），用來理解人、地點與事物等實體及其關係；官方在 Knowledge Graph 介紹文章裡並沒有把它說成 Hummingbird 唯一或直接的技術基礎。這樣看來，做 SEO 的人可以理解Entity SEO，但仍不該把排名簡化成實體出現次數。

蜂鳥對整句語意的理解，也適合處理較長、較口語的查詢，包括語音搜尋常見的問法；Hummingbird 在 Google 15 歲生日活動上的發布，可對照 2013 年 9 月 26 日 Search Engine Land 的報導。如果你想往這層挖得更深，蜂鳥演算法的深度解析有更展開的討論。

蜂鳥這層最容易讓人誤解的地方，是以為「既然 Google 會自己懂意思，那我就不用管關鍵字了」。這是過了頭。蜂鳥讓 Google 能理解同義詞和意圖，不代表它完全不需要字面線索。你還是要把讀者和搜尋引擎都會用的詞寫進去，只是你不必再像上古時代那樣，為了硬塞同一個關鍵字而寫出讀起來卡卡的句子。正確的心態是：用讀者真正會問的方式寫，把同主題該出現的相關詞自然帶到，蜂鳥這層就會站在你這邊。換句話說，蜂鳥要你做的，是從「堆關鍵字」升級到「把整個主題講清楚」，關鍵字你還是要寫，只是寫法換了。

寫內容之前，可以先看搜尋結果頁面。排名靠前的頁面、「People also ask」、相關搜尋與 AI 概述，反映的是 Google 多套系統對查詢的呈現，不是 Hummingbird 單一系統給出的標準答案。觀察這些結果有助於理解目前常見的搜尋意圖，但不能保證內容更完整就一定取得排名。看懂搜尋結果頁的能力，比背任何關鍵字清單更實用。

第三層地基到這裡：搜尋系統不再只依賴字面命中，也會理解語意與意圖。這是現代搜尋意圖觀念的重要背景之一。

搜尋意圖的進階分類：不只是四大類

多數 SEO 教材會把搜尋意圖分成四類：資訊型、交易型、導航型、調查型。這個分類夠用來理解基本概念，但實際操作上常常太粗糙。蜂鳥層的競爭，你要看得見四大類之外的三種意圖變形。

第一種是「混合意圖」。同一個關鍵字，不同的人、在不同的時間、用不同的裝置打進來，想要的可能完全是不同的東西。例如「WordPress」，有人是想找下載點（導航型）、有人是想找教學（資訊型）、有人是想找比較（調查型）、有人是想找代建服務（交易型）。遇到這種多意圖關鍵字，單一篇內容很難同時滿足所有人，這時候的作法不是寫一篇「萬能文」，而是判斷你的目標受眾主要屬於哪一個意圖，專攻那一群，或者拆成多篇文章各自對應一個意圖。

第二種是「長尾意圖」。頭部關鍵字常常高度概括，但長尾關鍵字可能暴露更具體的需求。例如「SEO」是概括的，但「SEO 要多久才有效」「SEO 對中小企業划算嗎」「SEO 和 PPC 哪個好」各自代表不同痛點或階段。長尾查詢的意圖常較明確，但不一定都是購買意圖，轉換率也不保證高於頭部關鍵字。針對相關長尾意圖提供精準答案，可以補足頭部關鍵字以外的搜尋需求。

第三種是「在地意圖」。有些查詢會受到地點與情境影響，Google 也可能依查詢、位置與其他脈絡顯示本地結果。例如「不鏽鋼廚具推薦」可能是一般選購研究，也可能帶有尋找附近商家的需求，不能只憑使用者位在新北市就斷定意圖。若是本地服務商，可以把確實相關的本地資訊做深，爭取與地區需求相符的查詢。

搜尋意圖不是靜態的，它會隨時間、裝置、使用者狀態變化。同一個人在手機上搜「日式拉麵」，跟在電腦上搜，意圖可能不同（手機可能想找附近的店、電腦可能想查食譜）。蜂鳥層的競爭，不只是對四大類做分類，而是對「這個關鍵字在這個裝置、這個時間、這個地點，最可能是什麼意圖」做判斷。這也是為什麼我常說「不要只看關鍵字研究工具的數字」：那些數字告訴你的是「有多少人搜」，沒告訴你的是「他們為什麼搜」。真正的意圖判斷，要把搜尋量、裝置分布、地區分布、SERP 版面（有沒有本地結果、有沒有購物區塊）、AI 概述的答案綜合起來看。

後來的 RankBrain、BERT、MUM、Helpful Content，如何放回三層框架理解

很多新手讀到這裡會卡住：那 2015 年之後那一堆名字，又是什麼？我是不是又有一卡車的演算法要背？

放輕鬆。可以用這三層作為理解它們的編輯框架；這不是 Google 公布的技術系譜，也不代表這些系統直接由 Panda、Penguin 或 Hummingbird 升級而來：

• RankBrain（2015）可對應語意理解層。它是一套 AI 系統，幫助 Google 理解文字與概念之間的關係，即使頁面沒有包含查詢中的所有原字詞，也能找出相關內容。Google 資深研究科學家 Greg Corrado 在 2015 年接受 Bloomberg 專訪時曾說，RankBrain 是當時第三重要的排名訊號。
• BERT（2019）也可對應語意理解層。它能幫助 Google 理解詞語組合所表達的不同含義與意圖。上線時用於約一成英語查詢，特別有助於較長、較口語的查詢（見 2019 年 10 月 25 日的 官方發布文章）。
• MUM（2021）可對應多模態理解。Google 在 MUM 發布說明中說 MUM 能理解文字與圖片，未來可擴展到影片與音訊，並形容它比 BERT 強大一千倍；不能把當時的規格寫成已能同時跨所有媒體運作。
• Helpful Content（2022 起）：原本是獨立系統；自 2024 年 3 月起，判斷內容是否有幫助的多種信號已納入核心排名系統，不再是一個獨立分類器。它處理的是以操弄排名為目的、對使用者沒有幫助的內容，不限 AI 或人工產出。
• 頁面體驗與行動優先索引：依 Google 的頁面體驗評估說明，Core Web Vitals 是小幅排名訊號之一；行動優先索引則是 Google 主要用行動版內容建立索引（見 2023 年 10 月的正式公告），不是額外的排名加分層。

這個對應表的用途不是背產品名稱，而是把問題拆回內容品質、連結模式、查詢意圖與技術可用性；RankBrain 的背景可再對照 Wikipedia 條目（其中引用了 Bloomberg 於 2015 年 10 月 26 日對 Greg Corrado 的專訪）。這些面向不能保證躲過每次更新，卻比追逐未經證實的單一因子更適合長期檢查。

至於頁面體驗，要顧。Google 現行的Core Web Vitals包括 LCP、INP 與 CLS，排名系統會使用這些指標，但不存在一個涵蓋所有頁面體驗面向的單一訊號。通過建議門檻不保證排名提升，未通過也不代表一定下滑；應優先處理會實際妨礙使用者的速度、穩定性與互動問題。

實體 SEO 的深層機制：從關鍵字到實體關係

Google 不只處理字詞，也會理解實體與概念。實體可以是人、事、物、地、組織或概念；部分實體會出現在 Knowledge Graph 中，並具有識別資訊、屬性與關係，但不是每個被搜尋系統理解的實體都有公開可查的 Knowledge Graph ID。實體 SEO 的核心，是提供清楚、一致的內容脈絡，而不是堆疊實體名稱。

實體這件事常見的實作之一，是結構化資料（Schema.org）。頁面上的 JSON-LD 可以向 Google 提供明確線索，說明頁面內容及其屬性。例如你寫一篇餐廳評論，除了在正文裡提到店名、地址與營業時間，也可用適用的 Schema 標記這些資訊，幫助搜尋引擎理解頁面；但這不保證 Google 會把該餐廳建立成 Knowledge Graph 實體，也不保證顯示複合式搜尋結果。

實體的另一個維度，是「實體一致性」。如果你的品牌在 Wikipedia、about 頁面與媒體報導使用不同名稱，搜尋系統可能較難確認它們是否指向同一個實體。實務上，讓品牌名、聯絡資訊、官方網站與社交帳號保持準確且一致，有助於消除歧義。這也是本地 SEO 重視 NAP（Name、Address、Phone）一致性的原因；資訊不一致可能造成混淆，但不能斷言 Google 一定會把它判成兩家店。

實體關係是更深的一層。Google 可理解「iPhone」和「Apple」、「台積電」和「半導體」等實體與概念的關係。如果內容準確說明「SEO 和 PPC 的差異」「SEO 和社群的配合」，可讓主題脈絡更清楚；但 Google 沒有公布一個會把網站歸為「SEO 專家實體」的分類。實體關係也不是靠加一個 sameAs 連結就完成，而要靠準確、一致且有脈絡的內容。

E-E-A-T 與 YMYL：如何衡量信任度

熊貓層的核心是「內容品質」，但品質這件事，在某些主題上比在其他主題上更致命。Google 在〈Search Quality Evaluator Guidelines〉（搜尋品質評估指南）裡提出了 YMYL（Your Money or Your Life）這個概念，指的是那些若錯誤資訊被採信，可能顯著影響個人健康、財務穩定、安全，或社會福祉的主題。醫療、法律、財務，以及部分重大新聞或公民資訊，可能屬於 YMYL，需依實際內容與風險判斷。

對於清楚屬於 YMYL 的主題，品質評估指南會要求更高的信任標準，尤其是可能造成傷害的資訊或建議。不過，這不等於只有醫院、大學、政府或主流媒體才能排名；可信、安全且符合專家共識的第一手經驗，在適當情境下也可能具有高 E-E-A-T。

這個評估概念，就是 E-E-A-T，也就是 Experience（體驗）、Expertise（專業）、Authoritativeness（權威）、Trustworthiness（信任）。E-E-A-T 不是一個可以直接在 Search Console 裡查到的分數，也不是單一排名因子，而是品質評估指南中的框架。評估員會依頁面目的與主題查看作者或網站的經驗、專業、聲譽、準確性與透明度等資訊；評分用來評估搜尋系統表現，不會直接改變受評頁面的排名。Trust 是這個家族裡最重要的一員：一個頁面就算看起來有體驗、有專業、有權威，只要不可信任，E-E-A-T 整體還是偏低。

Google 在 2022 年 12 月的 評估指南更新公告中，把原本的 E-A-T 擴充成 E-E-A-T，多出來的那個 E 就是 Experience（體驗）。這讓品質評估員明確考量內容作者是否具備相關第一手經驗。例如你評耳機，如果真的買過、用過、拍過實測圖，內容會更容易呈現實際使用經驗；如果只是從其他評論網站抄規格，便缺乏原創價值。這不是說每篇內容都必須有「我親自測過」的聲明，也不代表 Experience 是一個獨立可量測的排名訊號，而是內容應依主題提供適切的第一手資訊或專業知識。

這件事對實作者的啟示是：如果主題涉及 YMYL，應提供足以讓讀者判斷可信度的資訊。依頁面目的，可能包括明確的作者身分與相關經歷、網站或機構資訊、適當的聯絡方式、可靠來源與更新日期；不是每個網站都必須提供實體地址、電話、照片或證照。如果你沒有正式資格（例如你不是醫師但寫健康資訊），不要假裝具備資格，並應避免提供只有專業人士才適合給出的建議；免責聲明本身不能補救不可靠的內容。相關觀念可延伸到E-E-A-T。

搜尋系統中的點擊資料：別把 Navboost 簡化成停留秒數

講到這裡，要補一個公開訴訟資料揭露的搜尋系統：Navboost。它沒有可愛的動物名字，也不是 Search Console 提供給站長查看的報表。

反壟斷訴訟文件與公開證詞確認 Google 的搜尋系統會使用彙總點擊資料，Navboost 也是相關系統名稱之一。在 2023 年的美國司法部反壟斷訴訟裡，Google Search 副總裁 Pandu Nayak 的證詞確認了 Navboost 的存在與其對點擊資料的使用。但公開資料不支持一條可操作的「停留越久就升、跳回就降」公式，也不能把網站 GA4 的停留時間或跳出率當成 Google 直接採用的排名欄位。

這個觀點值得放在心上，但公開資料不足以用 Navboost 解釋兩篇頁面的排名差異，也不能斷言單次跳回會把頁面往下拉、停留較久就會往上推。搜尋結果排名由多套系統與訊號共同決定，站長無法從自己的 GA4 指標反推出 Navboost 的判定。

公開訴訟資料顯示，Navboost 會處理查詢與文件的彙總點擊資料，並可依地區與裝置等條件區分。至於資料如何加權、多久反映，以及停留、跳回或滿意度各自扮演什麼角色，公開資料都沒有提供可供站長套用的固定公式。

你可以把搜尋互動資料視為三層地基之外的補充，但不要把它自行命名成 Google 官方的「第四層」，也不能據此宣稱標題、開頭或留住讀者的秒數本身就是一個已公開的排名公式。

知道 Navboost 存在之後，有些人會想找人去點、去停留、去刷點閱，但公開資料沒有證明這是可靠或持久的策略。與其臆測單一訊號或製造假點擊，不如寫出不欺騙點擊的標題、直接回答問題的開頭與真正有用的正文。站內 SEO 裡那些「標題要誠實、開頭要直給」的建議，仍是更可控的方向。

不同查詢需要的閱讀時間本來就不同：定義型問題可能很快解決，選購指南可能需要較長互動。因此單看平均停留秒數容易誤導；把標題與內容對齊搜尋意圖，是為讀者與轉換負責，不是為了追逐一個未公開的 Navboost 門檻。Navboost 使用彙總點擊資料，是在 United States v. Google LLC（2023）反壟斷訴訟中由 Google Search 副總裁 Pandu Nayak 的證詞確認（見 Wikipedia 的案件條目）。

核心更新真正的運作機制：它不是懲罰，是重新排隊

前面三層地基跟 Navboost 講完，你還缺一個觀念，才有辦法解釋那些「沒作弊、內容也沒明顯變差，流量卻突然掉一截」的情況。這個觀念叫核心更新（Core Update），它是站長需要排查的排名變動原因之一。

核心更新是對搜尋演算法與系統所做的廣泛重大調整，不會針對特定網站或單一網頁。Google Search Central 的官方說明強調，排名下滑不一定代表網站違規或受到人工處置；但也不能把核心更新描述成固定對「整個索引重算一次」的單一流程。

把這句話翻譯成白話：核心更新比較像重新檢視推薦清單，不是針對特定網站「踢出場」。有些頁面下滑，是因為系統調整後其他內容被認為更相關或更有幫助；但實際原因仍要依受影響的查詢與頁面診斷。排名下滑跟人工處置是兩件事，不該未經查證就用處理垃圾連結或違規的方法搶救。

核心更新後不要期待修正立即反映。Google 說明指出，有些改善可能在數天內被看見，也可能需要數月；較大的系統可能在後續核心更新時才更明顯。這不是「一定要等下一次更新」的硬規則，也沒有恢復保證。

核心系統可能同時使用頁面與網站層級的信號，但 Google 沒有公布「整站連坐」的簡單規則。診斷時應分開檢查受影響查詢、頁面群組與全站共通問題，不要因少數薄頁面就斷言整站必然被拖累。

2023 到 2026 年到底發生了哪些更新？一條時間軸

近年的變化可以從核心更新、垃圾政策與 AI 搜尋功能三條線理解。Google 官方 Search Status Dashboard 顯示，2023 年三月、八月、十月與十一月都有核心更新，九月則有 Helpful Content 更新；評論系統在十一月更新後改為持續改善，不再逐次公告。

2024 年 3 月核心更新在 Google 的官方公告（2024 年 3 月 5 日）中被形容為較複雜的更新，同期也公布過期網域濫用、規模化內容濫用與站點聲譽濫用等垃圾政策。規模化內容濫用針對以操弄排名為主要目的的大量內容，不論由自動化、人工或兩者混合產出，並非一律禁止 AI 內容。AI Overviews 在同年 5 月於美國推出；後續 AI Mode、核心更新與 Discover 事件應分別依官方公告判讀，不要把它們合併成同一種更新。

官方 Dashboard 另記錄了 2025 年三月、六月、十二月的核心更新與八月垃圾內容更新；截至 2026 年 8 月，則有二月 Discover 核心更新、三月與五月核心更新，以及三月與六月垃圾內容更新。Discover 核心更新只針對 Discover 系統，不能當成一般 Web 搜尋核心更新解讀。

這幾年的逐筆更新、確切日期，以及每一條政策處理的範圍，我整理成一份完整時間軸，可以對照Google 演算法更新歷史（2023-2026）。判讀時以 Google 官方 Search Status Dashboard 的 Ranking history 日期為準，比來源不明的更新清單可靠。

流量掉了到底是哪一層出事？一份可執行的診斷決策表

我前面不斷說「先判斷問題出在哪一層」，但到底怎麼判斷？這件事我不讓你用猜的。底下這份決策表，是面對任何一個掉流量的站時，第一輪該跑過的流程，你打開 Search Console 跟你的分析工具照著走，就能初步定位。

你看到的訊號長相	優先檢查方向	下一步該做什麼
大量查詢一起掉，同業網站差不多時間也掉	核心更新、需求或整體 SERP 變動	對照官方日期與主要查詢，確認競爭結果和需求是否同步改變
某一批頁面集體掉，其他頁面沒事	共用範本、內容品質或技術設定	檢查這批頁面的範本、canonical、noindex、內容重複與搜尋意圖
流量變化前後反向連結異常暴增	連結操弄、攻擊或時間上無關的巧合	先排除技術與需求變動；若有自行購買或建立的垃圾連結，再依政策處理
曝光沒掉、點擊率卻明顯下滑	搜尋結果版面、查詢組合或摘要變動	分裝置與查詢檢查實際 SERP、標題、摘要及新增的搜尋功能
整站、包含首頁同時掉，而且伴隨索引錯誤	通常不是演算法，是技術事故	先查 GSC 索引報表、爬蟲狀態、伺服器穩定度

這張表的價值在於，它逼你先排除「技術事故」和「核心更新重新排隊」這兩種最容易被誤判成「被演算法打到」的情況。一個基本原則是：在你用日期對得上 Google 公告的核心更新、或在 GSC 看到明確索引問題之前，不要輕易下「我這次是被熊貓打到」這種結論。診斷錯了，後面所有動作都是白做。

要檢查是否與核心更新相關，可把流量掉落日期對照官方 Search Status Dashboard。更新長度沒有固定一到兩週，時間重疊也只能建立假設，不能得出「八成就是核心更新」。再檢查 GSC 網頁索引、追蹤碼、網站變更與需求波動，並用技術 SEO 健檢排除技術事故。

2026 的新變局：AI 概述與 AI Mode 怎麼改寫「排名」這件事

Google 於 2024 年 5 月在美國推出 AI Overviews（AI 概述，當時的官方公告），2025 年再推出 AI Mode（官方更新說明）。這些功能會在符合條件的部分查詢中生成回應並提供支援連結，呈現位置與來源數量並非固定。

AI 功能可能改變部分查詢的版面、曝光與點擊路徑，因此不能只看單一藍色連結名次。被列為支援連結不保證取得特定曝光或點擊，仍要用 Search Console 的整體 Web 搜尋資料與站內轉換觀察實際影響。

AI 概述不需要另一套特殊 SEO。Google 官方說明仍要求頁面可被索引、符合搜尋基礎與垃圾政策，且沒有額外的技術要求；官方並未公布「熊貓、企鵝、蜂鳥或 E-E-A-T 權重」作為引用公式。延伸可看AI 概述 SEO 指南與AI 時代 SEO 完整指南。

AI 搜尋功能沒有一套特殊 Schema 或保證被引用的寫法，Google 建議仍是遵循既有 SEO 基礎。清楚的段落、可理解的標題，以及在適合時使用表格或條列，主要是幫助讀者與搜尋系統理解內容；是否被 AI 功能引用，仍由系統依查詢判斷。

把重要資訊放在讀者容易找到的位置，有助於使用者理解；但 Google 沒有公布「答案前置」會直接提升 Navboost 或 AI 引用的規則。AI Overviews 也不需要特殊 Schema、固定篇幅或分段方式，仍以正常 SEO、索引資格與內容價值為基礎。

AEO（Answer Engine Optimization）：從 SEO 到 AEO 的策略轉向

AI 概述和 AI Mode 的出現，標誌著 Google 從「搜尋引擎」走向「答案引擎」。過去 SEO 的核心是「讓你的頁面被發現」，AEO 的核心是「讓你的內容被引用」。這個差別聽起來微妙，實際操作卻是天差地遠。

傳統 SEO 常以搜尋曝光、點擊與轉換衡量成效；AEO 則額外關注內容是否出現在生成式答案的支援連結中。AI 概述可綜合多個來源並顯示相關連結，使用者是否點擊會依查詢與版面而異。出現在支援連結中可能帶來品牌曝光，但不等於 Google 對品牌做出「權威性認可」。

AEO 可以把重點放在清楚、可靠、對使用者有幫助的內容。這不是靠加一個特殊 Schema、把關鍵字堆在某個位置，或把內容切成固定大小的片段；Google 明確表示，AI 搜尋功能沒有特殊標記或「chunking」要求。清楚的標題層級、適合時使用列表或表格，首先是為了讓讀者容易理解，不能宣稱 AI 概述必然偏好某種段落格式。

另一個可控方向是「唯一性」。獨家數據、原創研究、實測結果與在地資訊，能提高內容本身對讀者的價值；但 Google 沒有保證「資訊越獨家就越容易被 AI 引用」。AEO 不代表 SEO 沒用了，AI 功能中的支援連結與一般搜尋結果都仍可能帶來曝光與點擊，實際成效應以 Search Console 與站內轉換資料衡量。

旗艦級內容的常見進階錯誤

講完所有機制，我要提醒你幾個在「旗艦級內容」上最容易犯的進階錯誤。這些錯誤不是新手會犯的，而是那些已經懂三層地基、已經懂 E-E-A-T、已經懂實體 SEO 的資深 SEO，還是會踩到的地雷。

第一個錯誤是「過度優化實體」。有些人知道實體 SEO 重要，就開始在每一篇文章裡硬塞同一批實體，或者不分頁面內容套用相同的 sameAs 連結。重複使用 sameAs 本身不等於操弄，但不相關或不準確的標記不會帶來幫助，也可能違反結構化資料規範。實體的出現應該自然且與頁面內容一致，而不是為了讓 Google 看到某個名稱就在每一篇重複提到。

第二個錯誤是「濫用 Schema」。Schema 不是越多越好。如果頁面上的結構化資料與主要內容不相關，或屬性跟使用者可見內容不符（例如標記 AggregateRating，但實際上沒有真實評分），可能失去複合式搜尋結果資格，嚴重時也可能收到結構化資料人工處置。這是 Google 結構化資料規範與系統處理的範圍，不是品質評估員逐頁檢查 Schema 後直接調整一般網頁排名。

第三個錯誤是「追逐每次更新」。每次核心更新一發布，就有人開始猜「這次是重視什麼訊號」，然後把網站大改特改。這種做法可能讓網站失去長期穩定性。核心更新是廣泛的系統調整，不能在沒有證據時歸因於某個新因子；即使內容與技術基本面良好，也不能保證排名不會下滑。這三個錯誤的共同點，是把「手段」當成「目的」。實體 SEO、Schema、更新追蹤都是手段，目的是做出對使用者真正有價值、對搜尋引擎訊號清晰的好內容。

流量下滑若反覆發生，要找共通原因

流量下滑可能來自技術事故、需求變化、競爭、核心更新、垃圾政策或人工處置，不能用單一案例推成通則。若同類頁面反覆受影響，才值得找共用範本、內容生產、連結取得或搜尋意圖上的系統性問題。

例如長期量產缺乏價值的頁面、以付費或交換連結操弄排名，或只堆疊關鍵字卻沒有回答問題，都可能形成跨頁面的風險。這些應對照現行搜尋基礎與垃圾政策診斷，而不是宣稱某個舊系統或未公開的點擊公式必然觸發。

遇到流量下滑的站長，常常把心力花在錯的地方。被演算法影響之後，急著改標題、改 meta、加幾條連結、調個網址，卻沒有去面對那個「系統性的地基問題」。結果就是小修小補做完，流量曲線依然躺平，因為地基那層的判定沒有變。

這也是為什麼每次有人問到「網站是不是被企鵝懲罰了」「是不是中了熊貓」，都要先查證：這些名稱已不是獨立更新，流量下滑也可能來自技術事故、需求變化、競爭、核心更新、垃圾政策或人工處置。三層框架可以幫你整理問題，但不能替代對實際查詢、頁面與技術狀態的診斷。

排名掉下來不是世界末日，但應先確認原因，再修補真正有問題的內容、連結或技術面向。想知道完整的復原思路，可以參考Google 排名掉了的急救步驟，以及先避開最常見的幾個 SEO 地雷。

三個最常被搞錯的演算法觀念

在實務上，新手對這三隻動物的誤解，幾乎是同一套。這些誤解不只讓人白忙一場，還會把救流量的力氣花到完全錯的方向。底下這張表，把最常見的三個迷思，跟實際情況擺在一起，你看看自己中了幾個。

常見的誤解	實際的情況
「我的網站流量掉了，一定是中了熊貓或企鵝。」	Panda 與 Penguin 已整合進更廣泛的系統，但流量下滑也可能來自技術、需求、競爭、政策或其他排名變化，不能預設八成是核心更新。
「這三個演算法是古董，現在不用管了。」	這些舊系統已納入核心排名系統或被列為歷史系統；內容品質、連結垃圾與語意理解仍是現代搜尋的重要面向，但不是 Google 公布的三條固定評分軸。
「被演算法打到，找一個快速修補的方法就能回升。」	先找出受影響查詢與頁面的實際原因，再做相應改善；反映時間可能從數天到數月，也沒有恢復保證。

第一個迷思最危險，因為它會讓你去找一個根本不存在的「解藥」。如果沒有連結垃圾或人工處置的證據，卻逕自操作 Disavow、砍外鏈、改錨點，不只可能無效，也可能誤傷正常連結。診斷錯了，再正確的治療也救不了人。所以遇到流量下滑，第一步應先確認技術、需求、查詢與更新事件，別急著動手。

另一個迷思是「系統名稱過時，就不用認真做內容」。現代核心系統會判斷內容是否有幫助，規模化內容濫用政策則針對以操弄排名為目的的大量內容，不論由 AI、人工或混合方式產出。E-E-A-T是品質評估概念，不是一個可直接查到的排名分數。

SEO 沒有按一下就恢復的按鈕。改善可能在數天至數月後反映，也可能因競爭與內容本身不足而不恢復；不要承諾固定在下個季度「發酵」。

2026 年還要管這三個名字嗎？一份三層地基自檢清單

回到最實際的問題：到了現在，熊貓、企鵝、蜂鳥這三個名字，還值得放在心上嗎？

我的答案是：名字可以不背，但這三層代表的內容品質、連結垃圾與語意理解問題，仍可拿來自檢。Panda 與 Penguin 已納入核心排名系統，Hummingbird 則被 Google 列為歷史系統；它們都不再以獨立更新的形式發布。底下這份清單，是面對網站時可跑過的「三層地基檢查」。

熊貓層（內容品質）自檢

1. 抽樣檢查網站上的文章，問自己：每一篇有沒有提供讀者在他處不容易得到的價值？如果多篇都答不出來，就值得進一步檢查內容生產流程。
2. 有沒有大量主題重複、只是換個關鍵字排列組合的薄頁面？這正是當年內容農場的長相，也是關鍵字自我競食的源頭，該整併就整併。
3. 每一篇的開頭是否對齊標題與搜尋意圖？不要套用「前三秒決定排名」這種未公布門檻。

企鵝層（連結乾淨度）自檢

1. 用 Search Console 或第三方工具，看一下你的反向連結來源。有沒有一大批來自同一個低品質網域、或錨點文字全是商業關鍵字的連結？這是企鵝當年最愛抓的長相。
2. 你是不是還在用「大量交換連結」「未適當標記的付費投稿連結」等方式操弄排名？這類連結可能被忽略，也可能導致演算法處理或人工處置；Google 沒有公布所謂固定「負分」。
3. 確認你的連結是「被真的推薦出來」的。好的反向連結長得像別人主動引用你，那種你自己撒出去的則完全相反。這層的判斷標準，站外 SEO有更完整的展開。

蜂鳥層（意圖與實體）自檢

1. 拿目標關鍵字去 Google 搜一下，觀察排名靠前的內容是否集中回答某類意圖。如果你的內容跟主要意圖不符，應重新確認目標查詢與受眾需求，而不是堆疊關鍵字。
2. 內容是否清楚、準確地說明主題相關的人、事、物、地與它們的關係？這能補足語意脈絡，但不是 Google 公布的「確認作者懂不懂主題」公式。
3. 標題和開頭是否自然、準確地描述內容，而不是硬湊關鍵字？以讀者理解與查詢意圖為準，不宣稱特定系統會因此直接加分。

這三層是方便盤點的編輯框架，不是 Google 公布的完整排名公式。面對更新時，仍要對照官方事件、實際受影響查詢、技術狀態與市場需求，不能假設內容與連結看起來穩就一定上升。

可以先挑出高價值或明顯下滑的頁面，用上面的清單逐一檢查，再依相同範本或頁面類型擴大處理。不要預設修改一定帶來排名變化，也不要用固定文章數比較成效。

演算法名稱會變，實務上仍可回到幾個可控面向：內容是否對讀者有用、連結是否自然、頁面是否符合查詢意圖，以及技術上能否正常抓取與使用。這不是完整公式，但比追逐未經證實的單一訊號更適合作為長期檢查表。