AXO（AI 全搜尋體驗優化）：一次理解搜尋的未來與布局 | 白話文商學院
AXO（AI eXperience Optimization，AI 全搜尋體驗優化）是一張把 SEO、AEO、LEO、BEO、AAO 按照「品牌被 AI 處理的深度」排成的五層階層…
AXO 是什麼：把 AI 搜尋的五層階層一次排清楚
AXO（AI eXperience Optimization，AI 全搜尋體驗優化）是一張把 SEO、AEO、LEO、BEO、AAO 按照「品牌被 AI 處理的深度」排成的五層階層：底層是 SEO（被找到與被爬取），往上依序是 AEO（被點名）、LEO（被連結導流）、BEO（被直接購買）、AAO（被代理人代勞完成交易）。根據 Ahrefs 用 Brand Radar 追蹤 6 個 AI 助理的研究，品牌被 AI 提及時真正附上連結的平均只占約 28%（範圍約 10–52%），這個數字恰好說明為什麼光看一個縮寫分不出資源該往哪投。
重點先看：AXO 真正的價值在幫你判斷資源先投哪一層。Ahrefs 研究 6 個 AI 助理發現，品牌被提及時平均僅約 28% 附連結，多數是「點名但不連」，所以分層衡量才有意義。
AEO、GEO、LLMO、LEO、BEO、AAO 這串縮寫之所以讓人混淆，是因為它們指的並非互相搶正統的流派，而是同一條價值鏈上、不同「兌換深度」的階層。讀完嚴老師對 AAO 的拆解會更清楚：AXO 就是把這條鏈整理出來，讓你跳過「誰才是對的名字」這層糾結，直接問自己：這一層我要兌換的是曝光、點擊，還是訂單？
五層的口訣是這樣的：SEO 找得到 → AEO 說得到 → LEO 連得到 → BEO 買得到 → AAO AI 替你做到。愈上層商業價值愈直接，但前提條件也愈多。要記住，業界對每個縮寫的定義本就分歧，這張階層是決策用的框架，不是唯一正統分類。如果你想先把這條鏈對應到可執行的步驟，AI 搜尋時代的 SEO 全攻略是很順的起點；如果你也好奇 GEO、AEO、LLMO 這些 AI SEO 別稱到底指同一件事還是不同事，後面會再拆開。
這不是危言聳聽。HubSpot 2026 State of Marketing Report 就發現，61% 的行銷人認為 AI 正在帶來行銷領域 20 年來最大的典範轉移 [來源：HubSpot〈State of Marketing Report〉 https://www.hubspot.com/state-of-marketing 2026]。同一份報告也指出，約 94% 的行銷人計畫在 2026 年將 AI 用於內容產製流程（含部落格文章）[來源：HubSpot〈Marketing Statistics〉 https://www.hubspot.com/marketing-statistics 2026]。當 AI 同時改變使用者怎麼問、怎麼被回答、怎麼被導流，品牌若還只用單一縮寫思考，等於在最大變動期把資源押錯位置，這正是 AXO 分層架構要解的問題。
| 層級 | 全名 | 兌換的結果 | 商業價值 | 前提條件 |
|---|---|---|---|---|
| 第 1 層 | SEO | 被找到、被爬取 | 基礎（無直接成交） | 技術可爬性、內容品質 |
| 第 2 層 | AEO | 品牌被點名（Mentions） | 心佔率 | 內容廣度、Entity 認可 |
| 第 3 層 | LEO | 被引用連結導流（Citations） | 入站流量 | 網站權威度、相關度 |
| 第 4 層 | BEO | 答案內直接結帳 | 訂單 | product feed 結構化 |
| 第 5 層 | AAO | 代理人代勞下單比價 | 營收（未必有流量） | 資料可程式化存取 |
為什麼不要把這些縮寫當成並列選項
很多人把 AEO、GEO、LEO 當成「取代 SEO 的新流派」搶著做，但這五層其實是遞迴前提。底層可爬性、內容廣度、Entity 認可沒做好，上層的提及、引用、結帳、代理代勞根本無從發生。正確做法是由下往上補強，跳級直接搶最難的 BEO 或 AAO 只會事倍功半。
用蓋房子比喻最貼切：沒有地基、沒有水電，你直接去裝水晶吊燈，看起來漂亮，住進去第一天就漏電。底層是入場券：沒有 XML Sitemap、結構化資料 schema、被廣泛連結的權威內容，AI 根本不會把你放進候選池。連 爬取預算都吃不到的品牌，談被 AI 引用只是空轉。
底層有多難其實有硬數字。Ahrefs 用 Content Explorer 約 140 億個頁面做的研究發現，有 96.55% 的頁面從 Google 拿不到任何自然流量，其中只有約 1.94% 的頁面每月能拿到 1 到 10 次造訪 [來源：Ahrefs〈96.55% of Content Gets No Traffic From Google〉 https://ahrefs.com/blog/search-traffic-study/ 2023-12-01]。這組數字提醒一件事：連在傳統 Google 排名都擠不進前段的內容，想被生成式引擎挑中當來源，機率本就極低。底層不到位，再多人去聊 AEO 與 LEO，也只是在空談一個進不去的候選池。
最常見的錯誤是：聽到「AEO 是新 SEO」就全面轉向，把原本的內容與技術 SEO 預算挪走，結果連基本的 搜尋意圖都沒對應好，關鍵字搜尋意圖的四大類型也沒拆清楚。半年後回頭看，提及拿不到、引用也拿不到，原本的 自然搜尋流量還倒退。AEO 本身有用，問題出在順序排錯了。
這五層的別稱之爭沒有實益，真正能用來決策的是「這層我要兌換什麼」。對名詞分類還有疑問的人，可以先看GEO 是什麼與 SEO 差異把地基打穩，再回頭對照GEO 與 SEO 的差異釐清兩者邊界。若想把「被 AI 引用」這件事系統化拆解，GEO 生成式搜尋優化的脈絡可以接著讀。
SEO 這一層：被找到與被爬取的底層燃料
在 AXO 框架下，SEO 的角色跟以前不一樣了。它仍是整條鏈的底層燃料，但任務從「排上 Google 第一頁」擴大到「讓你的資料能被 AI 爬進資料庫、內容夠好能被引用、夠廣能被提及」。若連基本排名都還在掙扎，先弄懂Google 排名上不去的關鍵原因再談上層也不遲。沒有這一層，上面的提及、連結、結帳都無從談起。
技術面決定你的內容能不能進入 AI 的素材庫。sitemap 要提交、schema 要標好、可爬取性不能被 robots 擋掉。這些工作看起來無聊，卻是 ChatGPT、Perplexity、Gemini 這些生成式來源能不能檢索到你的前提。想把這塊底層一次顧好，技術性 SEO 完全指南把網站架構與爬蟲溝通講得很清楚。如果你對 SEO 是什麼還停留在「寫關鍵字、發外連」的階段，這裡會是第一個要補的洞。
內容面則分兩件事。品質決定能不能被「引用（Citations）」，廣度與 Entity 認可決定能不能被「提及（Mentions）」。一篇寫得極深但只覆蓋一個窄主題的文章，可能被引用卻難被提及；一篇覆蓋廣、Entity SEO 做得扎實的內容叢集，才有機會在推薦清單裡被點到名。這也是為什麼 資訊增益與 反向連結帶來的網域權重，到 AI 時代仍然吃香。
如果原本 SEO 成效就差，後面四層不用談，這是排序上最該先補的一層。與傳統 SEO 的差異在於：不只是排 Google，還要對生成式來源可被檢索，這牽涉到 RAG 檢索增強生成背後的素材挑選邏輯，以及 BM25、TF-IDF 這類決定「餵給 LLM 什麼」的演算法。把 網站架構與 內部連結顧好，AI 才爬得動你的站。
底層燃料的另一個真相是：這一層的 ROI 仍是行銷組合裡最高的一塊。HubSpot 2026 報告顯示，網站、部落格與 SEO 仍舊是行銷人公認 ROI 最高的管道，付費社群廣告以約 26% 緊追在後 [來源：HubSpot〈Marketing Statistics〉 https://www.hubspot.com/marketing-statistics 2026]。換句話說，把預算從 SEO 挪去追新縮寫之前，要先確認你挪走的是不是整個行銷組合裡最會賺錢的那層。AXO 不是要你放棄底層，而是要你確認底層穩了，再往上兌換。
第二層 AEO：讓品牌在 AI 答案裡被點名
AEO（Answer Engine Optimization）爭取的是「品牌詞提及（Mentions）」。當使用者問推薦清單、問解方時，你的品牌名有沒有出現在 AI 的答案文字裡，就是這一層的戰場。它不牽涉點擊，目標是提升品牌在 AI 心中的心佔率。
想像使用者問 ChatGPT「推薦幾款閱讀器」，如果你的品牌出現在答案裡，那就是一次 Mentions。再想像問「廚房油污怎麼清」，你的清潔用品品牌有沒有被點到名，也是同一件事。這些提及的發生前提，是官網內容品質高、關聯度強，且品牌在網路上有廣泛的 Entity 認可與連結。想把這層的優化邏輯系統化，AEO 優化完全指南把答案引擎與 SEO 的關係拆得很清楚。這也是 品牌要成為被 AI 推薦的答案這條路的核心。
衡量方式是最容易踩雷的地方。不能只看被點名幾次，要用搜尋量與 impressions 來加權，否則會高估低流量主題的價值。Ahrefs 的研究就指出：6 個 AI 助理提及品牌時真正附連結的平均僅約 28%，範圍落在 10–52% 之間。換句話說，多數提及是「點名但不連」，曝光的價值遠大於單純的次數。想在 AI 工具之外多爭一個增加品牌提及的管道，Presshub 這類曝光聯播是其中一條路；想知道怎麼系統化追蹤這類數字，可以參考 Ahrefs Brand Radar 或 GEO 能見度監測工具。
| 衡量項目 | 錯誤做法 | 正確做法 |
|---|---|---|
| 被點名次數 | 只看總次數 | 用搜尋量與 impressions 加權 |
| 含連結比例 | 假設提及＝導流 | 平均僅約 28% 附連結，多數是點名不連 |
| 主題分布 | 分散在低流量主題 | 把權威內容集中高搜尋量查詢 |
實作重點其實反直覺：不要什麼主題都做，而是把資源砸在高搜尋量的主題上打造權威內容。因為同一份 Ahrefs 研究觀察到，含連結的提及多半落在高流量查詢上，曝光占比可達三到七成。這對應到 Grounding 被 Google AI 引用的機制，想完整掌握這條鏈路的可再讀AI Grounding SEO 策略，也說明為什麼長期鎖定高流量關鍵字的站，連帶在 AI 提及上也吃香。如果想更細緻區分追蹤口徑，mentions 與 citations 的追蹤差異值得讀一遍。
這一層也跟 Google AI Overviews 的勝出邏輯高度相關。AI 摘要會把被廣泛認可的實體寫進答案，所以 Entity 做得扎實的品牌，被點名的機率明顯較高，而這種語意判讀能力其實可回推到蜂鳥演算法奠定的實體理解。如果你還在猶豫 AI 搜尋時代 該怎麼做 SEO，AEO 是最適合內容與服務品牌切入的一層。
把 AEO 落到實作，關鍵在於把它當成一個迴圈而非一次性工程。起點是盤點品牌在哪些高搜尋量查詢裡該被點名，列成目標清單，再針對每個查詢補一篇兼具深度與資訊增益的權威內容，讓 AI 在挑來源時找得到你。接著強化 Entity 層，包括 結構化資料、維基與知識圖譜相關的來源連結、以及第三方權威網站對你品牌的描述一致性；最後定期用監測工具回測這些查詢的提及表現，把沒被點名的缺口補回去。這個迴圈比任何「AEO 速成法」都踏實，也正好呼應為什麼資源該先投在高流量查詢而非四面出擊。
LEO：讓 AI 願意附上連結、把流量導回來
LEO（Link Engine Optimization，或稱生成式引擎連結優化）追求的是「AI 願意附上你的網站連結（Citations）並帶來點擊」。它比 AEO 更高維度，因為涉及實際導流、難度更高，也把「提及」與「引用」兩件工作正式拆開。
AEO 與 LEO 的差別，就在於使用者有沒有離開 AI 工具。AEO 停留在 AI 工具內，點名不點擊；LEO 才會產生離開 AI、進到你網站的點擊行為。入站才有生意做，所以 LEO 排得比 AEO 更高維度。茫茫網站裡，AI 為什麼要引用你？這需要網站的權威度、相關度、有效度都夠高，才有機會被挑中當來源，AI SEO 實戰心法把這套條件整理成可照做的步驟。
這一層的商業價值比純提及更直接。被引用的關鍵條件有三個：權威度（別人願意連你）、相關度（你的內容真的回答了問題）、有效度（連結指向的頁面還活著、可讀、可信任）。在 Google 陣營，Google AI Overviews 完全指南把這套引用機制講得很完整。它與 GEO（Generative Engine Optimization）的概念高度重疊，想把 GEO 拆成可執行步驟可讀GEO 生成式引擎優化五大原則，差別在 LEO 特別強調「連結導流」這個兌換結果，重點在於點擊進站，而非僅看被生成的文字裡有沒有出現你的名字。
權威度這個條件，背後有硬數字撐著。Backlinko 分析 1,180 萬個 Google 搜尋結果發現，排名第 1 的結果平均擁有的反向連結數是第 2 到第 10 名的 3.8 倍 [來源：Backlinko〈Search Engine Ranking: We Analyzed 11.8 Million Google Search Results〉 https://backlinko.com/search-engine-ranking 2025-04-14]。同一份研究也指出，約有 95% 的頁面完全沒有任何反向連結 [來源：Backlinko〈Search Engine Ranking〉 https://backlinko.com/search-engine-ranking 2025-04-14]。也就是說，AI 是否願意引用你，很大程度取決於你在傳統搜尋與外部連結網絡裡的權威度，這正是 LEO 無法跳過 SEO 底層的原因。排名前段還有另一個誘因：Backlinko 對約 400 萬個 Google 搜尋結果的分析顯示，排名第 1 的自然結果平均點擊率約 27.6%，前 3 名合計拿下約 54.4% 的點擊 [來源：Backlinko〈Google CTR Stats〉 https://backlinko.com/google-ctr-stats 2025-04-16]。AI 會優先引用那些本來就在傳統結果前列的權威來源，這條規則在 LEO 層尤其明顯。
LEO 爭的是點擊，AEO 爭的是曝光，兩者常被混為一談，但追蹤指標完全不同：LEO 要看 citation 帶來的入站流量，這個數字可以靠 Bing AI Performance 報表之類的工具直接看到。至於 LEO 跟 查詢擴展 Query Fan-Out 的關係，簡單講就是 AI 會把一個問題拆成多個子查詢去檢索，你的內容如果在這些子查詢裡都不在場，就連被引用的機會都沒有。
對多數內容與服務品牌來說，LEO 是真正能換到生意的一層，但前提是你得先具備被引用的條件。這也是為什麼順序不能顛倒：先把 SEO 的 E-E-A-T 與內容品質補好，再來談被 AI 引用。跳過底層直接搶 LEO，等於還沒練跑就去報名馬拉松。
第四層 BEO：答案即結帳，AI 答案裡的新貨架
BEO（Buy Engine Optimization）的場景是「答案＝連結＝結帳」。AI 直接在答案裡插上購買按鈕，一鍵跳到結帳。它適合有實體商品、能提供 product feed 的電商品牌，本質上與 LEO 的「導流到資訊頁」不同，資訊鏈與購買鏈應該分開經營。
BEO 的驅動力來自能在答案內直接成交的平台，像是 ChatGPT 購物、Perplexity 的 Shop-like-a-Pro，以及 Google AI Mode。這些平台已經能在答案裡直接插 Buy 按鈕，一鍵就跳結帳。這跟 LEO 想爭取的「點連結看資訊」是兩件事：BEO 爭的是直接訂單，要準備的是規格化、可程式讀取的商品資料，重點落在商品資料本身。
核心工作就一個：產品的 product feed。你要確保商品能上架到主流 AI 搜尋平台，規格、價格、庫存都要結構化、可被代理讀取。這牽涉到 Google UCP 這類走向 AI 購物的核心技術，也跟 Google 怎麼看內容的底層邏輯相通：結構愈清楚、愈容易被程式讀懂，就愈容易被放進答案的購買區。
| 比較項 | LEO（導流） | BEO（結帳） |
|---|---|---|
| 兌換結果 | 點擊、入站流量 | 直接訂單 |
| 內容型態 | 資訊頁、文章 | product feed、商品規格 |
| 適合品牌 | 內容、服務品牌 | 電商、有實體商品的品牌 |
| 主要平台 | AI Overviews、Perplexity 引用 | ChatGPT 購物、Google AI Mode |
| 衡量指標 | citation 帶來的入站 | 訂單數、轉換 |
現階段最有潛力的戰場，我認為是 Google AI Mode 與 ChatGPT 購物，想把 Google 這條線布好可看Google AI Mode SEO 指南。建議有商品的品牌優先卡位 product feed，因為這個位置現在競爭還不擠，等大家都在做，紅利就沒了。BEO 與 LEO 的目標與內容型態都不同，硬要把資訊鏈與購買鏈混在一起經營，只會兩頭都做不深。
對電商來說，這一層還得盯著 Google I/O 2026 釋出的訊號。當搜尋引擎往「任務引擎」走，答案裡直接成交會從例外慢慢變常態。product feed 結構化先做起來，等競爭變激烈再補就來不及。
把 BEO 落到具體步驟，會有幾個關鍵動作。商品欄位要齊全：標題、描述、規格、價格、庫存、變體（顏色尺寸）、圖片、運費條件、退換貨政策，每一項都要能被程式讀懂，缺一項就可能被 AI 系統判定為資訊不完整而跳過。商品資料的即時性也很關鍵，價格變了或斷貨卻沒同步更新，會直接造成消費者投訴與平台懲罰。再者，商品頁的 結構化資料要標到 Product schema 的完整欄位，搭配 Merchant Listing 的規範，才能提高被放進答案購買區的機率。把這幾項當成 product feed 的及格線，BEO 才有東西可兌換。
第五層 AAO：AI 代理人代你完成下單與比價
AAO（AI Agent Optimization）是 AI 代理人自動完成比價、下單、研究的一層，人工介入最少。到了這一層，消費者可能幾乎不替你的網站創造流量，卻仍能完成訂單、貢獻營收。所以重點在確保代理人能順暢存取並解析你的資料、自動跑完下一步動作，流量反而不是這層的目標，這也跟 ChatGPT Atlas 與 SEO 的整合背後的檢索邏輯同源。
這是 AXO 裡我最想認真談、卻也最不敢給數字的一層。AAO 還在很早的階段，什麼都還在變，比起丟一個嚇人的百分比，把趨勢講清楚更有用：代理式搜尋與 資訊代理正在改寫搜尋的未來，Agentic Browsing 也讓網站必須準備好迎接 AI Agent 的瀏覽。所謂「消費者幾乎不創造流量，卻仍能成交」，是這一層最反直覺、也最該提早準備的事。
AAO 的優化重點有兩塊。一是內容結構要便於檢索，商品、價格、庫存、API 都要能被代理人讀懂，這部分可參考AI 偏好內容的規劃方式；二是網站流程要讓代理人能自動完成結帳與比價的下一步動作。這牽涉到 AI Agent 的運作原理，也跟 MCP（Model Context Protocol）這類讓代理人能存取外部資料的協定有關。前提條件最高：代理能讀懂你的資料，才有機會被選進自動下單流程。
對品牌來說，這一層的要求是「持續留在這場遊戲裡」。資料要保持結構化、可程式化存取，否則代理人會直接跳過你，去找下一個能讀懂的供應商，而要被 AI 系統化挑中，GEO 行銷五大核心原則提供的內容準則值得對照。llms.txt 這類實驗性文件，或是用 AI 做 SEO 與競品分析的工具，都是為了讓這個「被代理人讀懂」的門檻降低。AAO 時代網站流量會不會歸零難說，但「沒造訪卻成交」的訂單會愈來愈多，這點是確定的。
AXO 布局順序與常見誤區
由下往上補是唯一穩的路。先把可爬性、內容品質、Entity 認可（第一層 SEO）做到及格，再依品牌類型決定主攻 AEO/LEO（內容與服務品牌）或 BEO/AAO（電商與有 product feed 的品牌）。最常見的誤判，是跳過底層、直接搶做 BEO/AAO，結果上層條件不具備、資源全數空轉。
回顧一下，優先順序是：可爬性 → 內容廣度與 Entity → 提及（AEO）→ 引用導流（LEO）→ 結帳（BEO）→ 代理代勞（AAO）。內容廣度要靠主題佈局撐起來，長尾關鍵字攻略是新手切入權威內容的好抓手。內容與服務品牌主攻 AEO 加 LEO，電商品牌在 AEO 與 LEO 之外，加碼 BEO 與 AAO 的 product feed。整體策略想一次看懂，AI 搜尋時代的 SEO 策略是順手的延伸讀物。這個順序不是死的，但跳過愈多層，風險愈高。
| 品牌類型 | 主攻層級 | 核心衡量指標 |
|---|---|---|
| 內容品牌 | AEO + LEO | mentions 加權搜尋量、citation 入站 |
| 服務品牌 | AEO + LEO | 品牌詞曝光、諮詢轉換 |
| 電商品牌 | AEO + LEO + BEO + AAO | 訂單數、product feed 上架率 |
衡量指標要分層，這點很多人會忽略。AEO 看 mentions 加權搜尋量、LEO 看 citation 帶來的入站、BEO 與 AAO 看訂單而非流量。把這些混在一起看，會得到一個看似漂亮、其實什麼都沒說的總分。想更精準衡量 AI 搜尋能見度，Ahrefs Brand Radar 與 GEO 監測工具是現階段比較成熟的選擇。
還有一個常被問的：做 AXO 會不會跟原本的 SEO 打架、互搶資源？我的看法是不會，前提是你把順序排對。AXO 把既有的 SEO 成果向上兌換成更多商業價值，並非要取代 SEO。如果你對 AI 時代 SEO 生存報告還有焦慮，或想確認 AI 時代該怎麼做 SEO，這個階層觀正是最好的安神劑。想系統化學的人，可以參考 GEO 與 AI SEO 課程、AI SEO 流量變革課程，或從產業分析到落地實戰的 SEO 排名攻略課程。
這條 SEO 找得到 → AEO 說得到 → LEO 連得到 → BEO 買得到 → AAO AI 替你做到的鏈，核心判準只有一條：品牌能不能參與，取決於底層那幾項基本功。Google AI Overviews 對搜尋流量的影響也印證了這點。別在最難的 BEO/AAO 上空轉，卻連底層的可爬性與內容品質都沒補齊；順序排對，資源才會落在能兌換的層。
想往不同方向延伸的讀者，可以再讀AI 搜尋引擎推薦挑工具、用關鍵字搜尋量與長尾關鍵字決定從哪個主題開始打權威內容，大型語言模型 LLM 入門則補上技術理解。
AXO 決策矩陣：依品牌成熟度選擇起手層
分層看懂了，真正要做決策時，多數人會卡在「我現在到底該從哪層開始」。把問題拆成兩個維度會清楚很多：一個維度是品牌的內容與技術成熟度（底層 SEO 與不熟練），另一個維度是品牌有沒有實體商品或可程式化的商品資料。把這兩個維度交叉，會得到四個象限，每個象限對應不同的起手層與優先動作。
| 象限 | 成熟度／商品 | 建議起手層 | 第一個 90 天該做的 |
|---|---|---|---|
| 象限一 | 底層弱、無實體商品 | 專注 SEO | 補 sitemap、schema、內容品質，連基本排名都先搶回來 |
| 象限二 | 底層穩、無實體商品 | AEO 加 LEO | 鎖定高搜尋量查詢補權威內容，開始追蹤 mentions 與 citation 入站 |
| 象限三 | 底層弱、有實體商品 | SEO 加 BEO 資料 | 先補底層，同時把 product feed 結構化排進時程 |
| 象限四 | 底層穩、有實體商品 | AEO、LEO、BEO 並進，準備 AAO | 資訊鏈與購買鏈分頭經營，product feed 上架主流 AI 平台 |
這張矩陣的重點在於：成熟度低就不要碰上層，無商品就不要碰 BEO 與 AAO。把這兩個前提先確認清楚，再對照象限找起手層，會比盲目追逐「最新縮寫」省下大量試錯成本。落在象限一或象限三的品牌，最該做的其實是回到 技術性 SEO 與 SEO 基礎，把底層補到及格；落在象限二的品牌，重心該放在 AEO 優化 與 GEO 生成式搜尋優化。
以這類落在象限二的內容或服務型網站為例，最能看出分層追蹤的價值。常見的狀況是：底層 SEO 已經穩到自然流量每個月維持在一個穩定區間，品牌在高搜尋量的主題查詢裡開始被 AI 點名，但如果只看被點名次數會高估成效。依典型表現幅度，這類站的 mentions 加權搜尋量可能累積到約五成到七成的目標查詢覆蓋率，可是真正附上連結、產生 citation 入站的占比往往只有約一成到兩成五，落差正落在「被點名但不被連」這條線上。這正是前面 Ahrefs 那組平均約 28% 附連結的數字，在個別網站上的具體投影。決策上這代表資源該往 LEO 的權威度與相關度傾斜，而不是繼續衝 mentions 次數。這裡有個誠實的失敗提醒：mentions 與 citation 的比例會因主題與平台而大幅波動，新興查詢或長尾主題的附連結率可能更低、甚至接近零，分層追蹤要看趨勢而非單一時點，否則容易把波動誤判成策略失敗，或反向把一次性高峰當成穩定結構。
AXO 五層自我評分卡：你的網站位在哪一層
決策矩陣幫你找起手層，評分卡則幫你定位現在的成績。評分卡把五層各自拆成可檢查的項目，每一項用「做到／部分做到／沒做」三級自評，再對照後面的判讀建議。建議每季跑一次，看分數往哪一層移動，就知道資源有沒有投對地方。
- 第 1 層 SEO：sitemap 已提交且可被檢索、商品與文章頁標好 schema、Core Web Vitals 達標、有穩定的反向連結來源。
- 第 2 層 AEO：在高搜尋量查詢裡被 AI 點名、品牌 Entity 在第三方網站描述一致、定期追蹤 mentions 加權搜尋量。
- 第 3 層 LEO：被 AI 附上連結並帶來入站、能在 Bing AI Performance 或同類報表看到 citation 流量、內容的權威度與相關度夠高。
- 第 4 層 BEO：product feed 結構化並上架主流 AI 平台、商品規格價格庫存即時同步、商品頁 Product schema 完整。
- 第 5 層 AAO：商品資料可被代理人讀取、網站流程能讓代理人自動完成結帳與比價、訂單與營收改用代理人管道追蹤。
判讀方式很單純：如果第 1 層的項目還有兩項以上沒做到，先把所有資源壓回底層，上層的成績再漂亮也只是運氣。如果第 1 層大致做到、第 2 層與第 3 層半數達標，就可以把心力往 AEO 與 LEO 傾斜。如果連第 1 層都穩了、第 2 到第 3 層也穩，而且你是有實體商品的電商，再認真投入第 4 層與第 5 層。評分卡的功能在於把「我好像做得不錯」這種感覺，轉成可追蹤的具體進度。
不該搶做 BEO 與 AAO 的幾種情境
每層都有它的反面：什麼情況下你根本不該碰。BEO 與 AAO 因為門檻最高、也最容易讓人浪費資源，特別值得拉出來講。幾種常見情境裡，搶做這兩層通常只會白忙一場。
- 沒有實體商品、無法提供 product feed：BEO 與 AAO 都建築在可程式讀取的商品資料上，沒有商品就沒有可上架的貨。
- 連底層可爬性都還在救：sitemap 沒提交、schema 沒標、排名還在掙扎，這時把心力挪去 BEO 等於跳過地基。
- 商品資料常延遲同步：價格或庫存更新不及時會直接傷害使用者體驗，平台也會降低對你的信任。
- 結帳流程高度仰賴人工或客製報價：代理人無法自動完成的流程，再好的 product feed 也兌換不出訂單。
- 品牌屬於純服務或內容型態：這類品牌的主力本來就在 AEO 與 LEO，硬做 BEO 反而會把資源從主戰場抽走。
對應的做法是：先把上述問題一項一項排除，等到 product feed 穩定、結帳可自動化、底層可爬性與內容品質都到位，再正式投入 BEO 與 AAO。在此之前，把心力留在 AEO 與 LEO，往往能把同樣的預算換到更高的回報。記住，AXO 的核心是依序兌換，搶快不代表領先。
AXO 的追蹤儀表板：分層該看哪些指標
分層做、分層衡量，這是 AXO 與傳統單一 SEO 思考最大的差別。把每一層的關鍵指標放進同一個儀表板，每週或每季檢視，才看得出資源有沒有投對層。表格把五層各自該追蹤的核心指標列出來，方便直接拿來建報表。
| 層級 | 核心追蹤指標 | 代表意義 |
|---|---|---|
| SEO | 索引頁數、Core Web Vitals、自然流量、目標關鍵字排名 | 底層是否被爬取、能否被找到 |
| AEO | mentions 加權搜尋量、品牌詞在高流量查詢的出現率 | 品牌被點名的心佔率 |
| LEO | citation 帶來的入站流量、被引用的來源頁分布 | AI 是否願意連你並導流 |
| BEO | product feed 上架率、答案內結帳的訂單數與轉換率 | 答案即結帳的成交表現 |
| AAO | 代理人管道訂單數、無造訪卻成交的營收占比 | 代理人代勞帶來的營收貢獻 |
把這五層指標分開看，會發現很多過去看不出來的事。例如 mentions 很高但 citation 入站接近零，代表你被點名卻沒被連結，這時該補的是權威度與內容的相關度，讓 AI 願意把你的網址寫進答案。又如 product feed 上架率高但訂單數低，問題通常出在商品規格或價格不夠有競爭力，而非資料結構本身。分層追蹤最大的好處，就是能精準定位卡在哪一層，再把資源投進去。
AXO 常見問題
AEO 爭取的 Mentions 跟 LEO 爭取的 Citations 差在哪？
Mentions 是品牌名出現在 AI 答案文字裡，不牽涉點擊，目標是心佔率；Citations 是 AI 附上你的網站連結並帶來入站點擊，目標是導流。Ahrefs 研究 6 個 AI 助理發現，被提及時平均僅約 28% 附連結，多數是點名但不連。
AAO 時代網站流量會不會歸零？
未必歸零。但當代理人自動比價、下單時，會多出一批「根本沒進過你網站」的訂單，傳統流量報表看不出這層貢獻。所以衡量要改看訂單與營收，並把商品、價格、庫存資料做到代理人能直接讀懂。
中小企業該從 AXO 哪一層開始布局？
從第一層 SEO 開始。先把可爬性、內容品質、Entity 認可做到及格，再依品牌類型選擇主攻方向：內容與服務品牌主攻 AEO 加 LEO，電商品牌再加碼 BEO 與 AAO 的 product feed。底層沒顧好就跳上層，是最常見的資源浪費。
如何判斷我現在卡在 AXO 的哪一層？
用分層評分卡自評。若第 1 層 SEO 的可爬性、schema、排名還有明顯缺口，先把資源壓回底層；若底層穩了但 mentions 偏低，問題在 AEO 的內容廣度與 Entity；若 mentions 高但 citation 入站接近零，問題在 LEO 的權威度與相關度；若有商品但 product feed 沒上架，則卡在 BEO 的資料結構化。分層追蹤指標能精準定位卡點。
沒有實體商品的品牌該怎麼用 AXO？
把心力放在 SEO、AEO、LEO 三層。底層 SEO 顧好，再鎖定高搜尋量查詢補權威內容爭取 mentions，並強化網站權威度與相關度爭取 citation 入站。BEO 與 AAO 建築在可程式讀取的商品資料上，沒有實體商品的品牌這兩層基本碰不到，硬做只會把資源從主戰場抽走。