BM25 介紹：BM25 如何決定你餵給 LLM 的素材？ | 白話文商學院
BM25（Okapi BM25）是一種機率式的文字相關度計分公式，搜尋引擎與 RAG 系統拿它當入口關卡：在語意模型或大型語言模型還沒上場之前，先用關鍵字吻合度決定哪些文件有資格進…
BM25（Okapi BM25）是一種機率式的文字相關度計分公式，搜尋引擎與 RAG 系統拿它當入口關卡：在語意模型或大型語言模型還沒上場之前，先用關鍵字吻合度決定哪些文件有資格進入候選池。每秒都有數十萬次 Google 搜尋正在發生（即時計數可見於 Internet Live Stats 這類即時監測站），這些查詢在進入向量檢索或 AI 摘要之前，幾乎都會先經過 BM25 這一關。若想看它在整個 RAG 檢索增強生成技術管線裡的位置，BM25 就是那道用關鍵字做粗篩的第一層。
重點先看：BM25 是到 2026 年仍是搜尋引擎與 LLM 管線預設的相關度評分函式，並未過時。多份公開的 RAG 評測實驗顯示，先用 BM25 篩候選、再用向量重排，可比純向量檢索提升個位數百分比的回答正確率。
BM25 的角色：語意模型上場前的入口關卡
BM25 就是搜尋系統在「還沒動用到任何聰明模型」之前，先用來快速判斷「這篇文件跟查詢有多相關」的計分公式。它的全名是 Okapi BM25，名字拆開來看：BM 是 Best Matching（最佳匹配），25 只是版本號。1990 年代英國 City University London 的 Okapi 專案團隊試驗了數十種權重函式（BM1、BM11、BM15 一路編號下去），最後把表現最好的第 25 號公式發表並沿用，就成了今天這個名字（這段沿革見於 Okapi BM25 的公開條目）。
它在算什麼？其實是三件事的加權總和：某個詞在這篇文件裡出現幾次（詞頻 TF）、這個詞在整個語料庫有多罕見（逆文件頻率 IDF）、以及這篇文件長度跟平均長度比起來偏長還是偏短（長度正規化）。三個量各自算完再加總，就是這篇文件對這組查詢的 BM25 分數，分數越高排名越前面。
為什麼到 2026 年它還沒被淘汰？因為公式計算快、效果穩定，Google 搜尋引擎運作原理裡的初步相關度判斷，業界普遍認為 BM25 仍是混合式排序的第一層篩選，後續的 RankBrain、BERT、向量排序都是在它篩過的候選集上做「重排」。截至 2026 年中，主流 AI 搜尋引擎工具與 Elasticsearch、Lucene 這類開源搜尋引擎也持續把 BM25 當作預設相關度評分函式（見 Elasticsearch 官方文件的相似度設定說明）。
把它收攏成幾個特徵：背後是機率檢索模型（評估「給定查詢下文件相關的機率」，勝過單純把頻率相乘），輸入只有三個量（詞頻 TF、逆文件頻率 IDF、文件長度正規化），旋鈕只有兩個（k1 控詞頻飽和速度、b 控長度正規化強度），並從 1990 年代沿用至今，仍是 Elasticsearch、Lucene 與各大 RAG 管線的預設基線。
有個常見誤解值得先拆掉：很多人以為 BM25「就是 TF-IDF 的升級版」，聽完就覺得這只是搜尋引擎的考古題。這個框架會讓你錯估它在 AI 時代的位置。反向看，RAG 與混合式檢索的瓶頸其實卡在候選集篩選這端，生成模型那端反而很成熟，BM25 正卡在這裡。這也是為什麼值得花時間把它的計分邏輯搞清楚，把它當歷史名詞掃過去實在可惜。
再給一個判斷它重要性的角度：BM25 是少數「快、便宜、可解釋」三者兼備的相關度函式。它只做字面吻合，算的是純統計量，不需要把文件與查詢都過一次神經網路，因此單次查詢的延遲極低、可在數百萬文件上即時運算，而且分數可以一項一項拆開來解釋給非工程師聽。這三個特性讓它在「先縮小候選集」這個位置上幾乎沒有替代品。語意模型擅長精排少數幾篇，卻不適合拿來掃全庫；BM25 剛好補上這個量級缺口。
SEO 與 RAG 為什麼繞不開這條公式
BM25 在 AI 搜尋時代的重要性不降反升。Google 雖然陸續加入 RankBrain、BERT、RankEmbed 等機器學習訊號，但業界普遍認為 BM25 仍是計算初步相關度的基礎函式，後續模型是在 BM25 篩過的候選集上做重排。這裡先講清楚一個關鍵假設的證據強度：我無法找到 Google 官方公開聲明「我們仍在用 BM25」的直接引述，因此不會寫成「Google 官方證實」，而是描述為業界共識與混合式排序的標準作法（判斷依據來自業界訪談與搜尋工程師的公開討論）。這個保留是有必要的。
換個角度想，這道關卡的殘酷之處在於：你的內容若在 BM25 階段進不了候選集，搜尋曝光與排名的後續計算就完全輪不到它。再聰明的語意模型、再強的向量檢索，都只會在候選池裡挑內容。被刷掉的文件對系統來說等於不存在。這對做 GEO 生成式搜尋優化的人尤其要命，因為 LLM 能不能引用你的內容，往往就卡在 BM25 這一關，生成模型本身已經很會選材；想跨過這道門，可先弄懂 GEO 生成式搜尋優化是什麼背後的檢索邏輯。
這不是危言聳聽。第三方大規模研究已經量化了這道門檻的代價：在 Ahrefs 索引中，96.55% 的頁面完全拿不到來自 Google 的自然流量，只有 1.94% 的頁面每月拿到一到十次造訪 [來源：Ahrefs〈96.55% of Content Gets No Traffic From Google. Here's How to Be in the Other 3.45% [New Research for 2023]〉 https://ahrefs.com/blog/search-traffic-study/ 2023-12-01]。也就是說，絕大多數內容連候選集這關都沒站穩，自然就談不上後續的語意排序與 AI 引用。BM25 做的就是那道把多數內容擋在門外的初步相關度計算。
就算勉強擠進結果頁，名次的差距也被第三方數據放大檢視。Backlinko 分析約 4 million 筆 Google 搜尋結果發現，只有 0.63% 的搜尋者會點擊第二頁的結果 [來源：Backlinko〈Google CTR Stats: We Analyzed 4 Million Google Search Results〉 https://backlinko.com/google-ctr-stats 2025-04-16]。這組數字側面印證了候選集篩選的份量：BM25 與後續重排決定你落在第一頁哪個位置，而第一頁與第二頁之間的點擊落差是斷層級的。
同一份 Backlinko 研究還指出，第一名結果的平均點擊率為 27.6%，前三名合計囊括 54.4% 的點擊，第一名的點擊量約為第十名的 10 倍 [來源：Backlinko〈Google CTR Stats: We Analyzed 4 Million Google Search Results〉 https://backlinko.com/google-ctr-stats 2025-04-16]。把這組數字與前面的候選集篩選擺在一起看，整條價值鏈很清楚：先過 BM25 進得了候選集，再靠重排擠進前三名，點擊才有意義。任何一環漏掉，前面的努力都會歸零。
講一個公開可見的觀察。不少電商團隊上線站內搜尋或 RAG 第一版時直覺就上純向量檢索，結果發現某些商品名稱裡的精確型號根本召回不回來。向量模型擅長語意相似，但對「XYZ-2000 Pro Max」這種字面必須吻合的專有名詞反而模糊。後來改成混合式，BM25 顧精準召回、向量顧語意擴展，問題才解掉。這個修正方向在多家公開的技術回顧裡都能看到，屬於工程實務的共識，商品頁修好之後，緊接著要顧的就是 CTR 點擊率，畢竟進得了候選集不等於有人會點。
混成式排序與 RAG 的兩階段架構
混成式排序（hybrid retrieval）是 2026 年的事實標準：先用 BM25 等傳統關鍵字模型把候選縮小，再用語意向量或點擊訊號重排，兼顧速度與品質。RAG 檢索增強生成的管線普遍採用「先 BM25 取候選、再向量或 LLM 生成」的兩階段架構，BM25 決定了 LLM 能「看到」哪些素材。想進一步理解模型端如何運用這些素材，可以參考 LLM 與 LLMO 全面解析，看大型語言模型在檢索之後如何決定要引用誰。
- Retrieval 檢索環節的候選篩選：BM25 把全庫數百萬文件縮到百篇上下，後續重排才有成本可言。
- Google AI Overviews 摘要機制：內容若進不了候選集，就不會被 AI Overview 引用。
- Google AI Mode 搜尋新模式與 查詢擴展 Query Fan-Out 技術：多步檢索的每一步都還是要先過關鍵字吻合這一關，這也是 Google AI Mode SEO 因應策略反覆提醒的前提。
- 網頁索引完成之後、排序之前：BM25 是索引與排序之間的那層相關度計算。
說到底，熟悉 BM25 是 GEO 的技術基礎，因為它直接卡在「檢索」這一環。GEO 與 SEO 的差異比較裡兩者最大的分野就在「內容要不要被 AI 看到」這一關，而 BM25 正是那道門。
BM25 的三個核心成分：TF、IDF、文件長度正規化
BM25 把相關度拆成三個量來加權。TF（詞在這篇文件出現幾次）會被飽和機制壓制、IDF（詞在全庫有多罕見）決定權重大小、文件長度正規化則把長文章的分數適度壓低，避免字數多的文件不公平佔優勢。理解這三個量各自的作用，比背公式重要得多。
詞頻 TF 與飽和機制
詞頻（Term Frequency，TF）指的是某個關鍵詞在單一文件內出現的次數。出現一次 TF 就是 1，出現十次 TF 就是 10。直覺上出現越多代表越相關，但 BM25 不讓它線性長下去，而是用 k1 參數讓分數趨近一個上限。換句話說，出現第 50 次的加分遠小於第 1 次。這就是 BM25 的詞頻飽和機制。
這個設計直接打臉「關鍵字密度越高越好」的老觀念。在 BM25 架構下，把同一個詞堆到第 30 次、第 50 次，邊際加分幾乎歸零，反而可能被當成關鍵字堆砌的訊號。SEO 關鍵字策略的重點在覆蓋度與 IDF，密度數字反而會誤導方向。
飽和機制在實務上有個常被忽略的延伸效果：它讓「同義詞覆蓋」比「同詞重複」更划算。一篇文件如果把同一個概念用三到五個不同的精準詞表達，每個詞各自貢獻一次完整的 IDF 加分，總分會比把單一個詞塞滿全文更高。這也是為什麼自然寫作、覆蓋查詢可能用到的各種說法，在 BM25 計分上反而比機械式重複更佔優勢。
逆文件頻率 IDF：罕見詞才是分數來源
逆文件頻率（Inverse Document Frequency，IDF）衡量一個詞在整個語料庫有多罕見。系統先掃描全庫，計算每個詞出現在多少篇文件裡。一個詞很少文件用到，IDF 就高，計分時權重就大；像「的」「and」這類高頻詞，IDF 接近零，幾乎不加分。罕見但與主題高度相關的詞，才是 BM25 分數的主要來源。
這也是 長尾關鍵字為什麼值得認真佈局的技術原因。長尾詞在語料庫裡少見但與你主題密切相關，IDF 天然偏高。相對地，大家都在搶的高搜尋量關鍵字，因為太多網站都在用，IDF 反而被稀釋。想做扎實的 關鍵字研究，這個 IDF 直覺比看搜尋量數字更有判斷力。
這裡藏著一個反直覺的判斷點：IDF 是相對值，會隨語料庫變動。同一個詞在你的站內語料庫裡罕見，放到整個開放網路的語料庫裡可能相當普遍，反之亦然。做站內搜尋優化時，該參考的是你自己站內的詞頻分布；做 SEO 內容佈局時，參考的則是開放網路上哪些專有名詞還沒被大量網站濫用。把這兩種 IDF 的參考框架分開，才不會用錯尺度。
文件長度正規化
文件長度正規化用參數 b（預設約 0.75）把長文件的分數稍微調低、把極短文件的分數稍微調高。同一個詞在長文章裡本來就可能自然出現得比較多，如果不校正，一篇八千字的長文只因為重複到關鍵字就會贏過精準的八十字短文，這不公平。
另一個參數 k1（常見 1.2 到 2.0）控制詞頻飽和的速度：k1 越大，TF 影響越線性；k1 越小，飽和效果越快出現。這組標準設定（k1 約 1.2 到 2.0、b 約 0.75）是 Okapi BM25 的慣用預設值，也是 Elasticsearch 與 Lucene 出廠採用的設定，除非你的資料集特性特殊才需要微調。
| 成分 | 衡量什麼 | 對分數的影響 | 關鍵參數 |
|---|---|---|---|
| TF 詞頻 | 詞在這篇文件出現幾次 | 出現越多越加分，但邊際遞減到飽和 | k1（1.2 到 2.0） |
| IDF 逆文件頻率 | 詞在全庫有多罕見 | 罕見詞權重大，高頻詞幾乎不加分 | 無（由語料庫決定） |
| 文件長度正規化 | 文件長度跟平均的差距 | 長文扣分、短文稍補，避免字多佔便宜 | b（約 0.75） |
這三個量加總起來，就解釋了為什麼「關鍵字密度」在 BM25 架構下是過時指標：密度高不代表 IDF 高，也不代表長度正規化後還領先。真正該盯的是罕見詞覆蓋與文件長度的合理性。
BM25 的計分流程：五個動作的加權總和
把 BM25 想成五個動作，不用背公式也能預測自己的內容在這一關會拿幾分：數詞頻、給罕見詞加權、對長文扣分、控制重複的飽和、把每個查詢詞的分數加總。下面一步步拆。
- 數詞頻：算每個查詢詞在文件裡出現幾次，記作 f(qi, D)。出現越多越相關，但這只是起點。
- 給罕見詞加權：查這個詞在整個語料庫有多罕見，罕見的詞（IDF 高）加更多分。「的」這種詞加了等於沒加。
- 對長文扣分：把文件長度 |D| 拿去跟全庫平均長度 avgdl 比，長的扣分、短的稍微補分，由參數 b 控制強度。
- 控制飽和：用 k1（常見 1.2 到 2.0）控制重複出現的飽和速度，避免無限疊加。詞出現到第 3、4 次後，加分就開始趨平。
- 加總：查詢裡每個詞分別計分後相加，總分越高排名越前面。
用一個具體例子比較好懂。假設有人搜尋「貓咪 點心 食譜」，你的食譜文章裡「貓咪」出現 2 次、「點心」出現 12 次、「食譜」出現 5 次。BM25 不會讓「點心」出現 12 次就無上限加分，k1 會把它壓成一個接近上限的值；而「貓咪」在全庫少見、IDF 高，雖然只出現 2 次，貢獻的權重可能反而比「點心」大。最後三個詞的分數相加，就是這篇食譜對這個查詢的 BM25 分數。
把上面的例子再拆細一點，可以看出幾個可操作的重點。「點心」這種常見高頻詞，就算出現 12 次，被 k1 飽和壓制後，最後貢獻的分數與出現 4 次差不多，繼續堆疊沒有意義。「貓咪」雖然只出現 2 次，但只要它在全庫夠罕見，每次出現的權重都很高，這就是 IDF 的力量。而如果你的食譜文章比同類文章平均長出一倍，b 還會再把總分往下拉一截。三個機制疊在一起，結論很實際：與其衝單一個高頻詞的次數，不如確保查詢裡每個詞都精準出現、文章長度落在同主題的平均區間。
這個計分流程帶出一個反直覺的結論：把同一個高頻詞塞滿全文並不划算，讓查詢裡每個詞都出現得「剛剛好」反而更能拿分，特別是那些罕見、與主題高度相關的詞。這也是為什麼 搜尋意圖清楚、關鍵字分類精準的內容，在 BM25 這關通常比堆砌型內容穩定。
BM25 調參決策矩陣：k1 與 b 怎麼選
多數系統出廠就用 k1 約 1.2 到 2.0、b 約 0.75 的標準預設值，這也是 Elasticsearch、Lucene 的實作預設，對絕大多數語料都不需要動。但當你的資料集特性特殊，例如商品名極短、法律條文極長、社群貼文長度落差很大，調對參數能讓排序更貼近直覺。常見情境與建議方向整理成一張決策矩陣，可當作判斷起點。
| 資料集特性 | k1 建議方向 | b 建議方向 | 理由 |
|---|---|---|---|
| 商品名、SKU、代碼（極短、字面吻合為主） | 偏低（約 1.2） | 偏低（約 0.3 到 0.5） | 文件短、長度正規化要弱，避免過度壓分 |
| 長篇文章、論文、法律條文（長度落差大） | 中等（1.2 到 1.5） | 維持偏高（0.75） | 長文優勢明顯，需要較強的長度正規化 |
| 一般網頁內容、部落格（長度接近平均） | 標準（1.2 到 2.0） | 標準（0.75） | 預設值即可，無需微調 |
| 社群短貼文、問答（極短、同詞重複少） | 偏高（2.0） | 偏低（0.3 到 0.5） | 詞頻本就低，放寬飽和讓少數命中更有感 |
| 技術文件、API 文件（專有名詞密集） | 標準（1.2） | 中等（0.5 到 0.75） | 靠 IDF 區分，詞頻與長度都不要過度干預 |
判斷順序很簡單：先看你的文件長度落差大不大，落差大就把 b 往 0.75 甚至更高調；再看查詢詞出現的頻率分布，如果關鍵詞本來就只出現一兩次，可以把 k1 往上調讓少數命中更有感，如果同一個詞很容易重複十幾次，就把 k1 壓低避免堆砌佔便宜。調完之後務必用一批已知相關的查詢做對照，確認排序變化符合預期再定案，憑感覺調整往往會越調越偏。
把這個判斷順序套到一類典型情境比較好體會。以一個商品名稱長度落差很大的中型電商站為例，常見的狀況是商品頁短的只有約 30 到 80 字的規格描述，長的則是約 500 到 800 字的詳盡介紹，落差超過十倍，這類站把 b 從預設的約 0.75 往下調到約 0.3 到 0.5、k1 維持在約 1.2 到 1.5 之間，通常能讓短商品頁的字面精準召回更貼近使用者直覺；相對地，若是一個長度落差小、文章多半落在約 2000 到 3000 字的內容站，依典型表現幅度其實不太需要動參數，標準預設值往往就是最佳解，硬調反而容易把排序弄擰。要留意一個失敗點：光靠調 k1 與 b 很難救回內容本體的問題，若你的商品頁根本沒寫到使用者真正會搜的型號或罕見詞，調參前後的排序差異多半落在個位數百分比的區間，這時與其繼續在小數點上糾結，把心力挪去補齊 IDF 高的長尾詞覆蓋，投入產出比會明顯更好。判斷要不要花力氣調參，可以先準備約 20 到 50 筆已知相關的查詢做前後對照，若調完後相關結果的前十名命中率提升不到約 5 到 10 個百分點，代表你的瓶頸多半出在內容覆蓋那一環，而非參數設定，這個訊號比任何預設值都更值得參考。
一個常見的調參誤區是「越調越細」。k1 與 b 各調個一兩次、用真實查詢驗證，通常就能拿到八成的改善，剩下的兩成往往來自內容本身的詞覆蓋與長度結構，繼續在小數點後兩位上糾結，投入產出比會快速下降。把調參當成一次性校準、留給內容本身去拿剩下的分數，會更符合實務。
跟 TF-IDF 比，BM25 多了哪兩道保險
BM25 沿用了 TF 和 IDF，所以常被講成「TF-IDF 的升級版」，但實質差異藏在它多出來的兩道保險：詞頻飽和與文件長度正規化，再加上 k1、b 兩個可調參數。沿用哪兩個量其實不是重點。這四個差異讓它在長文件、多主題語料上的排序更貼近真實閱讀意圖。若你還沒讀過 TF-IDF 關鍵字權重計算原理，建議先理解 TF-IDF 再回來比對。
| 比較維度 | TF-IDF | BM25 |
|---|---|---|
| 計分思想 | 經驗式頻率加權，TF 與 IDF 直接相乘 | 機率檢索模型，評估「給定查詢下文件相關的機率」 |
| 詞頻處理 | 線性成長，出現越多分越高，無上限 | k1 做飽和，重複塞關鍵字到後面幾乎不再加分 |
| 文件長度 | 不管長短，8000 字論文跟 80 字摘要 TF 相同 | b 做正規化，長文不會只因字多就贏過精準短文 |
| 可調性 | 幾乎沒有超參數，選定定義就固定 | k1、b 可依資料集微調，跨領域效果更穩 |
| 實務定位 | 多半只剩教學價值 | 2026 年搜尋與 RAG 管線的主流第一層基線 |
計分思想的差異最根本。TF-IDF 屬於「用頻率做加權」的經驗公式，把 TF 和 IDF 直接相乘就完事。BM25 背後是機率檢索模型，評估的是「給定查詢的條件下，文件是相關的機率」，所以它才會去模擬「超過某個次數以後，再多出現其實幫助有限」這種真實情況，把飽和做出來。這不是同一套公式的微調，是不同的理論出發點。
詞頻處理的差異最影響內容寫作。在 TF-IDF，同一個詞只要再多出現一次，就再加一次分，TF 與分數幾乎是線性關係。BM25 加上 k1 來做飽和，當 TF 很大時計分曲線會趨近平坦，一篇長文就算把關鍵字塞滿也霸不了榜。這直接推翻了早期 SEO「資訊增益不重要、密度才重要」的錯誤操作。
文件長度的差異最容易被忽略。TF-IDF 沒有考慮長短差異，兩篇文章都提到同一個詞 10 次，八千字論文和八十字摘要得到的 TF 完全相同。BM25 加入 b 做正規化，長文分數被適度壓低、短文稍微補分，讓不同篇幅可以公平競爭。這對 資訊型文章寫作是個提醒：不是寫越長越佔便宜，長度貼近同主題平均最安全，寫得太冗長反而容易拉高 網站跳出率，傷了使用者停留。
可調性與實務定位的差異決定了誰活下來。TF-IDF 基本上沒有可調的超參數，選定定義就固定；BM25 的 k1、b 可依資料集微調，在長文件、短社群貼文、法律條文等不同領域都能維持穩定效果。這也是為什麼到 2026 年，BM25 仍是 SERP 搜尋結果頁排序與 RAG 管線的主流基線，而 TF-IDF 多半只在教學裡出現。想看這條基線在結果頁怎麼落實，可一併參考 SERP 搜尋結果頁全解析；同樣的相關度邏輯也適用於 Yahoo 搜尋排名提升攻略提到的次要搜尋引擎。
向量檢索時代，BM25 還剩多少用武之地
BM25 在文件長度落差大、罕見專有名詞多、需要可解釋性、或要做 RAG 候選篩選的場景裡表現穩定；但碰到同義詞、語意相似但用字不同、口語化查詢時就會失靈，必須交給向量模型。多份公開的 RAG 評測實驗顯示，「先 BM25 取候選再用向量重排」可比純向量檢索提升個位數百分比的回答正確率。各研究的精確百分比與實驗年份並不一致，因此這裡只給範圍、不保留單一數字。
| 情境 | BM25 表現 | 向量檢索表現 | 務實建議 |
|---|---|---|---|
| 站內搜尋、電商商品頁 | 強：長度校正改善長短落差大的排序 | 中：商品名相似度未必準 | BM25 為主 |
| RAG 候選篩選 | 強：快篩到百篇上下，成本低 | 強但貴：全庫向量檢索成本高 | BM25 先篩、向量重排 |
| 多語、專業語料 | 強：罕見專有名詞 IDF 權重精準 | 中：跨語向量化品質不穩 | BM25 為主 |
| 同義詞、口語查詢 | 弱：只認字面吻合 | 強：語意相似也能命中 | 向量為主、BM25 補位 |
| 可解釋性需求 | 強：分數可拆解 | 弱：黑盒子 | BM25 為主 |
把表格裡的結論拆開看，BM25 的優勢其實集中在兩個特質上。一是它對字面吻合的依賴，在專有名詞密集的場景反而是優點：商品頁的網站架構長短落差大、多語或專業語料的罕見詞比例高，BM25 的長度校正與 IDF 權重能把這類字面必須命中的查詢抓得比向量更準。二是它的分數可拆解成 TF、IDF、長度三段，出問題時能逐項追查是哪一環扣分，向量模型的黑盒子辦不到，這對需要向非工程師交代排序原因的團隊是實質優勢。RAG 與生成式搜尋則是另一種取捨：先用 BM25 把候選縮到百篇上下，再把語意判斷交給向量或 LLM，用低成本換可接受的召回率，這也是 預測查詢擴展後仍要保留的精準層。
BM25 打到天花板的地方
極限也很清楚。對同義詞、語意相似但用字不同、口語化查詢的辨識力弱，這時必須靠向量或混合式檢索補位。舉例，有人搜「怎麼讓狗不亂叫」，你的文章寫的是「犬類行為矯正」，字面完全不吻合，BM25 會給低分，但語意上明明是同一件事。這種情況向量檢索的優勢就出來了。
務實建議是把 BM25 與向量當成互補，不是二選一。業界主流是兩者混合，BM25 顧精準召回、向量顧語意擴展。若你在評估 GEO 能見度監測工具或 SEO 軟體工具，可以留意它們背後的檢索架構是不是混合式，這會影響你的內容能不能被穩定召回。
混合式檢索的分數怎麼融合
決定走混合式之後，馬上會碰到一個工程問題：BM25 與向量各自算出來的分數尺度完全不同。BM25 分數可能落在零到幾十之間，向量餘弦相似度則落在零到一之間，兩者直接相加沒有意義，向量分數會被 BM25 淹沒。業界常用的解法有兩種，理解它們的差異，有助於判斷一套檢索系統設計得健不健全。
| 融合方式 | 運作原理 | 對尺度差異的處理 | 實務定位 |
|---|---|---|---|
| 倒數排名融合（RRF） | 只看每個模型給文件的名次，用 1 除以（名次加一個常數）當權重再相加 | 只看排名，兩個模型尺度不同也無所謂 | 實作簡單、效果穩定，是多數開源系統的預設 |
| 加權線性融合 | 先把兩個模型的分數各自正規化（例如壓到零到一），再依權重相加 | 必須先把分數尺度對齊，工程成本較高 | 可針對不同查詢類型調整權重，彈性大 |
對內容工作者來說，這層技術細節的啟示在於：混合式檢索不是「兩個模型各算一次然後取平均」那麼簡單，融合策略會決定字面吻合與語意相似哪一邊影響力更大。多數開源 RAG 框架預設用 RRF，這對字面精準的專有名詞相對友善；如果一套系統把向量權重調得很高，字面吻合的重要性就會被削弱，這時你的內容在 BM25 這關表現再好，也可能被語意相近但不夠精準的競品擠掉。理解這個權重取捨，才不會把「進了候選集」直接等同於「一定排得上」。
從計分邏輯推回內容該做的事
把力氣從「提高關鍵字密度」搬到「提高 IDF 與主題覆蓋度」，是 BM25 給內容創作者最直接的啟示：用讀者真正會查的罕見詞與長尾詞、讓文件長度貼近同主題的平均、避免堆砌，並確保查詢詞出現在會被當作重要的位置。這幾件事能讓你在 BM25 這關穩定過門檻。
- 別再追求關鍵字密度：BM25 的飽和機制讓重複出現的邊際效益快速遞減，密度高反而像堆砌訊號，這也是llms.txt 在 AI 時代重新定義內容之後，被反覆修正的老習慣。
- 佈局高 IDF 的長尾詞與專有名詞：這些詞在語料庫少見但與主題高度相關，是 BM25 分數的主要來源。搭配 Google 搜尋技巧總整理裡的找詞方法，比憑直覺下標更準。
- 控制文件長度在合理區間：過長會被長度正規化壓分，過短又可能在 TF 上吃虧，貼近同主題平均最安全。上線後用 Google Search Console 觀察成效再微調篇幅。
- 確保查詢詞出現在關鍵位置：標題、H2、開頭段落，這些位置對相關度判斷的影響遠大於全文密度。Title Tag 撰寫技巧與 Entity SEO 實體策略在這裡直接發揮作用。
- 兼顧語意自然與關鍵詞覆蓋：RAG 時代要被 LLM 引用，必須先在 BM25 這關進得了候選集，語意自然與關鍵詞覆蓋完整缺一不可。
給一個具體可操作的判斷方式：拿你打算主攻的那組查詢詞，在自家站內（或同主題的競品站）逐一搜尋，觀察三個訊號。第一，這個詞出現在幾篇內容裡；出現得越少，代表它在你的語料庫裡 IDF 越高，值得認真佈局。第二，排名靠前的文章字數落在哪個區間；把你的篇幅對齊這個區間的中位數，避免被長度正規化拖累或因過短吃 TF 虧。第三，前幾名的標題與 H2 是否都精準涵蓋查詢詞；若多數沒有，代表你只要在這幾個位置放對詞，就有機會搶到字面吻合的優勢。這三個訊號疊起來，比任何單一密度數字更能預測你在 BM25 這關的表現。
這幾條建議其實沒有一條是新的，差別在於知道「為什麼」。理解 BM25 的飽和與長度正規化之後，力氣自然會從堆關鍵字，轉到去想「讀者真正會用哪些罕見詞搜這個主題」。
值得補充的是 結構化資料與 內部連結這類技術 SEO 並不在 BM25 的計分範圍裡，它們影響的是索引、爬取與爬取預算。這不代表它們不重要，只是作用在不同的關卡。理解 BM25 是為了搞懂「相關度計分」這一環，把它當成解釋整個 SEO 的唯一框架反而會失準；把各環節放回各自的關卡，才不會把所有事情都塞進 BM25 這一個框裡。
對做 關注 Google I/O 2026 搜尋演進的人，還有一個延伸建議：內容若要被 LLM 引用，除了過 BM25 這關，也要留意 Grounding 被 Google AI 引用的條件與 品牌成為被推薦的答案所需的訊號。BM25 是第一道門，但不是最後一道。
BM25 內容自檢清單
把上面的觀念收成一個發文前的快速自檢：標題與 H2 要涵蓋讀者真正會搜的罕見詞與專有名詞，而非通用高頻詞；查詢裡每個關鍵詞都精準出現至少一次，並落在標題、H2、開頭段落這些被當作重要的位置；文章長度貼近同主題競品的平均區間；用三到五個不同的精準詞表達同一概念，靠同義覆蓋而非單詞重複加分；避開把同一個詞堆十幾次的寫法；站內搜尋若自建，採 BM25 與向量分工的混合式架構。
實務上最容易踩錯的幾個假設
讀完前面幾節，多數人會帶著幾個似是而非的假設回去改內容。最常見的四個是：以為參數能調出奇蹟、篤定 Google 已經棄用、把 BM25 與向量當二選一、以及繼續靠堆關鍵字衝分。這幾個假設任一成立，都會讓優化方向走偏，有些甚至名列 常見 SEO 優化地雷，值得在動手前先排除。
調參數不會救回內容本體的問題
k1 控制詞頻飽和的速度，常見落在 1.2 到 2.0，值越大越接近線性（重複出現仍持續加分），值越小飽和越快（很快進入不再加太多的區）。b 控制長度正規化的強度，常見約 0.75，值越大長文被壓越多。這組預設值是 Okapi BM25 的標準設定，也是 Elasticsearch 與 Lucene 的官方實作預設，多數系統出廠就用這個值。會想動它的人，通常是希望微調出更好的排序，但參數能搬動的排序差距有限，真正影響分數的是詞的覆蓋與文件長度，小數點後兩位反而不是關鍵。把心力花在基礎設定上更划算，例如照著 WordPress SEO 必做設定把網站的索引與標記打理乾淨。
「Google 不再用了」這個判斷缺乏依據
業界普遍認為 BM25 仍是 Google 初步相關度的基礎函式之一，後續的 RankBrain、BERT、RankEmbed 是在它篩過的候選集上重排。Google 並未公開證實這個細節，相關判斷來自業界訪談與搜尋工程師的公開討論。重排階段還會疊加 E-E-A-T 高品質內容原則等訊號。
BM25 與向量是分工，不是對決
把兩者當二選一，是常見的誤判。混合式檢索才是主流，BM25 顧精準召回、向量顧語意擴展。在 代理式搜尋 Agentic Search 與 AI Agent 運作原理這類多步檢索場景，混合式幾乎是標配，搭配 四大類型連結的佈局能進一步強化召回。
堆關鍵字這條路在 BM25 下走不通
飽和機制讓高密度不再加分。同一個詞出現到第 3、4 次之後，邊際加分快速歸零，堆到第 30 次跟第 5 次的分數差距極小，反而可能被當成堆砌訊號。這也是 Google 如何看待 AI 內容與 Perplexity AI 搜尋這類 AI 搜尋產品看待內容時反覆出現的重點。
用工具估 IDF，別只靠直覺
越少網站用、越罕見、但與你主題高度相關的詞，IDF 越高。粗略判斷是把這個詞丟進搜尋引擎，若結果頁幾乎都是通用內容、很少有人精準使用，IDF 通常偏高；反之人人都在用的通用詞 IDF 偏低。想量化估自己站內的詞頻與罕見度，可以用 Screaming Frog 爬蟲工具抓全站內容，或用 Ahrefs SEO 工具結合 Google 關鍵字搜尋量看競品覆蓋的詞再比較。
講到這裡，回顧一下整條鏈：BM25 算的是相關度，過了這關才有資格被 AXO 全搜尋體驗優化與 LLM 大型語言模型入門背後的語意層處理。SEO 自然流量底層邏輯裡，它是相關度計算那一段。搞懂它的目的在於知道內容在哪一關被評分、又該怎麼在那一關拿分，當不當搜尋工程師其實無所謂。
BM25 常見問題
BM25 的名字怎麼來的，25 又代表什麼？
BM 代表 Best Matching（最佳匹配），源自英國 City University London 的 Okapi 專案；25 是版本號，團隊在 1990 年代試驗數十種權重函式後，把表現最好的第 25 號公式發表並沿用，因此得名。這個沿革見於 Okapi BM25 的公開條目。
BM25 在 RAG 流程裡扮演什麼角色？
它負責候選篩選，把全庫數百萬文件縮成百篇上下，再交給向量檢索或 LLM 重排與生成。後續生成還會受限於 AI Token 與 LLM 基礎知識決定的上下文容量，也可能透過 MCP 模型上下文協定接到外部資料源；若內容進不了候選集，就無法被摘要或引用。
BM25 與向量檢索誰比較準？
兩者擅長的場景不同，答案不是二選一。BM25 在專有名詞、字面吻合、長度落差大的情境較準；向量檢索在同義詞、語意相似、口語查詢較準。業界主流是混合式檢索，讓 BM25 負責精準召回、向量負責語意擴展。
Google 現在還在用 BM25 嗎？
多數搜尋工程師的看法是，Google 至今仍把 BM25 當作估算初步相關度的底層函式，後續的機器學習訊號都是在它過濾出的候選集合上做重新排序。Google 官方並沒有直接承認這個內部細節，所以相關結論多半是從業界訪談與工程師的公開對話推測而來，無法當成官方聲明引用。這層候選集若要進一步變成摘要對外呈現，可對照 Google AI Overviews 全面解析裡對引用機制的拆解。
混合式檢索的分數要怎麼融合？
BM25 與向量的分數尺度不同，不能直接相加。常見做法是倒數排名融合（RRF），只取兩個模型各自的名次再加權，避開尺度問題；另一種是加權線性融合，先把分數正規化到同一區間再依權重相加。多數開源 RAG 框架預設用 RRF，對字面精準的內容較友善；若系統把向量權重調高，字面吻合的影響力就會被削弱。