（續篇：〈AEO 時代的 PIAA 戰略地圖〉畫的是戰線，這篇是真正踩進去之後才發現的事：AEO 的核心不是流量，而是品牌答案的治理權。）
先講 AEO 是什麼
以前客人有疑問，會去 Google 搜尋、點進幾個網頁自己比較。現在越來越多人直接問 ChatGPT，或看搜尋結果最上面那段 AI 摘要——AI 直接給答案，客人不再點進網頁。
SEO（搜尋引擎優化）爭的是讓網頁排在前面、被點進去；AEO（Answer Engine Optimization，答案引擎優化）爭的是另一件事：AI 回答問題時，用的是不是你的說法、引用的是不是你的頁面。
打個比方：SEO 是爭取書店裡最好的貨架位置；AEO 是讓店員被客人問到時，開口推薦的是你那本，講的也是你書裡寫的內容。客人問的對象，從書架變成了店員。
起點是一個很小的問題
好市多開始賣 PIAA 的 CR 石墨橡膠雨刷，客人自然會問：這跟汽車百貨賣的矽膠款差在哪？價格為什麼差這麼多？
這題看起來是客服題，其實是定位題。放著不管，市場很容易自己長出兩種極端解讀：一種把價格較親民的款式理解成「品質比較差」，另一種則認為「矽膠款只是比較貴」。兩種都不對，也都不利於任何一方。
所以第一件事不是寫得更漂亮，而是先決定比較的框架：
不是誰好誰壞，是用車場景不同。車停戶外、想要撥水效果——矽膠系列；停室內、把雨刷當耗材定期換——CR 系列。
這個框架先公開，不代表 AI 一定採用；但至少品牌不再缺席於比較的起點。定義問題的人未必能決定答案，卻更有機會決定大家用什麼維度討論。
當同一個品牌同時進入不同價格帶與通路，消費者如果只剩下價格這一條比較軸，產品之間就很容易互相侵蝕定位。把「價格階梯」改寫成「場景分工」，每條產品線才各有各的客人。
這其實是我一直在做的同一件事：不要在別人設計的尺上拼命拿高分，先問這把尺是不是對的。
比較，正在外包給 AI
後來我才發現，真正改變的不是搜尋框從 Google 換成 ChatGPT，而是「比較」本身開始外包給 AI。
過去消費者會自己打開五個頁面、看幾支影片、翻論壇，慢慢拼出「A 跟 B 差在哪」；現在很多人只看 AI 壓縮後的那一段答案。
這讓品牌多了一個以前沒有的問題：當十頁資訊最後被壓成十行，我希望留下來的是哪十行？
以前品牌爭的是被看到。接下來還要爭的是，在 AI 壓縮資訊時不要被錯誤簡化。
一、不給漂亮的數字
寫的時候有一個誘惑：「矽膠可以撐三到四年」。這句話很有銷售力，也不算假——確實有車主用這麼久。
但我把它拿掉了。
一旦某句話進入 AI 可以檢索與引用的資料來源，它就可能脫離原本的語境，被重新組合成一個比你原先更確定的答案。「在某些條件下成立」的數字，轉述幾次就成了保證值。客人兩年就換，回頭就是一句「你們說可以用四年」。
更根本的是：同一個知識庫裡，只要有兩篇對同一件事給出不同標準——一篇說「幾年換」、一篇說「看狀態換」——AI 抓到哪篇就講哪套。人類客服遇到衝突時，還能追問版本與情境；AI 面對兩套同時存在的標準，未必每次都選到最新，也未必知道哪一套才是品牌目前的承諾。
AI 讓知識更容易複製，也讓錯誤更容易規模化。過去一句錯話，可能只被一個客服講給一個客人聽；進了知識庫之後，它可能一天被講一千次。公司最危險的往往不是不知道，而是「我們一直都這樣講」。
最後收斂成一句規則：時間是參考值，刮拭狀態才是更換依據。「矽膠壽命較長」這個賣點保留，但只留在有出處的層次：原廠包裝上標示的「2X」，是跟一般橡膠在相同條件下比較的耐久倍數，不是可以換算成年數的保證。
高階品牌不是把話講得最大，而是把自己願意承諾的邊界講清楚。品牌真正該賣的不是「我們可以撐四年」，而是「我們的材料老化得更慢，但不把特定情境下的年數包裝成普遍承諾」。
二、一份真相，四個出口
這題寫完，同時出現在四個地方：LINE 上的 AI 客服、同事複製貼上的話術庫、車主自己查的公開問答頁，以及給 AI 爬蟲讀的純文字版。
不是寫四次，是寫一次、自動長出四份。
這不是為了省工，是為了口徑。客服講一套、網頁寫一套、AI 又講第三套——客人問三次得到三個答案，品牌的「穩定」就破功了。PIAA 賣的是「不容易出問題」，說法本身也得是。
過去遇到說法不一致，直覺是「再教育同事一次」，好一點是「做一份話術表」。但如果同一個問題會在 LINE、網站、AI、門市不斷重複出現，那就不是人的問題，而是系統沒有共同記憶。系統性的問題，最後還是得用系統解。
真正改變的不是內容被分發到四個地方，而是公司第一次擁有一個可以被修改、繼承、驗證的共同記憶。以後發現一句話不夠準，不必逐一追著客服、網頁和 AI 修正——修正知識本身，所有出口一起更新。
三、網站開始不只是給人看的
過去我們把網站當成「給人看的頁面」。只要客人打得開、找得到產品，就算正常。
但 AI 進來之後，網站多了一種新的讀者：機器。機器不會像人一樣看著首頁慢慢理解你是誰，它需要目錄、網址、結構和標記，才知道哪一段是一個獨立的答案、哪一頁值得被引用。
檢查時會遇到一種很典型、也很隱蔽的狀況：給搜尋引擎的目錄（sitemap）與門牌（robots.txt）看起來都在，但如果網站沒有正確處理不存在的頁面，機器實際拿到的可能是首頁，伺服器還回傳「成功」。
網站沒有壞。只是對人正常，對機器失語。
另一個問題是一百多題問答全擠在同一頁。人可以往下滑，但 AI 要引用其中某一題時，沒有一個乾淨、穩定、可以指向的地址——像一本內容很完整的書，卻沒有章節，也沒有頁碼。
所以後來做的事——每題獨立網址、結構化標記、交出目錄、確認 AI 爬蟲沒被擋——表面上是 SEO 技術，實際上是在做另一件事：把公司的知識，從「頁面內容」整理成「機器可以尋址的知識」。
未來好的品牌網站，可能會更接近品牌對外公開的一層知識介面。
四、品牌不能自己證明自己
網站做好，只解決了一件事：品牌終於有機會被找到。但被找到，不等於被相信。
自家網站寫「我們比較耐久」，終究只是品牌自己的主張。如果第三方實際使用、討論、比較之後，也開始引用同樣的規格與判準，那才慢慢變成外部可以驗證的事實。
這是我對 AEO 最大的修正。一開始很容易把它想成「讓 AI 多引用官網」；但如果所有證據都只來自自己，那只是把傳統廣告換成 AI 讀得懂的格式而已。
真正有價值的，是品牌提供足夠清楚、可驗證的原始資料，再讓第三方有條件檢查、引用，甚至反駁。所以下一步不是去論壇「做口碑」，而是讓規格、使用判準與實際案例，進入車主本來就在討論的公共場域。
前一篇戰略地圖裡，我把這叫做「權威訊號」。現在我會說得更精確一點：品牌負責提供原始事實，市場負責形成可信度。
五、不驗證的戰略，只是自我感覺良好
這件事沒有「上線就完成」。我把它當成一個實驗，兩週後回來檢查：
Google 到底收錄了哪些頁面？使用者真正搜尋的，是我們預想的詞，還是另一套語言？同一個問題分別問 Google、ChatGPT 與其他答案引擎，它們怎麼描述 PIAA、引用的是誰、比較的維度又是什麼？
最值得看的不只是排名，而是外部世界有沒有照我們預期的方式理解這個問題。
如果沒有，就回頭修正。可能是頁面沒被找到，可能是答案不夠清楚，也可能更殘酷：我們設定的比較框架，市場根本不買單。
那也很好。戰略不是把自己的想法做成網站，而是不斷拿現實來修正自己的想法。不驗證的佈局只是願望；能被反證的，才開始像策略。
結語：從製作訊息，到治理答案
AEO 常被講成技術題：結構化資料、爬蟲、sitemap。那些當然要做。
但真的開始做之後，我愈來愈覺得，最難的部分不在網站，而在品牌自己。
同一個產品被放進不同通路、不同價格帶、不同使用情境時，我到底希望市場怎麼理解它？哪些話是事實，哪些只是經驗？哪些可以承諾，哪些必須留下條件？
這些問題如果品牌自己沒有答案，AI 最後還是會替你拼一個出來——從論壇、舊網頁、通路商品頁，以及任何它找得到的碎片裡拼。
所以我現在更願意把 AEO 看成一種答案治理，分成三層：
比較治理：我要用什麼維度被比較？
知識治理：公司到底承諾什麼？哪一句才是最新版？
機器治理：這些答案如何被搜尋、引用、更新、驗證？
以前品牌管理的是「我說了什麼」。當 AI 開始替消費者做第一次判讀，品牌還得多管理一件事：被壓縮成十行之後，留下來的是哪十行。
AEO 的起點，不是讓 AI 讀懂品牌，而是品牌先把自己想清楚。
有任何想法，歡迎聊聊——
寫信給我 →