為什麼相關性與排名主導著 AI 答案引擎？

C-SEO Bench 是一個用來檢驗「為了討好生成式引擎而改寫文件到底有沒有用」的基準，而它的答案基本上是沒有。它發表於 NeurIPS 2025 資料集與基準賽道，涵蓋問答與商品推薦兩項任務、六個領域，程式碼與資料公開。¹ 它也是GEO 與 SEO 這個階段整體圍繞著建立起來的那個結果。

摘要毫不含糊地陳述了這個結果：「當前多數 C-SEO 方法不僅在很大程度上無效，而且經常對文件排名產生負面影響，這與預期相反。相反地，傳統 SEO 策略，也就是那些旨在提升來源在 LLM 上下文中排序的策略，顯著更有效。」論文自己的總結是：把目標文件放到上下文視窗的第一位，「在 LLM 回答中帶來的引用排名增益，遠大於任何 C-SEO 方法」。

有兩個細節，讓這件事比一次普通的單一實驗更難被打發掉。第一是廣度。論文報告了 54 個「方法與領域」案例，多到零星的勝出也會顯形，而它的發現是「在 54 個案例中，我們只找出三處排名提升具有統計顯著性」，在問答任務上則沒有任何方法有效。第二是失敗的方向。好幾種變換不只是沒幫上忙，而是拉低了文件的排序：加入統計數字在被測量的 24 種設定裡，有 19 種讓排名下降。¹ 一個中性的手法只是便宜；一個負向的手法，則是你為讀錯一篇部落格文章而繳的稅。

一次改寫帶來的收益，會隨著同一候選集裡採用同一種改寫的文件變多而縮小，而 C-SEO Bench 直接測到了這種衰減。該基準變動了候選集中以同一方法優化過的文件數量，發現「隨著 C-SEO 採用者數量增加，整體收益下降，呈現出這個問題擁擠且零和的性質」。¹ 2026 年那篇批判性綜述把個體收益的競爭性侵蝕列在中等置信度，是它那張領域主要主張表上的三個中等條目之一。²

這就是存量與流量的差別，而它應該決定經常性預算流向哪裡。真正的相關性是存量：一個頁面若是某個問題的最佳答案，並不會因為競爭對手也變得相關而變得比較不相關，因為相關性是對著查詢評判的，不是對著同場的參賽者。格式手法是流量：它們靠著讓你的文件在候選集裡顯眼而起作用，也就意味著它們的價值下滑得多快，恰好等於其他文件採用它們的速度。

2024 年那篇 KDD 論文從另一端顯示了同樣的再分配。它的分排名表格裡，表現最好的三種手法會讓已經排第一的來源能見度下降，同時讓排第五的來源大約翻倍：加入引用出處讓排名第一的能見度變動 -30.3%、排名第五的變動 +115.1%，加入引語是 -22.9%，加入統計數字是 -20.6%。³ 這些技術並不創造答案份額；它們把份額從較強的來源移到較弱的來源。如果你就是那個強來源，同一個技術對你就是成本。

它值的是更大的答案份額，而已發表的證據到此為止。批判性綜述那張領域主要主張的置信度表，把「引用分數能預測點擊、轉換或營收」放進了它使用的最低一檔，也就是極低，依據是「一個提示性的準實驗和少數幾個業界說法」，因果關係並未確立。² 從排名到上下文位置再到引用，這條鏈是可測的。而從一次引用到一次造訪、再從一次造訪到一位客戶，這條鏈目前完全還沒有被測過。

獨立的行為資料顯示，最後這一環就其自身而言也很薄。皮尤研究中心追蹤了 2025 年 3 月的 68,879 次 Google 搜尋，發現遇到 AI 摘要的使用者，在 8% 的造訪中點擊了傳統搜尋結果，而沒有出現摘要的造訪是 15%。點擊摘要內部連結的情況只發生在 1% 的造訪。⁶ 拿下上下文裡的頭把交椅，換到的是在一位多半不會點進來的讀者面前露一次臉。

由此有兩個實際結論。第一，用有多少比例的答案點到你的名字來衡量排名工作的價值，而不是用預估流量，因為聲量佔比才是今天任何人真正測得到的變數。第二，對已經標好價的結果主張保持懷疑：同一張綜述表格的最後一行留給了業界至今還在重複的那個數字，面對「GEO 讓能見度提升 40%」，它記下的裁決是「作為一般性主張予以否定」，理由是那個數字只是某一種配置下、單一指標上的相對最大值。² 先去爭排名，是因為它推動的是唯一一個被乾淨測量過的變數，而不是因為有人替你把結果標好了價。