AI Search Growth 案例 · 進行中
師德文教 CET：品牌提及、官方引用與 AI 爬蟲覆蓋的 AI Search Growth 紀錄
師德文教自 2026 年 8 月開始進行 AEO 優化，第一階段聚焦於讓兒童英語檢定相關內容更容易被 AI 搜尋系統讀取、理解與引用。技術整備完成後，我們以固定題組、固定模型持續量測三個訊號：AI 爬蟲有沒有來（AI Crawler Coverage）、AI 有沒有引用官網（Official Citation）、AI 有沒有說出品牌（Brand Mention），逐次的變化只比較量測條件一致的結果。專案仍在進行中，以下是階段性成效。
三個訊號：Brand Mention、Official Citation 與 AI Crawler Coverage
AEO 成效
同一題組、不含品牌名的提問
- 期間
- 2026-08-05 → 09-07
- 2026-08-05 為師德文教 CET 的 AEO 工程起點
- AI 回答提到品牌
- 0% → 19%
- AI 引用官方網站
- 0% → 28%
四個核心頁自 8/28 起皆已被多種 AI 爬蟲收錄。
以上 AEO 成效以 2026-08-05 師德 AEO 工程起點為基準，不代表最終專案成效。三個訊號的定義如下：
- Brand Mention（品牌提及率）——AI 回答中是否主動出現「師德文教」或「CET」等品牌名稱
- Official Citation（官方引用率）——AI 回答的引用來源中是否包含 cet-taiwan.com
- AI Crawler Coverage（AI 爬蟲覆蓋）——核心頁是否被 AI 爬蟲實際抓取、被哪些 AI 爬蟲抓取
- 歸因落差——AI 用了官方資料、卻沒有同時說出品牌名稱的差距
提問時不含品牌名，用意是檢驗「使用者沒有指名師德時，AI 會不會主動提到或引用」——那才是新客戶真正會問的方式。
Before／After：自 AEO 工程起點起算
Before 是師德 AEO 工程的起點（2026-08-05）；After 是本頁資料截止前的最近一次量測（9/7）。專案期間曾調整 AI 能見度的量測模型，逐次的變化見下方「固定題組、固定模型、持續量測」的三次同條件觀測。
| 訊號 | Before（2026-08-05，AEO 工程起點） | After（2026-09-07） |
|---|---|---|
| Brand Mention（AI 回答提到品牌） | 0% | 19% |
| Official Citation（AI 引用官方網站） | 0% | 28% |
AI Crawler Coverage 不是量測輪次，而是持續累積的爬蟲紀錄：四個核心頁自 8 月 28 日起開始出現 AI 爬蟲的實際抓取紀錄，依頁面不同，各頁目前可觀察到 6 至 7 種 AI 爬蟲、累計抓取約 9 至 12 次。
三個訊號都往上，但速度不同：引用跑得比提及快，歸因落差因此擴大——AI 越來越常使用師德的官方內容，卻還沒有同樣頻繁地說出這些內容來自師德。
各平台最新觀測（每月更新）
頁首的「AEO 成效」以師德 AEO 工程起點（2026-08-05）為基準，最新值為 2026-09-07 的量測。以下是各 AI 平台分開計算的最新觀測，每月依最近一次已驗證的量測更新；各平台不合併平均，不同量測條件之間的數字也不直接比較。
觀察期間：2026-08-05 ～ 2026-09-28
AEO 工程開始 2026-08-05 · 最新觀測 2026-09-28 · 截至 2026-10-01 已執行 57 天 · 每週量測：ChatGPT、Claude
ChatGPT · 最新觀測 2026-09-28
AI 回答提到品牌 32%
AI 引用官方網站 29%
歸因落差 −3%（有效回答 34 題）
同一量測條件自 2026-08-27 起 7 次觀測：提到 21% → 32%、引用 3% → 29%
Claude · 最新觀測 2026-09-28
AI 回答提到品牌 12%
AI 引用官方網站 26%
歸因落差 +14%（有效回答 34 題）
現行量測方式自 2026-09-28 起，尚無同口徑的比較
Google AI Mode · 最新觀測 2026-09-24
AI 回答提到品牌 26%
AI 引用官方網站 18%
歸因落差 −8%（有效回答 34 題）
2026-09-24 單次量測（未納入每週排程）
Google AI Overview · 最新觀測 2026-09-24
AI 回答提到品牌 29%
AI 引用官方網站 38%
歸因落差 +9%（有效回答 34 題）
2026-09-24 單次量測（未納入每週排程）
爬蟲到站 · 2026-08-05 ～ 2026-09-28
AI 爬蟲 14,043 次、13 種
搜尋引擎爬蟲 20,410 次、8 種（另計）
四個核心頁自 2026-08-28 起皆有 AI 爬蟲抓取
各平台的歷次觀測
以下依平台、依量測條件分段，列出所有完成且通過驗證的觀測（不含品牌名的提問）。部分觀測期間因平台或量測方法不同，趨勢以實際完成的同口徑資料為準；不同量測條件之間的數字不直接比較。
| 量測日 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 | 有效回答／題數 |
|---|---|---|---|---|
| 2026-08-27 | 21% | 3% | −18% | 34／34 |
| 2026-08-31 | 24% | 9% | −15% | 34／34 |
| 2026-09-07 | 29% | 15% | −14% | 34／34 |
| 2026-09-16 | 26% | 15% | −11% | 34／34 |
| 2026-09-21 | 35% | 26% | −9% | 34／34 |
| 2026-09-24 | 38% | 29% | −9% | 34／34 |
| 2026-09-28 | 32% | 29% | −3% | 34／34 |
| 量測日 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 | 有效回答／題數 |
|---|---|---|---|---|
| 2026-09-28 | 12% | 26% | +14% | 34／34 |
| 量測日 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 | 有效回答／題數 |
|---|---|---|---|---|
| 2026-09-24 | 26% | 18% | −8% | 34／34 |
| 量測日 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 | 有效回答／題數 |
|---|---|---|---|---|
| 2026-09-24 | 29% | 38% | +9% | 34／34 |
ChatGPT 在同一量測條件下（2026-08-27 起 7 次觀測），AI 回答提到品牌由 21% 變為 32%（上升），AI 引用官方網站由 3% 變為 29%（上升）。
Claude 的現行量測條件自 2026-09-28 起，目前只有 1 次觀測，尚無法談變化。
同一量測條件內，相鄰兩次觀測相差幾個百分點很常見——AI 的回答本身就會變動。判讀時看多次觀測的方向，不看單次的起伏。
查看較早量測條件下的觀測
| 量測日 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 | 有效回答／題數 |
|---|---|---|---|---|
| 2026-08-12 | 6% | 3% | −3% | 34／34 |
| 2026-08-17 | 6% | 0% | −6% | 34／34 |
| 量測日 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 | 有效回答／題數 |
|---|---|---|---|---|
| 2026-08-12 | 3% | 38% | +35% | 34／34 |
| 2026-08-17 | 6% | 35% | +29% | 34／34 |
| 2026-08-24 | 9% | 38% | +29% | 34／34 |
| 2026-08-27 | 6% | 29% | +23% | 34／34 |
| 2026-08-31 | 9% | 35% | +26% | 34／34 |
| 2026-09-07 | 7% | 43% | +36% | 30／34 |
未列入的量測：ChatGPT、Claude 08-07（計分方式與現行版本不同）；ChatGPT 08-24（整輪未取得回應）；Claude 09-14（整輪未取得回應）；ChatGPT 09-14（有效回答不足八成）；Claude 09-16、09-21、09-24（量測環境設定有誤）。這些量測沒有完整或可信的結果，因此不計入任何比率，也不當作 0%。
查看量測條件與模型版本
| 平台 | 量測條件（模型） | 期間 | 有效觀測 |
|---|---|---|---|
| ChatGPT | gpt-4o-mini-search-preview | 2026-08-12 ～ 2026-08-17 | 2 |
| ChatGPT | gpt-5-search-api | 2026-08-27 ～ 2026-09-28 | 7 |
| Claude | claude-haiku-4-5 | 2026-08-12 ～ 2026-09-07 | 6 |
| Claude | claude-sonnet-5 | 2026-09-28 | 1 |
| Google AI Mode | Google 搜尋 AI 回答（SerpApi 擷取） | 2026-09-24 | 1 |
| Google AI Overview | Google 搜尋 AI 回答（SerpApi 擷取） | 2026-09-24 | 1 |
量測條件調整過數次，原因各不相同：2026-08-07 的原始基準使用 claude-sonnet-5 與 gpt-4o-mini-search-preview，計分方式與之後不同；Claude 側在 08-12 改用 claude-haiku-4-5，是執行頻率與成本的取捨；ChatGPT 側則是 OpenAI 於八月下架了原本使用的模型（8 月 24 日該平台整輪 38 題全部失敗，已在紀錄中標記），08-27 起改用 gpt-5-search-api；09-16 起 Claude 側改由新的量測程式執行，現行條件自 09-28 起。題組自 08-12 起未變動。Google AI Mode 與 AI Overview 是使用者在 Google 搜尋上看到的 AI 回答（經 SerpApi 取得），與 Gemini 模型不同，目前為單次量測。
專案背景
師德文教（CET Taiwan）是台灣的兒童英語檢定與英語教學專業服務機構，網站內容涵蓋檢定說明、教學資源與教師專業發展。專案自 2026 年 8 月 5 日啟動，本頁資料截至 9 月 7 日的最近一次量測。
為什麼兒童英語檢定網站需要 AEO
家長與教師在選擇兒童英檢時，問的多半是比較與選擇型的問題——「幼兒適合哪一種英文檢定」「STYLE/JET 和劍橋 YLE 有什麼不同」「國小英文檢定該怎麼選」。這類問題現在很常直接問 AI，而不是逐一開啟搜尋結果比對。
如果官方網站的內容無法被 AI 正確讀取與歸因，使用者拿到的答案就會來自二手整理、討論區或同業內容——即使官方網站上有更完整、更正確的資訊。
我們實際做了什麼
我們不是大量新增文章，而是先針對家長與教師實際會詢問的主題，重構四個核心頁面，讓每個重要問題都有清楚、可獨立擷取的答案。
- 問題式標題——把使用者會問的問題直接寫成標題，而不是用行銷標語
- 答案緊接在下——每個問題下方先給一段可獨立成立的答案，讀者與 AI 都不必讀完整頁才能得到結論
- 純 HTML 可讀——主要內容存在於原始 HTML 中，不依賴 JavaScript 才顯示
- 結構化資料——讓 AI 能確定這頁在講什麼、由誰發布
- canonical 與內部連結——避免同一份內容有多個網址競爭
- 站台層檔案——robots.txt、sitemap.xml、llms.txt、llms-full.txt
查看技術驗證細節
| 頁面 | 標題結構 | 結構化資料 | canonical |
|---|---|---|---|
| /about-cet-kite | h1×1、h2×8、h3×9 | JSON-LD 6 節點 | 自我指向 |
| /about-cet-style-jet | h1×1、h2×9、h3×11 | JSON-LD 6 節點 | 自我指向 |
| /kids-english-test-comparison | h1×1、h2×9、h3×9 | JSON-LD 6 節點 | 自我指向 |
| /kids-english-exam | h1×1、h2×10、h3×11 | JSON-LD 6 節點 | 自我指向 |
結構化資料涵蓋 Organization、WebSite、WebPage、BreadcrumbList 與 FAQPage。站台層的 robots.txt、sitemap.xml、llms.txt、llms-full.txt 四份檔案於同日實測皆正常回應。
固定題組、固定模型、持續量測
AI 的回答會隨模型、題目措辭與時間變動。要讓 Before／After 有意義，量測條件必須固定，變更時必須標示：
- 固定題組——同一份題組，涵蓋檢定資訊查詢、推薦與比較、英語檢定選擇、英語教師進修、教材與教具需求、學校與機構合作等主題，以不含品牌名的提問為主，並依主題分開計算
- 固定模型——2026 年 8 月 27 日起，Claude 側使用 claude-haiku-4-5、ChatGPT 側使用 gpt-5-search-api；每一筆結果都記錄模型版本
- 持續量測——逐次觀測採用 8/27、8/31、9/7 三次同條件量測；量測條件（模型、題組）一旦變更就明確標示，不與變更前的結果直接比較
| 量測日 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 |
|---|---|---|---|
| 2026-08-27 | 13% | 16% | 3% |
| 2026-08-31 | 16% | 22% | 6% |
| 2026-09-07 | 19% | 28% | 9% |
查看量測條件與模型版本
| 量測日 | Claude 側 | ChatGPT 側 |
|---|---|---|
| 2026-08-07 | claude-sonnet-5 | gpt-4o-mini-search-preview |
| 2026-08-12 ~ 08-24 | claude-haiku-4-5 | gpt-4o-mini-search-preview |
| 2026-08-27 起 | claude-haiku-4-5 | gpt-5-search-api |
兩次調整的原因不同：Claude 側是執行頻率與成本的取捨；ChatGPT 側則是 OpenAI 於八月下架了原本使用的模型（8 月 24 日該平台整輪 38 題全部失敗，已在紀錄中標記）。本頁比較的 8/27、8/31、9/7 三次量測，使用的是同一組模型與同一份題組。
AI Crawler Coverage：AI 爬蟲開始抓取新的核心頁
自 8 月 28 日起，四個核心頁面都開始出現 AI 爬蟲的實際抓取紀錄。依頁面不同，目前各頁可觀察到 6 至 7 種 AI 爬蟲，累計抓取約 9 至 12 次。站台整體共觀察到 13 種 AI 爬蟲身分，包含 GPTBot、OAI-SearchBot、ChatGPT-User、ClaudeBot、Claude-User、Claude-SearchBot、PerplexityBot、Google-Extended、Meta-ExternalAgent、Amazonbot、Bytespider、CCBot 與 cohere-ai。
不過爬蟲來過不等於會被引用。爬蟲到站只代表內容被取得，AI 是否在回答中使用它、是否說出來源，是另外兩件事。因此我們把三者分開觀測，不用其中一項推論另一項。
Official Citation 上升得比 Brand Mention 快
在 8/27、8/31、9/7 三次同條件量測中，引用率從 16% 上升到 28%，提及率從 13% 上升到 19%——兩者都往上，但引用跑得比提及快，因此歸因落差也跟著從 3% 擴大到 9%。這個現象在下一節分平台來看會更明顯。
ChatGPT 與 Claude 呈現不同的品牌歸因模式
同一次量測（2026-09-07）中，兩個平台的表現差異很明顯：
| 平台 | AI 回答提到品牌 | AI 引用官方網站 | 歸因落差 |
|---|---|---|---|
| ChatGPT | 37% | 24% | −13% |
| Claude | 18% | 50% | +32% |
ChatGPT 提到品牌的比例較高，但引用官網的比例較低——它比較常憑既有知識回答，較少附上來源連結。
Claude 剛好相反：一半的回答引用了師德官網作為來源，但只有 18% 的回答提到師德這個品牌名稱。這代表 Claude 已經大量使用師德官網內容作為回答依據，但仍有不少回答沒有明確說出資訊來自師德。
兩者的差異很大，因此分平台解讀比直接平均更有意義——平均之後得到的數字，對哪一邊都不準確。
AI 已經引用哪些師德內容
2026-09-07 的量測中，AI 回答引用了師德官網的多個網址，包含首頁、檢定說明、關於我們、教學資源，以及本專案優化的目標頁之一 /kids-english-test-comparison。
目標頁進入 AI 的引用來源，代表新的 AEO 內容已經被實際採用，而不只是被抓取而已。
主題別的表現差異很大
| 主題 | AI 提到品牌 | AI 引用官網 |
|---|---|---|
| 檢定資訊查詢型 | 33% | 58% |
| 推薦與比較型 | 33% | 33% |
| 英語檢定選擇型 | 20% | 60% |
| 英語教師進修型 | 17% | 8% |
| 教材與教具需求型 | 14% | 14% |
| 學校與機構合作型 | 0% | 0% |
「檢定資訊查詢型」與「英語檢定選擇型」的引用率明顯高於提及率——AI 已經在用官網內容作答，只是沒說是誰提供的。這種情況通常比「完全沒有能見度」更容易改善。「學校與機構合作型」目前兩項都是 0%，這一類問題還沒有對應的內容落點。
爬蟲健康度：AI 要的東西，有沒有拿到
除了「有沒有來」，也要看「來了有沒有拿到東西」。
四個核心頁的表現是乾淨的：至今累計 40 次 AI 爬蟲抓取，全部正常回應，沒有任何一次失敗。
整站層面則有一個待處理的項目：約 15% 的 AI 爬蟲請求指向已經下架的舊網址——主要是舊版 .asp 頁面與早期的電子報 PDF。那些網址還留在 AI 的既有知識或外部連結中，但網站早已改版。
處理方向是為仍有外部連結的舊網址建立對應的轉址，把這部分抓取量導回現有內容，而不是讓它繼續落空。
另有一部分請求是掃描常見敏感路徑的探測行為（例如設定檔、金鑰檔），那不是內容請求，也不影響網站的內容可讀性，因此不列入上述比例。
下一階段：從「被引用」走向「被歸因」
第一階段要回答的問題是：AI 能不能取得並理解這些內容？從爬蟲紀錄與引用率來看，這一段已經在發生。
第二階段的問題不同：AI 使用這些內容時，會不會把答案正確歸因給師德？Claude 的 50% 引用率配上 18% 提及率，就是這個問題最清楚的例子。
因此下一階段的重點不再是增加爬蟲造訪，而是：
- 強化「師德文教 / CET」的品牌實體訊號，讓 AI 更容易確定內容出自誰
- 針對引用率高於提及率的主題，調整答案段落中的來源標示方式
- 補強站內的實體關聯，讓品牌名與檢定名之間的關係更明確
- 累積可被驗證的第三方提及——推薦類問題特別依賴這一項，單靠自有網站的內容品質有其上限
- 為「學校與機構合作型」等目前無覆蓋的主題建立內容落點
- 持續以相同條件量測，累積足夠的觀測點
這些做法能提高被正確理解與歸因的機會，但不保證特定的結果——最終是否引用、是否提及品牌，由各 AI 平台決定。
ShellFans 的 AI Search Growth 執行方法
本專案依 Discover → Measure → Diagnose → Optimize → Measure Again 的順序進行：
- Discover｜建立基準——啟用 AI 爬蟲監測，記錄哪些 AI 系統來過、抓了什麼、拿到什麼；並把使用者實際會問的問題分類，對應到應該回答它的頁面
- Measure｜能見度量測——用固定題組、固定模型定期向各 AI 平台提問並分析回答
- Diagnose｜分開判讀——爬取、引用與提及三個訊號分開看，找出落差在哪一段
- Optimize｜整備與重構——標題結構、結構化資料、canonical、站台層檔案；問題作為標題、答案緊接在下；讓 AI 能確定內容屬於哪一個組織
- Measure Again｜依結果迭代——以相同條件重測，調整依據是量測結果，不是猜測
各階段的速度差很多：爬取權限的改變可在數日內生效，內容被擷取通常要數週，而 AI 是否主動提到品牌牽涉實體識別與外部佐證，時間更長。完整說明見AEO 導入流程，評分方式見AI Readiness Score 方法論。
怎麼解讀這些數據
這是進行中專案的階段性紀錄，不是最終成效驗收。判讀時有幾點需要留意：
- 三個訊號要分開看。爬蟲造訪不等於被引用，被引用也不等於會提到品牌名稱。三者的變化速度不同。
- 逐次比較需要一致的量測條件。頂部的 AEO 成效以 2026-08-05 AEO 工程起點為基準；逐次的變化只比較使用相同模型與相同題組的三次觀測，跨模型的數字差異無法單獨歸因於網站優化。
- AI 的回答是動態的。同一個問題在不同時間、不同措辭、不同地區都可能得到不同答案。
- 目前的觀測點還不多。三次量測、跨 11 天，足以看出方向，但要判定為穩定趨勢仍需持續累積。
- 本案例沒有追蹤招生或營收成效。那些指標本專案未量測，因此頁面上不會出現相關數字。
ShellFans 不保證任何 AI 平台一定引用、提及或推薦特定網站。技術整備能提高被正確理解與引用的機會，最終決定權在各 AI 平台。
常見問題
AI 爬蟲來得多，就代表 AEO 有效嗎？
不是。爬蟲造訪只代表內容被取得，不代表 AI 會在回答中使用它，更不代表會提到品牌名稱。本專案就把三者分開觀測——同一時間點，爬蟲活動穩定、引用率 28%、提及率 19%，三個數字並不同步。
AEO 成效為什麼從 2026-08-05 起算？
2026-08-05 是師德 AEO 工程的起點，AEO 成效以這一天為基準：至 2026-09-07，AI 回答提到品牌 0% → 19%，AI 引用官方網站 0% → 28%。專案早期調整過 AI 能見度的量測模型，跨模型的數字差異無法單獨歸因於網站優化，因此逐次的變化只比較使用相同模型與相同題組的三次觀測（8/27、8/31、9/7）。
什麼是「固定題組、固定模型」？為什麼重要？
固定題組是每一輪都問同一份問題；固定模型是每一輪都用同一組 AI 模型回答。兩者任一改變，數字的差異就可能來自量測工具而不是網站優化。本案 8 月 27 日起使用同一組模型與題組，逐次觀測只比較這段期間的結果。
AEO 通常要觀察多久？
各階段速度不同。爬取權限的改變可在數日內生效；內容被擷取與引用通常需要數週；而 AI 是否主動提到品牌，牽涉實體識別與外部佐證，時間更長且不由網站單方面決定。
本頁經師德文教同意公開品牌名稱與公開網址。AEO 成效以師德 AEO 工程起點（2026-08-05）為基準，最新值為 2026-09-07 的量測。其餘數據為 ShellFans 在所述量測條件下的觀測結果，不代表對其他網站、其他時間點或其他 AI 平台的預測。
相關頁面：其他實作案例 · AEO/GEO 代管服務 · AEO 導入流程 · AI 爬蟲監測 · 評分方法論