香港市場做 AEO 同 AI SEO，你只需要呢一份指南（2026）

喺你寫一個字內容之前，個網站首先要畀 AI 爬蟲讀得明。 香港大多數網站連呢一關都過唔到。根據業界調查，88% 嘅網站仍然冇做正確嘅 schema markup。 對於早行一步嘅人嚟講，呢個簡直係金礦。

4.1 Schema markup 同結構化數據（JSON-LD）

Schema 係收埋喺你網頁入面嘅一啲程式碼，會清楚話畀 AI 引擎知道你個內容係關於咩。與其等 AI 自己估 「呢個係 product 頁定 person 頁定 business 頁？」，倒不如直接用 JSON-LD 寫清楚。

香港企業真正需要嘅 schema 類型：

4.2 llms.txt 檔案

llms.txt 係一個放喺網站根目錄（yourdomain.com/llms.txt）嘅 markdown 檔案，會明確話畀 AI 爬蟲知 邊啲內容最重要、結構係點。可以諗成一個專為 AI 而設嘅嚮導， 直接跳過所有導覽列、頁眉同 chrome。

呢個係 2024 年提出嘅新標準，2026 年開始普及 — 唔係所有 AI 引擎都會跟， 但早行一步嘅人會佔到優勢。我哋每個案子做嘅網站都會預設加上 llms.txt。

4.3 AI 爬蟲存取（唔好不小心擋咗佢哋）

好多網站嘅 robots.txt 規則都係過時，無啦啦擋咗 AI 爬蟲都唔知。你需要明確允許嘅爬蟲：

注意：擋咗 GPTBot 只係阻止 OpenAI 用你嘅內容做訓練，但唔會阻止佢喺即時搜尋入面引用你。 大多數企業應該兩樣都允許。如果你擔心版權問題，嗰個係更複雜嘅討論 — 但預設擋住所有人就肯定係錯誤嘅直覺。

4.4 唔好將內容收埋喺 JavaScript 後面

如果你個內容要 JS render 完先載入（舊版 React／Vue 而又冇 SSR 嘅網站好常見），AI 爬蟲根本見唔到。 佢哋一般唔會執行 JavaScript。要用 server-side rendering（Next.js、Nuxt、Astro）或者 static generation。 我哋所有網站都用 Next.js 加 SSR，正正就係呢個原因。

4.5 網站速度同語義化 HTML

Core Web Vitals 仍然重要。慢嘅網站爬蟲會少嚟，亦會失去權威信號。同時要用語義化 HTML （<article>、<section>、<header>）， 唔好淨係一堆 div。AI parser 對語義化 HTML 嘅理解更好，亦會賦予更高權重。

AI 引擎讀內容嘅方式同人類完全唔同。佢哋會掃描清晰、簡潔、有事實基礎、可以直接引用嘅句子。 好消息係：寫畀 AI 嘅內容，其實亦係寫得好嘅人類內容。壞消息係：香港大部分內容營銷做嘅嘢，正正同 AI 想要嘅相反。

5.1 50 字法則

針對你內容要回答嘅每條重要問題，喺頁面或段落最頂寫一個 40 至 60 字嘅直接答案。 AI 引擎會優先引用一開頭就有清晰、可複製 snippet 嘅內容。

壞示範：一篇 2,000 字嘅文章，將答案埋喺第 12 段。
好示範：開頭 50 字直接答晒，再用 1,950 字補充背景同細節。

5.2 語義三元組（Subject-Predicate-Object）

AI parser 透過將句子拆成主詞-謂詞-賓詞嘅結構嚟提取知識。 你嘅句子越貼近呢個模式，AI 越容易將你加入佢嘅知識圖譜。

對比一下：

5.3 列表、表格、項目符號

AI 生成嘅答案有 78% 嘅時間都會包含列表。 如果你嘅內容用流暢散文嚟講一個本身就應該係列表式嘅題目（步驟、比較、選項），AI 就好難引用你。 凡係可以自然轉成列表或表格嘅地方，都應該轉。

5.4 引述、統計、citations

三種信號可以大幅提升 AI 引用你內容嘅機率：

資料來源：2026 年多份 AEO 研究綜合報告。

5.5 問答（Q&A）格式

大多數 AI 搜尋查詢都係以問題形式提出。你嘅內容應該用用戶用嘅同一啲字眼，明確咁回答嗰啲問題。 最簡單嘅做法：喺每個頁面底部加一個 FAQ 部分，針對真實客戶會問嘅問題。 再配合 FAQPage schema（前面提過），AEO 信號會直接 double。

5.6 唔好過度優化（要寫得似人）

反直覺但好重要：AI 引擎有偵測機制專門對付堆砌關鍵字、機械化嘅內容。 佢哋偏好睇落好似一個有見識嘅人寫嘅 — 包括偶爾用第一人稱、表達意見、有個人風格。寫 2,000 字但乜都冇講嘅文章年代已經過去。 寫少啲。講多啲。

呢一塊就係大多數 agency 失敗嘅地方。佢哋做完 schema markup 就叫做「AI SEO」。 但 AI 引擎使用嘅最大單一信號，其實係多個權威來源之間嘅共識。 如果有五個獨立網站都講「StepOne 係香港嘅一間數碼營銷公司」，AI 引擎會當佢係事實。 如果只係你自己嘅網站咁講，AI 引擎只會當作係營銷宣傳。

6.1 Entity stacking

Entity stacking 即係喺所有 AI 引擎認可嘅權威平台上，建立一致嘅品牌存在。 每個平台嘅資料必須完全一致 — 一樣嘅公司名、一樣嘅描述、一樣嘅地址、一樣嘅 logo。 AI 引擎會將呢種一致性視為信心信號。

對香港企業最有效嘅平台：

6.2 sameAs 鏈條

喺你嘅 Organization JSON-LD schema 入面，加一個 sameAs 陣列， 列出你喺每個平台嘅 profile。呢個就係明確嘅信號，話畀 AI 知「呢啲帳號全部都屬於同一個實體」。 我哋自己 stepone.agency 都係咁做 — 你 view source 就見到我哋嘅 schema。

6.3 透過第三方發布建立共識

最強而又最被忽略嘅 AEO 戰術：畀第三方網站嘅文章提及你嘅生意。 AI 引擎將編輯式提及視為遠勝過自我推銷嘅信號。

實戰玩法：

1. HARO ／ Connectively ／ Qwoted — 回應記者查詢。一次喺 SCMP 或 HKFP 嘅提及，價值勝過 100 個目錄登記。
2. Guest post 喺行業媒體上。香港相關嘅有：HK Business、StartupBeat、e27、TechInAsia。
3. 行業評測。聯絡寫「香港最佳［你嘅類別］」榜單嘅 blogger。如果你真係市場上嘅實力派，就應該出現喺呢啲名單上。
4. 客戶案例放喺客戶網站上。你幫律師樓做網站，就要佢哋喺自己網站提及你（並連結返你）。
5. Podcast 訪問。比你想像中容易得多。Show notes 會被爬。
6. 開放發布平台 — Medium、Substack、 Vocus.cc、 Matters.town、 LinkedIn Articles。呢啲平台唔算係第三方傳媒，但 AI 會密切爬，自己排名亦唔錯。 對香港嚟講特別有用嘅係 Vocus.cc（台灣為主嘅國語／粵語平台）同 Matters.town（紮根香港嘅去中心化寫作平台）， 可以畀你喺繁體中文世界有原生觸及，係 Medium 做唔到嘅。將你嘅指南重新發布，並加 canonical link 指返主站。

6.4 Reddit、Quora、論壇存在

ChatGPT 對 Reddit 內容嘅權重特別高 — 係佢訓練資料入面信任度最高嘅來源之一。 喺香港市場，亦要考慮 LIHKG 同 Discuss.com.hk，建立本地語言嘅存在感。 唔好喺度灌水。建立真實嘅帳號，貢獻有用嘅答案，等你嘅品牌提及隨時間自然浮現。

6.5 Wikipedia 同 Wikidata（如合資格）

Google 嘅 Knowledge Graph 約 70% 嘅實體資料嚟自 Wikidata。 如果你可以拎到 Wikipedia 或 Wikidata 條目，係你可以做嘅最高槓桿 AEO 行動。 難處在於：Wikidata 要求獨立傳媒報導作為參考來源。 你唔可以自己創建條目 — 必須先有可驗證嘅第三方來源。

大多數 AEO 服務最弱嘅一環就係量度。Agency 會話「幫你喺 AI 入面有曝光」，但又證明唔到。 你需要一個可以攞畀 CFO 睇嘅量度框架。

7.1 工具：AI 曝光追蹤平台一覽

2026 年 AI 曝光追蹤呢個工具類別爆發式增長。已經有幾個專門嘅平台可以監測你個品牌喺 ChatGPT、Gemini、Perplexity、Copilot、Google AI Overviews 嘅表現。但收費就差得好遠 — 由 US$29／月嘅入門方案，去到 US$2,000+／月嘅企業級工具，功能上其實差唔多。

2026 年香港企業比較適用嘅選擇：

我哋對香港企業嘅推薦：由 Otterly.ai 開始。 US$29／月得 15 個 prompt，覆蓋 6 大 AI 引擎，包埋情緒分析同 SWOT 式 GEO 審計報告 — 足夠中小企或 agency 跑一個基本嘅 AEO 計劃，唔使俾預算焦慮。等 prompt 庫做大咗先升級。 其他工具都好，只係大部分香港中小企暫時用唔到佢哋嘅進階功能。

用邊個工具其實都好，四個核心指標都係一樣。以下用一間虛構嘅香港驗樓公司做例，講解點樣解讀：

點樣解讀啲數字：提及次數話你知 AI 知唔知你存在。 引用次數話你知 AI 信唔信你到肯帶流量畀你。曝光量話你知個獎金池有幾大。 Share of Voice 話你知你相對對手係贏緊定輸緊。

老實講一句：冇任何 AI 曝光追蹤工具係 100% 準確嘅。 ChatGPT 同 Perplexity 尤其難準確量度，因為佢哋嘅答案會隨用戶、地區、對話脈絡而變化。 無論你揀邊個工具，都應該當作月對月嘅方向性指標，並且配合 7.2 嘅人手 LLM 測試交叉核對。

7.2 人手 LLM 測試（平靚正嘅做法）

呢一招唔好睇小。每個月，喺每個 AI 引擎度問 10 至 20 條客戶可能會問嘅具體 query。 將答案截圖。逐月比較。呢個係 AEO 進度最具體、最有說服力嘅證據 — 喺客戶會議上比任何 dashboard 數字都更有力。

以下係一間香港驗樓公司每月 LLM 測試嘅實際樣子：

呢個就係實際嘅工作。三條 query、三個唔同結果、三個唔同 action item。 每月做 10 至 20 條，記錄喺一個追蹤表入面，你就有一份書面證據去證明 AEO 有效 — 或者明確顯示你應該修補邊度。

7.3 Schema 覆蓋率追蹤

Schema markup 係非黑即白：頁面要麼有正確、有效嘅 JSON-LD，要麼冇。最簡單嘅計分卡： 你嘅優先頁面有幾多百分比係有有效 schema 嘅？

會用到嘅工具：

• Google Rich Results Test — 貼一條 URL，即見 Google 偵測到邊啲 schema、有冇錯誤。
• Schema.org Validator — 涵蓋所有 schema 類型嘅更廣泛驗證，唔淨止係 Google 支援嗰啲。
• Google Search Console > 加強功能 — 大規模標示全站嘅 schema 錯誤。

一個 50 頁香港服務型網站嘅實際計分卡例子：

計分卡令缺口一目了然。喺呢個例子，團隊頁同 5 篇 blog 文章冇 schema — 嗰啲就係下個月嘅工作。 我哋會用呢個格式每月同 retainer 客戶分享，配紅／黃／綠色標示，等非技術背景嘅 stakeholder 都可以一眼睇明。

7.4 實體覆蓋率計分卡

同 schema 覆蓋率一樣嘅諗法，但應用到站外實體 profile 上。追蹤你品牌應該存在嘅每一個權威平台， 查核個 listing 係咪：(a) 已建立、(b) 完整、(c) 同其他 listing 一致、(d) 已透過 sameAs 互相連結。

一個真實香港 agency 嘅樣本計分卡（呢個係我哋自己 StepOne 做過嘅）：

一眼就睇到未來 60 日嘅優先工作：建立 Wikidata、Vocus.cc 同 HKTDC profile，再完成 YouTube 頻道描述。「sameAs」嗰欄好關鍵 — 如果 profile 存在但冇喺 Organization JSON-LD 入面引用，AI 引擎根本冇辦法確認呢啲帳戶之間嘅關係。

點解呢樣咁重要：一致性比完整性更有價值。 4 個 NAP 資料完美吻合嘅平台，價值大過 12 個資料互相矛盾嘅平台。 清理現有條目，通常勝過建立新條目。

7.5 應該寫入合約嘅 KPI

如果 agency 提供 AEO 服務但冇可量度嘅 KPI，掉頭就走。你應該要求嘅 KPI 包括：

• Schema markup 覆蓋率（目標：30 日內優先頁面 100%）
• 權威實體 profile 數量（目標：60 日內 10 至 15 個）
• 自訂 prompt 可見度（按 retainer 等級而定 — 通常 10 至 50 條，視乎 package）
• AI citation／提及次數相對基線嘅變化（用 agency 揀嘅追蹤工具）
• Google Search Console 入面品牌字搜尋嘅增長（滯後信號，但係真實）

關於 prompt 數量：數量唔係越多越好。 深入追蹤 15 條高購買意圖嘅 query，效果遠勝追蹤 100 條低相關性嘅 query。 將你嘅 prompt 集中喺真正客戶喺購買前會問嘅問題 — 槓桿就喺嗰度。