把 GEO audit 從 70 推到 81：5 步、3 commit、每一步的分數與證據
文 / Coolkid發布：2026-06-15閱讀約 9 分鐘
摘要
跑 GEO(生成式引擎優化)盤點抓到 70 分，原以為是現況，重跑一次才發現是過時的存檔，真正的基準是 76。5 個動作把它推到 81，新鮮度雙日期加 2 分、HTML 註解清掉加 1 分、Service schema 單一事實來源加 1 分。Perplexity 從 62 升到 85 吃最多紅利，ChatGPT 從 70 持平，Google AI 80 沒動。三家對訊號的權重完全不同。
1. 起點是一個假分數
第一次跑盤點的時候，打開 geo-audit.json 看到 70 分，等級是「good」，腦袋自動進入「OK 還行」模式。
看了一下建議清單，二十幾條，準備抓投報率最高的先下手。
幾秒後我注意到檔案開頭的時間戳，2026-05-11。今天是 5 月 29 日。
這個分數是 18 天前的。
過去 18 天我做了 about 的實體改造、3 個 hub 的 FAQPage、SEO 連載多了 4 篇、首頁 RPG 儀表板、全 18 篇的開頭快答。
70 分根本不是現況。
重跑一次即時盤點，76 分。
第一個教訓，跑分之前先看時間戳。過時的存檔會讓你去修錯的題目。
2. 76 → 78:新鮮度 + 描述對齊 + 塞詞分散(第一波,commit 55dcf42)
76 分的盤點給的真實缺口有四個。
訊號項 5/6，新鮮度是 False，因為 schema 缺 dateModified，頁面也沒有看得見的最後更新。schema 的描述跟 meta 描述文字不一樣。信任堆疊少了兩項。首頁的「workflow」被判成 12.5% 的關鍵字密度。
這四個有共同主題，都是站台健康度的一致性訊號。
挑出 LASTMOD 跟 BRAND_DESCRIPTION 兩個常數。前者拆成部署日跟內容基準日兩個，後者改成跟首頁 meta 描述逐字一致。細節在 #18 跟 #19。
塞詞那個比較麻煩。「workflow」在首頁出現 27 次，其中 11 次是真實的分類標籤跟導覽，動不得。
我只動了首頁 FAQ 三處多餘的「AI workflow」，把其中兩個換成中文的工作流，留下品牌核心句一次。密度從 7.9% 降到 5.3%。
部署後重跑，78 分。
| 指標 | 改前 | 改後 |
|---|---|---|
| signals freshness | 5/6 False | 6/6 True |
| schema_desc_matches_meta | False | True |
| consistency 缺失 | 2 項 | 0 項 |
| brand_entity | 5/10 | 6/10 |
| Perplexity 引用力 | 62 | 85(+23) |
| ChatGPT | 55 | 70 |
| Google AI | 80 | 80 |
Perplexity 加 23 分這件事，讓我盯著看了很久。
其他平台變化都小，ChatGPT 加 15 分，Google AI 完全沒動。後面會再講為什麼。
3. 78 → 80:中間別人也在動(commit 66de945、fec2393)
我在做第一波的期間，另一個 session 也在動這個站，不同的 agent，跑不同的任務。
它做了兩件對盤點有幫助的事。一是修無障礙的對比度，PageSpeed 的無障礙分數從 93 推到 100。二是加了 llms-full.txt，在 head 補一個連結。
盤點沒有直接量無障礙，但站台健康度這個複合分數會吃到它的訊號。llms 那一項則從 12 分變 14 分。
我打開盤點的時候，它已經跑完這兩件事了。重跑，80 分。
等級還是 good，優秀通常要 85 分以上。
這一段的教訓是，多人或多個 session 開發同一個站，盤點分數只是最後一次部署的快照。
沒有單純的「我的改動拿了幾分」，只有「最後一個推上去的狀態值幾分」。
4. 80 → 81:HTML 註解 + Service schema + AI endpoint hints(第二波,commit 99695c9)
80 分的盤點裡面，最讓我皺眉的是提示注入那一項，嚴重度標成 critical。
html_comment_injection_count: 1
samples:
- "LCP critical path — 不 preload 任何字體(教訓累積)。
1) preload mascot.webp 跟 CSS 搶頻寬 → FCP 退步,已移除。..."那是我在 build.py 的 page_shell 裡寫的開發註解，內容是「為什麼我們不預先載入字體」的決策紀錄。
盤點的邏輯是這樣，HTML 註解會被 AI 爬蟲讀到，所以任何看起來像「給 AI 指示」的註解，都會被標記成潛在的提示注入。
這是規則誤判，但盤點的邏輯不算錯。
HTML 註解確實會被部分 AI 爬蟲抓進去，OpenAI 的網頁讀取器就會。純開發用的文件本來就沒理由留在 HTML 輸出裡，應該寫在原始碼的 Python 註解，不要進到 build 之後的 HTML。
我清掉 8 個。提示注入從 critical 變成乾淨，註解數從 1 變 0。
順手做了另外兩件事。第一是 Service schema 的單一事實來源。
陪跑服務本來只有 /ai/service.json 一個檔案在描述，沒有內嵌 JSON-LD 進 HTML。我新寫一個 service_schema()，三個地方共用同一份資料，寫進 JSON 檔、首頁內嵌、服務頁內嵌。
schema 的類型從 3 種變 4 種，品牌實體從 6 分變 7 分。
第二是 AI 端點的發現提示。head 加兩個 link，指向 /ai/service.json 跟 /ai/summary.json。
盤點的 AI 發現項沒有翻成 True，它的偵測邏輯比預期挑剔。但這是前瞻性的標準動作，還是做了。部署後，81 分。
5. 為什麼停在 81 = 實質終點
剩下的建議我逐條過了一遍：
| 建議 | 我的判定 |
|---|---|
| Add sameAs Wikipedia/Wikidata/LinkedIn/Crunchbase | 化名個人品牌沒這些真帳號,空帳號頂多不加分、標一個你沒有的 entity 才反傷(#21 完整論述) |
| Expand content to 500+ words | 首頁是 RPG dashboard,276 字是設計取捨。要拉到 500 字得改視覺,品牌取捨 > 分數 |
| Create /ai/service.json | 誤判,檔案已存在 live 200 |
| Form labels / WebMCP | 沒有表單可加 label;WebMCP 是 Chrome 還在 propose 的標準,不急 |
四項建議全部不該追。兩項是品牌跟誠實的邊界，一項是誤判，一項是標準還沒定。
所以 81 是這個站結構上能拿的最高分。再上去要嘛改 RPG 視覺，要嘛加假的社群連結。前者品牌不能讓，後者誠實不能讓。
6. 各家 AI 引擎的權重差異最值得看
三家引擎從 70 推到 81 的變化曲線，完全不一樣：
| 引擎 | 76 時 | 81 時 | 變化 |
|---|---|---|---|
| ChatGPT | 55 | 70 | +15 (主要在 78→80 a11y / llms-full) |
| Perplexity | 62 | 85 | +23 (76→78 新鮮度紅利) |
| Google AI | 80 | 80 | 0 (一開始就高,靜止) |
盤點工具給 Perplexity 的分數，對新鮮度的反應明顯比另外兩家大。
Perplexity 主打即時回答，直覺上比較看重新鮮度。但它內部怎麼排序、是不是用日期過濾候選池，沒有公開資料，我無法驗證。
我能講的只有工具分數的變化，不是 Perplexity 的真實引用機制。
Google AI Overviews 對舊內容相對寬容。
它跟傳統 Google 搜尋排序共享更多訊號，新鮮度只是其中一個權重不高的因素。從 80 分開始就難動，因為它要的是 E-E-A-T 跟反向連結這種需要時間累積的東西。
意思是，你寫 GEO 內容想被誰引用，要選不同的武器。
想被 Perplexity 引用，就拼新鮮度、拼結構化 schema、拼數據密度，這是短跑武器，幾天看得到效果。想被 ChatGPT 引用，就拼 llms.txt 的完整度、拼可引用單元，這是中跑武器。
想被 Google AI Overviews 引用，就拼 E-E-A-T、反向連結跟主題權威，這是長跑武器，幾個月才有訊號。新站想要速效就先打 Perplexity，反正不會傷到其他兩個。
▸ 常見問題
用什麼工具跑 audit?
geo-optimizer-skill,MIT 授權。pip install 後 geo audit --url <site> 直接跑。輸出含 platform-specific scores、schema breadth、prompt injection 偵測、embedding proximity 等。
為什麼 audit 擋我 localhost?
SSRF 防護。audit 工具預設不允許掃 localhost / 127.0.0.1 / 內網 IP,避免被當 SSRF 攻擊向量。要測本地 build 只能部署到 staging URL 才能掃。
分數降了該怎麼辦?
先看 timestamp 跟 git log 對齊,確認是哪一次部署造成的。然後看 score_breakdown — 哪一個 sub-score 掉分。降分通常比上升更容易抓 root cause,因為剛剛改了什麼很清楚。
可以為了拿分把首頁文字加長嗎?
可以但要看交易。首頁 276 字 → 500 字大概能拿 +1~2 分。但要嘛塞 keyword(傷 stuffing)、要嘛塞 boilerplate(傷信任)、要嘛把 RPG dashboard 的視覺壓垮。Lab 選擇守住視覺。audit 是工具不是目的 — 分數推到看不到大缺口就停。
70 推到 81 的 5 步紀錄完成。
三家 AI 引擎的權重不同，Perplexity 短跑、ChatGPT 中跑、Google AI 長跑。81 分是這個站的結構上限，剩下的要靠長期累積。下篇 #21 講為什麼我拒絕加假的社群連結。
名詞解釋
- HTML
- 網頁的骨架語言，定義「這是標題、這是段落、這是圖片」。
- 部署（deploy）
- 把做好的網站或程式「推上線」讓所有人用得到的動作。
- 提交（commit）
- Git 的一個存檔點：把這次改動連同一句說明記錄下來，之後隨時可以回到這個版本。
- GEO（生成式引擎優化）
- 讓 ChatGPT、Perplexity 這類 AI 在回答問題時引用你網站內容的優化方法，是 SEO 在 AI 時代的延伸戰場。
- 無障礙（accessibility / a11y）
- 讓視力不佳、不便操作的人也能順利使用網站的設計標準。WCAG AA 是國際標準的中間等級，要求文字與背景對比度 ≥ 4.5:1。
- 提示詞（prompt）
- 你打給 AI 的那段指令或描述。寫得越具體（要什麼、給誰用、長怎樣），AI 做出來的東西越接近你要的。
- llms.txt
- 放在網站根目錄、寫給 AI 看的網站導覽檔（社群慣例）：告訴 AI 這個站有什麼內容、重點頁在哪、全文去哪抓。
- 爬蟲（crawler）
- 自動瀏覽網頁、把內容抓回去的程式。Google 靠爬蟲收錄網頁，AI 公司靠爬蟲收集資料。
- Meta 描述（meta description）
- 搜尋結果裡標題下面那兩行說明文字。不直接影響排名，但寫得好能提高被點進來的機率。
- 結構化資料（Schema / JSON-LD）
- 用機器看得懂的格式跟搜尋引擎說明「這頁是文章、作者是誰、何時更新」，有機會換到更豐富的搜尋結果外觀。
- 關鍵字堆砌（keyword stuffing）
- 把關鍵字硬塞滿整篇文章的過時手法。現在不只沒用，研究實測在 AI 引用場景還會扣分。
- 反向連結（backlink）
- 別的網站連到你網站的連結，等於外部幫你投的信任票，是搜尋排名的重要訊號。
看完這篇之前先確認:
- 第一次跑 GEO audit、看著一堆建議不知從哪下手
- 自己的站還在 70-80 分區間想推到 80+
- 對 audit 分數的「真假」有疑問,不確定哪些建議該認真追
- 已經 85+ 分的成熟站(剩下的是長期累積,不是結構優化)
- 完全不在乎 audit 分數、只看實際引用流量的站
- 找「保證上 90」的 SEO 服務(沒有,這篇只是紀錄不是處方)
- 拿過時的 audit 存檔當現況 — 時間戳要看
- 為了拿分加假訊號(假 sameAs、假 schema、誇大數字) — audit 拿到分但長期被罰
- 把 audit 分數當絕對權威 — 三家平台對訊號權重完全不同,總分是平均後的失真
如果內容對你有用就太好了
隨喜斗內
相關閱讀
這篇背後的真實開發過程記錄在 Build Log。
搜尋標籤：geo、audit、perplexity、chatgpt、google-ai、build-in-public、70-to-81。
本篇為個人實驗紀錄。GEO audit 分數來自第三方工具,不同工具評分標準不同,本文做法不保證在你的網站產生相同結果,請依自身狀況驗證。教育研究用途,不構成投資建議。