B2B brands' visibility in AI search and LLMs

•AI 總覽 (AI Overviews) 通常在搜尋結果頁面 (SERP) 上直接提供完整答案，導致資訊性查詢的自然點擊率顯著下降，尤其影響 B2B 漏斗頂端的內容。
•行銷重點正從傳統的搜尋引擎優化 (SEO) 轉向「答案引擎優化 (AEO)」，後者旨在優化內容以被 AI 系統選取和引用，而非僅僅追求排名和點擊。
•儘管整體點擊率可能下降，但來自 AI 引用的 B2B 買家轉換率顯著更高（例如，高出 23 倍），因為 AI 已對資訊進行「預先審查」。此外，高達 90% 的 B2B 買家會點擊引用的來源進行事實查核。
•大型語言模型 (LLM) 綜合品牌資訊的來源不僅限於品牌自有網站，還包括更廣泛的生態系統，例如口碑媒體、評論、社群討論（如 Reddit）和第三方內容。
•Google 的 AI 總覽和 LLM 高度重視展現「經驗、專業、權威和信任 (E-E-A-T)」的內容，以及清晰、結構化的數據（例如，常見問題、項目符號、Schema 標記），以利於資訊的提取和綜合。

Google AI 總覽 (AI Overviews) 由客製化的 Gemini 模型驅動，並與現有的搜尋系統（如品質和排名系統、Google 知識圖譜）協同運作。
AI 總覽採用「檢索增強生成 (RAG)」技術，從網路檢索最新資訊並綜合生成答案，並透過「查詢扇出 (query fan-out)」技術收集多樣化的觀點。
LLM（如 ChatGPT 和 Claude）根據其訓練數據以及實時網路數據或插件來綜合資訊，並考量相關性、權威性和可信度，通常優先考慮第三方驗證和跨網路的一致性提及。
LLM 可能會產生事實不正確或誤導性資訊（即「幻覺」），這對品牌構成風險。當品牌訊息模糊、跨來源不一致或存在「數據空白」時，幻覺更容易發生。
為了減輕幻覺風險，品牌需確保強大的實體定義、結構化且機器可讀的內容、跨平台的一致性，以及在高信任度外部來源中的存在。
AI 總覽將來自多個可信網站的文本組合成一個連貫的摘要，並為每個關鍵事實提供連結來源，其選擇標準側重於清晰度、信任度和可解釋性，而非僅僅是傳統的頁面排名。

到 2030 年，AI 能見度指標將取代傳統的自然搜尋流量，成為數位行銷人員的主要關鍵績效指標 (KPI)。

隨著 AI 總覽和 LLM 攔截更多買家旅程，特別是商業和交易階段，衡量引用率、回應位置和情感準確性將比原始點擊率更為關鍵。

現在主動在 AI 搜尋中建立「能見度護城河」的品牌，將獲得顯著的長期競爭優勢。

早期投資於 AI 引用優化、為 RAG 檢索結構化內容以及糾正幻覺，將隨著時間的推移累積優勢，使後來者難以追趕。

AI 幻覺的風險將促使品牌必須持續監控，並轉向在所有數位接觸點上建立結構化、一致的品牌敘事。

不準確的 AI 生成資訊可能嚴重損害品牌信譽，導致財務和法律後果，這要求品牌確保其身份在網路中被 AI 系統清晰且一致地定義。

2023-05

Google 宣布推出搜尋生成式體驗 (SGE) 實驗計畫。

2023-Q4

Google Labs 中的 SGE Beta 階段結束。

2024-Q2

SGE 預計正式推出，隨後更名為 AI 總覽 (AI Overviews)。

2024-05-14

Google 在美國正式推出 AI 總覽功能。

2024-10

AI 總覽出現在約 15 億次每月查詢中。

2025-03-05

Google 宣布升級 AI 總覽，現由 Gemini 2.0 提供支援，並擴展至更多歐洲國家。

B2B 品牌在 AI 搜尋與 LLM 中的能見度分析