AI時代的SEO：Google核心更新與搜尋排名變化分析

所以，現在是什麼情況？

最近很多人在討論 AI 跟 Google 更新。好像一場戰爭。

但我自己是覺得，這不像拔河。拔河是你來我往，力量對抗。現在這個... 比較像軍備競賽。

你知道嗎，Google 自己也在用超強的 AI 來升級它的搜尋引擎，像是 RankBrain、BERT、MUM 這些東西。它的目標是想辦法看懂文章到底好不好、有沒有真的幫到人。而我們呢，我們用市面上這些 AI 工具，試著...嗯... 達到它設定的那個新標準。

所以不是 AI 對抗 Google。而是 AI 輔助我們，去應對一個同樣用 AI 打造的系統。

不要想著用 AI「騙」過 Google，要想著用 AI「滿足」Google 對高品質內容的要求。

講理論很空。我們直接看最近的例子，就是 2024 年 3 月那次的 Core Update 跟 Spam Update。那次超大。

Google 自己在他們的 Search Central 部落格上講得很清楚，他們這次主要目標之一，就是打擊那種「規模化生產的低品質內容 (scaled low-quality content)」。

說白了，就是很多網站用 AI 一天產幾百篇、幾千篇文章，內容看起來好像有那麼回事，但其實都是換句話說，沒有自己的觀點，也沒有真正的深度。很多這種網站，流量幾乎是瞬間蒸發。我自己觀察一些國外的 SEO 論壇，哀鴻遍野，很多都是玩這種 AI 農場模式的站。

這就證明了一件事：Google 的 AI，現在越來越能分辨出哪些內容是「為了搜尋引擎寫的」，哪些是「為了人寫的」。純靠 AI 大量鋪內容，這條路... 差不多走到盡頭了。

不過呢，有趣的是，在台灣的一些 SEO 社群或像 awoo 這種指標性公司的分析來看，中文內容的判斷好像... 嗯... 還有點模糊空間。感覺上 Google 對英文內容的語意理解還是比較強。但這不代表可以鬆懈，這只是時間問題。遲早會輪到中文的。

當然可以。問題從來不是工具，而是用工具的人。關鍵是從「取代人工」的想法，變成「增強人工」。我把它叫做「混合工作模式」。

簡單講，就是把重複性、資料性的工作丟給 AI，把需要判斷、創造、體驗的部分，留給人類專家。

比如說寫一篇文章：

第一步 (人類策略)： 我要寫什麼主題？目標讀者是誰？他們想解決什麼問題？這篇文章要有什麼獨特的觀點？這得靠人腦。
第二步 (AI 輔助研究)： 確定主題後，叫 AI 幫我快速整理目前網路上排名前面的文章都在談什麼、漏了什麼。幫我找出相關的關鍵字、大家還會問什麼問題 (People Also Ask)。這比我一個個去查快多了。
第三步 (AI 草稿生成)： 根據我給的大綱和剛剛蒐集的資料，請 AI 生成一份草稿。注意，是「草稿」。
第四步 (人類專家精修)： 這步最重要。把 AI 的草稿拿過來，用自己的話重寫，加入個人經驗、實際案例、更深的見解。檢查 AI 給的資料是不是正確的，這超重要，AI 很會胡說八道。這就是 E-E-A-T (經驗、專業、權威、信任) 裡面的「E」(Experience) 跟「E」(Expertise)。

你看，整個流程下來，AI 像一個超強的研究助理，而不是作者。產出的內容，既有效率，又有人的溫度和可信度。

大家現在好像都只盯著 AI 寫作，但其實它在 SEO 其他方面更好用，而且風險更低。

技術性 SEO： 網站一堆技術問題，自己抓很累。用 AI 工具可以快速掃描，找出 404 錯誤、壞掉的連結、圖片沒有 alt 文字... 等等。雖然它不一定能「修」，但光是「找出來」就省下大把時間。
結構化資料 (Schema)： 寫那些 JSON-LD 程式碼很煩吧？現在有很多工具，你只要告訴它這是什麼頁面（文章、食譜、產品），它就能幫你生成對應的 Schema 程式碼。複製貼上，搞定。
數據分析： 把 Google Search Console 的數據丟給 AI，問它「哪個頁面的點擊率跟排名不成比例？」，或是「幫我把這些關鍵字按使用者意圖分類」。它可以幫你看到一些你自己可能忽略的規律。

我自己是覺得，把 AI 用在這些地方，比單純用來衝文章量，更聰明、也更安全。

為了更清楚，我拉了一個表。你可以看看純人工、純 AI、還有我說的混合模式，到底差在哪。

SEO 任務	純人工做法	純 AI 做法 (風險高)	混合模式 (推薦)
關鍵字研究	很花時間... 一個個查搜尋量、看競爭對手，累。但直覺準。	給個主題，吐一堆詞。但可能跟你的業務方向對不上，有點亂槍打鳥。	人類定大方向，AI 負責找長尾詞、整理分類。人腦最後再篩選一遍。快又準。
內容寫作	品質最高，有靈魂。但就是... 慢，產量有限。請人寫又貴。	按個鈕，文章就出來了。一百篇。但讀起來... 你知道的，都那個樣，沒有靈魂，甚至會出錯。	AI 當研究助理跟草稿產生器。人類專家負責注入觀點、經驗和品牌聲音。這才是正解。
技術 SEO 稽核	像大海撈針。要很有經驗才看得出問題在哪，而且耗時。	能快速抓出標準錯誤，比如 404 或 H1 缺失。但複雜問題，像是渲染問題，它可能看不懂。	讓 AI 工具跑第一次掃描，列出問題清單。然後人類專家針對清單，判斷修復的優先級。
站外連結分析	手動檢查每個反向連結的品質... 幾乎不可能。只能抽樣。	可以快速匯入 Ahrefs 或 Semrush 報告，然後... 它可能會給你一些很籠統的建議。	用 AI 工具分類連結來源的類型 (新聞、論壇、部落格)，然後人類判斷哪些是真正有價值的連結。

很多人一拿到 AI 工具，就很容易走偏。這裡列幾個我常看到的坑。

錯誤一：把 AI 當成全自動工廠，追求數量。
這就是三月更新主要打擊的對象。以為文章越多越好，結果產出一堆網路垃圾，最後整個網站被 Google 判定為「沒幫助 (Unhelpful)」。

修正： 把心態從「生產線」轉成「工作坊」。每一篇文章都該是工藝品。AI 只是你的電動工具，不是幫你代工的工人。一週產出一篇經過專家精雕細琢的好文，遠勝過一天產出一百篇 AI 廢文。
錯誤二：完全相信 AI 產出的「事實」。
AI 會「幻覺」(Hallucination)，也就是一本正經地胡說八道。它會編造數據、引用不存在的來源、搞錯人名和事件。如果你做的是 YMYL (Your Money or Your Life) 領域，比如醫療、財經，這超級危險。

修正： 事實查核 (Fact-checking) 是絕對不能省的步驟。把 AI 當成一個... 嗯... 很有創意但記憶力不太好的實習生。它給你的每個數據、每個案例，你都要親手再去查證一次。
錯誤三：失去自己的品牌聲音。
如果所有文章都用 AI 的預設語氣寫，你的網站會跟其他一萬個網站聽起來一模一樣。沒有個性，沒有觀點，讀者記不住你。

修正： 在把任務交給 AI 前，先餵給它你的「品牌聲音指南」。甚至可以給它幾篇你過去寫得最好的文章，讓它學習你的風格。然後，在精修階段，最重要的事就是把「你」的聲音加回去。