ChatGPT未搜先決：AI推薦背後的品牌權重密碼
近期一份顛覆性的研究報告揭示了一個令人震驚的事實：ChatGPT在執行網絡搜尋之前，已經「內定」了它將會推薦哪些品牌。 這份由SEO研究員Suganthan Mohanadasan發佈的分析，通過直接讀取ChatGPT的網絡流量數據，而非僅僅觀察輸出結果，首次揭露了AI推薦引擎的內部運作機制。
對於依賴搜尋引擎流量的香港企業來說，這項發現具有深遠的意義——傳統SEO思維可能無法完全應對AI時代的挑戰。
核心發現：搜尋前的「預寫名單」
研究人員通過分析57段ChatGPT對話中的3,554個檢索頁面，發現了以下關鍵機制：
1. 品牌在搜尋查詢中已被「預載」
在27次對話測試中，有21次（77.8%）ChatGPT在發出第一次搜尋請求時，已經將用戶從未提及的品牌名稱寫入了搜尋查詢中。這意味著：
- 當你問「最好的會計軟件」時，ChatGPT在搜尋任何網頁之前，已經在查詢中包含了特定品牌名稱
- 被寫入查詢的品牌獲得推薦的機率，是僅被搜尋到但未被寫入查詢品牌的33倍
- 如果您的品牌從未被寫入ChatGPT的搜尋查詢，被推薦的機率僅約 2.1%
2. 「扇出效應」：一次搜尋衍生多次查詢
ChatGPT會先進行一次概括性搜尋產生「短名單」，然後為名單上的每個品牌進行獨立查詢。這個過程被稱為「扇出效應」（Fan-out）。研究發現：
- 每次回答大約讀取 600個頁面，但最終只引用約 30個
- 被讀取和被引用之間的差距，正是SEO工作可以發力的地方
- 2026年8月初，OpenAI更改了查詢密鑰格式後，每次回答的搜尋次數從12次降至4次
3. 按域名分組：只有前兩名才有機會
ChatGPT會按域名對搜尋結果進行分組，只有在該域名分組中排首兩位的頁面才有真正被引用的機會。排名第三及以後的頁面，被引用率接近零。
4. 同域名多頁面競爭＝自我蠶食
當同一個域名有多個頁面出現在同一分組時，每個頁面的被引用率會急劇下降。研究發現：
- 兩個緊密匹配的頁面是最佳狀態
- 超過六個頁面時，基本上是在和自己競爭
- 建議將回答同一問題的多個頁面整合為一個權威頁面
對香港企業的具體影響
中小企的AI能見度挑戰
這項研究對香港眾多中小企業來說，既是挑戰也是機遇：
挑戰：
- 品牌知名度不足的企業，在ChatGPT的「預寫名單」中缺席，幾乎不可能被推薦
- 傳統SEO（關鍵字優化、技術SEO）無法解決「品牌未被AI認知」的根本問題
- 依賴單一官方網站的曝光策略在AI時代效果有限
機遇：
- 只要品牌被寫入ChatGPT的搜尋查詢，被推薦機會立即提升33倍
- 通過第三方媒體報導、業界評測、比較文章等方式，可以有效提升品牌在AI眼中的「存在感」
- 香港本地化的內容策略（廣東話內容、本地案例）可以在細分領域建立獨特優勢
香港企業行動指南
第一步：診斷您的AI能見度
在Chrome瀏覽器中打開ChatGPT，開啟開發者工具（DevTools），前往Network分頁：
- 輸入您行業的「最佳XXX」問題
- 觀察第一次搜尋查詢中是否包含您的品牌
- 每次出現的品牌是穩定名單，時有時無的是可爭奪的陣地
- 從未出現的品牌需要從品牌建設入手
第二步：如果是「從未被寫入查詢」的品牌
- 優先投入第三方曝光：行業評比網站、媒體報導、分析師評論、比較文章
- 建立權威外部引用：讓您的品牌在您行業的權威媒體中被提及
- 參與行業討論：在Reddit、Quora、LinkedIn等平台建立專業形象
- 勿浪費資源在頁面技術優化：在品牌不被AI認知的情況下，頁面優化效果有限
第三步：如果是「已被寫入查詢」的品牌
- 整合頁面內容：將回答同一問題的多個頁面合併為一個權威頁面
- 將關鍵句子放在頁面頂部：ChatGPT引用時偏好頁面前段的內容
- 使用純HTML文本呈現數據和數字：避免將關鍵信息放在圖片或JavaScript加載的內容中
- 監控「被讀取vs被引用」比率：如果頁面經常被讀取但從未被引用，說明內容質量有問題
第四步：長期AI品牌策略
- 定期測試：每月至少運行5次行業關鍵問題，觀察品牌出現在搜尋查詢中的穩定性
- 關注個人化影響：ChatGPT會根據用戶位置等因素個人化推薦，香港企業應建立本地權威
- 準備應對變化：AI模型更新頻繁，2026年7月和8月的機制已有明顯差異，策略需要持續調整
總結
這份研究為香港企業提供了AI時代SEO策略的重要參考：在ChatGPT的推薦機制中，品牌認知優先於頁面優化。 被AI「認識」的品牌，在推薦遊戲中佔有壓倒性優勢。
對於希望在AI搜尋時代保持競爭力的香港企業來說，行動的關鍵在於：從純技術SEO思維，轉向「品牌建設＋第三方權威＋內容整合」的綜合策略。
[參考資料：Search Engine Journal - “ChatGPT Already Knows Who It’ll Recommend Before It Searches” by Suganthan Mohanadasan]