【Search Central Live Deep Dive】Day3：品質與排名解密！從使用者意圖到 AI 時代的 SEO 新策略｜awoo 活動實記

Search Central Live Deep Dive 2025 現場直擊！

awoo 團隊現身泰國曼谷，參加亞太地區首度舉辦的 Search Central Live Deep Dive！這場為期三天的技術研討會，匯聚來自各地的搜尋專家與開發者，共同深入探索 Google 搜尋引擎的底層運作、AI 結合搜尋的最新應用、內容策略與技術 SEO 等重要議題。

經過了 Day 1 對 AI 時代宏觀策略的探討，以及 Day 2 對索引與技術細節的深入剖析，會議終於來到最關鍵的第三天。今天的議程將所有線索匯集，聚焦在 SEO 的終極目標：Google 究竟如何判斷內容的「品質」？搜尋結果頁面（SERP）是如何誕生的？面對流量波動，我們又該如何運用數據進行診斷與優化？

💡 如果你還沒看過 Day1 的精彩摘要：【Search Central Live Deep Dive】Day1：SEO is Dead？AI 搜尋時代的 SEO 新解讀！｜awoo 活動實記
💡 這裡也有 Day2 的精彩摘要：【Search Central Live Deep Dive】Day2：索引才是王道！技術 SEO × JavaScript × 多語系策略全攻略｜awoo 活動實記

建議可以先看第一篇文章，我們整理了 AI 搜尋時代的新 SEO 觀念與實戰策略！本系列文章將依照每日主題，整理 awoo 第一手觀察與重點筆記。今天是第 3 天，主題聚焦在：品質與排名解密！從使用者意圖到 AI 時代的 SEO 新策略

Search Central Live 是什麼？

Search Central Live 是 Google 搜尋中心團隊主辦的實體活動，專為網站經營者、開發人員與 SEO 專家設計。而 Search Central Live Deep Dive 則是「升級版」的三天進階研討會，內容更廣、時間更長，專為想深入理解搜尋背後機制的與會者而設。這場活動最大的特色，就是從原本的半天或幾小時，延伸為三天完整學習行程，活動的亮點包含：

• Google 官方團隊與社群專家的深度演講
• 真實案例分享 × 技術實作工作坊
• Search Console、Google Trends 等工具的應用教學
• 豐富的現場互動與跨國交流機會

對於關注搜尋技術與自然流量成長的 awoo 團隊來說，這是與全球 SEO 最前線同步的寶貴機會！awoo 實際參與本次活動，以下為我們從現場帶回的第一手觀察與筆記整理。

Search Central Live Deep Dive 第 3 天主題摘要

• 品質是核心，但 E-E-A-T 不是直接排名因子： Google 強調內容品質的重要性，並提出 Effort、Originality、Talent、Accuracy 四大評估指標，但重申 E-E-A-T 本身是評分者指南，而非演算法中的直接信號。
• 使用者意圖與混沌旅程的再定義：SEO 策略需超越關鍵字，轉向預測使用者體驗（Experience Forecasting）與在多渠道的「混沌旅程」中建立品牌忠誠度。
• Site Search Spam 的新威脅：揭露「搜尋留痕」這種新型攻擊，並提供偵測與防禦的實戰策略，凸顯技術 SEO 在網站安全中的重要性。
• 數據驅動的偵錯與優化：結合 GSC、GA4 與 Google Trends 進行流量下降偵錯與關鍵字研究，並詳解 GSC 大量資料匯出的進階應用。

今日主題與逐場精華筆記（依時間軸整理）

第三天開場：歡迎來到搜尋展現與排名主題日！（10:15）

第三天的開場充滿期待，氣氛與前兩日截然不同。如果說前兩天是打地基、蓋鋼骨，今天就是決定建築外觀與內部裝潢的關鍵時刻。主持人以輕鬆的語氣歡迎大家來到「搜尋展現與排名主題日」，預告今天的內容將直搗黃龍，揭開搜尋結果頁面（SERP）背後的神秘面紗。

理解使用者的查詢（10:25）

這場演講從搜尋引擎運作的最源頭——「理解使用者查詢」開始，深入解析了 Google 如何將一串看似雜亂的文字，轉化為精準的意圖判斷。

Google 如何理解及處理關鍵字

當你在搜尋框輸入「曼谷炸雞 推薦」時，Google 內部正進行一場複雜的「翻譯」工作，把查詢需求轉化為它能理解的指令。

1. 詞元切分（Segmentation）： 將查詢語句拆解成最小的語意單位。例如，「曼谷炸雞 推薦」這句話，會被切分為數個詞元。
2. 詞彙清理（Cleaning up）： 移除不影響核心語意的贅字。
3. 實體識別（Recognize the Entity）： 辨識出查詢中的關鍵角色，如品牌、地點、人物等。例如「曼谷」是地點，「炸雞」是食物類型。
4. 查詢擴展（Expansion）： 根據上下文擴展查詢，以涵蓋更多相關結果。
5. 同義詞系統（Synonyms System）： 這是最關鍵的一步。系統會根據上下文，將詞元匹配到對應的同義詞。例如，在「fried chicken place in bangkok」這個查詢中，「place」會被理解為「location」或「restaurant」，而「bangkok」會被對應到「bkk」。不僅如此，系統還能找到「同級詞」（siblings），例如當使用者搜尋「canon vs nikon」，系統知道這是在比較兩個相機品牌。

這個流程意味著，Google 早已超越了單純的字串匹配。它理解的是概念與實體之間的關係。當使用者搜尋「最推薦的單眼相機」時，即使沒有明確提及，Google 的系統也已經將 Canon 和 Nikon 視為這個查詢下的隱含競爭者。因此，做內容時要換位思考，必須具備「概念上的競爭者意識」，主動滿足使用者潛在的「比較心態」。

現場也針對這點進行了問答：

Q｜如果用英文查詢非英文字詞，Google 有辦法辨識嗎？

A：看情況。像 pad thai 這種全球知名的字詞，就算拼錯一點也能找到；但對於較冷門的 kao pad rod fai（泰式火車炒飯），打錯字它可能就需要猜測並給你建議。同樣地，系統有時也分不清「湯包」和「小籠包」這類在地詞彙的差別。

從關鍵字匹配到多因子排序

演講者接著回顧了 2000 年代的搜尋理論，當時的 SEO 僅僅是將關鍵字進行詞元化（Tokenization），然後計算其在網頁中出現的頻率。

從技術角度來看，這個基本運作流程包含：

• Tokenization（詞元切分）： Google 首先會將使用者查詢切分為詞元（tokens），例如將 “cheap hotel Tokyo” 拆解成三個詞元。這是理解搜尋意圖的第一步。
• Posting List（發布清單）： 每個詞元會對應到一份「posting list」，也就是所有包含該詞的文件清單，例如 “Tokyo” 對應到一連串 URL。
• 計數與初步匹配： 若一個文件同時出現在多個詞元的 posting list 中，它會被視為更可能相關，例如某一個 URL 同時出現在 “cheap”、 “hotel”、與 “Tokyo” 的三個 posting list 中，它會初步取得更高的相關性評分。

關於向量檢索的補充說明： 雖然傳統是使用 posting list 檢索，也有人問到 Google 是否使用向量檢索（如 MuVerA）。演講者說即便使用向量，檢索邏輯本質仍然是比較語義距離，和 posting list 類似，只是從二維匹配轉成向量空間的距離度量。

但現在 Google 的排名系統，遠比這複雜。完成初步匹配後，Google 會引入更多「再排序因子」（re-ranking factors）來決定最終排名，講者列舉了其中幾個關鍵因子：

• 使用者語言與地理位置： 即使一個網頁內容再好，如果語言不對，排名也可能被降低。Google 會根據使用者的地點和語言偏好，提供最貼近的結果。
• 瀏覽器語系設定： Google 會根據你的裝置語言（browser interface language）來做微調，這代表搜尋體驗是個人化的，即使查詢語言一致，不同用戶可能看到不同結果。
• 內容品質（Quality）： 有時候，一篇內容的品質極高、非常權威，就算語言不完全符合，Google 也可能破格錄取，把它排在前面。

演講者最後強調，優化的重點應該集中在使用者身上，而不是過度專注於文件或關鍵字。他用一句幽默的警告作結：「不要回到 2000 年，堆疊關鍵字早就不管用了。」這句話為接下來一整天的「品質」議題，下了最好的註解。

⚡Lightning Session F：品質的各個面向（10:40）

這場閃電講（Lightning Session）由三位來自不同領域的專家，從截然不同的角度探討了「品質」的多元面向。

1. Invisible Threads: How site searches can harm SEO

這場技術性極高的演講，揭露了一種隱蔽卻極具破壞力的 SEO 威脅：Site Search Spam（站內搜尋垃圾內容），在中文圈又被稱為「搜尋留痕」。

講者指出，這是由來自中國、韓國等地的垃圾內容製作者主導，利用網站自身的搜尋功能，動態生成大量夾帶非法關鍵詞（如博弈、情色內容）的頁面，藉此竊取網站的 SEO 權重。這種攻擊之所以能得逞，通常是因為網站存在以下技術漏洞：

• 站內搜尋結果頁面是公開的，且可被 Google 爬蟲抓取與索引。
• URL 與 Title 能顯示垃圾內容的詞彙。
• 即使搜尋沒有任何結果，頁面依然回傳 200 OK 的 HTTP 狀態碼，讓 Google 誤以為是正常頁面。
• 結果內容對應無關的 query，卻仍被搜尋系統接納

垃圾內容的攻擊流程是：

1. 垃圾內容製作者發現某網站支援站內搜尋且開放索引
2. 利用腳本大量生成帶有垃圾 query 的動態 URL
3. 將這些 URL 放入「蜘蛛池」（zhizhu chi）中，誘導 Googlebot 快速爬取。
4. 一旦 Google 漏判並將這些頁面納入索引，網站的整體品質評分就會受到嚴重拖累，因為在 Google 眼中，這些成千上萬的低品質頁面都是「屬於你網站的一部分」。

這不僅僅是垃圾內容問題，它已經演變成一個嚴峻的「技術 SEO 安全議題」。一個看似無害的站內搜尋功能，若配置不當，就可能成為毀掉整個網站 SEO 的後門。

講者也提供了幾種應對策略，但強調沒有單一的最佳解法，需要根據網站情況組合使用：

• 技術阻擋： 使用 reCAPTCHA 機器人驗證、要求使用者登入才能搜尋。
• 爬蟲指令： 在 robots.txt 中阻擋搜尋結果頁的路徑、對搜尋結果頁加上 noindex 標籤、或根據關鍵字長度動態設定 noindex。

講者建議利用 GSC 的大量資料匯出功能，結合 Google BigQuery，可以大規模地檢測和分析這類異常 URL，並需要長期（至少三個月）觀察處理成效。

2. Crafting AI-Powered Data Driven E-E-A-T Content

Nabila 是一位來自印尼的 SEO 與故事行銷顧問，她從截然不同的人文視角切入，分享如何創造高品質內容。她認為，高品質內容的核心在於「人」，即使在 AI 時代，這個本質也從未改變。她提出了對應 E-E-A-T 的四大內容創作原則：

• 獨特視角（Novel point of view）： 別只是整理資訊。真正的好內容，始於一個沒人說過的新鮮角度或獨到見解。
• 情感連結（Emotional）：用故事觸動讀者的情緒、解決他們真正的痛點，才能引發深刻共鳴。
• 數據驅動（Data driven）： 只有觀點和情感不夠，還需要權威的數據、專家研究或真實案例，為論點打造信任基礎。
• 創造記憶點（Memorable）： 曝光不是終點，讓讀者記住你才是。強力的開場、吸睛的圖表、感人的影片，都是創造記憶點的武器。

她分享了一個具啟發性的技巧：「當你無法實際訪談用戶時，就請 AI 模擬你的目標讀者」。透過給予 AI 明確的 Prompt，例如「請扮演一位具有某個痛點的讀者受眾」，可以幫助我們跳脫框架，真正從使用者的需求出發。打造如 TED 演講般觸動人心的內容，靠的從來不是天賦，而是你有多麼理解你的觀眾。

3. Gen AI for SEO content: Results on Ranking & User Engagement

第三位講者 Rio 表示生成式 AI 是內容產出的未來，但業界對它在 SEO 上的實際成效仍有疑慮。他們用一場嚴謹的實驗，驗證業界最大的疑問：「生成式 AI 寫的內容，在 SEO 排名與用戶參與度上是否能媲美甚至超越人工撰寫？」。

實驗設計將內容分為三組進行比較：

1. 人工撰寫： 由領域專家親自撰稿。
2. 原生 ChatGPT： 未經任何微調的 AI 產出。
3. 微調過的 GPT-4： 導入了公司內部資料、品牌語調，並經過優化流程的 AI 產出。

所有內容都經過嚴格的四步流程：

1. 主題與意圖確認
2. 需求研究（從搜尋結果 + 自建 API 抽取相關問題）
3. 建立內容大綱（用提示詞引導段落架構）
4. 撰寫初稿與審核（特別強調補強「Experience」信號）

最關鍵的是，所有 AI 產出的內容都必須經過人工審核，並特別補強「Experience」（經驗）相關的信號，例如加入真實案例、作者資訊、引用來源等。同時使用 GA4、Hotjar、GSC 等工具來追蹤「用戶參與度」的多面向訊號，而非只看排名。

實驗結果令人驚訝：

• 儘管原生 ChatGPT 所寫內容的 SEO 表現略遜，但經過微調與優化的 GPT-4 模型，表現幾乎與人工持平，甚至在某些用戶參與指標上更為出色。
• 生成式 AI 若結合公司內部知識 + 審核機制，能產出真正有價值的內容，不僅不會被降權，還能大幅提升內容生產效率。

這三場閃電講串連起來，描繪出 AI 時代內容策略的未來藍圖：這不是一場「AI vs. 人類」的零和遊戲，而是一場「AI + 人類」的協作進化。AI 正在成為處理 E-E-A-T 中「Expertise」（專業）和「Authoritativeness」（權威）的強大工具（例如快速整理研究資料），但「Experience」（經驗）和「Trust」（信任）這兩個最核心的要素，依然是人類不可取代的價值。最成功的策略，將是利用 AI 擴大資訊處理的規模，同時釋放人類專家的時間，專注於提供無法被複製的真實經驗與情感連結。

Google 如何看待品質（11:10）

這場由 Google 官方主講的議程，直接回應了 SEO 圈長久以來的疑問：Google 到底如何定義「內容品質」？

先釐清兩大迷思：

1. 404 頁面 ≠ 低品質：網站上存在錯誤或未被索引的頁面，這通常是「技術問題」，與內容本身的「品質」無關。
2. E-E-A-T 不是直接排名因素：它是一份給真人評分員參考的「指導原則」，用來校準演算法，但裡面的項目並非演算法中可以直接操作的排名信號。

講者強調，品質並非單一的排名因子，而是一個核心「概念」，用來指導 Google 的系統去判斷內容對使用者是否真的有幫助。Google 評估高品質內容時，會從以下幾個面向思考：

• 以使用者為優先
• 具備專業與深度
• 內容及品質
• 精良的呈現與製作
• 避免只為討好搜尋引擎

官方參考文件：製作實用、可靠且以使用者為優先的內容

而講者進一步提出來評估內容品質的四個指標，這可以視為 Google 試圖將抽象的「品質」概念，轉化為更具體、可衡量的信號：

• 投入（Effort）： 內容是否由人類投入真實的心力創作，而非機器自動化、大量拼湊的結果。
• 原創性（Originality）： 內容是否具備獨特的觀點、資訊或研究，而不僅僅是複製或改寫其他網站的內容。
• 才能或技能（Talent or skill）： 內容是否展現出創作者的專業才能或高超技巧，讓使用者能從中學到東西。
• 準確性（Accuracy）： 內容是否準確無誤，尤其對於 YMYL（Your Money or Your Life）主題，如：醫療、財經等，準確性是絕對的底線。

這背後傳達了一個強烈的信號：Google 正在努力獎勵那些在內容創作上做出可證明投資（demonstrable investment）的網站。

講者也再次重申，E-E-A-T 是給「搜尋品質評分者」參考的指南，並不是演算法中的直接排名因素，但其中的「Trust」（信任）無疑是所有品質信號中最重要的一環。對於創作者來說，未來的挑戰不再只是寫出正確的資訊，而是要思考：「我該如何向 Google 和使用者『證明』我為這篇內容付出的努力、原創性與專業才能？」這意味著，原創研究、客製化圖表、個人案例分享、以及深刻不落俗套的觀點，將成為內容能否脫穎而出的關鍵。

實例說明

• 低品質範例： 評論網站使用模板化語言、無具體觀點或原創性，被判定為低品質。
• 高品質範例： 個人對音樂專輯的評論，詳述情感體驗與背景，並提供引用與連結，具備高度原創與信任性。
• 第一手經驗的重要性： 即使非領域專家，只要基於親身使用也能創造出可信與實用的內容。

官方參考文件：品質評分者指南的最新資訊：在 E-A-T 中增加了 E (Experience)

什麼是品質更新？（11:35）

延續品質的主題，這場議程解釋了大家聞之色變的「品質更新」（Quality Updates）究竟是什麼。講者說明，Google 每年都會進行數千次的演算法變更，其中一部分就是針對提升整體搜尋結果品質的更新，例如調整內容格式（如影片版位）、更新 SERP 功能、或處理特定類型的內容問題。

核心觀點是：品質更新並非針對單一網站的懲罰，而是為了提升整體搜尋生態系的健康度。因此，當流量受到核心更新影響時，重點不應是尋找被懲罰的原因，而是應該回歸基本面，持續產出更符合使用者需求的高品質內容。

官方參考文件：網站擁有者應瞭解的 Google 2019 年 8 月核心更新、搜尋品質評分者指南更新

偵錯搜尋流量下降問題（13:00）

這場演講提供了一套極具價值的「搜尋流量下降偵錯框架」，可說是網站經營者的必修課。講者強調，流量下降是一個「症狀」，而 SEO 專業人員的工作就像醫生，需要透過系統化的診斷，找出真正的「病因」。

流量下降的常見類型

1. 演算法更新： 流量圖呈現懸崖式驟降，通常與核心更新、手動處罰或安全問題有關。
2. 季節性波動： 呈現規律的週期性起伏，如旅遊業的淡旺季、週末與工作日的流量差異。
3. 技術問題： 通常是網站改版或模板更新出錯，例如誤植 noindex 標籤導致大量頁面從索引中消失。
4. 報表異常¯\(ツ)/¯： 較為罕見，但若發生，GSC 圖表上通常會有官方註記。（講者簡報的顏文字¯\(ツ)/¯很有趣）

實際排查步驟

講者提供了一套嚴謹的排查流程，核心精神在於「先內後外，排除變因」：

1. 檢查 GSC 內部報告：

• 頁面索引報告： 確認是否為大規模的索引問題。
• 手動處罰／安全性問題報告： 排除最嚴重的站點層級懲罰。
• 效能報告分析：
  • 將時間範圍從最近 3 個月拉長至 16 個月，並與去年同期比較，以排除季節性因素。
  • 利用「比較」功能（如前 3 月 vs 後 3 月），找出流量變化的確切起始點。
  • 深入分析「查詢字詞」、「頁面」、「國家/地區」等維度，找到受影響最嚴重的部分。
  • 檢查搜尋類型（web、image、video、news）以找出是否僅特定版位受影響。

2. 與產業趨勢比對：

• 使用 Google Trends，將 GSC 中流量下降最主要的關鍵字與產業整體趨勢進行對照。這一步至關重要，因為它能幫助你判斷問題是出在自身，還是整個市場都在衰退。
  例如：若產業趨勢下降 20%，而你的網站只下降 5%，代表你的表現其實優於市場平均。反之，若產業趨勢上升，你卻持平或下降，則代表落後同業。
• 建議定期將前 5~10 個高流量查詢放進 Google Trends 作對比。

3. 查看 Google Search Status Dashboard 近況：

• 若內部檢查都找不到問題，最後一步就是查看 Google Search Status Dashboard，確認該時間點是否有官方發布的演算法更新。

這套方法論，將 SEO 的流量偵錯從「猜測」提升到了「科學診斷」的層次。它讓 SEO 人員在面對老闆或客戶時，能更有信心地說：「我已經排除了技術問題和季節性因素，我們的流量下降與產業趨勢不符，且時間點與一次未經官方證實的演算法波動高度吻合，我們很可能因為某某品質問題而受到了不成比例的影響。」

官方參考文件：針對 Google 搜尋流量下滑情形進行偵錯、分析 Google 搜尋流量下滑的原因

搜尋結果如何誕生？（13:20）

這場演講揭開了 SERP 生成的神秘面紗。講者說明，現代的 SERP 不再是靜態的「十大藍色連結」列表，而是一個由多種「元件」動態組裝而成的「拼貼畫」。整個流程大致如下：

1. 查詢理解（Query Understanding）： Google 首先透過語意分析、語言模型以及歷史點擊行為，推測使用者意圖。再藉由查詢分類判斷是否為資訊型 (informational)、導航型 (navigational)、交易型 (transactional)，以及是否涉及圖片、影片、新聞等特殊內容。
   範例：

• 「fondue recipe」→ 預測使用者想要食譜內容與步驟。
• 「durian」→ 無法確定是要圖片、營養或購買資訊，需要依賴過往使用者偏好來組合結果。

2. 候選結果產生（Candidate Generation）： 系統從龐大的索引庫中，找出所有可能相關的「候選頁面」，這個過程混合使用了傳統的 Posting List ，以及語意相似度與向量檢索來補足多樣化結果。
3. 初步排序（Pre-ranking）： 根據 TF-IDF、BM25、內容相關度、權威性等傳統檢索指標，對候選頁面進行初步的相關性排序，此時尚未考慮複合式搜尋結果或特殊呈現樣態。

SERP 元件與複合式搜尋結果（Rich Results）：

• 藍色連結（Blue Links）：仍是主要核心沒有改變
• Google 近年的重點：將結構化資料轉換成複合式結果卡片
• 多模態結果：圖片、影片、新聞、地圖（Maps）、Discover 都可能在 SERP 中出現
• 結構化資料的重要性：並非排名因素，但能讓 SERP 呈現形式更吸睛，間接提升 CTR。

Structured Data 與 Google Merchant Center 差異說明

在 Google 購物與產品搜尋體驗中，Structured Data（結構化資料）與Google Merchant Center 都能協助提升產品在 Google 各項服務上的曝光，不過兩者的角色與應用場景有所不同，簡要整理如下：

1. Google 搜尋中的產品複合式搜尋結果（Product rich results in Google Search）

• Structured Data：Google Search 會利用網頁上標記的 Product structured data，直接於搜尋結果顯示產品豐富資訊（如評價、價格、庫存）。
• Google Merchant Center：Google Search 也有機會調用 Merchant Center 的商品資料，來呈現複合式搜尋結果。

2. Google 圖片搜尋產品註解（Google Images results with product annotations）

• Structured Data：Google 圖片搜尋會根據頁面上的 Product structured data，直接在圖片下方加註產品資訊。
• Google Merchant Center：Google 圖片則會引用 Merchant Center 已上架的產品圖片與相關資訊進行標註。

3. Google Shopping 分頁（Google Shopping tab）

• Structured Data：雖然在部分資料驗證情境下，結構化資料有助於協助 Google Merchant Center 處理資訊，但僅有標記結構化資料，並不能讓產品自動出現在 Google Shopping 分頁。
• Google Merchant Center：必須將商品資訊完整上傳到 Google Merchant Center，才能出現在 Google Shopping 分頁。也就是說，這是參與 Shopping 分頁展示的必要條件。

體驗場景	Structured Data（結構化資料）	Google Merchant Center
Google 搜尋中的產品複合式搜尋結果	直接利用頁面上的 Product structured data，顯示評價、價格、庫存等產品資訊於搜尋結果。	也可能調用 Merchant Center 的商品資料來呈現複合式搜尋結果。
Google 圖片搜尋產品註解	根據 Product structured data，在 Google 圖片搜尋結果下方顯示產品註解。	會引用 Merchant Center 已上架商品圖片與資訊進行標註。
Google Shopping 分頁	僅標記結構化資料無法讓產品自動出現在 Shopping 分頁，但有助於 Merchant Center 部分資料驗證。	必須將商品資訊完整上傳到 Merchant Center，才能出現在 Shopping 分頁，是唯一必要條件。

除此之外，也提及了對於複合式結果的警語：

• 結構化資料不是直接的排名因素
• 加入結構化資料不保證出現複合式結果版位
• 沒有結構化資料，但也有可能出現複合式結果版位
• 需定期且持續的維護

這場演講最重要的啟示是：排名的思維需要徹底轉變。過去我們問「網頁在第幾名？」，現在則要問「我的內容，能在哪些版位上曝光？」一個頁面可能因為內容豐富，在傳統搜尋結果中名列前茅，但若缺少「結構化資料」，就可能放棄了登上複合式搜尋版位的資格。

這也再次印證了 Day 1 提出的「Presence > Position」（存在感大於排名）的核心觀念。SEO 的目標，應該是識別出目標關鍵字所有可用的 SERP 元件，並將頁面優化成能盡可能多地成為這些元件候選者的樣貌。

⚡Lightning Session G：了解搜尋結果頁面和您的使用者（13:40）

這場閃電講（Lightning Session）由三位講者接力，將 SEO 策略從技術層面，提升到了數據科學、品牌行銷與使用者心理學的高度。

1. How to detect un/announced Google update in your data

第一位講者聚焦於：「當 Google 沒有對外公告搜尋演算法更新時，網站經營者能否從自身的資料中推測出是否有變動發生？」，認為與其被動等待 Google 公告演算法更新，不如主動建立數據模型，從自己的資料中找出變動的蛛絲馬跡。他分享了兩個非常創新的自訂指標：

• Canonical URLs in Search： 這個指標追蹤的是「每天實際從 Google 搜尋結果中獲得流量的 Canonical URL 數量」。與「總曝光次數」「總點擊」不同，它排除了單一熱門頁面流量暴增或暴跌的干擾，能更真實地反映網站在 SERP 上的「曝光廣度」是否受到了系統性影響。Canonical URL 代表「Google 已認可的正規頁面」，是索引與排序的重要單位。
  相關作法：
  • 每天統計 Search Console 中有流量的不同 Canonical URL 數。
  • 視覺化該指標時間序列圖。
  • 將該趨勢與 Google 宣布的更新時間對齊，觀察是否有明顯變動（即使沒公告，也可能出現跌幅）
  • 案例：講者展示一段圖表顯示，在某次未公告的時間點，Canonical URLs 突然減少 30%，反映出該網站在 Google SERP 中的曝光面受到了系統性影響。
• First Time To Search (FTTS)： 這個指標衡量「新內容上線後，需要多久才能第一次從 Google 獲得搜尋流量」。它可以有效地追蹤 Google 對你網站的抓取和索引效率是否有變化，甚至可以細分到不同內容類型的 FTTS 是否被延後，從而推斷演算法對某些內容的偏好可能發生了改變。
  相關作法：
  • 每日比對前一天新上線的內容，標記其首次出現在 Search Console 中的日期。
  • 統計時間差分佈，觀察是否有「FTTS」整體延後的趨勢。
  • 可進一步拆解至各資料夾層級。
    案例：某些類型內容的 FTTS 從原本平均 1 天延長到 4 天，表示 Google 對該類別內容的處理可能被演算法調整，或抓取資源重新分配。

2. Beyond the Search Box: SEO for Today’s Chaotic Customer Journey

第二位講者將視角拉高到品牌策略層面。他指出，當代的消費者旅程是「混沌的」（Chaotic or Messy Middle），早已不是線性的漏斗模型。使用者會在 Google、YouTube、Reddit、TikTok 等多個渠道之間來回穿梭、探索、比較。

在這樣的背景下，SEO 的目標應該從「引導點擊」轉變為「影響決策」。品牌必須在每一個接觸點上，爭取使用者的「心佔率」。

• 傳統 SEO 追求排名與點擊率，忽略了品牌能否「被想起」或「被信任」的重要性。
• 在多重接觸點的決策過程中，品牌必須爭取「心佔率」而非單一的搜尋曝光。
• 舉例：與其爭奪「best noise cancelling headphones」的搜尋排名，不如讓使用者直接搜尋「Sony WH-1000XM5 review」—這才是品牌成功。

同時講者也提出了成功品牌需要具備的三大關鍵：

• 被找到（Findability）： 不只在 Google，在所有相關渠道都要有能見度，多平台內容布局。例如，影片解說、論壇互動、結構化資料。
• 品牌識別（Identity）： 內容、視覺、語調保持一致，讓使用者記住你。例如，建立強烈品牌主張與風格，在不同內容場景中保持一致。
• 忠誠度（Fidelity）： 建立信任感，讓使用者在下一次有需求時，會主動「直接搜尋你的品牌」。例如，提供持續價值，例如更新指南、客戶故事、專業洞見。

使用者是否願意在下一次直接「搜尋你的品牌」，這才是 SEO 的未來目的。

3. Content that Enables & Adds Value In the Modern Search World

第三位講者 Dan 提出了一個極具前瞻性的概念：「Experience Forecasting（體驗預測）」。他認為，在 AI 與多模態搜尋的時代，內容的價值不再只是提供資訊，而是「幫助使用者預見某個產品或服務將如何影響他們的生活」。

1. 內容要具備上下文與前後連結性
2. 使用者的搜尋旅程已不再是線性堆疊查詢
3. 預測搜尋動機與體驗場景（Experience Forecasting）
4. 內容須原創、具經驗性與幫助
5. 告別「關鍵字導向」，擁抱「使用者導向」
6. 內容設計上應涵蓋整個使用者決策歷程

這意味著內容策略需要告別「關鍵字導向」，全面擁抱經驗與用戶決策的「使用者旅程導向」。內容的規劃應該從回答 FAQ、羅列產品特色，轉向更具體的敘事、場景化描述，涵蓋使用者從產生興趣、研究比較到最終決策的完整心路歷程。

這三場演講串連起來，描繪出一個全新的、更為複雜的 SEO 範式。它要求從業者不僅是技術專家，更需要具備數據分析師的敏銳、品牌行銷長的策略思維，以及使用者體驗設計師的同理心。

海報發表 H：有效的成功策略（14:05）

在這場海報發表環節中，由多位講者同時在場邊分享，與會者可以自由選擇有興趣的主題進行交流與提問。主題包含：

• B2B 關鍵字挑選及優化策略
• 如何向上管理，與 CEO/CFO/CMO 溝通 SEO 成效
• UX 導向的 SEO
• 運用資料庫建立 SEO 第二大腦

大量資料匯出：從 Search Console 到 Bigquery（14:50）

這場技術議程深入探討了 GSC 強大的功能之一：大量資料匯出（Bulk Data Export）。講者強調，這不僅僅是「獲得更多資料」，而是一個根本性的轉變，它讓 SEO 得以從「觀察」走向真正的「數據科學」。

透過將 GSC 資料匯出到 BigQuery，我們可以獲得未經取樣、未經匯總的原始資料，並突破 GSC 介面 16 個月的時間限制，進行長期趨勢分析。更重要的是，可以將搜尋資料與其他業務數據（如銷售額、庫存）或爬蟲資料進行關聯分析。

官方參考文件：大量資料匯出：透過全新且強大的工具存取 Search Console 資料

講者特別介紹了幾個關鍵的資料表（Table）：

• Table searchdata_site_impression：這是最核心的資料表，可以直接拉出關鍵字與網址對應的詳細數據。其中，null 值的關鍵字代表的是被 Google 匿名化的探索或檢索行為。
• Table ExportLog：這個資料表可以讓你追蹤報告產生的狀況，確保資料定時送出。

為了有效利用這項強大功能並控制成本，講者分享了兩階段的效率提升技巧：

1. 計畫階段（Plan Phase）：

• 限制用量與設定預算警報（Billing Alert）： 在開始分析前，就先設定好用量限制與預算警報，避免費用超支。
• 預先彙總資料（Pre-aggregate data）： 針對常用的分析維度，可以先將資料進行初步的彙總處理，加快後續查詢速度。

2. 優化階段（Optimization Phase）：

• 限制掃描範圍（Limit the input scan）： 在下達查詢指令時，盡可能地限縮要掃描的資料範圍。
• 取樣資料（Sample the data）： 你不需要每次都分析 100% 的資料，講者提到，通常取樣 20% 至 70% 的資料就足以用來分析趨勢。
• 使用近似函數（Use approximate functions）： 在不要求絕對精確的場景下，使用近似值計算函數可以大幅提升查詢效率。

這項功能讓「SEO 數據分析師」或「技術 SEO 工程師」這樣的角色使用 SQL 和數據可視化工具，建立如前面提到的 FTTS 等自訂監控系統，從而發掘出在標準 GSC 介面中無法窺見的深刻洞察。

官方參考文件：Search Console 大量資料匯出作業的 BigQuery 效率提升要訣

透過 Google Trends 和 Search Console 進行關鍵字研究與優化（15:15）

這場議程聚焦於 SEO 日常工作中最重要的三個工具：GSC、GA4 與 Google Trends，並釐清了許多從業者長久以來的困惑。講者首先點出兩個常見的搜尋資料本質誤解：

1. 只看排名，不看曝光與點擊意圖： 看到某個關鍵字排名掉了就緊張，卻忽略了這個字背後的搜尋量或使用者需求可能已經改變。
2. 將 GA 和 GSC 視為相同資訊： GSC 記錄的是「搜尋行為」（是否被曝光、是否被點擊），是使用者「進入網站前」（會不會來）的數據；GA4 記錄的是「站上行為」（來了之後做了什麼），兩者不能混為一談。

官方參考文件：關鍵字規劃

對於「為什麼 GSC、GA4 和 Google Trends 的數據總是對不起來？」這個經典問題，講者給出了清晰的解釋，我們將其整理成下表，以供參考：

工具	主要焦點	數據來源	為何數據不同	最佳使用情境
Google Search Console	搜尋曝光與點擊	Google 搜尋日誌	以 Canonical URL 匯總；排除機器人流量；包含非 HTML 頁面（如圖片）；不受 Cookie 影響。	評估 SEO 成效、尋找關鍵字機會、監控技術健康度、理解使用者在搜尋時的行為。
Google Analytics 4	網站上的使用者行為	網站追蹤碼（JavaScript）	受 Cookie 同意政策、廣告攔截器影響；以「工作階段」為單位；有不同的歸因模型。	分析使用者進入網站後的行為、轉換路徑、參與度，衡量內容與產品的實際成效。
Google Trends	相對搜尋熱度與趨勢	Google 搜尋取樣數據	使用關鍵字/主題來歸類；數據經過指數化（0-100）處理，為相對值而非絕對量；長尾關鍵字可能不顯示。	洞察市場趨勢、季節性變化、比較不同主題的熱度、規劃前瞻性的內容策略。

總結：人工智慧、搜尋以及理解一切（16:00）

在活動尾聲，Google 官方代表針對三天以來備受關注的核心議題，包含「AI 對搜尋的影響」及「SEO 的未來」，進行了完整而清晰的回應。整體觀點與建議整理如下：

一、AI 使用原則與建議：

• 善用 AI 提升效率：
  • AI 能強化工作流程並協助內容製作，包含網站經營與客戶管理，有效降低作業負擔，提升整體工作效率。
    
• 負責任地使用 AI：
  • 需注意 AI 可能出現幻覺（hallucinate）的狀況，尤其製作內容大綱時，更應審慎確認內容正確性。
  • 避免加劇網路上已經氾濫的低品質 AI 內容問題。
    
• AI 在 Google 中即是 SEO：
  • Google 搜尋中的 AI 功能，其實本質與傳統搜尋結果的運作流程完全相同，仍是專注於 SEO。
  • 正如過去的行動優先索引（Mobile-first indexing）或結構化資料（Structured data）不需特別對待，AI 搜尋也無需另立新概念或新詞彙。

官方參考文件：在 Google 搜尋的 AI 體驗中，確保內容表現良好的最佳方法

二、Google 官方代表核心發言摘要：

• AI Overview 是搜尋的新入口：
  • “AI Overview is not a replacement for search. It’s a new entry point, a new capability.”
  • AI Overview 並非取代搜尋，而是開啟探索的起點，是搜尋的新入口。
• 目前仍在早期摸索階段：
  • “We’re still in the early days. We’re scaling slowly and learning carefully.”
  • Google 正處於謹慎且緩步擴展 AI 應用的階段，逐步測試與學習各種情境。
• AI Overviews 的出現條件尚未公開：
  • Google 尚未公布什麼情境或條件會觸發 AI Overviews，團隊仍在不斷調整與精進相關機制。
• AI 背後運作模式：
  • AI 的檢索索引流程與傳統的搜尋結果（藍色連結）一致。
  • 使用者搜尋時，並非僅呼叫單一模型，而是根據不同查詢情境，自訂特定 Prompt，由多個模組共同協作產出結果。

官方參考文件：Google 搜尋的 AI 產生內容相關指引

三、SEO 的核心價值與未來展望：

• SEO 的核心不變：
  • “It’s still all about content that’s helpful, relevant, and trustworthy. That hasn’t changed.”
  • 無論技術如何發展，SEO 最根本的核心，仍是提供對使用者有幫助、具相關性與可信的內容。
    
• 透明度、公平性與引用（Citation）問題：
  • “We hear the feedback about citation, and we’re working on more precise attribution.”
  • Google 已留意到內容創作者對於引用來源與流量影響的擔憂，並表示會持續優化來源能見度及透明度的設計。

❓QA時間問答精華

活動最後的 Q&A 環節，依然是火花四射，與會者們把握最後機會，向 Google 團隊提出各種尖銳問題。以下是整理後的精華問答：

Q1｜大型網站似乎總有權重優勢，那麼小型網站的機會在哪？ 

A：大型網站的「權重」或「權威性」，本質上是一種長期累積的「信任」。這確實是一種優勢，我們無法否認。對於小型或新興網站來說，機會在於「專注」與「差異化」，並搭配多渠道導流。需要拿出更多、更強的證據，證明你們在某個利基領域的專業性。

Q2｜既然 GSC 不提供 AIO（AI Overview）的數據，SEO 人員該如何量化 AIO 的成效？ 

A：目前，在 GSC 中獨立區隔出 AIO 數據，我們認為並非必要，因為底層的內容品質要求是一致的。建議大家可以將 GSC 與 GA4 串聯，觀察從 Google Organic 來的流量，其著陸頁或使用者行為是否有因為 AIO 的出現而產生變化。

Q3｜GSC 未來會提供 Circle to Search 的數據嗎？

 A：目前沒有這個計畫。Google 內部將這些搜尋形式轉換成標準查詢，因此可能會在 Search Console 中出現，但並不會特別標示來源為語音或 Circle to Search。這是因為即使提供了數據，網站主能夠採取的優化行動也有限。我們的重點放在提供能讓大家據此改善網站的數據上。

Q4｜AIO 近期會開始營利（加入廣告）嗎？

 A：我們是搜尋團隊，關於廣告（Ads）的具體計畫我們並不清楚，無法評論。

Q5｜隨著 AI 生成內容越來越多，是否會造成「垃圾訓練資料」問題？人類寫的內容還有競爭力嗎？ 

A：只要內容是有幫助且高品質的，無論其生成方式為何，對我們來說都是可以接受的。因此，高品質的 AI 輔助內容被用於訓練是正常的。目前 AI 生成內容有變多的趨勢，但 Google 內部會依據「是否由人類編輯過」來作為內容品質的核心判斷。

Q6｜Google 是否有系統化的方法來衡量 E-E-A-T？如何衡量 “Effort”（投入）？

A：E-E-A-T 不是一個系統或直接的排名因素，它是用來評價內容的一套框架。所以，不存在一個可以量化的「E-E-A-T 分數」。至於 “Effort”，我們沒有單一的指標去衡量它，但系統會綜合評估數百個信號。

Q7｜Google 預期 Cloudflare 最新的爬蟲管理功能會造成什麼影響？ 

A：我們樂見其成。任何能幫助網站主更好地管理其伺服器資源、同時確保 Googlebot 能高效獲取有價值內容的工具，對整個網路生態系都是有益的。

Q8｜如果我的網頁被 AIO 引用，但在傳統 SERP 卻排在第二頁，我該如何評價這個網頁的品質？這代表它「AI 友善」但「SEO 不友善」嗎？

A：這個議題跟品質較無關，而跟相關性有關。被 AIO 引用，代表你的頁面上有一個特定的、事實性的資訊片段，對於回答使用者查詢的某個「部分」來說，是極度相關且簡潔的。所以，這不代表你的頁面 SEO 不友善，而是說明它在滿足「片段資訊需求」上表現優異，但若想在藍色連結中獲得頂尖排名，可能還需要在整體的全面性和權威性上繼續努力。

Q9｜Google 如何知道一位作者是否可信？除了看作者介紹頁面，會參考 LinkedIn 或其他外部來源嗎？

A：是的，會參考網路上所有關於這位作者或該實體的公開資訊，這些都有助於我們建立對其專業性和權威性的理解。

awoo 的觀察與反思

三天的議程下來，資訊量極其龐大，但貫穿始終的核心思想卻愈發清晰。如果說 AI 的浪潮曾讓整個 SEO 產業感到一絲迷惘，那麼這次的 Deep Dive 活動，無疑是 Google 給出的一份最權威的「定心丸」與「路線圖」。

我們的觀察是，Google 正在引導 SEO 進行一場深刻的「人性化轉向」。第三天的內容尤其凸顯了這一點。從「理解使用者查詢」中的同義詞與同級詞系統，到「品質」定義中新增的 Effort、Originality 等指標，再到閃電講中反覆強調的「體驗預測」與「混沌的消費者旅程」，所有信號都指向一個結論：未來的 SEO，將是一場關於理解人、打動人、並建立長期信任的競賽。 那些只專注於技術漏洞、關鍵字堆砌的舊方法，將被徹底淘汰。

與此同時，我們也看到了「SEO 數據科學家」的崛起。從偵錯流量下降的嚴謹框架，到 GSC 大量資料匯出的進階應用，再到監測未公告更新的自訂指標，都顯示出 SEO 正在從一門「手藝」進化為一門「科學」。未來，能夠勝出的團隊，必然是那些既懂品牌、懂內容、懂心理，又能駕馭數據、建立模型、並從中挖掘深刻洞察的團隊。

總結來說，AI 並沒有讓 SEO 變得更簡單，反而對從業者的綜合能力提出了前所未有的高要求。它正在逼迫整個產業走向成熟，回歸商業的本質：建立一個值得信賴的品牌，創造無可取代的價值體驗，並用科學的方法衡量與優化這一切。這條路雖然更具挑戰，但也更加堅實。

🔗 查看其他篇

◀️ 前兩天主題：

1. 【Search Central Live Deep Dive】Day1：SEO is Dead？AI 搜尋時代的 SEO 新解讀！｜awoo 活動實記
2. 【Search Central Live Deep Dive】Day2：索引才是王道！技術 SEO × JavaScript × 多語系策略全攻略｜awoo 活動實記

結語

Search Central Live Deep Dive 2025 為期三天的活動在此畫下句點。這不僅是一場資訊密集的研討會，更是一個與全球頂尖搜尋專家交流思想、碰撞火花的寶貴平台。awoo 團隊將持續消化吸收這次活動的精華，並將其轉化為能為客戶帶來實質成長的策略與行動。搜尋的世界瞬息萬變，但追求卓越、為使用者創造價值的初心不變。