AI Search / Curtis Fan / 2026-06-29

AI source conflict audit：官網、LinkedIn、新聞講法不一致，AI 會點揀？

AI visibility 不只看網站內容。當官網、LinkedIn、媒體報道、directory 和 schema 講法不一致，AI 可能會把品牌放錯類別或引用過期資料。

5D-6F Kong Ling Building
102 Jervois Street
Sheung Wan, Hong Kong

AI 不只讀一頁，它會拼湊你

很多公司以為，只要官網寫得清楚，AI 就會照單全收。實際上，AI 搜尋和 AI answers 會從不同來源拼湊品牌印象。這些來源包括官網、LinkedIn、新聞報道、directory、review site、schema、舊活動頁，甚至 founder profile。

問題出在這些來源常常不一致。官網說你是 AI search consultancy，LinkedIn 仍然寫 digital marketing agency。新聞稿說你做 SEO，directory 寫你是 web design vendor。AI 未必知道哪個版本最新，結果可能把你放入錯誤 shortlist。

問題不在來源多，而在來源互相打架

知道 AI 會讀多個來源，只是第一步。真正麻煩的是，當那些來源互相矛盾，品牌應該先修哪裡？如果官網、LinkedIn、媒體報道和 schema 都講不同版本，問題就不再是 citation 數量，而是品牌資料本身不夠一致。

對 B2B 服務品牌來說，source conflict 不是一個 PR 小瑕疵。它會影響 AI 能否判斷你是哪類公司、服務誰、解決甚麼問題、現在主力 offer 是甚麼。如果外部 profile、新聞和官網各自講一套，AI 未必會採用你最想它採用的版本。

所以這篇的重點不是再追一組 citation benchmark，而是建立一個實務檢查：哪些公開來源正在幫你澄清定位，哪些來源正在製造噪音。

AI source conflict audit infographic — AI source conflict audit 圖解：五類公開來源要對齊成一個清晰品牌答案。

Structured data 的作用，是幫系統分清你是誰

Google 的 Organization structured data 文件說明，organization structured data 可以幫 Google 理解公司行政資料，並協助 disambiguate organization。文件亦建議加入 relevant properties，例如 name、alternateName、url、logo、address、telephone 和 sameAs。

Schema.org 對 sameAs 的定義亦很直接：sameAs 是指向一個能清楚標示同一個身份的 reference page，例如官方網站、Wikidata 或社交 profile。換句話說，sameAs 不是用來塞滿所有 link，而是用來幫搜尋系統對齊「這些來源講的是同一個 entity」。

這不代表加了 schema 就一定會被 AI 引用。更實際的理解是：schema 是其中一個對齊訊號。它應該同頁面可見文字、公司 profile、外部來源和 media mention 一致。如果 schema 說一套，LinkedIn 說另一套，AI 仍然可能有混亂訊號。

Source conflict audit 可以這樣做

檢查位置	常見衝突	要修的答案
官網首頁 / service page	公司定位太闊，服務名與最新 offer 不一致	我們服務誰、解決甚麼問題、何時適合
LinkedIn founder / company page	舊 bio、舊 category、職銜與官網不同	founder 和 company 是否講同一個 market position
媒體報道 / PR	報道用舊稱呼，或只提 SEO、marketing、AI tool	第三方來源能否準確描述品牌現在做甚麼
Directory / review site	分類錯、地址舊、服務範圍過時	AI 是否會由第三方資料得出錯誤結論
Schema / sameAs	schema 連去不完整或不相關 profile	entity links 是否幫 AI 對齊同一家公司

這張表比一般 content checklist 更貼近 GEO。因為 AI 不只問「這頁有沒有 FAQ」，還會用不同來源判斷你是不是同一個 entity、是不是可信、是不是適合某個 buyer situation。

先修最高風險的衝突，不是每個 profile 都同時改

修 source conflict 不應變成大掃除。先處理會影響買家決策的衝突：品牌定位、核心服務、適合對象、地區、證據和下一步。Logo、tagline、活動介紹這些可以排後，除非它們直接令 AI 誤解你。

Searchimp 的做法會先用Search Intent Matching Protocol找出重要 buyer question，再看哪些公開來源會影響 AI 回答。之後用AI Answer Readiness Score判斷官網是否足夠清楚，最後把結果連回AI Search Optimization Hong Kong的 service-intent path。

FAQ

Source conflict audit 和普通 SEO audit 有甚麼分別？

普通 SEO audit 多數看 technical、ranking、content gap 和 on-page signals。Source conflict audit 更關心 AI 會由不同公開來源拼出甚麼品牌答案，尤其是官網、profile、schema、媒體和 directory 是否互相矛盾。

如果 LinkedIn 和官網講法不同，AI 會信邊個？

沒有固定答案。不同 AI 工具、不同 query、不同時間都可能用不同來源。更穩陣的做法，是把高權重公開來源對齊：官網講法、company page、founder profile、schema 和第三方報道至少要描述同一個核心定位。

修 source conflict 是否一定要改所有舊新聞？

不一定。舊新聞未必改到，也未必需要改。重點是新增或強化較新的公開來源，讓 AI 有更清楚、更近、更可引用的資料。能更新的 profile 和 directory 先更新；不能改的舊報道，就用新 proof 和新頁面平衡。

延伸閱讀

如果你想由概念行前一步，先檢查重點頁面是否答得清楚；之後再決定要不要看服務介紹。