AI Search / Curtis Fan / 2026-06-16

AI 會睇邊幾類來源？點解 Google AI、Gemini、ChatGPT、Perplexity 答案會不同

同一條 buyer question，在不同 AI 工具可能引用不同來源。Searchimp 整理近期公開資料，解釋香港品牌應先補官網頁、profile、第三方 proof 還是 case / FAQ。

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

同一條問題，AI 未必看同一批資料

很多香港團隊第一次做 GEO 或 AI search audit，會先開 Perplexity 或 ChatGPT 搜自己品牌。見到有出現，就以為 AI visibility 不錯；見不到，就以為整個市場都看不到自己。這個判斷太快，因為不同 AI 工具本身看的資料層不同。

Google AI Overviews、Google AI Mode、Gemini、ChatGPT、Perplexity 和 Claude 不是同一個搜尋結果頁。它們會受不同索引、即時搜尋能力、引用規則和公開資料影響。對品牌而言，問題不是「AI 有沒有見到我」，而是「在哪些買家問題、哪些平台、哪些資料來源之下，AI 會怎樣理解我」。

這篇不把 source mix 當成術語去包裝。做法更簡單：先看 AI 答案不穩定時，問題落在哪一層來源。可能是官網服務頁不清楚，也可能是公司 profile、第三方 proof、case / FAQ 不夠。

近期公開資料提醒：AI citation 不是單一排名延伸

5W / PRNewswire 的 2026 AI Platform Citation Source Index提到，研究整理了超過 680M 個 AI citations。覆蓋平台包括 ChatGPT、Google AI Overviews、Perplexity、Gemini 和 Claude。這個數字不應被用成「追一個榜」；它較有用的地方，是提醒品牌 AI citation 已經分散到多個平台和來源層。

Google Search Central 的 AI features 文件說明，AI Overviews 和 AI Mode 仍然建基於 Google Search。內容要可被理解、抓取和呈現。換句話說，Google 的 AI 表現不能只靠一段社交帖文；它仍然需要網站內容、技術可讀性和清楚的頁面答案。

Microsoft Advertising 的 GEO guide則把 AI discovery 拆成幾類資料路徑。包括被抓取的網站資料、feed / structured data，以及 offsite data。這個拆法對香港 B2B 品牌很實用，因為很多公司正正卡在「網站講得太空泛，外部資料又不夠一致」的位置。

一張圖看清楚：先判斷要修哪一層來源

AI source mix image2 — AI 來源組合圖解：不同 AI 工具會讀不同來源

平台 / 情境	較常見的資料依賴	香港品牌應先檢查甚麼
Google AI Overviews / AI Mode	可被 Google 抓取的頁面、結構化資料、權威來源	service page 開頭有沒有直接回答買家問題；schema 是否清楚
Gemini / Google ecosystem	Google 搜尋資料、產品生態內的 context、公開網站內容	公司名稱、服務分類、founder / company profile 是否一致
ChatGPT / Claude	已訓練資料、可搜尋資料、被引用的公開網頁	是否有清楚可引用的解釋、case proof、第三方 mention
Perplexity	即時 web citation、新聞、文章、profile、公開頁面	是否有可被引用的文章標題、摘要、FAQ 和來源頁

這張表不是叫你為每個平台寫一套內容。它提醒你：如果品牌只靠一個 homepage 和幾篇普通 blog，AI 很容易只讀到一半。較穩陣的做法，是把主要買家問題接到清楚頁面，再用第三方來源和 profile 補強可核實性。

最常見斷層：網站、proof、profile 各自講各自

我們看香港 B2B 網站時，最常見不是完全沒有內容，而是內容分散。網站 service page 說自己做 digital transformation。LinkedIn company page 說自己是 marketing technology consultancy。Founder profile 又集中講創業故事。Case study 只講活動名，沒有講 buyer problem 或結果。人讀可能勉強明白，AI 整理時就容易放錯分類。

AI 要引用或推薦一間公司，通常需要幾樣東西同時成立：它知道你是誰、你幫誰解決甚麼問題、甚麼情況適合你、有哪些 proof 可以支持、下一步應該讀哪一頁。如果這些訊號分散在不同地方，而且用語不一致，AI 未必會把它們連成同一個可信答案。

第一步不是再寫十篇 blog，而是檢查最接近收入的幾頁。先看AI Search Optimization Hong Kong這類 service page 是否清楚承接服務 intent。再用AI Answer Readiness Score看頁面是否 answer-ready。最後用Search Intent Matching Protocol由 buyer question 決定哪些頁要先修。

讀完應該先做的三個檢查

第一，選 10 至 15 條真正會影響生意的 buyer prompts，不要只搜品牌名。例如「香港 B2B 公司想做 AI search optimization 應該比較哪些服務商」比「Searchimp」更接近買家決策。

第二，同一批 prompts 要分平台看：Google AI、Gemini、ChatGPT、Perplexity 至少分開記錄。每次記錄品牌有沒有出現、AI 怎樣描述、引用哪些 URL、競爭對手是否被放入 shortlist。

第三，把結果接回頁面修復，而不是只做 report。如果 AI 說不清楚你的服務範圍，先修 service page opening；如果 AI 找不到 proof，先補 case / media / third-party mention；如果 AI 把你放錯分類，先修 company profile、schema 和 founder profile 的一致性。

FAQ

如果 Perplexity 已經引用我，是否代表 GEO 做得不錯？

未必。Perplexity 偏向顯示即時 web citation，但 Google AI、Gemini、ChatGPT 或 Claude 未必用同一組資料。比較穩陣的做法，是用同一批 buyer prompts 分平台測試，記錄 mention、citation URL、答案準確度和競爭對手 inclusion。

應該先修 blog 還是 service page？

通常先看 service page、comparison page、case proof、FAQ 和公司 profile。Blog 可以補教育和長尾問題，但如果核心服務頁沒有清楚講你幫誰、解決甚麼問題、何時適合、有哪些 proof，AI 仍然很難給出穩定答案。

是不是每個 AI 平台都要寫一套內容？

不需要。你要做的是讓核心資料一致、清楚、可引用，再按平台差異補強來源。例如 Google 需要可抓取和結構清楚的頁面，Perplexity 更容易受公開文章和引用頁影響，ChatGPT / Claude 則更看整體品牌和來源一致性。

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。