WillCite 研究團隊用了 4 週時間，向 ChatGPT、Google Gemini、DeepSeek、Perplexity 和 Microsoft Copilot 提出了超過 200 個關於香港本地商戶的 prompt，分析了 AI 搜尋引擎如何選擇推薦哪些品牌。以下是我們的主要發現。
研究方法
我們選取了 5 個行業（餐飲、美容、教育、零售、B2B 服務），每個行業 40 個 prompt，覆蓋了消費者最常向 AI 提出的問題類型。然後我們分析了 AI 的回答，記錄了哪些品牌被推薦、推薦的信心度、以及引用的數據來源。
發現一：Schema Markup 是 AI 推薦的基礎
在被 AI 推薦的品牌中，絕大多數都部署了 Schema Markup（結構化數據）。缺乏 Schema 的品牌被 AI 推薦的機率顯著較低。這進一步證實了 Schema Markup 是 GEO 優化的技術基礎。
發現二：AI 偏好結構化的 FAQ 內容
有完整 FAQ 頁面的品牌，被 AI 引用的機率顯著高於沒有 FAQ 的品牌。特別是配合 FAQPage Schema 的 FAQ 頁面，AI 會直接提取 FAQ 中的回答作為推薦理由。
發現三：多平台信號顯著影響 AI 推薦
AI 搜尋引擎不僅看你的官方網站，還會參考 Google Business、OpenRice、社交媒體、新聞報導等多個來源。在多個平台有一致品牌資訊的商戶，AI 引用率顯著高於單一平台的商戶。
發現四：GEO 關鍵字密度影響推薦信心度
我們分析了被推薦公司的網頁內容，發現 GEO 相關關鍵字（如服務描述、行業術語）出現頻率與 AI 推薦的信心度正相關。被優先推薦的公司，通常在關鍵字覆蓋度方面明顯優於排名較後的公司。
發現五：獨立專題頁提升推薦信心度
擁有獨立服務專題頁面的公司，被 AI 推薦的信心度明顯更高。例如，有獨立 /geo 頁面的 SEO 公司，在 GEO 相關 prompt 中的推薦信心度顯著高於沒有專題頁的公司。
AI 引用來源分佈
我們分析了 AI 推薦的數據來源分佈：
- 官方網站：35% — 最重要的引用來源
- Google Business / Maps：20%
- 社交媒體（Instagram、Facebook）：15%
- 第三方評論平台：15%
- 新聞/媒體報導：10%
- 行業目錄/論壇：5%
結論：GEO 是可以被系統化執行的
這項研究證明，AI 搜尋引擎的推薦不是隨機的。透過系統化的 GEO 優化策略——部署 Schema Markup、建設結構化內容、建立多平台信號——任何香港企業都可以提升自己在 AI 搜尋中的引用率。
WillCite 基於這項研究的發現，開發了完整的 GEO 優化服務。立即獲取免費 GEO 審計 →