術語表

讓內容成為 AI 直接回答問題時所引用的來源，而不是讓網頁排進搜尋結果第幾名。核心差別是：SEO 爭排名，AEO 爭「被寫進答案裡」。

AEO 的上位概念，涵蓋所有生成式 AI 介面裡的品牌能見度，包含被描述、被引用、被推薦三件事。實務上跟 AEO 高度重疊，差別在 GEO 更強調「AI 怎麼描述你」而不只是「有沒有引用你」。

兩件不同的事。AI 爬蟲來過你的網站叫被爬取，AI 在回答裡把你當來源叫被引用。被爬取是必要條件，不是充分條件。

放在網站根目錄、專門寫給 AI 讀的純文字檔，用結構化的方式說明「這個站是什麼、有哪些重要頁面、作者是誰」。它不是 robots.txt 的替代品，robots 管能不能爬，llms.txt 管爬到之後怎麼理解。

GPTBot、ClaudeBot、PerplexityBot、Google-Extended 這類專門為 AI 訓練或即時檢索而來的爬蟲。跟 Googlebot 是不同的東西，要在 robots.txt 分別處理。

有人在問、但現有內容沒有人好好回答的題目。找語意空缺比搶熱門關鍵字有效，因為熱門題的答案早就飽和了。

寫任何內容之前先確認「真的有人在問這個」。判斷依據要來自工具回吐的資料，不是自己想出來的關鍵字。

對電商而言，AEO 不是最優先的事。有現金流壓力時廣告先跑，AEO 是複利型投資，該做但不該擋在營收前面。

設計「模型每次工作時看得到什麼」的工程。跟寫 prompt 不同，prompt 是單次的說法，context engineering 是決定哪些規則常載、哪些按需載入、哪些根本不進 context。

Context 是模型讀得到的內容，Harness 是模型跑在裡面的機制（hook、腳本、流程）。規則反覆失效時，正解通常是改 harness 不是把規則寫得更詳細。

把長期記憶拆成薄索引加按需載入的主題檔，而不是全部塞進一個常載的大檔。判準是「什麼時候需要」，不是「多重要」。

把會重複做的多步驟流程寫成可被叫用的檔案。判準是同一件事會不會再做第二次，會就寫成 skill，不要每次重講。

讓 AI 直接呼叫外部工具與資料的協定。跟官方 CLI 的差別是 MCP 把工具描述餵進 context，好處是模型自己知道怎麼用，代價是佔 context。

不寫程式碼、用自然語言把想要的東西描述給 AI 做出來的開發方式。適合工具型與內容型專案，不適合需要嚴謹正確性的系統。

AI 讀寫文字的計價單位。優化的重點不是少講話，是別讓模型重複讀同樣的東西。

廣告帶來的營收除以廣告花費。要判斷賺不賺錢必須跟毛利率算出來的損益兩平點比，不是跟別人的數字比。

ABO 是預算下在廣告組，每組拿到固定的錢；CBO 是預算下在活動，由系統分配。要公平測不同產品用 ABO，要系統找最佳解用 CBO。

兩個興趣標籤重疊的那一塊人。交集的人通常比單一標籤更精準，但要注意重疊太多會讓不同廣告組互相競價。

把很長一段時間的數字平均起來看，會把季節性的崩塌整個蓋掉。判斷一條產品線該不該加碼要看分月，不能看全期。