Google 演算法排名下滑，多半不是懲罰，而是重新評估

快速重點：排名下跌多數是系統重新評估後的相對位移，不是處罰；真正的懲罰叫人工處置，會在 Search Console 留下通知，看得到、查得到。熊貓、企鵝、蜂鳥不必再背成因，換成內容、連結、意圖三個自檢方向。掉落日期跟官方公告重疊只是假設，查證過再動手。

週一早上十點，電商後台的流量報表剛出爐，自然搜尋的曲線比上週同期少了一截，會議裡的第一個問題往往不是「哪一批頁面受影響」，而是「我們是不是被 Google 懲罰了」。這是個構想出來的場景，細節是虛構的，但對話的真實感很高，因為它每天都在發生：曲線一下跌，懲罰就成了第一個被點名的嫌疑犯。

這個直覺多數時候是錯的。Google 真正的罰有名字、有通知、有範圍，叫人工處置，會出現在 Search Console 的手動動作報告裡，註明違反了哪條政策、影響哪些頁面，修正後可以提交重新審查。這種看得到的罰，其實比想像中少見；佔比更大的下跌，是系統重新評估後的相對位移、技術事故，或需求本身的變化。熊貓、企鵝、蜂鳥這三個名字，常常只是被叫來頂罪的。

所以這篇不照動物編年走，也不從 2011 年的新聞開始念。全篇沿四組容易混淆的機制區分往下拆：字面與語意、頁面與網站層級、演算法處理與人工處置、重新評估與懲罰。每一節先講機制怎麼運作，再講界線在哪裡，收在可以查證的位置；讀完你會有一條當天就能跑的判斷順序，和一頁式的自檢清單。

先說結論：讓排名下跌的，多半不是懲罰

先把答案放在最前面。絕大多數的排名下跌，不是懲罰。判斷的起點只有一個問題：Search Console 的手動動作報告裡有沒有通知。有通知，才是人工處置，走政策救濟的流程；沒有通知，下跌多半屬於三種情況之一：系統重新評估後的相對位移、技術事故，或搜尋需求的變化。三種情況的救法完全不同，方向用錯了，後面做的都是白工。

三個高頻誤解，各用一句話拆掉。被懲罰的迷思：多數下跌沒有處置通知，屬於系統重算後的相對位置變化。執刑的迷思：熊貓、企鵝、蜂鳥已整合進核心系統或列為歷史改善，不再單獨發布同名更新。公式的迷思：排名由許多系統分工疊加而成，沒有一條公式可以反推分數。

範圍也先劃清楚。這篇講的是怎麼判斷、機制怎麼運作；確認原因之後的修補步驟、優先順序與復原節奏，是另一篇的範圍，可以直接接著讀排名復原的完整流程。判斷在這裡，修復在那裡，順序不要顛倒。

排名由誰決定：一組系統的分工，不是一條公式

要拆掉「一條公式」的想像，先換一個畫面：排名比較像評審團的集體決定，不像一台計分機。有的評審負責聽懂你問了什麼，有的評審判斷哪份資料相關、有料，有的評審只關心頁面好不好開、好不好用。沒有一位評審能獨自決定名次，名次是整團意見疊出來的結果。官方在 How Search Works 頁面對外說明的也是這個結構：許多系統各自負責一個面向，共同形成搜尋結果。這個結構也決定了診斷的態度：排名變動很少能歸因給單一系統，能問的是哪一類訊號變了，而不是哪個名字動了手。背景想補齊，可以讀Google 搜尋的運作原理。

三個歷史名稱，在評審團裡各有對應的職務。底下這張表把它們換算成今天還能用的三個檢查方向；先說清楚，這是編輯用的對照框架，方便把問題歸位，不是 Google 公布的官方分類。

↔ 左右捲動檢視完整表格

檢查方向	歷史名稱	今天的承接方式	今天就能問的自檢題
內容價值	熊貓 Panda（2011）	核心系統的多項內容訊號	這一頁有沒有他處不容易得到的價值
連結品質	企鵝 Penguin（2012）	核心系統即時降低垃圾連結的效果	連結是被推薦來的，還是做出來的
語意對應	蜂鳥 Hummingbird（2013）	語意理解的持續演進	頁面回答的是不是查詢背後那個問題

這個對應有官方文件可以對照。Google Search Central 的排名系統說明文件，把系統分成現行與退役兩類，其中寫明 Panda 與 Penguin 已整合進核心排名系統，Hummingbird 列為歷史上的改善。名稱會退役，處理內容、連結與語意的職能沒有消失，只是換了位置繼續運作。

退役不等於停止運作

這也解釋一個新手常卡的點：官方都說併入了，市場上為什麼還在講熊貓、企鵝。因為併入核心之後，那套判斷邏輯仍在核心系統裡持續運作，只是不再單獨發布「某某更新」的公告；名字失去的是發布會，不是效力。行銷圈需要名字來講故事，這可以理解，但把名字當操作對象，就會生出「怎麼討好蜂鳥」這種問錯方向的題目：系統不吃討好，它們消化的是訊號。所以這篇從頭到尾不問「中了哪一個」，只問內容、連結、意圖三個方向裡哪個有問題。個別系統的細節，與逐次更新的完整時間軸，分別由專文和演算法更新歷史專頁承接：時間軸那篇管「發生了什麼」，這篇管「你該怎麼判斷」。查排名變動時需要讀版面，可以搭配搜尋結果頁的判讀。

從字面到語意：蜂鳥改寫的那一步

評審團裡最先上場的，是負責聽懂問題的那位。蜂鳥在 2013 年完成的，就是把「比對字面」升級成「理解意思」：同一個需求，換一套措辭，系統仍然找得到對的頁面。這一步對內容寫作的影響，比任何懲罰傳說都實在。

字面比對的極限，用一個在地例子看最清楚。有人搜「台南哪間牙醫週末有看診」，舊邏輯會去找把「台南」「牙醫」「週末」「看診」幾個詞都湊齊的頁面；語意理解做的則是判斷這個人要找「假日仍開診的台南牙科」，所以頁面上寫「週六日照常看診」，一樣配得上。措辭不同，需求相同，這就是字面比對失效、語意接手的地方。

但字面線索仍然要寫。語意理解不是叫你丟掉關鍵字，而是不再需要為了塞進同一個詞，把句子寫得拗口。讀者會怎麼問，你就怎麼寫；同主題自然會出現的相關詞，讓它自然出現。檢查的方法很樸素：把頁面拿給一位沒接觸過這個主題的同事讀，問他這頁在回答什麼問題；他答出來的，就是頁面目前實際傳達的意圖，字面詞有沒有全部命中，之後再說。這也是搜尋意圖觀念的起點：先確認查詢背後的問題，再決定頁面要回答什麼。

混合意圖：同一個詞、四種需求

混合意圖是最常見的進階難題。同一個詞，不同人在不同情境下要的東西完全不同：搜「WordPress」的人，有人要找下載點、有人要找教學、有人在比較主題與主機、有人直接想找委託代建的服務。遇到這種詞，與其寫一篇想滿足所有需求的頁面，不如先判斷自己的受眾落在哪個需求，再決定專攻一群，或拆成多頁各自對應。放著不管的結果，往往是自家頁面互相搶同一組查詢，成為關鍵字蠶食的溫床，整併與分流就是為了解這個題。

意圖還有兩個容易被忽略的變形。長尾意圖藏在具體的問法裡：「SEO 要多久才有效」和「SEO 對小商家划算嗎」，是兩種處境的讀者，前者在排預期，後者在排預算，答案的切入點不同，硬塞在同一頁只會兩邊都不夠準。把長尾問法收集起來，按讀者當下要做的決定分組，再決定一組配一頁或一節，內容就會自然對齊。

在地意圖則受地點與情境影響：同一個產品詞，有人在做功課，有人在找附近的店家，搜尋結果會依查詢與位置給出不同版面。判斷的方法不是猜，是把查詢實際搜一次，看結果頁上商家名單、地圖區塊、評論版面的佔比；版面給了多少在地訊號，內容就該準備多少對應的在地資訊。

蜂鳥之後，理解查詢這條線有一串接棒者，各自的定位一句話就夠：

• 蜂鳥（2013）：從比對字面轉向理解整句意思，對外說明出現在 Google 的生日活動上，可對照 Search Engine Land 的現場報導。
• RankBrain：靠機器學習判讀陌生查詢與詞語之間的關係，背景可對照 Wikipedia 條目。
• BERT（2019）：看得懂句子裡的前後關係與語法，對長句與口語查詢幫助最大，見 官方發布文章。
• MUM：發布時說明可理解文字與圖片，方向是跨形式的理解，見 官方說明。

這條線的實務意義只有一條：看懂搜尋結果頁，是意圖判讀的基本功。相關搜尋、People also ask、AI 概述，是多套系統針對同一個查詢各自給出的畫面，不是哪個單一系統的標準答案；把它們當參考座標而非標準答案，判斷會穩得多。看版面時可以帶一個簡單的紀錄格式：一行查詢、一行版面型態、一行自家內容的對應位置，累積十幾行之後，意圖的分佈會自己浮出來，比任何單次觀察都可靠。要往蜂鳥這條線挖更深，蜂鳥演算法的深入解析有展開的討論。

品質怎麼被計算：熊貓留下的判讀方式

評審團的第二位，看的是內容有沒有料。今天談內容品質，判斷的面向是原創性、深度，以及頁面是為讀者而寫，還是為搜尋引擎而寫；歷史上的熊貓是這個方向最有名的名字，但它今天的身分是核心系統裡的多項訊號，不是一支還在巡邏的稽查隊。這也改變了品質問題的呈現方式：很少看到整站一夜歸零，比較常看到的是個別查詢上的位置一段一段滑落。

回到 2011 年的現場，才知道它為什麼出現：那段時間，薄內容與農場站佔滿了結果頁，頁面靠關鍵字密度與站群互相支撐，使用者點進去什麼都得不到。熊貓做的事情，是讓高品質、原創的內容更容易被看見，把劣質內容擠出視線；那個年代留下的教訓到今天都適用：當內容的生產成本遠低於它宣稱的價值，搜尋系統遲早會找到辨認的方法。這段歷史可以對照 Search Engine Journal 的熊貓整理。當年的完整脈絡與判定細節，寫在熊貓演算法的來龍去脈與內容農場的辨識與避險裡。

這裡要先拆一個常見誤會。歷史上的熊貓曾以網站層級的品質判斷聞名，今天的排名系統卻主要在頁面層級運作，兼用部分網站層級訊號；網站裡少數幾頁內容薄弱，不代表全站每一頁都會跟著往下掉。也不存在一個可以查詢的「網站品質分」，讓你看到整站被打了幾分。

所以「砍內容」不是固定處方。面對一批弱頁面，先把每一頁放進四個選項裡：值得補的，改善它，判斷線索是這頁回答的問題仍有人搜，只是深度或證據不夠；主題重疊的，整併成一頁，把各自最好的段落合起來，順手處理頁面互搶查詢的問題，前面提過的蠶食就是這裡的病灶；有存在理由但不值得排名的，例如服務已結束、只剩存檔價值的舊活動頁，設為不索引；連存在理由都沒有的，移除。先分類再動刀，順序反了就會誤殺，把還在帶轉換的頁面一起清掉。

資訊增益：判斷內容有沒有別處沒有的價值

品質聽起來抽象，有一個具體的檢查法：資訊增益。先講清楚，這是編輯用的檢查角度，不是公開的排名因子。三個角度可以用：角度獨特性，別人都在寫概論，你有案例與步驟；資訊密度，同樣一段字，有多少是填充句、多少是可執行的資訊；補位完整度，同主題的內容都停在 A 和 B，你把 C 補上了，而補位是最容易操作的一個，把排名靠前內容的小節攤開，對照使用者會問的完整問題清單，缺的那塊一目瞭然。深入的討論在資訊增益專文。

實際操作有一個樸素的方法：把目標查詢打進搜尋框，把前排內容的小節標題掃過一遍，自問哪個問題他們都沒有回答、但使用者真的想知道。那個沒被回答的問題，常常就是可以切入的位置。

連結怎麼被計權：企鵝與兩條處理流程

評審團的第三位，看的是推薦的真假。連結在搜尋系統裡的原始意義是推薦：別的網站覺得你的內容值得引用，於是連過來。企鵝處理的是假推薦，也就是為了排名而製造出來的連結；它今天的身分與熊貓一樣，已併入核心系統，細節在企鵝演算法的演進。

回到那個年代：付費買連結、目錄站與部落格留言批量塞連結，是常見的操作。這些手法與黑帽 SEO 的界線直接相關，而界線本身不難畫：關鍵不是手法名稱，是連結存在的理由。為了真實推薦而存在，和為了操弄排名而製造，兩者的長相差很多。

操弄的長相可以描述：大量連結反覆用同一個商業關鍵字當錨點；論壇與目錄站出現成批連結，來源與內容無關；短期內連結數量以不自然的速度增加。反過來說，錨點比例不能單獨定罪，自然引用也可能恰好集中；判斷的核心始終是同一個問題：這些連結是不是為了操弄排名而建的。看到可疑的模式，先問三件事：誰連的、為什麼連、什麼時候出現；答得出「因為內容被引用」的，多半沒事，答不出來或答案牽涉交換與付費的，才進入處理清單。

2016 年 9 月 23 日的官方公告把後續畫清楚了：企鵝併入核心排名系統，資料持續重新整理，處理方式改為逐條削弱垃圾連結的效力，而不是拿同一個結果套遍整個網站。連結垃圾的演算法處理從此即時運作，與人工處置是兩條不同的流程，公告見 Google Search Central Blog。

↔ 左右捲動檢視完整表格

對照項	演算法處理	人工處置
通知	沒有通知，變化隨系統重算出現	Search Console 手動動作報告列明政策與範圍
生效方式	即時且持續，精細到連結層級	人工審查判定，影響範圍明確
因應方式	停止操弄、清理問題，等系統重算	修正違規項目後提交重新審查

「三十天保證幫你堆出指定條數外鏈」的提案，用這個框架就能判讀：能在期限內承諾數量的連結，多半是製造出來的，而製造出來的連結正是被降效的對象。連結數量本身不能判斷風險，來源與取得方式才能；篩選提案用同樣三問就夠：連結會出現在什麼樣的頁面、那些頁面的讀者是誰、取得的理由是什麼，三問都模糊的提案，價格再漂亮都不值得簽。

被垃圾連結纏上時

發現一大批垃圾反向連結指向自己，先別急著送拒絕清單。拒絕連結工具有明確的使用前提：被大批垃圾連結、人為連結或低品質連結指著，而且已經或很可能引發人工處置，這時才輪得到它，工具頁是 Disavow links；一般來路不明的連結，官方說明是不必主動處理。

若自己曾參與連結操弄，順序是先盡力移除，剩下移除不了的再送拒絕清單；沒有垃圾連結規模、也沒有處置證據就把清單送出去，反而可能誤傷對自己有益的正常連結。健康的連結該怎麼累積，反向連結的建立方法與站外 SEO有完整的展開。

信任的框架：E-E-A-T、評分員與實體

品質與推薦之外，還有一組觀念在解釋系統怎麼看「可信」。它不是排名開關，而是評估框架；把它當開關操作，是最常見的一種浪費。這一節把兩件常被綁在一起講的事拆開：E-E-A-T 是給評分員的評估框架，實體是系統理解人事物的方式，兩者都不是分數。

E-E-A-T：四個字母在評什麼

這個評估框架由四個字母組成：體驗、專業、權威、信任，其中信任是核心，前三項再好，頁面不可信任時整體評價仍然偏低。要緊的是它的用途：評分員依品質評估指南為抽樣頁面評分，結果用來評估搜尋系統的整體表現，不會回寫成某一頁的排名分數，Search Console 裡也查不到這個分數。

E-A-T 會變成 E-E-A-T，是 2022 年 12 月的事：官方在評估指南的更新公告裡補上的那個 E，談的是第一手體驗：寫耳機的人是不是真的用過，寫維修的人是不是真的拆過。體驗的證據有長相可循：實際使用的照片與過程、踩過的坑、條件與限制的描述，這些是拼湊來的內容模仿不來的細節；不需要每一篇都掛作者實測，但涉及選購、維修、操作的主題，讀者感覺得出寫的人有沒有碰過那個東西。完整的框架拆解在E-E-A-T 的完整拆解。

YMYL 主題的標準更高。醫療、法律、財務這類錯誤資訊可能傷害重大福祉的主題，信任的要求更嚴；但高標準不等於只有大機構能排名，可信的第一手經驗，放在對的情境裡同樣有價值。沒有正式資格時的誠實寫法是：不假裝資格，不給只有專業人士該給的建議，依頁面目的提供讀者用來評估可信度的線索，例如作者資料、來源與更新時間。判斷自己是否踩進 YMYL，問的不是主題名稱，是讀者照做之後、資訊錯了會怎樣：影響的是一時的購買決定，還是健康、財務與安全的長久後果。

實體：讓系統認得你的品牌

實體是另一個維度的可信。Google 自 2012 年起以 Knowledge Graph 理解人、地、事物與其關係，官方介紹文章寫得明白，這也是實體 SEO觀念的基礎。不過，不是每個被系統認得的實體，都查得到公開 ID；把排名折算成實體出現次數，方向就歪了。同一個品牌在不同平台使用的名稱、簡稱、舊名，都是系統要比對的線索，換名字的成本比多數人想像的高。

實體層面能做的一件實事，是讓對外資訊保持一致。品牌名稱、官方網站、社群帳號與聯絡資訊如果各寫各的，搜尋系統要比對多個來源才能確認它們指向同一個主體；資訊準確一致，歧義就少。這也是在地商家重視 NAP（名稱、地址、電話）一致的原因；檢查的方法很土，開一個表格，把官網、社群與各清單上的名稱、地址、電話抄下來逐欄對照，不一致的逐筆修正，一次清完。

邊界也要說清楚：實體 SEO 不是堆疊名稱，或在每一頁貼同一組 sameAs。結構化資料是給系統的線索，不是門票；標記超出實情是風險，不是加分，濫用的具體後果留到自檢那節一起講。

Navboost 能解釋你的排名嗎：點擊資料的界線

點擊與互動資料有沒有進入排名？有，而且有法庭紀錄。2023 年美國司法部的反壟斷訴訟中，Google Search 副總裁的證詞確認，搜尋系統確實會用到彙總後的點擊資料，Navboost 是相關系統的名稱之一，案件背景見 Wikipedia 的案件條目。資料是彙總後的點擊，可依地區與裝置區分；至於怎麼加權、多快反映，公開資料裡沒有答案。這套資料站長拿不到，原因很簡單：它是搜尋結果頁上的行為紀錄，不是你網站上的；GA4 看得到訪客進站後做了什麼，看不到他們在結果頁上點了誰、跳回來之後又點了誰。

判斷的界線在這裡：搜尋互動訊號與站內分析是兩套資料。用 Navboost 解釋兩個頁面的排名差異，公開資料撐不起這個結論，站長也無法從 GA4 的停留時間或跳出率，反推出搜尋系統對自己頁面的判定；「待得越久名次升、彈回去就降」這條公式，不存在於任何可查證的公開文件裡。想靠製造點擊改善排名，同樣沒有證據支持是可靠策略。另一個常見的過度推論，是把某次改版後的名次變化歸功於互動數字；同期通常還改了內容、速度與連結，單一歸因撐不起結論。

頁面體驗是同一個邏輯下的小訊號。Core Web Vitals 的 LCP、INP、CLS 會被排名系統使用，但通過門檻不保證上升、未通過未必下滑，官方在 2020 年 5 月的頁面體驗評估說明裡，把它定位成眾多訊號之一；行動優先是索引方式，不是加分層，見 2023 年 10 月的正式公告。指標細節可以看Core Web Vitals專文；實務上優先修的，是真正拖住使用者的速度與穩定性問題。

站內真正可控的，是標題不設餌、開頭直接給答案、正文對齊意圖。這些是站內 SEO裡最舊的建議，也是面對未公開訊號時最誠實的位置：與其猜測單一訊號的權重，把可治理的部分治理好，而標題不騙、開頭直給的回報也不限於訊號端，它直接減少錯誤預期的點擊，把真正想讀的人留到段落裡，這件事在轉換端就看得到。

核心更新在重算什麼：重新評估，不是開罰

沒作弊、內容也沒走樣，流量卻突然少一截，這種情況常被第一時間歸給核心更新，但先別急著畫上等號；技術事故、量測問題與需求變化同樣在嫌疑名單上，後面檢傷那節會給排除的順序。若查證後確認與核心更新的時點相關，機制是這樣的：核心更新是對搜尋系統的廣泛調整，系統重新評估內容的相對價值後重排結果，有些頁面下滑，是因為別的內容這次被評為更相關。它不針對特定網站，也不附帶處分。「相對」是關鍵字：你的頁面什麼都沒變，但同一批查詢裡，別人把內容補強了，位置就換人坐；這也解釋了為什麼下滑常成群出現，又常在幾個月後自然回來一部分。

把核心更新想成一場重新比稿就好懂了：同一批稿件重交一次，標準調整後名次重新排列，落後的稿件不代表作弊，只是這次有別的內容被評為更相關。官方在 2019 年的核心更新說明裡講得直白：名次滑落未必等於網站違規，也不一定是人工處置。

恢復的節奏要誠實講：改善可能數天到數月才反映，也可能要等下一次核心更新才明顯，而且沒有恢復保證。把每一次更新都當成危機處理，不如把力氣放在確認受影響的查詢與頁面、修正真正的問題；等待期間能做的是把改善做扎實，把受影響查詢的前排內容讀一遍，誠實標出自己缺的那塊，補上，記錄日期，下一波重算時至少知道手上有什麼。遭遇衝擊時的資源分配，演算法衝擊下的應對思路有展開。

時間軸在這裡收斂成三句話：近年核心更新持續推出；垃圾政策在 2024 年之後增加了幾項濫用類型；AI 功能改變了部分查詢的版面。逐筆日期與各次更新的範圍，前面提過的更新歷史專頁有完整紀錄，年度的節奏觀察看年度 SEO 觀察；這裡不重抄名單，因為判斷靠的是日期對案的方法，不是名單記憶。

診斷的紀律是把三個層次分開查：查詢層，看下滑集中在哪些查詢、這些查詢的結果版面變了什麼；頁面群組層，看受害的是哪一批頁面、它們共用範本或生產流程的哪個部分；全站層，看檢索、索引與技術狀態有沒有全面性的問題。三層各有結論之後再下判斷，不用連坐想像。到這裡，開場那組「重新評估與懲罰」的區分完成了前半段論證：重新評估是相對位移，沒有通知、沒有處分；剩下的一半，是把真正的罰長什麼樣講清楚。

人工處置長什麼樣：垃圾政策與真正的罰

真正的罰有明確的長相。人工處置出現在 Search Console 的手動動作報告，註明違反的政策與影響範圍，修正後可以提交重新審查，審查要附上修正的說明與證據，處理時間通常以週計，結果會回報；影響範圍如果是「部分結果」，代表只有違規的頁面受影響，不必把全站都當成災區。它的依據是垃圾政策：連結垃圾、規模化內容濫用、站點聲譽濫用、過期網域濫用。

政策的更新有官方紀錄。2024 年 3 月的核心更新公告，同期列入三項垃圾政策：過期網域濫用、規模化內容濫用、站點聲譽濫用，見 官方公告。其中站點聲譽濫用的特性是人工審查加手動處分，認定與救濟的細節在站點聲譽濫用政策解析。

規模化內容濫用常被講成「禁 AI 內容」，這是簡化過頭。政策針對的是以操弄排名為主要目的、大量產出的內容，不管它是 AI、人工還是混合產出；用 AI 加速整理、對讀者有真實價值的內容，和用任何方式灌出來的無價值頁面，在政策面前是兩回事；判斷的問題只有一個，這批內容被生產出來，是為了回答真實的問題，還是為了佔查詢的位子。

跟企鵝那節的對照表合起來看，四組區分剩下的一組到此收束：演算法處理沒有通知、即時、持續；人工處置有通知、可申訴、修正後重審。政策處理的是操弄意圖與規模，不是單一篇品質普通的文章；一篇內容不夠好，得到的是排名不理想，不是處分。

AI 概述與 AI Mode：同一套基本功，新的計分板

AI 概述與 AI Mode 上線後，排名觀念要整套重學嗎？不用。官方立場一貫：AI 功能沿用既有的搜尋基礎與垃圾政策，變的是呈現位置與衡量方式。時間線兩句講完：AI Overviews 於 2024 年 5 月在美國推出，見當時的官方公告；AI Mode 之後登場，見官方更新說明。生成式回應出現在哪些查詢、引用多少來源，都不固定。

新版面帶來的第一個改變，是問題型查詢的答案直接出現在結果頁上，部分查詢因此少了點擊；這不是懲罰，是呈現方式的變化。對內容端來說，能爭的是兩種位置：被採納為回答的來源，以及回答沒有完全解決時剩下的那一趟點擊。兩種位置回到同一個問題：內容有沒有給出讀者要的答案。

衡量方式跟著多了一層。傳統 SEO 看曝光、點擊與轉換，AI 版面還要看內容有沒有成為回答的支援連結；被列入能帶來品牌曝光，但那是內容被採納為來源的結果，不是 Google 對品牌做出的權威認可，成效仍然要看實際資料。

觀察支援連結，沒有神奇工具，方法很土：固定一組自己的代表查詢，定期看 AI 回答引用了誰、自己在不在其中，用表格記錄變化，走勢比單次出現有參考價值。曝光與點擊仍以 Search Console 的整體資料與站內轉換為準，工具欄位隨官方更新調整，判讀時以當時的官方說明為準。

面對新版面，官方給的建議意外地樸素。Google Search Central 的 AI 功能說明文件寫得直接：AI 搜尋功能沿用既有的 SEO 基礎與垃圾政策，沒有特殊的結構化資料要求，也沒有所謂 chunking（內容切塊）的規格要遵守。

同一基調也出現在 Google Search Central 於 Q2 2025 發布的官方影片裡：與其為 AI 功能另學一套規則，索引資格、內容價值與既有規範，仍然是官方指的方向。

所以反誇大的錨點要釘牢：獨家資料、在地資訊與實測結果能提高內容價值，但不保證被引用；不存在「被引用公式」，也沒有保證寫法。市場上「保證進 AI 概述」的服務，用同一個問題檢驗就知道成色：它能控制的其實是什麼？答案通常是發布量與格式，而這兩件事官方都說了不是門票。版面對策與觀念更新的展開，在AI 概述的 SEO 對策；更大的圖像在AI 時代的 SEO 全景。

流量下滑那天：用時間軸對案，別用直覺

曲線下墜的那一天，正確的第一步不是查「中了誰」，而是做檢傷分類：先判斷這是哪一種劇本，再決定往哪個方向查。四種劇本的訊號長相各不相同：技術事故、核心更新重排、垃圾政策或人工處置、需求與版面變化。順序之所以重要，是因為錯誤歸因的成本很高：把技術事故當懲罰處理，會去砍內容、清連結，忙了三個月，真正的問題一頁都沒修到。

檢傷的做法，是照順序問四個問題：

1. 整站連首頁一起掉，而且索引報表出現錯誤：先當技術事故查，看檢索與索引狀態、伺服器穩定度。
2. 同業差不多時間一起掉：對照官方 Dashboard 的公告日期，偏向產業級或系統級變動。
3. Search Console 出現手動動作通知：走政策救濟流程，修正後申請重新審查。
4. 曝光沒有掉、點擊率下滑：查搜尋版面與查詢組合的變化，多半不是內容品質問題。

四個問題都答「沒有」的情況也存在：曲線緩慢往下、找不到單一轉折日、查詢分佈慢慢改變，這種多半是需求與競爭的長期變化，處方是內容與產品的持續更新，不是急救。

第一現場是Google Search Console的索引與成效報表。先排除量測問題：檢測有沒有被擋、頁面是否誤設 noindex、canonical 指向有沒有跑掉、追蹤碼是否完好。一個原則可以先立著：在日期對上官方公告、或在報表看到明確錯誤之前，不下「被演算法打到」的結論。看報表時先固定比較期間，再確認下滑集中在哪些查詢與頁面；把數字按查詢、頁面、裝置切開，常會發現「整站掉了」其實是「某一批查詢掉了」。

對案的基準是官方 Search Status Dashboard：2026 年 9 月 24 日起展開的全球垃圾內容更新，公告寫明可能持續約兩週；2025 至 2026 年間的核心更新與垃圾內容更新，逐筆日期以 Dashboard 為準，比來路不明的更新清單可靠。

日期對上公告，到這裡都還只是假設。時間重疊不能證明因果，接著要查索引與檢索狀態、追蹤碼是否完好、下滑前站內改了什麼，以及查詢需求本身有沒有波動；這幾件事都查過，原因的範圍才會縮小到可以動手的程度。技術事故的排除流程，技術 SEO 健檢有逐項的清單。

判讀的紀律補兩句：同業同時下滑，偏向產業級變動，先別急著改站；單一批頁面下滑，先查那批頁面的共用範本與意圖對應，而不是逐頁亂槍打鳥。版面的變化也值得記一筆：結果頁上多了 AI 回答、商家名單或影片區塊，可點的連結變少，點擊率自然受影響；曝光持平而點擊下滑時，先看版面，再懷疑內容。

動手修之前：三個自傷動作與一頁自檢清單

診斷完成，動手之前還有一關：避開看起來像優化、其實在自傷的動作。三種最常見。

誤用拒絕連結工具。沒有大宗垃圾連結、也沒有處置證據，就定期送拒絕清單當保養，可能把對自己有益的正常連結一起拒絕掉。這個工具是救濟手段，不是例行維護，使用前提在企鵝那節已經講過。

每次更新就大改站。核心更新一發布就猜「這次重視什麼訊號」，然後全站改標題、改結構，等於把網站的長期穩定性拿去賠一場猜測。更新的因應是對案查證，不是立刻變陣；常見的錯誤踩法，常見 SEO 錯誤整理過一輪。

結構化資料標記超出實情。標記的內容與頁面可見內容不符，或網站沒有真實評分卻標上 AggregateRating，輕則被取消複合式搜尋結果的資格，嚴重時收到結構化資料的人工處置。標記是線索，超出實情的部分是風險，不是加分；站點聲譽濫用的教訓，也在同一條線上。

同類頁面反覆下滑，比單頁修補更值得回頭找共通原因：共用範本、量產流程、連結取得方式、意圖錯置，都是會讓一群頁面一起出事的條件。逐項查證這些共同條件，通常比對每一頁單獨下手更有生產力。

收攏成一頁式清單，六個檢查點各配一個可驗證的動作，跑一輪大概就是一個下午。清單的用途是定位，不是治療；六項跑完，問題通常會收斂到一兩個方向，修復計畫就從那裡開始：

1. 查索引狀態：確認目標頁面仍被收錄、canonical 指向自己、沒有誤設 noindex。
2. 抽樣問單頁價值：挑代表頁面，問這頁有沒有別處拿不到的價值，答不出來的先標記。
3. 看連結來源與錨點：檢查反向連結有沒有一大批來自低品質網域、錨點幾乎全是同一個商業關鍵字。
4. 比對意圖：拿主要查詢實際搜一次，看排名靠前內容回答的需求，與自己的頁面是不是同一種。
5. 檢查作者與聯絡資訊：作者資料、經歷與聯絡方式，是否能幫讀者做出可信度的判斷。
6. 核對 NAP 與標記：名稱、地址、電話在官網與各清單是否一致；結構化資料只標記頁面可見且真實的內容。

確認原因之後的修補順序，接著讀流量復原的完整做法，把診斷結果換成排好優先順序的修復計畫。

修改之前，不預設它一定帶來排名變化；修補照流程走，不抄捷徑；修完之後持續觀測資料，而不是宣稱治癒。排名系統會繼續演進，判斷的方法，比任何一次更新的答案都活得久。