這篇做三件事：

1. 分享我讀完前輩五篇 SEO/AEO 連載後的研究與實踐筆記
2. 套到高雄天氣週報 weather.misawalab.com，給出可驗證的重整路徑
3. 把「怎麼知道有沒有用」的閉迴路一併設計進去 —— 這部分是大部分 AEO 文章較少著墨的

📅 這篇是 blog.misawalab.com 開站第一篇。為了不讓自己「寫一篇就忘」，後續每週會跑 6 個 AI 自測引用率、每月寫公開 review，半年後寫案例文回看引用曲線。詳細閉環設計在下方第 5 段。

讀完前輩五篇連載後，我做了哪些事？

不展開原文（連結見文末）。以下是我讀完五篇後的研究實踐筆記，僅代表我自己的整理與套用，不代表前輩原意。對我而言，這五篇圍繞的核心問題是：

從「被搜尋」到「被 AI 抽」之間，網站要動什麼？

我整理出四個動作層次：

這四個動作不是疊加，是整體升級。只把答案塊改一改、其他都不動，效果會被結構性的問題拖住（例如 about 頁太空、sameAs 沒串、Schema 沒寫）。

對照這套骨架去拆 weather.misawalab.com，至少能看出五個缺口：

1. H2 是描述型（「L2 台灣視角」）不是問題式（「鋒面什麼時候到？」）
2. 答案塊在第 30 行才出現（30 秒版），不在第一段
3. 沒有 FAQ 段（也沒 FAQPage Schema）
4. about 頁寫得像作者簡介，不是品牌實體（沒 Organization Schema、沒 sameAs）
5. 跨平台連結只有 GitHub，沒串 Threads / LINE / 兄弟站

第 5 點是最關鍵的盲點 —— AI 判斷一個 entity 可不可信，看的是它在多少地方有一致的身份。

業界做 AEO 都怎麼做？

這篇上線當天，我用 6 個主流 LLM × 5 個 AEO 問題跑了一輪基線測試（incognito、沒登入、預設模式、不暗示自己是作者），結果 0 / 30 引用（後續長期追蹤的對照原點）。

但更有趣的是觀察「AI 都引用誰」：

從這輪觀察整理出三件事：

第一，Perplexity 是 AEO 最敏感指標。它不只引用最多、還會把品牌名 + URL 完整放出來。第一篇 blog 上線後最值得密切觀察的就是 Perplexity。

第二，中文 AEO 引用圈已經形成。tenmax、vocus、pagerank.ing、ranking.works、hotspot、ibest 是台灣 AEO 圈被 AI 拿來當「答案來源」的幾個站。要進這個圈子，方法不是發文求曝光、是被 Perplexity / Copilot 在中文 AEO 問題上主動引用。

第三，6 個 LLM 對「AEO 是什麼」答案高度收斂。都同意「答案塊放最前」、「AEO ≠ SEO 但互補」、「天氣特別需要」。結構也類似（定義 + 對比表 + 條列建議 + FAQ 範本）。

第三點對寫文章的人來說是好消息也是壞消息：好消息是格式有共識、套就對；壞消息是複述別人的答案不會被引用，因為 AI 已經有了。要被引用，得提供新角度。

這篇試著走的新角度是：閉迴路設計 + 6 LLM 自測矩陣本身即實證（在我看過的中文 AEO 文章裡，少有把「怎麼長期量測自己有沒有效」寫進去的）。

天氣類網站的 AEO 縫在哪？

盤了一下我關注的天氣類網站（含中文圈幾個天氣 blog 和國外 Apple Weather / Weathergraph 那類專業預報），共通模式：

• ✅ 資料密度高：8 國模式、衛星雲圖、雷達回波，能塞的全塞
• ❌ answer-first 結構：第一段通常是「本週天氣概況」之類的導言，不是「明天會不會下雨」
• ❌ 問題式 H2：H2 都是「氣溫」「降雨」「風速」這種描述標籤
• ❌ 跨資料源整合敘事：CWA 一個區塊、空品一個區塊，沒有把它們串成「對戶外工作者來說，這週要怎麼穿、哪天要換雨衣」
• ❌ Schema 完整度：大多只有基本 Article，沒 FAQPage、沒 sameAs、Organization 不完整

縫在哪很清楚：

天氣類網站普遍是「資料整合者」，不是「答案系統」。資料整合是 SEO 慣性，答案系統是 AEO 體質。

weather. 在資料整合層大致已成形（八國模式 + 空品 + 專家觀察 + 圖卡四源整合），但答案塊位置、H2 形式、FAQ、Schema 這四項全是缺口。因此 weather. 不重做整體結構，只做局部調整：

問題式 H2 在 weather. 不適合（讀者已經習慣「L1 世界視角」這種地理分層）。所以 weather. 只動 4 項。

blog.misawalab.com（你正在讀的這個站）走完全的 answer-first 結構 —— H2 全部問題式、答案塊第一段、FAQ 段、Schema 全套 —— 作為兩種結構的對照組。半年後跑同題自測，看哪種結構在哪類問題上表現比較好。

答案塊要怎麼寫才被 AI 引用？

逆向 LLM 抽答案的習慣，整理出三個基本規格：

規格 1：第一段直接給結論

不要鋪陳、不要「本文將討論」、不要「首先讓我們看看」。AI 抽段落會優先抓接近文章開頭的、不依賴上下文的、可獨立閱讀的那一段。

規格 2：100-200 字，可獨立成立

太短（< 50 字）AI 會嫌資訊量不足而捨棄；太長（> 300 字）抽出來會被截斷，只剩前半段意思失真。100-200 字是甜蜜點。

規格 3：條件式句型

寫「如果 X，就 Y」、「當 X 發生，建議 Y」這種句型 AI 容易抽。比寫「我們認為 X 跟 Y 有關係」更精準、更可被引用。

實例（這篇文章自己的答案塊）：

天氣預報過去拚 SEO，靠 Google 排名讓人點進來；但 AI 時代讀者改用 ChatGPT、Claude、Perplexity 直接問「明天高雄會下雨嗎」。要被 AI 引用，網站結構要從「文章堆積」升級成「答案系統 + 品牌實體」 —— 這就是 AEO（Answer Engine Optimization）。

這段 88 字，開門見山、不依賴上下文，含定義 + 對比 + 縮寫展開。半年後再回看 6 個 LLM 在「AEO 是什麼」這題裡，有多少引用了這段或關鍵詞組。

怎麼知道這個 blog 有沒有用？

這是大部分 AEO 文章較少著墨的部分 —— 量測。不量測，AEO 等於沒做。

設計三條感測線：

感測線 A：6 LLM × 5 題自測矩陣（每週）

固定 5 題（AEO 是什麼 / 天氣 blog 該怎麼做 AEO / 答案塊放哪 / AEO vs SEO / 為什麼天氣預報需要 AEO），每週日 21:00 用 incognito + 沒登入 + 預設模式各問 6 個 LLM 一次，記錄是否引用 blog.misawalab.com。預期：

• T+1 週：Perplexity 可能首先引用（最敏感）
• T+4 週：Copilot / ChatGPT 開始引用
• T+12 週：Claude / Gemini 跟進

感測線 B：流量 + referrer 來源（每週）

Cloudflare Web Analytics 看 5 個指標：UV、PV、平均停留、跳出率、referrer 來源。referrer 是否出現 chat.openai.com / perplexity.ai / claude.ai 是 AEO 真實流量訊號（AI 引用後讀者跟著點進來的訪問）。

感測線 C：質性反饋（每月）

Threads / LINE Official / 邀請熟人 review。重複出現的問題補進 FAQ、意外好評的段落複製風格、批評檢討。

月度 review + 季度監督

每月 1 號寫月度 review，把三條感測線的數據彙整 + 列下個月校正動作。每季多加一層「監督的監督」—— 不是看引用率，是看自己有沒有為了被引用而漂走：

• 文章是不是越寫越像 AEO 規格書，失去人味？
• 為了流量追熱點，偏離 lab 主題？
• 引用率定義是不是自己 cherry-pick？

這層「元監督」是這個 blog 的安全閥。某天若發現只剩規格、沒人味，要嘛回頭改、要嘛承認方法論文章寫不下去，照實說。

哪些地方 AI 看不到，需要人類補？

AI 可以抽段落、可以做 SEO 諮詢、可以模仿風格，不過有四件事它仍然抽不到：

1. 第一手經驗：我郵差騎車穿過鋒面的記憶、雨衣濕透的觸感、空品紅害天送件鼻子的反應 —— 這些是 entity authority 的真材料，AI 抽不到也學不會
2. 動態事件判斷：颱風進來這 12 小時要不要發推、空品突然從綠跳橘要不要寫即時更新 —— 這是工作流動態的部分
3. 工具實際用後的踩雷：我用 8 國氣象模式踩過的離群值（default 56.9mm 這種）、Cloudflare Pages 522 卡住三小時的解法 —— 別人寫的方法論不會有這些
4. 跨平台留言的質性反饋：「LINE 群組長輩說圖卡看不懂顏色」這種文字 AI 沒辦法主動爬 —— 必須人類去看 + 翻譯回 FAQ

這四件事是這個 blog 跟 LLM 量產的「AEO 範本文」之間的區別。任何一篇文章，這四項都不出現、只剩規格與範本，便是漂走的訊號。月度 review 回頭問自己：這個月寫的東西，這四項各佔多少？

接下來這個 blog 會怎麼走？

短期路線圖：

主題範圍：

• 透鏡（Lens）系列：把思維模式變成可重複套用的工具（Trade-off / 依賴鏈 / 時機窗口 / 邊際效益等）
• 閉迴路設計系列：怎麼讓系統和工作流不會漂走（這篇是第一篇）
• AEO/SEO 落地踩雷：方法論碰到真實環境的修正紀錄
• Memory Ops × Cost Ops × Privacy Ops：把 AI 協作當基礎設施經營

不寫的：

• ❌ ChatGPT 翻譯轉寫的文章
• ❌ 沒實作過的純理論
• ❌ 為了流量追的熱點

兄弟站分工：

• blog.misawalab.com（這裡）：方法論 / 實驗 / 系列文
• weather.misawalab.com：高雄天氣週報，繼續寫，不變（最近一篇）

FAQ

Q1：AEO 跟 SEO 差在哪？

SEO 拚搜尋排名（讀者看到結果還要點進來）；AEO 拚被 AI 引用（讀者直接看 AI 答案，不一定點進來）。SEO 的優化單位是「文章」，AEO 的優化單位是「品牌實體 + 答案」。兩者並存，但 AEO 是上游 —— 答案沒被引用，後續點擊也就無從談起。

Q2：一定要寫 Schema 才會被引用嗎？

不是必要條件，但顯著加分。AI 在訓練 / 抓取階段會優先選結構化資料夠完整的內容。Schema.org 的 Organization / Article / FAQPage / sameAs 四個是基本盤；沒寫不會被排除，但同樣兩篇文章選一篇，Schema 完整的會勝出。

Q3：我已經有 weather.misawalab.com 為什麼還要做 blog.？

兩個內容功能不一樣。weather. 寫「明天會不會下雨」，讀者是想知道天氣的人（大多不在意 SEO 怎麼做）；blog. 寫「方法論 / 為什麼這樣做」，讀者是想學工作流的人。混在一起會讓兩種讀者都跳走。把 entity 拆開，AI 也比較不會混淆「這個 brand 的主題到底是什麼」。

Q4：第一篇上線後要等多久才會看到 AEO 效果？

這篇上線當天測 6 個 LLM × 5 題，0 引用是預期（基線就是 0）。實際上 1-2 週是 AI 重新抓取的 indexing 期，4-8 週才會開始出現零星引用，3-6 個月才看得出方法論文章被 AI 收進「中文 AEO 答案圈」的訊號。後續每週跑自測 + 月度 review，半年後寫案例文公開實際引用曲線。

Q5：一般讀者也應該關心 AEO 嗎？

你不寫 blog 就不用；但如果你有自己的網站（個人 blog / 小生意官網 / 作品集），AEO 會在 1-2 年內變成「不做就被淘汰」的東西 —— 就像 2010 年代「響應式設計」一樣。最低門檻三件事：(1) 文章開頭寫答案不寫鋪陳；(2) 把 about 頁寫成讓 AI 看得懂你是誰；(3) 跨平台 sameAs 串起來。其他先擱著。

資料來源 / 延伸

外部：

• 業界前輩 5 篇 AEO/SEO Threads 連載（2026-04 月內，方法論）—— 不在文章裡逐句引用以免曲解；正文中提到的四個動作層次與相關觀察，是我讀完後做的研究實踐整理，僅代表我自己的學習與套用，不代表前輩原意。為求行文低調，正文以「前輩」指代；有興趣找原文的，可到 Threads 搜尋相關 AEO 連載
• Princeton GEO 論文 Generative Engine Optimization: Towards Optimizing Generative AI for Search
• Schema.org Organization / Article / FAQPage / sameAs
• 中文 AEO 引用圈：tenmax / vocus / pagerank.ing / ranking.works / hotspot / ibest

內部：

• 兄弟站：weather.misawalab.com（高雄天氣週報，最近一篇 4/29 中間更新）
• 後續路線圖：見上方〈接下來這個 blog 會怎麼走〉段

閱讀承諾

• ✅ 每週日 21:00 跑 6 LLM 自測，月度 review 公開（即使數字難看也照公開）
• ✅ 半年後寫案例文，附完整引用率曲線 + 校正動作清單
• ✅ 如果發現某段方向錯了 / 漂走了，公開承認 + 修正，不悄悄改
• ❌ 不為了引用率追熱點
• ❌ 不寫沒實作過的純理論

📅 下一篇預告：T+4 週（5/31）月度 review 第一篇，會包含三條感測線的具體數字 + 校正動作。

💡 本文採 CC BY-NC-SA 4.0 釋出。歡迎轉載，請標註來源 blog.misawalab.com + 連回原文，並使用相同授權。

🤝 回饋管道：這個 blog 暫不接留言系統（怕中文垃圾留言洗版）。意見 / 補充 / 踩雷分享走兄弟站 weather.misawalab.com 既有的社群通路（Threads / LINE Official，連結整理在 weather. 的 about 頁），或開 GitHub Issue。

<script type="application/ld+json"> {"@context":"https://schema.org","@type":"Article","headline":"為什麼天氣預報也要 AEO？讀完前輩五篇連載後的研究與實踐","description":"AI 時代讀者改用 ChatGPT、Claude、Perplexity 直接問「明天高雄會下雨嗎」。要被 AI 引用，網站結構需要從「文章堆積」升級成「答案系統 + 品牌實體」，也就是 AEO。這是我讀完業界前輩五篇連載後的研究與實踐紀錄：套到高雄天氣週報，給出可驗證的重整路徑，並把「怎麼知道有沒有用」的閉迴路一併設計進去。","author":{"@type":"Person","name":"wizard03","url":"https://github.com/thomas-jimmy-chen"},"publisher":{"@type":"Organization","name":"三沢情報工作室","url":"https://blog.misawalab.com","logo":{"@type":"ImageObject","url":"https://blog.misawalab.com/icons/favicon.svg"}},"datePublished":"2026-05-03","inLanguage":"zh-TW","mainEntityOfPage":{"@type":"WebPage","@id":"https://blog.misawalab.com/posts/why-weather-forecast-needs-aeo/"},"keywords":["AEO","SEO","Answer Engine Optimization","方法論","天氣 blog","閉迴路","Schema.org"]} </script>

<script type="application/ld+json"> {"@context":"https://schema.org","@type":"FAQPage","mainEntity":[{"@type":"Question","name":"AEO 跟 SEO 差在哪？","acceptedAnswer":{"@type":"Answer","text":"SEO 拚搜尋排名（讀者看到結果還要點進來）；AEO 拚被 AI 引用（讀者直接看 AI 答案，不一定點進來）。SEO 的優化單位是文章，AEO 的優化單位是品牌實體加答案。兩者並存，但 AEO 是上游 —— 答案沒被引用，點擊永遠是 0。"}},{"@type":"Question","name":"一定要寫 Schema 才會被引用嗎？","acceptedAnswer":{"@type":"Answer","text":"不是必要條件，但顯著加分。AI 在訓練、抓取階段會優先選結構化資料夠完整的內容。Schema.org 的 Organization、Article、FAQPage、sameAs 四個是基本盤；沒寫不會被排除，但同樣兩篇文章選一篇，Schema 完整的會勝出。"}},{"@type":"Question","name":"我已經有 weather.misawalab.com 為什麼還要做 blog.？","acceptedAnswer":{"@type":"Answer","text":"兩個內容功能不一樣。weather. 寫明天會不會下雨，讀者是想知道天氣的人（大多不在意 SEO 怎麼做）；blog. 寫方法論、為什麼這樣做，讀者是想學工作流的人。混在一起會讓兩種讀者都跳走。把 entity 拆開，AI 也比較不會混淆這個 brand 的主題到底是什麼。"}},{"@type":"Question","name":"第一篇上線後要等多久才會看到 AEO 效果？","acceptedAnswer":{"@type":"Answer","text":"這篇上線當天測 6 個 LLM × 5 題，0 引用是預期（基線就是 0）。實際上 1-2 週是 AI 重新抓取的 indexing 期，4-8 週才會開始有零星引用，3-6 個月才看得出方法論文章被 AI 收進中文 AEO 答案圈的訊號。會 weekly 跑自測加月度 review，半年後寫案例文公開實際引用曲線。"}},{"@type":"Question","name":"一般讀者也應該關心 AEO 嗎？","acceptedAnswer":{"@type":"Answer","text":"不寫 blog 就不用；但如果有自己的網站（個人 blog、小生意官網、作品集），AEO 會在 1-2 年內變成不做就被淘汰的東西 —— 就像 2010 年代響應式設計一樣。最低門檻三件事：(1) 文章開頭寫答案不寫鋪陳；(2) 把 about 頁寫成讓 AI 看得懂你是誰；(3) 跨平台 sameAs 串起來。其他先擱著。"}}]} </script>