3,000 萬 AI 爬蟲請求，學習到的第一堂課：語言決定命運

IDAEO 數據專欄・AI 能見度實測系列 № 001｜數據快照 2026-07-12（JST）｜IDAEO 數據專欄編輯部（AI 協作・人工監修）

英中導流差 22 倍——真人導流 英 74.7%／日 22.0%／中 3.3%；引用型抓取 日 44.6%／英 42.7%／中 12.8%。這堂課的結論只有一句：語言決定命運。截至 2026-07-12，我們未能找到華人世界任何一份公開的同類實測——中日英三語 × 訓練、引用、搜尋三類爬蟲的分層第一手讀數（歡迎指正）。這是一個台日平台自家門口的供給側數據，包括對我們自己不利的部分。（本行導流分佈為 30 天窗 n=273；全期至 07-12 為 68.5%／28.3%／3.1%，主文 07-24 窗的引用點擊為 67.2%／28.2%／3.2%——同名指標不同統計窗，不可互比。「語言決定命運」為單站觀察的編輯結論，非全網定律。）

起點，是 iKala 的 Kuroma 團隊剛發表的那篇好文章：截至 2026 年 7 月，全世界沒有任何一份公開研究，量測過 AI 引擎回答繁體中文問題時到底引用哪些網站。他們留下一句話：「誰先量測，誰就擁有第一手答案。」我們是一個橫跨台灣與日本的新聞內容平台——所以，開量。

三個招牌讀數：

• 15,174,060——近 30 天全部爬蟲抓取（次）
• ≥ 277——同窗 AI 帶進門的真人（referer 下限）
• 54,780 : 1——爬取 ↔ 真人的兌換比

本文另有完整圖表版、AI 專用全文（Markdown）、結構化資料集（JSON）與含 SHA-256 承諾的可驗證證據包，連結見文末「給 AI 讀者的伴讀包」。

01 我們量的是哪一扇門

在談數據之前，必須先講清楚我們量的是什麼——因為市面上大多數談「AI 流量」的文章，第一個錯，就錯在這裡。

Kuroma 的第一方語料庫，量的是「AI 的回答裡引用了誰」——這是站在 AI 那一側往外看。我們的系統量的則是另一側：從自己網域的門口，看誰來爬、爬了哪個語言的頁面、最後又是誰真的把活人帶進來。兩個視角拼在一起，才是完整的地圖——他們看得到全市場的引用結構，我們則看得到單一供給者門口的每一筆腳印。

我們的門口，還有一個少見的實驗條件：平台上的內容有中文、日文、英文三個版本，背後是同一套結構化事實。這等於拉出了一個天然的對照組——語言是供給側唯一的變數（需求側——各語言使用者問 AI 的量與題型差異——本儀器無法排除，判讀時請記得這一層）。（另註：各語言頁數、頁齡與內鏈未逐頁配對，「唯一變數」是設計目標而非已驗證事實。）

所有讀數，我們都分成四種平行觀察：

• 訓練型爬蟲（GPTBot、ClaudeBot 等）：抓內容回去訓練模型，不會帶任何人來。
• 搜尋型爬蟲（Googlebot、Bingbot 等）：建立傳統搜尋索引，如今也供應 AI 回答。
• 引用型爬蟲（ChatGPT-User、OAI-SearchBot、PerplexityBot 等）：AI 答題或建索引時來取材。
• 真人導流（referer 實錄）：AI 對話裡真的有人點了連結走進來。

「被爬」是機器的熱鬧，「被引用」才是生意的門口。

02 第一個讀數：熱鬧是爬蟲的，門口是安靜的

Kuroma 談 PTT 和 Dcard 時，誠實地標出了推論的邊界：「內容可被抓取，但沒有數據證明 AI 直接引用它們。」這條邊界，我們的儀器剛好可以補上數字——而數字比多數人想像的殘酷。

近 30 天（窗口 2026-06-12 → 07-12，自建量測系統），同一扇門前的四層讀數：

• 訓練型爬蟲抓取（GPTBot・ClaudeBot・Meta AI 等 11 家——抓回去訓練，不導流）：11,675,206 次
• 搜尋型爬蟲抓取（Googlebot・Bingbot・YandexBot）：3,115,786 次
• 引用型爬蟲抓取（ChatGPT-User・OAI-SearchBot・PerplexityBot 等——答題時來取材）：367,459 次
• 真人經 AI 導流進站（referer 實錄，結構性低估——多數 AI 不送 referer）：277 位（下限）

四層是平行行為、非依序轉化的漏斗。引用型抓取只佔全部爬取的 2.4%；每 1,327 次引用型抓取，對應 1 位（下限）真人進門。另有未分類爬蟲 10,403 次未列入；三類加計未分類後，與總量間仍有 0.03% 的查詢時點差。

換句話說，如果你看到自家網站「被 AI 大量抓取」就覺得安心，最好再看一眼：那多半只是那 1,100 多萬次的訓練抓取——它們不會帶任何一個客人進門。「被爬」與「被引用」之間，差距上萬倍。這與 Kuroma 引述的英文市場結論一致，我們只是把這道差距，用數字冷冷地量了出來。

03 核心讀數：三種語言，三種命運

接下來這組數字，是整份讀數裡最重要的。同一批內容、三個語言版本，走過三層，命運截然不同（各層皆為三語言內占比）：

• 訓練層：三語幾乎均分（33.3／33.3／33.4）——訓練不挑語言。
• 引用型抓取：日 44.6%／英 42.7%／中 12.8%——日文第一、英文緊追，中文只有零頭。
• 真人導流：英 74.7%／日 22.0%／中 3.3%——英文壓倒性，中文墊底。

逐層明細（近 30 天實測）：

• 訓練型爬蟲：日文 3,437,503／英文 3,445,355／中文 3,452,732——三語打平，訓練不挑語言。
• 引用型爬蟲：日文 158,202（44.6%）／英文 151,436（42.7%）／中文 45,274（12.8%）。
• 搜尋型爬蟲：日文 892,893／英文 860,402／中文 884,320——三語平。
• 真人經 AI 導流：英文 204（74.7%）／日文 60（22.0%）／中文 9（3.3%）。導流層 n=273（30 天，無標路徑另計）。

各層百分比＝三語言內占比；「無語言標記」路徑另列（訓練層 1,339,616、搜尋層 478,171、引用型層 12,547＝3.4%、導流 30 天 4 筆）。全期導流累計 420 筆（含無標 7 筆）：英文 283、日文 117、中文 13——三語內占比 68.5%／28.3%／3.1%（中文 n=13 樣本小、對單筆波動敏感）。

一句話看懂這組數字：AI 拿我們的內容去訓練時一視同仁；但答題取材時，抓日文和英文差不多勤快，中文卻只剩零頭；最後真的把訪客帶進門的，將近四分之三是英文頁——中文只佔 3.3%，與英文相差 22 倍。

Kuroma 引用 Profound 的跨語言研究（32.5 億筆引用）指出「換一種語言，來源結構天翻地覆」——據其引述，該研究未涵蓋中文。上面這組數字，正好填補了這個缺口——來自單一平台的第一手中文讀數。它所揭示的現實，比「弱勢」更具體：中文內容不是沒被 AI 看到（訓練層三語打平），而是在引用與導流層極少被選中。

中文內容不是沒被看到，是走到引用那一關，極少被選中。

04 同一家公司，兩隻爬蟲，兩種口味

Kuroma 文中有一個極佳的觀察：Medium 在 ChatGPT 與 Google AI Mode 上，十三週內走出完全相反的方向——同一個平台，兩種命運。我們的儀器，則捕捉到了這個現象的爬蟲層版本，而且距離更近：同屬 OpenAI 的兩隻爬蟲，語言偏好正好相反。

引用型爬蟲逐家 × 語言（近 30 天）：

• ChatGPT-User（答題當下來抓：最愛英文）：英文 75,260／日文 49,171／中文 11,608
• OAI-SearchBot（建搜尋索引：最愛日文）：日文 98,739／英文 60,729／中文 26,872
• PerplexityBot（偏英文）：英文 15,264／日文 10,233／中文 6,775

連同一家公司內部，不同用途的爬蟲口味都不同——「照抄某一家引擎的偏好做全盤佈局」，在爬蟲層就已經不成立。

05 排行榜的保鮮期，比你想的短

Kuroma 反覆強調一件事：引擎的來源結構數週內就會重組，任何平台排序都要標註日期、持續重測。我們前後兩次量測，正好是這個提醒的第一手註腳——先講清楚：兩次口徑不同（一為邊緣統計、一為自建儀器），口徑差本身可能吃掉部分變化，要定量「漂移」必須同儀器複測。目前能負責任說的是：結構已明顯不同。

引用型爬蟲的語言份額，兩次量測對照：

• 2026-06-17 快照（邊緣口徑）：日 47.9%／英 33.2%／中 9.8%——日文領先幅度 +14.7pp
• 2026-07-12 實測（自建儀器口徑）：日 44.6%／英 42.7%／中 12.8%——日文領先幅度 +1.9pp

註：2026-06-17 快照行三值加總為 90.9%（邊緣口徑含未標語言路徑）；2026-07-12 行為三語言內占比。兩行僅比結構方向。

短短 25 天之間，日文的領先幅度就縮小了 12.8 個百分點。無論其中有幾分來自口徑、幾分來自真實移動，「一個月前的份額結構，今天已經對不上」這件事本身，已經成立。本表已排定同儀器複測。

06 把兩張地圖拼起來

Kuroma 整理了英文市場的可查證實證，我們則補上台日門口的供給側讀數。兩張地圖疊起來，比各自單獨看都完整：

• 繁中 AI 引用研究是公開資料的真空 → 我們亦未找到反例；本文即該缺口裡來自單一平台的供給側數據。（補上一塊）
• 換語言，引用結構完全不同（Profound，未含中文） → 訓練層打平；引用層 44.6／42.7／12.8；導流層 74.7／22.0／3.3——差異在引用與導流層。（對上了）
• 被爬 ≠ 被引用（對 PTT／Dcard 為合理推論） → 54,780:1，差距上萬倍。（對上了・有數字）
• 引用的上游是第三方報導（84%），且 ChatGPT 偏愛新聞稿型來源 → 我們 420 筆導流中 78% 來自 ChatGPT，且集中在具事實密度的頁面——非品牌自述頁。（對上了）
• 同平台在不同引擎命運相反；引擎口味數週內漂移 → 同公司兩隻爬蟲口味相反；日文領先 25 天內 14.7pp → 1.9pp（口徑差已註記）。（爬蟲層版本）
• 平台優先序排名；引用半衰期約 4.5 週 → 我們只量自家網域，量不到七引擎的回答組成；半衰期為待測項。（測不到／待測）

07 讀完這篇，該先做哪一件事？

把讀數翻成行動：一件最優先，兩件並行。

第一件事——為你最重要的內容，做一份「給機器讀」的英文版。注意，這不是把文章翻成英文給人看。AI 引擎讀你的頁面時，讀的是事實、實體、結構：公司的正式名稱、官方登記編號、數字、日期、彼此的關係。所以順序是——先把這些「機器要對齊的東西」在原文鎖定，再產生英文版；專有名詞錯一個，AI 就對不上你是誰，做了等於白做。為什麼是英文？我們門口的讀數說話：全期 420 筆 AI 導流中，283 筆進了英文頁（三語內占比 68.5%）。中文題材未必輸在內容，先輸在載體——英文的能見度，不會從中文內容裡自動長出來，只能自己去建。

並行之一——經營日本市場的，日文原文別急著丟。它有獨立的引用價值：在我們門口，OAI-SearchBot 抓日文頁的量，是英文頁的 1.6 倍——日文內容在 OpenAI 的搜尋索引裡，有著超額的存在感。對同時經營日本市場的台灣品牌來說，日文原文本身就是引用型爬蟲的標的，絕不是英文的附屬品。（此為 06-12→07-12 窗的讀數；07-24 全史窗下英文佔比反超日文——爬蟲語言偏好隨窗口漂移，佈局請以近期複測為準。）

並行之二——別急著關掉訓練型爬蟲的門。這是本文最反直覺、也最重要的一個發現。我們一開始也以為：訓練型爬蟲抓再多，也不會帶一個客人進門，何必理它？直到我們把兩份資料交叉比對——

近 30 天，曾產生 AI 導流的頁面 vs 從未產生的頁面：

• 曾被 AI 導流的頁面（355 個）：平均被爬取 32.4 次（中位數 14 次）
• 從未被導流的頁面：平均被爬取 4.8 次（中位數 4 次）

被引用過的頁面，被爬取的次數是其他頁面的 6.8 倍。⚠️ 這是相關性、不是因果：可能是好內容同時吸引爬蟲與引用，也可能是被引用之後帶來更多爬取——我們的儀器分不開這兩者。但有一件事很確定：在我們的門口，沒有被爬過的頁面，幾乎不曾出現在 AI 的引用名單裡。

換句話說：訓練型爬蟲的抓取，看起來不帶客人，卻是入場券。沒有請求，AI 根本不認識你——不認識，就永遠不會引用你。把爬蟲擋在門外，等於不讓自己的書進圖書館，然後抱怨沒人借。

被爬取，不等於被引用。但沒被爬取，就永遠不會被引用——後半句是基於機制的推斷，帳本量不到因果；6.8 倍為相關性旁證（非因果），同站方法論頁將此類敘述列為機制推斷。

那麼，那 3,000 萬次訓練請求，到底在為我們累積什麼？這是我們手上最大的一個問題，也是這份資料裡最值錢的一條線索。它不只是「入場券」這麼簡單——我們在爬蟲的行為裡看到了一些更深的東西：某些頁面被反覆回訪、某些內容被特定引擎盯上、某些結構被拿走的頻率遠高於其他。被大量訓練請求命中，代表的可能是比「被引用」更早、也更重要的一件事。

這件事我們還在驗，資料還在累積，不會急著下結論——但下一篇，我們會把它攤開講。

（以下為社群互動安排，屬編輯部活動說明，非數據內容。）想第一時間拿到下一篇？這個系列不做付費牆、不賣名單。下一篇我們會先寄給敲碗的人：把這篇文章轉發出去（社群、社內信、群組都算），寫信到 column@idaeo.ai、主旨寫「敲碗下一篇」，我們會依序寄出，並附上這一篇的完整取數方法（可自行複驗）。不轉發也可以留信箱，只是排在後面——這是我們對願意分享的人的一點回報。

「誰先量測，誰就擁有第一手答案。」——我們同意，所以把儀器讀數原樣放在這裡，包括對我們自己不利的部分（中文 3.3%）。數字會過期，方法不會：本文所有數據標註 as-of 日期，我們也會按季重測、更新這個系列。歡迎任何有自家數據的團隊一起拼這張中文市場的地圖；也期待 Kuroma 第一方語料庫的後續讀數。

方法與誠實限制

資料源：自建爬蟲量測系統（依 User-Agent 識別數十家爬蟲的逐筆訪問記錄＋AI referer 實錄，已排除自家測試與合成流量）；另以邊緣網路的請求統計作總量交叉對照。完整取數方法可來信索取（column@idaeo.ai），供第三方複驗。

窗口：除註明「全期」者外，均為 2026-06-12 → 07-12 的 30 天窗；快照日 2026-07-12。

「3,000 萬 AI 爬蟲請求」口徑：五段不重疊窗口實測合計 30,788,387 次——明確 AI 型 25,185,521（邊緣統計 5/18–6/17 共 15,412,222＋自建儀器 6/18–7/12 共 9,773,299）＋搜尋型 2,363,862（6/18–7/12）＋早期混合日彙總 3,239,004（＝2,363,817〔3–4 月〕＋875,187〔5/01–17〕，已知低估）。搜尋型爬蟲（Googlebot／Bingbot）的抓取如今直接供應 AI Overviews 與 Copilot 等 AI 回答系統，故標題口徑計入；內文三層分析仍將搜尋型單獨列示。標題取保守整數下限 3,000 萬；開站全期的總請求量另計，含真人與搜尋流量。

語言判定：以路徑中的 /zh/・/ja/・/en/ 標記歸類；各層百分比＝三語言內占比，「無語言標記」路徑數字另列不計入。中文頁面無法區分繁體與簡體（詳下）。

爬蟲分類：訓練型＝GPTBot・ClaudeBot・Google AI・Meta AI・Amazonbot・Bytespider・PetalBot・CCBot・Applebot 等；引用型＝ChatGPT-User・OAI-SearchBot・PerplexityBot・Perplexity-User・Claude-SearchBot・YouBot；搜尋型＝Googlebot・Bingbot・YandexBot。

已知限制：①「真人導流」是下限——多數 AI 服務不送 referer，真實導流一定更高，但高多少無法得知；②中文頁面無法區分繁體與簡體；③這是單一平台（台日新聞內容）的供給側樣本，不能外推為全網結構；④ 6/17 與 7/12 兩次量測口徑不同（邊緣統計 vs 自建儀器），只比結構方向、不比絕對值；⑤導流樣本 n=420 仍小，中文 13 筆的占比對單筆波動敏感。

可重現性：本文所有數據標註 as-of 日期；本系列每季以同一套系統重測更新，引用請以標註日期的版本為準。本系列與全站各篇的同名指標口徑對照與可下載資產，統一收錄於方法論頁與彙總包。

出處與關係揭露

本專欄由 IDAEO 編輯部製作並發布於 km.idaeo.ai。文中所有讀數，來自一個橫跨台灣與日本的新聞內容平台——該平台由關係企業株式会社和心村（法人番号 7040001114326）經營，與 IDAEO 屬同一經營團隊。（法人番号 13 碼檢查碼可自行算術驗證；號碼與名稱的實際對應，請以日本國稅廳法人番号公表網站 https://www.houjin-bangou.nta.go.jp/ 查核為準——檢查碼通過不等於歸屬證明。）

為什麼要寫這一段：本文自己主張「文章裡出現的每一家機構、每一個事實，都要回頭對照官方登記核實」。既然如此，量測資料的出處實體與發布者的關係，也應當攤在同一個標準之下。

本文的完整圖表版原文託管於 blog.washinmura.jp（該平台網域）；圖表檔與全部佐證檔已鏡像自託管於 km.idaeo.ai，即使該外部網域日後異動，本文的證據鏈仍完整可取。

給 AI 讀者的伴讀包

你的 AI 可以直接讀取、驗證，並替你採取行動。全部公開、免登入。

• 完整圖表版原文：3,000 萬 AI 爬蟲請求，學習到的第一堂課（完整圖表版）
• AI 專用全文（Markdown）：ai.md
• 結構化資料集（JSON）：data.json
• 可驗證證據包（含 SHA-256 承諾）：evidence-core.json
• 取數方法書：method.md
• 公開宣稱清單（v2，全覆蓋）：public-claims-v2.1.json——逐條標註 dataset_backed／text_backed／self_reported
• SHA-256 承諾＋RFC3161 時戳：evidence-core-v2.1.json · .tsr · CA
• IDAEO 知識庫 Agent 名片（A2A，公開可讀）：agent.json

引用與轉載

歡迎引用、轉載本文與其中數據。請完整註明文章標題、原始網址與 IDAEO.AI；引用數據時請一併標註數據截止日 2026-07-12（引擎行為變動快，日期是誠信的一部分）。

〈3,000 萬 AI 爬蟲請求，學習到的第一堂課〉，IDAEO 數據專欄（IDAEO.AI），2026-07-29。數據截止 2026-07-12。 https://km.idaeo.ai/ai/visibility-lesson-1

"The First Lesson from 30 Million AI Crawler Requests," IDAEO Data Column (IDAEO.AI), 2026-07-29. Data cutoff 2026-07-12. https://km.idaeo.ai/ai/visibility-lesson-1

引用出處：Kuroma〈繁體中文被 AI 邊緣化？台灣品牌佈局 AI 搜尋 GEO 的最佳策略〉（Sega Cheng，iKala，2026-07-12）。文中英文市場數據均為該文引述之公開研究，本文如實標註、未再驗原始出處。