更換圖（換成新圖、改圖題）（7）

• 圖 0-2 〈IDAEO 七大定律總圖〉 → 〈IDAEO 學說架構全景圖：五大構面與九大要素〉
• 圖 3-10 〈怎麼知道被 AI 引用？量測黑盒子兩端〉 → 〈Meta：訓練用途請求 11,583,411 次｜讀取全部是訓練用途〉
• 圖 3-5 〈OpenAI：訓練讀取 10,602,782 次｜近九成用於訓練，也是當場來讀最多的平台〉 → 〈Microsoft：搜尋爬蟲讀取 12,050,061 次｜目前提供 AI 回答引用數字的平台〉
• 圖 3-6 〈Microsoft：搜尋爬蟲讀取 12,050,061 次｜目前提供 AI 回答引用數字的平台〉 → 〈怎麼知道被 AI 引用？量測黑盒子兩端〉
• 圖 3-7 〈Anthropic：訓練請求 24,479,305 次｜訓練量居各家之首〉 → 〈OpenAI：訓練用途讀取 10,602,782 次｜近九成是訓練用途請求，也是當場來讀最多的平台〉
• 圖 3-8 〈Apple：建目錄請求 24,615,429 次｜建目錄量居各家之首〉 → 〈Anthropic：訓練用途請求 24,479,305 次｜訓練用途請求居各家之首〉
• 圖 3-9 〈Meta：訓練請求 11,583,411 次｜讀取全部用於訓練〉 → 〈Apple：建目錄請求 24,615,429 次｜建目錄量居各家之首〉

修改的圖（數字、文字或排版）（14）

• 圖 0-2 〈IDAEO 學說架構全景圖：五大構面與九大要素〉
• 圖 1-1 〈五類行銷受眾全景圖：功能、優化領域與實測成果〉
• 圖 2-1 〈AI 顧客旅程地圖：四階段十步驟〉
• 圖 3-10 〈Meta：訓練用途請求 11,583,411 次｜讀取全部是訓練用途〉
• 圖 3-5 〈Microsoft：搜尋爬蟲讀取 12,050,061 次｜目前提供 AI 回答引用數字的平台〉
• 圖 3-6 〈怎麼知道被 AI 引用？量測黑盒子兩端〉
• 圖 3-7 〈OpenAI：訓練用途讀取 10,602,782 次｜近九成是訓練用途請求，也是當場來讀最多的平台〉
• 圖 3-8 〈Anthropic：訓練用途請求 24,479,305 次｜訓練用途請求居各家之首〉
• 圖 3-9 〈Apple：建目錄請求 24,615,429 次｜建目錄量居各家之首〉
• 圖 4-1 〈IDAEO 驗證模型：三方驗證與可信事實〉
• 圖 5-1 〈服務分級階梯圖：AEO 曝光、AEO+ 口碑、IDA 品牌公關〉
• 圖 5-2 〈成效指標對照矩陣〉
• 圖 6-1 〈全程成效儀表板：八項實測數字與第一方數據〉
• 圖 8-1 〈AI 能見度定位圖：能見度在完整旅程的位置〉

章節更名（1）

• 第 5 章〈服務分級（做到哪一級）：AEO 曝光、AEO+ 口碑、IDA 品牌公關〉→〈服務分級（做到哪一級）：AEO 曝光 — 先被讀到；AEO+ 口碑 — 被點名；IDA 品牌公關 — 講對、上門、回來〉

修改 FAQ 的答案（7）

• 第 0 章：七大定律、五大構面與九大要素怎麼分？
• 第 1 章：業界說的 AIO 跟 IDAEO 的 AIO 一樣嗎？
• 第 1 章：GEO 跟 LLMO 各管什麼？
• 第 3 章：怎麼知道被 AI 引用？
• 第 5 章：第 1 章的 AEO 優化，跟這裡的服務分級一樣嗎？
• 第 6 章：冷啟動期間，店家可以先做什麼？
• 第 7 章：八個里程碑說明哪條成長主線？

改寫或新增的本章重點（4）

• 第 0 章：七大定律是核心、五大構面是架構、九大要素是組成（見第 8 章）。
• 第 1 章：六大優化領域是 SEO、AIO、AEO、GEO、LLMO、MEO。SEO 建搜尋目錄，AIO 專注搜尋引擎 AI 摘要，AEO 讓 AI 回答取用你；GEO 提升生成式回答裡的可見度，LLMO 對應抄回去訓練，MEO 對應在地搜尋。AEO 與 GEO 都在回答階段，AIO 與 AEO 相連。建 AI 目錄是 S4 的功能名，不是 GEO。
• 第 1 章：AI 爬蟲為訓練來讀 5,220 萬次。為建 AI 目錄來讀 399 萬次（含自家 Cloudflare AI Search 的 282 萬）。當場來讀 65 萬次。
• 第 5 章：服務分級承接前段基礎：AEO 曝光 — 先被讀到（S1–S4），AEO+ 口碑 — 被點名（S5–S6），IDA 品牌公關 — 講對、上門、回來（S7–S10，含前兩級），所以全旅程 S1–S10 完整涵蓋。

更換圖（換成新圖、改圖題）（1）

• 圖 7-3 〈早期實測店家成果：IDAEO 帶來的成長〉 → 〈早期實測店家成果：加入實測期間的變化〉

修改的圖（數字、文字或排版）（2）

• 圖 7-3 〈早期實測店家成果：加入實測期間的變化〉
• 圖 8-1 〈AI 能見度定位圖：能見度在完整旅程的位置〉

新增 FAQ（2）

• 第 1 章：AI Agent 到站已出現，為什麼要持續追蹤規模？
• 第 6 章：IDAEO 平台 AI 引用量 3.17 萬次代表什麼？

修改 FAQ 的答案（20）

• 第 0 章：林毅祥從網站實測看到了什麼行銷變化？
• 第 0 章：為什麼店家的身分資訊要一直一致？
• 第 1 章：AI 爬蟲有哪些種類？
• 第 1 章：自動瀏覽 1,795 萬次，為什麼算 AI Agent？
• 第 2 章：S3 抄回去訓練由誰決定是否開放？
• 第 2 章：被 AI 提到有哪幾條路？
• 第 3 章：怎麼知道被 AI 引用？
• 第 3 章：Google 與 OpenAI 的數字各來自哪裡？
• 第 3 章：IDAEO 能把 AI 黑盒子打開嗎？
• 第 3 章：本章數字的統計對象是誰？
• 第 4 章：驗證為什麼有門檻？
• 第 6 章：抄回去訓練 5,220 萬次，和當場來讀有什麼差別？
• 第 6 章：9,746 萬次，代表九千多萬人看過嗎？
• 第 6 章：搜尋跟 AI 回答的讀取，為什麼合算？
• 第 6 章：新網站多久會等到 AI？
• 第 6 章：什麼樣的平台算 AI 流量樞紐？
• 第 6 章：冷啟動期間，店家可以先做什麼？
• 第 7 章：八個里程碑說明哪條成長主線？
• 第 7 章：曲線上的「8/24 起」代表什麼？
• 第 7 章：早期實測店家的數據說明了什麼？

拿掉的 FAQ（2）

• 第 1 章：為什麼說 AI Agent 是未來 AI 流量的主力？
• 第 6 章：AI 引用量 3.17 萬次代表什麼？

改寫或新增的本章重點（20）

• 第 0 章：AI 曝光數是後續旅程的基礎；有曝光，不代表後段一定發生。
• 第 1 章：AI Agent 到站已出現，規模持續追蹤。
• 第 1 章：AI、搜尋引擎與機械爬蟲合計 1.055 億次（3/3 起；平台站規模，不能直接和單一店家官網比）。人類自然流量 31.0 萬次（8/26 起）。8/24 以前可能含重複請求。
• 第 1 章：AI 爬蟲為訓練來讀 5,220 萬次，為建 AI 目錄來讀 399 萬次（含自家 Cloudflare AI Search 的 282 萬），當場來讀 65 萬次。
• 第 2 章：AI 顧客旅程分為四階段十步驟：S1 店家就緒、S2–S4 AI 資訊取得、S5–S8 AI 輔助決策與行動、S9–S10 顧客轉換與回流。S1–S10 是診斷節點，不是每位客人必經的順序。
• 第 2 章：每步都有診斷問句，用來檢查店家卡在哪一關。
• 第 2 章：S2–S5 的讀取、S8 的到站與 S9 的客人上門由 IDAEO 第一方量測；收錄與搜尋顯示（不是 AI 點名）由搜尋平台提供；S6–S7 的點名與回答由 IDAEO 實測追蹤。
• 第 3 章：TK Lin 個人 IDA 的定期實測，記錄它有沒有出現在 AI 搜尋的來源清單。
• 第 3 章：本書已公布的平台 AI 引用量來自 Copilot：IDAEO 平台自 7/22 起被引用 3.17 萬次。
• 第 6 章：AI 各階段取用皆是成效；各階段成果要分開看，不能以前段代替後段。
• 第 6 章：AI 讀取量 9,746 萬次，是本書所稱的 AI 曝光數。這裡包含搜尋引擎為建目錄而來的讀取。
• 第 6 章：為 AI 回答而讀 4,605 萬次，包含搜尋建目錄與 AI 回答相關的讀取。
• 第 6 章：IDAEO 平台 AI 引用量 3.17 萬次，代表內容被列為回答出處。
• 第 6 章：AI Agent 到站量 1,809 萬次，代表到站規模。是否完成代客行動，仍要看後續成果。
• 第 6 章：熱啟動（Warm Start）：內容滿足 S1，並上線在 AI 流量樞紐。經驗值約 30 天，不是到站期限。另有單站冷啟動觀察：同一 AI 平台下一隻爬蟲相隔 30–35 天（圖 10-2）。其中三家為下限，不能用來推算熱啟動時間。TK Lin 個人 IDA 案例 14 天走到 S7（AI 回答細節）。
• 第 6 章：AI 流量的早期紅利，指提早備好資訊，供到站的爬蟲讀取。
• 第 6 章：複利領先目前是假說：AI 曝光的累積能否擴大領先，仍待驗證。
• 第 7 章：IDAEO 不只在自己的 IDAEO 本站與和心村實測，早期實測店家也一起提供實測數據。
• 第 7 章：參與實測的中小企業，在加入 IDAEO 平台期間出現以下變化。
• 第 7 章：第一批參與實測、5 月與 9 月都有完整紀錄的店家官網中，多數成長、部分未成長。成長的官網，整站開啟次數從 5 月到 9 月：育兒內容網站從 52,817 次增至 55,286 次，餐飲設備製造商從 842 次增至 1,275 次，活動場景設計從 442 次增至 1,741 次，皮件品牌從 555 次增至 908 次，髮廊從 74 次增至 128 次，工作室從 3 次增至 329 次。

修改本章重點的說明（14）

• 第 0 章：七大定律是核心、五大構面是架構、九大要素是組成。
• 第 2 章：S1 由店家備妥資訊，S2–S4 以爬蟲為主，S5–S7 由人與 AI 互動，S8 由 AI Agent 行動，S9–S10 由客人轉換與回流。
• 第 3 章：AI 黑盒子是發生在 AI 平台內部的訓練、排序、點名、回答與代辦。
• 第 3 章：IDAEO 量測黑盒子兩端，再以平台資料與定期實測量出取用成果。
• 第 4 章：事實先行定律：可信內容始於已驗事實。
• 第 4 章：主張溯源定律：每項主張皆有可溯依據。
• 第 4 章：外部印證定律：可信主張須有外部印證。
• 第 6 章：冷啟動（Cold Start）：AI 流量從 0 累積，業界經驗值約 90 天。
• 第 6 章：AI 流量樞紐（AI Traffic Hub）的必要條件，是每月累積上千萬次 AI 請求。
• 第 7 章：① 量測正式啟動 → 全程成效定律（成效衡量）；② 搜尋曝光同步展開 → 受眾適配定律（受眾策略）；③ 首位訪客由 AI 回答到站 → 旅程設計：S9 客人上門。
• 第 7 章：④ 品牌知識呈現全面升級 → 身分連續定律（S1 店家就緒）；⑤ 研究實證驅動優化 → 理論基礎：17 項既有理論；⑥ IDAEO 新站建立 → 五大構面與九大要素。
• 第 7 章：⑦ 讀取表現再創高峰 → AI 曝光數（S2–S4 AI 資訊取得）；⑧ 累積突破一億次請求 → 複利領先與活的學說。
• 第 7 章：第二批實測產業的 IDA 頁，7/18–10/8 取得 373,776 次 AI 曝光（被 AI 與搜尋引擎爬蟲讀取的次數）。
• 第 8 章：AI 能見度的基本功是 S1–S4

新增圖（1）

• 圖 2-5 〈被 AI 提到的 4 條路＋最後一關〉

新增 FAQ（5）

• 第 1 章：被 AI 提到的四條路，各由哪類爬蟲讀？
• 第 2 章：被 AI 提到有哪幾條路？
• 第 2 章：四條路先做哪一條？
• 第 4 章：第三方查證頁在被 AI 提到的四條路裡的哪裡？
• 第 8 章：AI 能見度對應被 AI 提到的哪一段？

修改的圖（數字、文字或排版）（6）

• 圖 1-3 〈AI 平台與爬蟲族譜：每一種功能底下是哪幾家、哪幾隻〉
• 圖 2-4 〈AI 平台旅程覆蓋圖：各家走到的最遠步驟〉
• 圖 3-1 〈IDAEO 量測服務藍圖〉
• 圖 6-1 〈全程成效儀表板：八項實測數字與第一方數據〉
• 圖 6-5 〈九家 AI 平台旅程成果比較〉
• 圖 7-2 〈AI 平台月排名消長圖〉

修改 FAQ 的答案（2）

• 第 1 章：自動瀏覽 1,795 萬次，為什麼算 AI Agent？
• 第 3 章：怎麼知道被 AI 引用？

改寫或新增的本章重點（1）

• 第 3 章：本書已公布的全平台 AI 引用量為 Copilot 自 7/22 起的 3.17 萬次。

更換圖（換成新圖、改圖題）（1）

• 圖 1-4 〈誰家有哪幾種爬蟲：主要 AI 平台的爬蟲與旅程位置〉 → 〈IDAEO流量圖鑑：五類流量、各家族與每一隻爬蟲〉

修改的圖（數字、文字或排版）（13）

• 圖 1-1 〈五類行銷受眾全景圖：功能、優化領域與實測成果〉
• 圖 1-2 〈AI 流量判別樹：一個 AI 的請求，怎麼判斷屬於哪一類的 AI 流量？〉
• 圖 1-3 〈AI 平台與爬蟲族譜：每一種功能底下是哪幾家、哪幾隻〉
• 圖 1-4 〈IDAEO流量圖鑑：五類流量、各家族與每一隻爬蟲〉
• 圖 2-3 〈五類行銷受眾旅程泳道圖〉
• 圖 3-1 〈IDAEO 量測服務藍圖〉
• 圖 3-2 〈內容旅程地圖與 AI 黑盒子〉
• 圖 3-6 〈Microsoft：搜尋爬蟲讀取 12,050,061 次｜目前提供 AI 回答引用數字的平台〉
• 圖 3-8 〈Apple：建目錄請求 24,615,429 次｜建目錄量居各家之首〉
• 圖 6-1 〈全程成效儀表板：八項實測數字與第一方數據〉
• 圖 6-3 〈AI 來訪結構圖：誰來、來做什麼〉
• 圖 6-4 〈全程成效流向圖：從 AI 曝光到客人上門〉
• 圖 6-6 〈冷啟動時間軸：AI 平台依序到站與早期紅利〉

修改 FAQ 的答案（1）

• 第 1 章：AI 爬蟲有哪些種類？

改寫或新增的本章重點（1）

• 第 1 章：AI 爬蟲抄回去訓練 5,220 萬次，建 AI 目錄 399 萬次，當場來讀 65 萬次。

修改的圖（數字、文字或排版）（13）

• 圖 1-1 〈五類行銷受眾全景圖：功能、優化領域與實測成果〉
• 圖 1-3 〈AI 平台與爬蟲族譜：每一種功能底下是哪幾家、哪幾隻〉
• 圖 1-4 〈誰家有哪幾種爬蟲：主要 AI 平台的爬蟲與旅程位置〉
• 圖 2-3 〈五類行銷受眾旅程泳道圖〉
• 圖 3-10 〈怎麼知道被 AI 引用？量測黑盒子兩端〉
• 圖 3-2 〈內容旅程地圖與 AI 黑盒子〉
• 圖 3-3 〈AI 平台旅程成果矩陣〉
• 圖 3-6 〈Microsoft：搜尋爬蟲讀取 12,050,061 次｜目前提供 AI 回答引用數字的平台〉
• 圖 6-3 〈AI 來訪結構圖：誰來、來做什麼〉
• 圖 6-4 〈全程成效流向圖：從 AI 曝光到客人上門〉
• 圖 6-5 〈九家 AI 平台旅程成果比較〉
• 圖 6-6 〈冷啟動時間軸：AI 平台依序到站與早期紅利〉
• 圖 7-1 〈IDAEO 成長里程碑：從零到一億次請求〉

新增圖（2）

• 圖 1-4 〈誰家有哪幾種爬蟲：主要 AI 平台的爬蟲與旅程位置〉
• 圖 3-10 〈怎麼知道被 AI 引用？量測黑盒子兩端〉

修改的圖（數字、文字或排版）（9）

• 圖 1-2 〈AI 流量判別樹：一個 AI 的請求，怎麼判斷屬於哪一類的 AI 流量？〉
• 圖 1-3 〈AI 平台與爬蟲族譜：每一種功能底下是哪幾家、哪幾隻〉
• 圖 2-4 〈AI 平台旅程覆蓋圖：各家走到的最遠步驟〉
• 圖 3-3 〈AI 平台旅程成果矩陣〉
• 圖 6-3 〈AI 來訪結構圖：誰來、來做什麼〉
• 圖 6-4 〈全程成效流向圖：從 AI 曝光到客人上門〉
• 圖 6-5 〈九家 AI 平台旅程成果比較〉
• 圖 6-6 〈冷啟動時間軸：AI 平台依序到站與早期紅利〉
• 圖 7-2 〈AI 平台月排名消長圖〉

新增 FAQ（2）

• 第 1 章：AI 爬蟲有哪些種類？
• 第 3 章：怎麼知道被 AI 引用？

修改 FAQ 的答案（2）

• 第 1 章：自動瀏覽 1,795 萬次，為什麼算 AI Agent？
• 第 6 章：新網站多久會等到 AI？

改寫或新增的本章重點（2）

• 第 6 章：冷啟動（Cold Start）：AI 流量從 0 累積，業界經驗值約 90 天。
• 第 6 章：熱啟動（Warm Start）：內容滿足 S1，並上線在 AI 流量樞紐。經驗值約 30 天；實測同一 AI 平台的下一隻爬蟲相隔 30–35 天（圖 10-2）；TK Lin 個人 IDA 案例 14 天走到 S7（AI 回答細節）。

修改本章重點的說明（3）

• 第 1 章：AI Agent 是未來 AI 流量的主力。
• 第 6 章：AI Agent 到站量 1,809 萬次，代表從讀內容走向代客行動的流量規模。
• 第 7 章：⑦ 讀取表現再創高峰 → AI 曝光數（S2–S4 AI 資訊取得）；⑧ 累積突破一億次請求 → 複利領先與活的學說。

更换图（换成新图、改图题）（7）

• 图 0-2 〈IDAEO 七大定律总图〉 → 〈IDAEO 学说架构全景图：五大构面与九大要素〉
• 图 3-10 〈怎么知道被 AI 引用？测量黑盒子两端〉 → 〈Meta：训练用途请求 11,583,411 次｜读取全部是训练用途〉
• 图 3-5 〈OpenAI：训练读取 10,602,782 次｜近九成用于训练，也是当场来读最多的平台〉 → 〈Microsoft：搜索爬虫读取 12,050,061 次｜目前提供 AI 回答引用数字的平台〉
• 图 3-6 〈Microsoft：搜索爬虫读取 12,050,061 次｜目前提供 AI 回答引用数字的平台〉 → 〈怎么知道被 AI 引用？测量黑盒子两端〉
• 图 3-7 〈Anthropic：训练请求 24,479,305 次｜训练量居各家之首〉 → 〈OpenAI：训练用途读取 10,602,782 次｜近九成是训练用途请求，也是当场来读最多的平台〉
• 图 3-8 〈Apple：建目录请求 24,615,429 次｜建目录量居各家之首〉 → 〈Anthropic：训练用途请求 24,479,305 次｜训练用途请求居各家之首〉
• 图 3-9 〈Meta：训练请求 11,583,411 次｜读取全部用于训练〉 → 〈Apple：建目录请求 24,615,429 次｜建目录量居各家之首〉

修改的图（数字、文字或排版）（14）

• 图 0-2 〈IDAEO 学说架构全景图：五大构面与九大要素〉
• 图 1-1 〈五类营销受众全景图：功能、优化领域与实测成果〉
• 图 2-1 〈AI 顾客旅程地图：四阶段十步骤〉
• 图 3-10 〈Meta：训练用途请求 11,583,411 次｜读取全部是训练用途〉
• 图 3-5 〈Microsoft：搜索爬虫读取 12,050,061 次｜目前提供 AI 回答引用数字的平台〉
• 图 3-6 〈怎么知道被 AI 引用？测量黑盒子两端〉
• 图 3-7 〈OpenAI：训练用途读取 10,602,782 次｜近九成是训练用途请求，也是当场来读最多的平台〉
• 图 3-8 〈Anthropic：训练用途请求 24,479,305 次｜训练用途请求居各家之首〉
• 图 3-9 〈Apple：建目录请求 24,615,429 次｜建目录量居各家之首〉
• 图 4-1 〈IDAEO 验证模型：三方验证与可信事实〉
• 图 5-1 〈服务分级阶梯图：AEO 曝光、AEO+ 口碑、IDA 品牌公关〉
• 图 5-2 〈成效指标对照矩阵〉
• 图 6-1 〈全程成效仪表盘：八项实测数字与第一方数据〉
• 图 8-1 〈AI 能见度定位图：能见度在完整旅程的位置〉

章节更名（1）

• 第 5 章〈服務分級（做到哪一級）：AEO 曝光、AEO+ 口碑、IDA 品牌公關〉→〈服務分級（做到哪一級）：AEO 曝光 — 先被讀到；AEO+ 口碑 — 被點名；IDA 品牌公關 — 講對、上門、回來〉

修改 FAQ 的答案（7）

• 第 0 章：七大定律、五大构面与九大要素怎么分？
• 第 1 章：业界说的 AIO 和 IDAEO 的 AIO 一样吗？
• 第 1 章：GEO 和 LLMO 各管什么？
• 第 3 章：怎么知道被 AI 引用？
• 第 5 章：第 1 章的 AEO 优化，跟这里的服务分级一样吗？
• 第 6 章：冷启动期间，店家可以先做什么？
• 第 7 章：八个里程碑说明哪条增长主线？

改写或新增的本章重点（4）

• 第 0 章：七大定律是核心、五大构面是架构、九大要素是组成（见第 8 章）。
• 第 1 章：六大优化领域是 SEO、AIO、AEO、GEO、LLMO、MEO。SEO 建搜索目录，AIO 专注搜索引擎 AI 概览，AEO 让 AI 回答取用你；GEO 提升生成式回答里的可见度，LLMO 对应抄回去训练，MEO 对应本地搜索。AEO 与 GEO 都在回答阶段，AIO 与 AEO 相连。建 AI 目录是 S4 的功能名，不是 GEO。
• 第 1 章：AI 爬虫为训练来读 5,220 万次。为建 AI 目录来读 399 万次（含自家 Cloudflare AI Search 的 282 万）。当场来读 65 万次。
• 第 5 章：服务分级承接前段基础：AEO 曝光 — 先被读到（S1–S4），AEO+ 口碑 — 被点名（S5–S6），IDA 品牌公关 — 讲对、上门、回来（S7–S10，含前两级），所以全旅程 S1–S10 完整涵盖。

更换图（换成新图、改图题）（1）

• 图 7-3 〈早期实测店家成果：IDAEO 带来的增长〉 → 〈早期实测店家成果：加入实测期间的变化〉

修改的图（数字、文字或排版）（2）

• 图 7-3 〈早期实测店家成果：加入实测期间的变化〉
• 图 8-1 〈AI 能见度定位图：能见度在完整旅程的位置〉

新增 FAQ（2）

• 第 1 章：AI Agent 到站已出现，为什么要持续跟踪规模？
• 第 6 章：IDAEO 平台 AI 引用量 3.17 万次代表什么？

修改 FAQ 的答案（20）

• 第 0 章：林毅祥从网站实测看到了什么营销变化？
• 第 0 章：为什么店家的身份信息要一直一致？
• 第 1 章：AI 爬虫有哪些种类？
• 第 1 章：自动浏览 1,795 万次，为什么算 AI Agent？
• 第 2 章：S3 抄回去训练由谁决定是否开放？
• 第 2 章：被 AI 提到有哪几条路？
• 第 3 章：怎么知道被 AI 引用？
• 第 3 章：Google 与 OpenAI 的数字各来自哪里？
• 第 3 章：IDAEO 能把 AI 黑盒子打开吗？
• 第 3 章：本章数字的统计对象是谁？
• 第 4 章：验证为什么有门槛？
• 第 6 章：抄回去训练 5,220 万次，和当场来读有什么区别？
• 第 6 章：9,746 万次，代表九千多万人看过吗？
• 第 6 章：搜索跟 AI 回答的读取，为什么合在一起算？
• 第 6 章：新网站多久会等到 AI？
• 第 6 章：什么样的平台算 AI 流量枢纽？
• 第 6 章：冷启动期间，店家可以先做什么？
• 第 7 章：八个里程碑说明哪条增长主线？
• 第 7 章：曲线上的“8/24 起”代表什么？
• 第 7 章：早期实测店家的数据说明了什么？

拿掉的 FAQ（2）

• 第 1 章：为什么说 AI Agent 是未来 AI 流量的主力？
• 第 6 章：AI 引用量 3.17 万次代表什么？

改写或新增的本章重点（20）

• 第 0 章：AI 曝光数是后续旅程的基础；有曝光，不代表后段一定发生。
• 第 1 章：AI Agent 到站已出现，规模持续跟踪。
• 第 1 章：AI、搜索引擎与机械爬虫合计 1.055 亿次（3/3 起；平台站规模，不能直接和单一店家官网比）。人类自然流量 31.0 万次（8/26 起）。8/24 以前可能含重复请求。
• 第 1 章：AI 爬虫为训练来读 5,220 万次，为建 AI 目录来读 399 万次（含自家 Cloudflare AI Search 的 282 万），当场来读 65 万次。
• 第 2 章：AI 顾客旅程分为四阶段十步骤：S1 店家就绪、S2–S4 AI 信息获取、S5–S8 AI 辅助决策与行动、S9–S10 顾客转化与回流。S1–S10 是诊断节点，不是每位客人必经的顺序。
• 第 2 章：每步都有诊断问句，用来检查店家卡在哪一关。
• 第 2 章：S2–S5 的读取、S8 的到站与 S9 的客人上门由 IDAEO 第一方测量；收录与搜索显示（不是 AI 点名）由搜索平台提供；S6–S7 的点名与回答由 IDAEO 实测跟踪。
• 第 3 章：TK Lin 个人 IDA 的定期实测，记录它有没有出现在 AI 搜索的来源清单。
• 第 3 章：本书已公布的平台 AI 引用量来自 Copilot：IDAEO 平台自 7/22 起被引用 3.17 万次。
• 第 6 章：AI 各阶段取用皆是成效；各阶段成果要分开看，不能以前段代替后段。
• 第 6 章：AI 读取量 9,746 万次，是本书所称的 AI 曝光数。这里包含搜索引擎为建目录而来的读取。
• 第 6 章：为 AI 回答而读 4,605 万次，包含搜索建目录与 AI 回答相关的读取。
• 第 6 章：IDAEO 平台 AI 引用量 3.17 万次，代表内容被列为回答出处。
• 第 6 章：AI Agent 到站量 1,809 万次，代表到站规模。是否完成代客行动，仍要看后续成果。
• 第 6 章：热启动（Warm Start）：内容满足 S1，并上线在 AI 流量枢纽。经验值约 30 天，不是到站期限。另有单站冷启动观察：同一 AI 平台下一只爬虫相隔 30–35 天（图 10-2）。其中三家为下限，不能用来推算热启动时间。TK Lin 个人 IDA 案例 14 天走到 S7（AI 回答细节）。
• 第 6 章：AI 流量的早期红利，指提早备好信息，供到站的爬虫读取。
• 第 6 章：复利领先目前是假说：AI 曝光的累积能否扩大领先，仍待验证。
• 第 7 章：IDAEO 不只在自己的 IDAEO 本站与和心村实测，早期实测店家也一起提供实测数据。
• 第 7 章：参与实测的中小企业，在加入 IDAEO 平台期间出现以下变化。
• 第 7 章：第一批参与实测、5 月与 9 月都有完整记录的店家官网中，多数增长、部分未增长。增长的官网，整站打开次数从 5 月到 9 月：育儿内容网站从 52,817 次增至 55,286 次，餐饮设备制造商从 842 次增至 1,275 次，活动场景设计从 442 次增至 1,741 次，皮具品牌从 555 次增至 908 次，发廊从 74 次增至 128 次，工作室从 3 次增至 329 次。

修改本章重点的说明（14）

• 第 0 章：七大定律是核心、五大构面是架构、九大要素是组成。
• 第 2 章：S1 由店家备好信息，S2–S4 以爬虫为主，S5–S7 由人与 AI 互动，S8 由 AI Agent 行动，S9–S10 由客人转化与回流。
• 第 3 章：AI 黑盒子是发生在 AI 平台内部的训练、排序、点名、回答与代办。
• 第 3 章：IDAEO 测量黑盒子两端，再以平台数据与定期实测量出取用成果。
• 第 4 章：事实先行定律：可信内容始于已验事实。
• 第 4 章：主张溯源定律：每项主张皆有可溯依据。
• 第 4 章：外部印证定律：可信主张须有外部印证。
• 第 6 章：冷启动（Cold Start）：AI 流量从 0 累积，业界经验值约 90 天。
• 第 6 章：AI 流量枢纽（AI Traffic Hub）的必要条件，是每月累积上千万次 AI 请求。
• 第 7 章：① 测量正式启动 → 全程成效定律（成效衡量）；② 搜索曝光同步展开 → 受众适配定律（受众策略）；③ 首位访客由 AI 回答到站 → 旅程设计：S9 客人上门。
• 第 7 章：④ 品牌知识呈现全面升级 → 身份连续定律（S1 店家就绪）；⑤ 研究实证驱动优化 → 理论基础：17 项既有理论；⑥ IDAEO 新站建立 → 五大构面与九大要素。
• 第 7 章：⑦ 读取表现再创高峰 → AI 曝光数（S2–S4 AI 信息获取）；⑧ 累积突破一亿次请求 → 复利领先与活的学说。
• 第 7 章：第二批实测行业的 IDA 页，7/18–10/8 获得 373,776 次 AI 曝光（被 AI 与搜索引擎爬虫读取的次数）。
• 第 8 章：AI 能见度的基本功是 S1–S4

新增图（1）

• 图 2-5 〈被 AI 提到的 4 条路＋最后一关〉

新增 FAQ（5）

• 第 1 章：被 AI 提到的四条路，各由哪类爬虫读？
• 第 2 章：被 AI 提到有哪几条路？
• 第 2 章：四条路先做哪一条？
• 第 4 章：第三方查证页在被 AI 提到的四条路里的哪里？
• 第 8 章：AI 能见度对应被 AI 提到的哪一段？

修改的图（数字、文字或排版）（6）

• 图 1-3 〈AI 平台与爬虫族谱：每一种功能底下是哪几家、哪几只〉
• 图 2-4 〈AI 平台旅程覆盖图：各家走到的最远步骤〉
• 图 3-1 〈IDAEO 测量服务蓝图〉
• 图 6-1 〈全程成效仪表盘：八项实测数字与第一方数据〉
• 图 6-5 〈九家 AI 平台旅程成果比较〉
• 图 7-2 〈AI 平台月排名消长图〉

修改 FAQ 的答案（2）

• 第 1 章：自动浏览 1,795 万次，为什么算 AI Agent？
• 第 3 章：怎么知道被 AI 引用？

改写或新增的本章重点（1）

• 第 3 章：本书已公布的全平台 AI 引用量为 Copilot 自 7/22 起的 3.17 万次。

更换图（换成新图、改图题）（1）

• 图 1-4 〈谁家有哪几种爬虫：主要 AI 平台的爬虫与旅程位置〉 → 〈IDAEO流量图鉴：五类流量、各家族与每一只爬虫〉

修改的图（数字、文字或排版）（13）

• 图 1-1 〈五类营销受众全景图：功能、优化领域与实测成果〉
• 图 1-2 〈AI 流量判别树：一个 AI 的请求，怎么判断属于哪一类的 AI 流量？〉
• 图 1-3 〈AI 平台与爬虫族谱：每一种功能底下是哪几家、哪几只〉
• 图 1-4 〈IDAEO流量图鉴：五类流量、各家族与每一只爬虫〉
• 图 2-3 〈五类营销受众旅程泳道图〉
• 图 3-1 〈IDAEO 测量服务蓝图〉
• 图 3-2 〈内容旅程地图与 AI 黑盒子〉
• 图 3-6 〈Microsoft：搜索爬虫读取 12,050,061 次｜目前提供 AI 回答引用数字的平台〉
• 图 3-8 〈Apple：建目录请求 24,615,429 次｜建目录量居各家之首〉
• 图 6-1 〈全程成效仪表盘：八项实测数字与第一方数据〉
• 图 6-3 〈AI 来访结构图：谁来、来做什么〉
• 图 6-4 〈全程成效流向图：从 AI 曝光到客人上门〉
• 图 6-6 〈冷启动时间轴：AI 平台依次到站与早期红利〉

修改 FAQ 的答案（1）

• 第 1 章：AI 爬虫有哪些种类？

改写或新增的本章重点（1）

• 第 1 章：AI 爬虫抄回去训练 5,220 万次，建 AI 目录 399 万次，当场来读 65 万次。

修改的图（数字、文字或排版）（13）

• 图 1-1 〈五类营销受众全景图：功能、优化领域与实测成果〉
• 图 1-3 〈AI 平台与爬虫族谱：每一种功能底下是哪几家、哪几只〉
• 图 1-4 〈谁家有哪几种爬虫：主要 AI 平台的爬虫与旅程位置〉
• 图 2-3 〈五类营销受众旅程泳道图〉
• 图 3-10 〈怎么知道被 AI 引用？测量黑盒子两端〉
• 图 3-2 〈内容旅程地图与 AI 黑盒子〉
• 图 3-3 〈AI 平台旅程成果矩阵〉
• 图 3-6 〈Microsoft：搜索爬虫读取 12,050,061 次｜目前提供 AI 回答引用数字的平台〉
• 图 6-3 〈AI 来访结构图：谁来、来做什么〉
• 图 6-4 〈全程成效流向图：从 AI 曝光到客人上门〉
• 图 6-5 〈九家 AI 平台旅程成果比较〉
• 图 6-6 〈冷启动时间轴：AI 平台依次到站与早期红利〉
• 图 7-1 〈IDAEO 增长里程碑：从零到一亿次请求〉

新增图（2）

• 图 1-4 〈谁家有哪几种爬虫：主要 AI 平台的爬虫与旅程位置〉
• 图 3-10 〈怎么知道被 AI 引用？测量黑盒子两端〉

修改的图（数字、文字或排版）（9）

• 图 1-2 〈AI 流量判别树：一个 AI 的请求，怎么判断属于哪一类的 AI 流量？〉
• 图 1-3 〈AI 平台与爬虫族谱：每一种功能底下是哪几家、哪几只〉
• 图 2-4 〈AI 平台旅程覆盖图：各家走到的最远步骤〉
• 图 3-3 〈AI 平台旅程成果矩阵〉
• 图 6-3 〈AI 来访结构图：谁来、来做什么〉
• 图 6-4 〈全程成效流向图：从 AI 曝光到客人上门〉
• 图 6-5 〈九家 AI 平台旅程成果比较〉
• 图 6-6 〈冷启动时间轴：AI 平台依次到站与早期红利〉
• 图 7-2 〈AI 平台月排名消长图〉

新增 FAQ（2）

• 第 1 章：AI 爬虫有哪些种类？
• 第 3 章：怎么知道被 AI 引用？

修改 FAQ 的答案（2）

• 第 1 章：自动浏览 1,795 万次，为什么算 AI Agent？
• 第 6 章：新网站多久会等到 AI？

改写或新增的本章重点（2）

• 第 6 章：冷启动（Cold Start）：AI 流量从 0 累积，业界经验值约 90 天。
• 第 6 章：热启动（Warm Start）：内容满足 S1，并上线在 AI 流量枢纽。经验值约 30 天；实测同一 AI 平台的下一只爬虫相隔 30–35 天（图 10-2）；TK Lin 个人 IDA 案例 14 天走到 S7（AI 回答细节）。

修改本章重点的说明（3）

• 第 1 章：AI Agent 是未来 AI 流量的主力。
• 第 6 章：AI Agent 到站量 1,809 万次，代表从读内容走向代客行动的流量规模。
• 第 7 章：⑦ 读取表现再创高峰 → AI 曝光数（S2–S4 AI 信息获取）；⑧ 累积突破一亿次请求 → 复利领先与活的学说。

Replaced figures (new figure and title)（7）

• Figure 0-2 “The Seven Laws of IDAEO: Overview Map” → “Panorama of the IDAEO Theory Framework: Five Dimensions and Nine Elements”
• Figure 3-10 “How Do You Know AI Cites You? Measuring Both Ends of the Black Box” → “Meta: 11,583,411 requests for training purposes｜All reads are for training purposes”
• Figure 3-5 “OpenAI: 10,602,782 training reads｜Nearly nine in ten reads go to training; also the platform with the most real-time retrievals” → “Microsoft: 12,050,061 search crawler reads｜The platform that currently provides AI answer citation numbers”
• Figure 3-6 “Microsoft: 12,050,061 search crawler reads｜The platform that currently provides AI answer citation numbers” → “How Do You Know AI Cites You? Measuring Both Ends of the Black Box”
• Figure 3-7 “Anthropic: 24,479,305 training requests｜Highest training volume of any platform” → “OpenAI: 10,602,782 reads for training purposes｜Nearly nine in ten requests are for training purposes; also the platform with the most real-time retrievals”
• Figure 3-8 “Apple: 24,615,429 indexing requests｜Highest indexing volume of any platform” → “Anthropic: 24,479,305 requests for training purposes｜Highest number of requests for training purposes of any platform”
• Figure 3-9 “Meta: 11,583,411 training requests｜All reads go to training” → “Apple: 24,615,429 indexing requests｜Highest indexing volume of any platform”

Revised figures (numbers, wording or layout)（14）

• Figure 0-2 “Panorama of the IDAEO Theory Framework: Five Dimensions and Nine Elements”
• Figure 1-1 “Panorama of the Five Marketing Audiences: Functions, Optimization Domains, and Measured Results”
• Figure 2-1 “AI Customer Journey Map: Four Phases, Ten Steps”
• Figure 3-10 “Meta: 11,583,411 requests for training purposes｜All reads are for training purposes”
• Figure 3-5 “Microsoft: 12,050,061 search crawler reads｜The platform that currently provides AI answer citation numbers”
• Figure 3-6 “How Do You Know AI Cites You? Measuring Both Ends of the Black Box”
• Figure 3-7 “OpenAI: 10,602,782 reads for training purposes｜Nearly nine in ten requests are for training purposes; also the platform with the most real-time retrievals”
• Figure 3-8 “Anthropic: 24,479,305 requests for training purposes｜Highest number of requests for training purposes of any platform”
• Figure 3-9 “Apple: 24,615,429 indexing requests｜Highest indexing volume of any platform”
• Figure 4-1 “IDAEO Verification Model: Three-Party Verification and Credible Facts”
• Figure 5-1 “Service Tier Ladder: AEO Exposure, AEO+ Word of Mouth, IDA Brand PR”
• Figure 5-2 “Performance Metrics Mapping Matrix”
• Figure 6-1 “Full-Journey Performance Dashboard: Eight Measured Figures and First-Party Data”
• Figure 8-1 “AI Visibility Positioning Map: Where Visibility Sits in the Full Journey”

Renamed chapters（1）

• 第 5 章〈服務分級（做到哪一級）：AEO 曝光、AEO+ 口碑、IDA 品牌公關〉→〈服務分級（做到哪一級）：AEO 曝光 — 先被讀到；AEO+ 口碑 — 被點名；IDA 品牌公關 — 講對、上門、回來〉

Revised FAQ answers（7）

• Chapter 0: How do the seven laws, five dimensions, and nine elements differ?
• Chapter 1: Is the industry's AIO the same as IDAEO's AIO?
• Chapter 1: What do GEO and LLMO each cover?
• Chapter 3: How do you know AI cites you?
• Chapter 5: Is AEO (the optimization domain) in Chapter 1 the same as the service tiers here?
• Chapter 6: What can a merchant do first during a Cold Start?
• Chapter 7: What main growth line do the eight milestones show?

Rewritten or new key points（4）

• Chapter 0: The seven laws are the core, the five dimensions are the framework, and the nine elements are the components (see Chapter 8).
• Chapter 1: The Six Optimization Domains are SEO, AIO, AEO, GEO, LLMO, and MEO. SEO builds the search index, AIO focuses on search engine AI Overviews, and AEO gets AI answers to use your content. GEO improves visibility in generative answers, LLMO corresponds to copying back for training, and MEO corresponds to Local Search. AEO and GEO both operate at the answer stage, and AIO is linked to AEO. Building the AI index is the name of an S4 function, not GEO.
• Chapter 1: AI Crawlers read content 52.2 million times for training and 3.99 million times for building the AI index (including 2.82 million by the site's own Cloudflare AI Search), and made 650,000 real-time reads.
• Chapter 5: Service tiers build on the earlier foundations: AEO Exposure — Get Read First (S1–S4), AEO+ Word of Mouth — Get Mentioned (S5–S6), and IDA Brand PR — Accurate Answers, Visits, and Returns (S7–S10, including the first two tiers), so the full journey S1–S10 is completely covered.

Replaced figures (new figure and title)（1）

• Figure 7-3 “Early Field-Test Merchant Results: The Growth IDAEO Delivered” → “Early Field-Test Merchant Results: Changes During the Field-Test Period”

Revised figures (numbers, wording or layout)（2）

• Figure 7-3 “Early Field-Test Merchant Results: Changes During the Field-Test Period”
• Figure 8-1 “AI Visibility Positioning Map: Where Visibility Sits in the Full Journey”

New FAQs（2）

• Chapter 1: Visits by AI Agents have been observed. Why keep tracking their scale?
• Chapter 6: What do the IDAEO platform's AI Citations of 31,700 mean?

Revised FAQ answers（20）

• Chapter 0: What marketing changes did TK Lin see in real-world website measurement?
• Chapter 0: Why must a merchant's identity information always stay consistent?
• Chapter 1: What kinds of AI Crawlers are there?
• Chapter 1: Why do the 17.95 million automated browsing visits count as AI Agents?
• Chapter 2: Who decides whether to allow S3 Train?
• Chapter 2: What are the ways AI comes to mention you?
• Chapter 3: How do you know AI cites you?
• Chapter 3: Where do Google's and OpenAI's numbers come from?
• Chapter 3: Can IDAEO open the AI black box?
• Chapter 3: Who is counted in this chapter's numbers?
• Chapter 4: Why does verification have a barrier to entry?
• Chapter 6: What is the difference between the 52.2 million reads crawled for training and real-time retrievals?
• Chapter 6: Does 97.46 million mean more than ninety million people saw it?
• Chapter 6: Why are reads for search and for AI answers counted together?
• Chapter 6: How long does a new website wait for AI?
• Chapter 6: What kind of platform counts as an AI Traffic Hub?
• Chapter 6: What can a merchant do first during a Cold Start?
• Chapter 7: What main growth line do the eight milestones show?
• Chapter 7: What does “from 8/24 on” on the curve mean?
• Chapter 7: What do the early field-test merchants’ data show?

Removed FAQs（2）

• Chapter 1: Why are AI Agents the future main force of AI traffic?
• Chapter 6: What do AI Citations of 31,700 mean?

Rewritten or new key points（20）

• Chapter 0: AI Impressions provide a foundation for the rest of the journey; impressions do not guarantee that the later steps will happen.
• Chapter 1: Visits by AI Agents have been observed, and their scale is still being tracked.
• Chapter 1: AI, search engines, and Automated Bots combined: 105.5 million (since 3/3; these are platform-scale figures and cannot be compared directly with a single merchant's website). Organic Traffic from Humans: 310,000 (since 8/26). Requests before 8/24 may include duplicates.
• Chapter 1: AI Crawlers read content for training 52.2 million times, for building the AI index 3.99 million times (including 2.82 million by the site's own Cloudflare AI Search), and for real-time retrieval 650,000 times.
• Chapter 2: AI Customer Journey: Four Phases, Ten Steps—S1 Merchant Readiness, S2–S4 AI Information Acquisition, S5–S8 AI-Assisted Decision and Action, S9–S10 Customer Conversion and Re-engagement. S1–S10 are diagnostic checkpoints, not a sequence every customer must follow.
• Chapter 2: Each step has a diagnostic question to check where the merchant is getting stuck.
• Chapter 2: Crawls in S2–S5, site arrivals in S8, and customer visits in S9 are measured first-party by IDAEO; indexing and search impressions (not AI mentions) come from search platforms; mentions and answers in S6–S7 are tracked by IDAEO live tests.
• Chapter 3: Periodic live tests of TK Lin's personal IDA record whether it appears in AI search source lists.
• Chapter 3: The platform AI Citations figure published in this book comes from Copilot: the IDAEO platform has been cited 31,700 times since 7/22.
• Chapter 6: AI Content Use at every stage counts as a result. Results at each stage must be assessed separately; an earlier stage cannot stand in for a later one.
• Chapter 6: An AI Crawl Volume of 97.46 million is what this book calls AI Impressions. This includes reads by search engines for indexing.
• Chapter 6: Reads for AI Answers, 46.05 million, include reads for search indexing and AI answers.
• Chapter 6: The IDAEO platform's 31,700 AI Citations mean its content was listed as a source in answers.
• Chapter 6: AI Agent Visits, 18.09 million, represent the volume of site arrivals. Whether actions were completed on customers' behalf still depends on subsequent results.
• Chapter 6: Warm Start: content meets S1 and goes live on an AI Traffic Hub. The rule of thumb is about 30 days, not a deadline for crawler arrival. A separate Cold Start observation from a single site found a gap of 30–35 days before the next crawler from the same platform (Figure 10-2). For three platforms, this is a lower bound and cannot be used to estimate Warm Start timing. TK Lin's personal IDA case reached S7 (Answer) in 14 days.
• Chapter 6: The early-mover dividend in AI traffic means preparing information early so arriving crawlers can read it.
• Chapter 6: Compounding Lead is currently a hypothesis: whether accumulating AI impressions can widen a lead remains to be verified.
• Chapter 7: IDAEO is field-tested not only on the IDAEO site itself and Washinmura; early field-test merchants also contribute field data.
• Chapter 7: The small and medium-sized businesses in the field test saw the following changes during their time on the IDAEO platform.
• Chapter 7: Among the first batch of merchant websites that joined the field test and have complete records for both May and September, most grew and some did not. For the websites that grew, site-wide opens from May to September were as follows: a parenting content site rose from 52,817 to 55,286, a food-service equipment manufacturer from 842 to 1,275, an event staging design firm from 442 to 1,741, a leather goods brand from 555 to 908, a hair salon from 74 to 128, and a studio from 3 to 329.

Revised explanations of key points（14）

• Chapter 0: The seven laws are the core, the five dimensions are the framework, and the nine elements are the components.
• Chapter 2: In S1 the merchant prepares its information; S2–S4 are led by crawlers; S5–S7 are human–AI interaction; in S8 AI Agents act; S9–S10 are customer conversion and re-engagement.
• Chapter 3: The AI black box is the training, ranking, mentions, answers, and actions that happen inside AI platforms.
• Chapter 3: IDAEO measures both ends of the black box, then uses platform data and periodic live tests to measure the results of content use.
• Chapter 4: Law of Fact Primacy: credible content starts from verified facts.
• Chapter 4: Law of Claim Traceability: every claim has a traceable basis.
• Chapter 4: Law of External Corroboration: a credible claim must have external corroboration.
• Chapter 6: Cold Start: AI traffic accumulates from 0; the industry rule of thumb is about 90 days.
• Chapter 6: The necessary condition for an AI Traffic Hub is accumulating ten million or more AI requests per month.
• Chapter 7: ① Measurement officially launched → Law of Full-Journey Outcomes (Performance Measurement); ② Search exposure rolled out in parallel → Law of Audience Adaptation (Audience Strategy); ③ First visitor arrived via an AI answer → Journey Design: S9 Visit.
• Chapter 7: ④ Brand knowledge presentation fully upgraded → Law of Identity Continuity (S1 Merchant Readiness); ⑤ Research-Evidence-Driven Optimization → Theoretical foundation: 17 existing theories; ⑥ New IDAEO site built → Five Dimensions and Nine Elements.
• Chapter 7: ⑦ Crawl performance hit a new peak → AI Impressions (S2–S4 AI Information Acquisition); ⑧ Cumulative requests passed one hundred million → Compounding Lead and Living Theory.
• Chapter 7: The IDA pages of the second batch of field-test industries received 373,776 AI impressions from 7/18–10/8 (the number of times they were read by AI and search engine crawlers).
• Chapter 8: The fundamentals of AI Visibility are S1–S4

New figures（1）

• Figure 2-5 “4 Ways AI Mentions You + the Final Gate”

New FAQs（5）

• Chapter 1: Which kind of crawler reads each of the four ways AI mentions you?
• Chapter 2: What are the ways AI comes to mention you?
• Chapter 2: Which of the four ways should come first?
• Chapter 4: Where does a third-party verification page sit among the four ways AI mentions you?
• Chapter 8: Which part of being mentioned by AI does AI Visibility correspond to?

Revised figures (numbers, wording or layout)（6）

• Figure 1-3 “AI Platforms and Crawlers Family Tree: Which Companies and Which Crawlers Sit Under Each Function”
• Figure 2-4 “Journey Coverage Map of AI Platforms: The Furthest Step Each Has Reached”
• Figure 3-1 “IDAEO Measurement Service Blueprint”
• Figure 6-1 “Full-Journey Performance Dashboard: Eight Measured Figures and First-Party Data”
• Figure 6-5 “Journey Results Comparison of Nine AI Platforms”
• Figure 7-2 “Monthly Ranking Shifts of AI Platforms”

Revised FAQ answers（2）

• Chapter 1: Why do the 17.95 million automated browsing visits count as AI Agents?
• Chapter 3: How do you know AI cites you?

Rewritten or new key points（1）

• Chapter 3: The platform-wide AI Citations figure published in this book is Copilot's 31,700 since 7/22.

Replaced figures (new figure and title)（1）

• Figure 1-4 “Who Runs Which Crawlers: Major AI Platforms’ Crawlers and Their Journey Positions” → “IDAEO Traffic Atlas: Five Traffic Categories, Each Family, and Every Crawler”

Revised figures (numbers, wording or layout)（13）

• Figure 1-1 “Panorama of the Five Marketing Audiences: Functions, Optimization Domains, and Measured Results”
• Figure 1-2 “AI Traffic Classification Tree: How Do You Tell Which Type of AI Traffic an AI Request Belongs To?”
• Figure 1-3 “AI Platforms and Crawlers Family Tree: Which Companies and Which Crawlers Sit Under Each Function”
• Figure 1-4 “IDAEO Traffic Atlas: Five Traffic Categories, Each Family, and Every Crawler”
• Figure 2-3 “Five Marketing Audiences Journey Swimlane Diagram”
• Figure 3-1 “IDAEO Measurement Service Blueprint”
• Figure 3-2 “Content Journey Map and the AI Black Box”
• Figure 3-6 “Microsoft: 12,050,061 search crawler reads｜The platform that currently provides AI answer citation numbers”
• Figure 3-8 “Apple: 24,615,429 indexing requests｜Highest indexing volume of any platform”
• Figure 6-1 “Full-Journey Performance Dashboard: Eight Measured Figures and First-Party Data”
• Figure 6-3 “AI Visit Structure Map: Who Comes and What They Come to Do”
• Figure 6-4 “Full-Journey Outcomes Flow Map: From AI Exposure to Customer Visits”
• Figure 6-6 “Cold Start Timeline: AI Platforms Arriving in Sequence and the Early-Mover Dividend”

Revised FAQ answers（1）

• Chapter 1: What kinds of AI Crawlers are there?

Rewritten or new key points（1）

• Chapter 1: AI Crawlers copied content back for training 52.2 million times, built the AI index 3.99 million times, and retrieved in real time 650,000 times.

Revised figures (numbers, wording or layout)（13）

• Figure 1-1 “Panorama of the Five Marketing Audiences: Functions, Optimization Domains, and Measured Results”
• Figure 1-3 “AI Platforms and Crawlers Family Tree: Which Companies and Which Crawlers Sit Under Each Function”
• Figure 1-4 “Who Runs Which Crawlers: Major AI Platforms’ Crawlers and Their Journey Positions”
• Figure 2-3 “Five Marketing Audiences Journey Swimlane Diagram”
• Figure 3-10 “How Do You Know AI Cites You? Measuring Both Ends of the Black Box”
• Figure 3-2 “Content Journey Map and the AI Black Box”
• Figure 3-3 “Journey Outcome Matrix Across AI Platforms”
• Figure 3-6 “Microsoft: 12,050,061 search crawler reads｜The platform that currently provides AI answer citation numbers”
• Figure 6-3 “AI Visit Structure Map: Who Comes and What They Come to Do”
• Figure 6-4 “Full-Journey Outcomes Flow Map: From AI Exposure to Customer Visits”
• Figure 6-5 “Journey Results Comparison of Nine AI Platforms”
• Figure 6-6 “Cold Start Timeline: AI Platforms Arriving in Sequence and the Early-Mover Dividend”
• Figure 7-1 “IDAEO Growth Milestones: From Zero to One Hundred Million Requests”

New figures（2）

• Figure 1-4 “Who Runs Which Crawlers: Major AI Platforms’ Crawlers and Their Journey Positions”
• Figure 3-10 “How Do You Know AI Cites You? Measuring Both Ends of the Black Box”

Revised figures (numbers, wording or layout)（9）

• Figure 1-2 “AI Traffic Classification Tree: How Do You Tell Which Type of AI Traffic an AI Request Belongs To?”
• Figure 1-3 “AI Platforms and Crawlers Family Tree: Which Companies and Which Crawlers Sit Under Each Function”
• Figure 2-4 “Journey Coverage Map of AI Platforms: The Furthest Step Each Has Reached”
• Figure 3-3 “Journey Outcome Matrix Across AI Platforms”
• Figure 6-3 “AI Visit Structure Map: Who Comes and What They Come to Do”
• Figure 6-4 “Full-Journey Outcomes Flow Map: From AI Exposure to Customer Visits”
• Figure 6-5 “Journey Results Comparison of Nine AI Platforms”
• Figure 6-6 “Cold Start Timeline: AI Platforms Arriving in Sequence and the Early-Mover Dividend”
• Figure 7-2 “Monthly Ranking Shifts of AI Platforms”

New FAQs（2）

• Chapter 1: What kinds of AI Crawlers are there?
• Chapter 3: How do you know AI cites you?

Revised FAQ answers（2）

• Chapter 1: Why do the 17.95 million automated browsing visits count as AI Agents?
• Chapter 6: How long does a new website wait for AI?

Rewritten or new key points（2）

• Chapter 6: Cold Start: AI traffic accumulates from 0; the industry rule of thumb is about 90 days.
• Chapter 6: Warm Start: content meets S1 and goes live on an AI Traffic Hub. Rule of thumb: about 30 days; measured, the next crawler from the same AI platform arrived 30–35 days later (Figure 10-2); TK Lin's personal IDA case reached S7 (Answer) in 14 days.

Revised explanations of key points（3）

• Chapter 1: AI Agents are the future main force of AI traffic.
• Chapter 6: AI Agent Visits, 18.09 million, represent the scale of traffic moving from reading content to acting on customers' behalf.
• Chapter 7: ⑦ Crawl performance hit a new peak → AI Impressions (S2–S4 AI Information Acquisition); ⑧ Cumulative requests passed one hundred million → Compounding Lead and Living Theory.

差し替えた図（新しい図と図題）（7）

• 図 0-2 〈IDAEOの七大法則の全体図〉 → 〈IDAEO理論フレームワーク全景図：五つの構成軸と九要素〉
• 図 3-10 〈AIに引用されたとどう分かるか？ブラックボックスの両端を計測する〉 → 〈Meta：学習用途のリクエスト 11,583,411 回｜読み取りはすべて学習用途〉
• 図 3-5 〈OpenAI：学習用読み取り 10,602,782 回｜九割近くが学習用で、リアルタイム取得も最多のプラットフォーム〉 → 〈Microsoft：検索クローラーの読み取り 12,050,061 回｜現在AI回答の引用数を提供しているプラットフォーム〉
• 図 3-6 〈Microsoft：検索クローラーの読み取り 12,050,061 回｜現在AI回答の引用数を提供しているプラットフォーム〉 → 〈AIに引用されたとどう分かるか？ブラックボックスの両端を計測する〉
• 図 3-7 〈Anthropic：学習リクエスト 24,479,305 回｜学習量は各社の首位〉 → 〈OpenAI：学習用途の読み取り 10,602,782 回｜九割近くが学習用途のリクエストで、リアルタイム取得も最多のプラットフォーム〉
• 図 3-8 〈Apple：インデックスリクエスト 24,615,429 回｜インデックス量は各社の首位〉 → 〈Anthropic：学習用途のリクエスト 24,479,305 回｜学習用途のリクエストは各社の首位〉
• 図 3-9 〈Meta：学習リクエスト 11,583,411 回｜読み取りはすべて学習用〉 → 〈Apple：インデックスリクエスト 24,615,429 回｜インデックス量は各社の首位〉

修正した図（数値・文言・レイアウト）（14）

• 図 0-2 〈IDAEO理論フレームワーク全景図：五つの構成軸と九要素〉
• 図 1-1 〈五つのマーケティング・オーディエンス全景図：機能、最適化領域、実測成果〉
• 図 2-1 〈AIカスタマージャーニー・マップ：四つのフェーズと十のステップ〉
• 図 3-10 〈Meta：学習用途のリクエスト 11,583,411 回｜読み取りはすべて学習用途〉
• 図 3-5 〈Microsoft：検索クローラーの読み取り 12,050,061 回｜現在AI回答の引用数を提供しているプラットフォーム〉
• 図 3-6 〈AIに引用されたとどう分かるか？ブラックボックスの両端を計測する〉
• 図 3-7 〈OpenAI：学習用途の読み取り 10,602,782 回｜九割近くが学習用途のリクエストで、リアルタイム取得も最多のプラットフォーム〉
• 図 3-8 〈Anthropic：学習用途のリクエスト 24,479,305 回｜学習用途のリクエストは各社の首位〉
• 図 3-9 〈Apple：インデックスリクエスト 24,615,429 回｜インデックス量は各社の首位〉
• 図 4-1 〈IDAEO 検証モデル：三者による検証と信頼できる事実〉
• 図 5-1 〈サービス階層ステップ図：AEO露出、AEO+ 口コミ、IDAブランドPR〉
• 図 5-2 〈成果指標対照マトリクス〉
• 図 6-1 〈ジャーニー全体の成果ダッシュボード：八つの実測数字とファーストパーティデータ〉
• 図 8-1 〈AI可視性の位置づけ図：完全なジャーニーにおける可視性の位置〉

章名の変更（1）

• 第 5 章〈服務分級（做到哪一級）：AEO 曝光、AEO+ 口碑、IDA 品牌公關〉→〈服務分級（做到哪一級）：AEO 曝光 — 先被讀到；AEO+ 口碑 — 被點名；IDA 品牌公關 — 講對、上門、回來〉

回答を修正した FAQ（7）

• 第 0 章：七大法則、五つの構成軸、九要素はどう区別するのですか？
• 第 1 章：業界で言う AIO と IDAEO の AIO は同じなのか？
• 第 1 章：GEO と LLMO はそれぞれ何を担当するのか？
• 第 3 章：AIに引用されたとどう分かるか？
• 第 5 章：第 1 章の AEO（アンサーエンジン最適化）は、ここでのサービス階層と同じですか？
• 第 6 章：コールドスタートの期間中、店舗は先に何ができますか？
• 第 7 章：八つのマイルストーンはどの成長の主軸を示していますか？

書き直し・追加した要点（4）

• 第 0 章：七大法則が核心、五つの構成軸がフレームワーク、九要素が構成要素です（第 8 章参照）。
• 第 1 章：六つの最適化領域は SEO、AIO、AEO、GEO、LLMO、MEO です。SEO は検索インデックスを作ります。AIO は検索エンジンのAIによる概要に特化し、AEO はAIの回答にあなたを利用させます。GEO は生成AIの回答での可視性を高め、LLMO は学習用の取り込みに、MEO はローカル検索に対応します。AEO と GEO はどちらも回答の段階にあります。AIO は AEO とつながっています。AIインデックスの作成は S4 の機能名であり、GEO ではありません。
• 第 1 章：AIクローラーの学習用の取り込みは 5,220 万回です。AIインデックス作成のための取り込みは 399 万回です（自社のCloudflare AI Searchの 282 万回を含みます）。リアルタイム取得は 65 万回です。
• 第 5 章：サービス階層は前段の基盤を受け継ぎます。AEO露出 — まず読まれる（S1–S4）、AEO+ 口コミ — 言及される（S5–S6）、IDAブランドPR — 正しく伝わり、来訪し、再訪する（S7–S10、前の二階層を含む）。そのため全ジャーニー S1–S10 を完全にカバーします。

差し替えた図（新しい図と図題）（1）

• 図 7-3 〈早期実測店舗の成果：IDAEO がもたらした成長〉 → 〈早期実測店舗の成果：実測に参加した期間の変化〉

修正した図（数値・文言・レイアウト）（2）

• 図 7-3 〈早期実測店舗の成果：実測に参加した期間の変化〉
• 図 8-1 〈AI可視性の位置づけ図：完全なジャーニーにおける可視性の位置〉

追加した FAQ（2）

• 第 1 章：AIエージェントのサイト訪問はすでに現れています。なぜ規模を追跡し続ける必要があるのでしょうか？
• 第 6 章：IDAEO プラットフォームのAI引用数 3.17 万回は何を表しますか？

回答を修正した FAQ（20）

• 第 0 章：林毅祥はサイトの実測からどのようなマーケティングの変化を見たのですか？
• 第 0 章：なぜ店舗のアイデンティティ情報は常に一貫していなければならないのですか？
• 第 1 章：AIクローラーにはどんな種類がありますか？
• 第 1 章：自動ブラウジング 1,795 万回は、なぜAIエージェントに数えるのか？
• 第 2 章：S3 学習を許可するかどうかは誰が決めるのか？
• 第 2 章：AIに言及される道はいくつありますか？
• 第 3 章：AIに引用されたとどう分かるか？
• 第 3 章：Google と OpenAI の数値はそれぞれどこから来るのか？
• 第 3 章：IDAEO はAIブラックボックスを開けるのか？
• 第 3 章：本章の数値の集計対象は誰か？
• 第 4 章：検証にはなぜハードルがあるのですか？
• 第 6 章：学習用の取得 5,220 万回は、リアルタイム取得と何が違うのですか？
• 第 6 章：9,746 万回とは、九千万人以上が見たという意味ですか？
• 第 6 章：検索とAI回答の読み取りを、なぜ合算するのですか？
• 第 6 章：新しいサイトは、どのくらいでAIが来ますか？
• 第 6 章：どのようなプラットフォームがAIトラフィック・ハブにあたりますか？
• 第 6 章：コールドスタートの期間中、店舗は先に何ができますか？
• 第 7 章：八つのマイルストーンはどの成長の主軸を示していますか？
• 第 7 章：曲線上の「8/24以降」は何を表しますか？
• 第 7 章：初期の実測店舗のデータは何を示していますか？

削除した FAQ（2）

• 第 1 章：なぜAIエージェントが将来のAIトラフィックの主力だと言えるのか？
• 第 6 章：AI引用数 3.17 万回は何を表しますか？

書き直し・追加した要点（20）

• 第 0 章：AIインプレッション数は、その後のジャーニーの基礎です。インプレッションがあっても、後の段階が必ず起きるとは限りません。
• 第 1 章：AIエージェントのサイト訪問はすでに現れており、規模は追跡を続けています。
• 第 1 章：AI、検索エンジン、自動サービスボットの合計は 1.055 億回です（3/3 以降。プラットフォームサイトの規模であり、個別店舗の公式サイトと直接比べることはできません）。人（生活者）の自然流入は 31.0 万回です（8/26 以降）。8/24 以前は重複リクエストを含む可能性があります。
• 第 1 章：AIクローラーの学習用の取り込みは 5,220 万回、AIインデックス作成のための取り込みは 399 万回（自社のCloudflare AI Searchの 282 万回を含む）、リアルタイム取得は 65 万回です。
• 第 2 章：AIカスタマージャーニーは四つのフェーズと十のステップに分かれます：S1 店舗レディネス、S2–S4 AIによる情報取得、S5–S8 AIによる意思決定・行動支援、S9–S10 顧客のコンバージョンと再エンゲージメント。S1–S10 は診断ポイントであり、すべての顧客が必ず通る順序ではありません。
• 第 2 章：各ステップに診断の問いがあり、店舗がどの関門で止まっているかを確認します。
• 第 2 章：S2–S5 のクロール、S8 のサイト訪問、S9 の顧客来訪は IDAEO がファーストパーティで計測します。インデックス登録と検索表示（AI言及ではありません）は検索プラットフォームが提供します。S6–S7 の言及と回答は IDAEO が実測で追跡します。
• 第 3 章：林毅祥（TK Lin）の個人 IDA の定期的な実測は、AI検索のソース一覧に出ているかどうかを記録します。
• 第 3 章：本書で公開済みのプラットフォームAI引用数は Copilot によるものです：IDAEO プラットフォームは 7月22日以降、3.17 万回引用されました。
• 第 6 章：AIの各段階でのコンテンツ利用は、すべて成果です。各段階の成果は分けて見ます。前の段階で後の段階の代わりにはできません。
• 第 6 章：AIクロール数 9,746 万回は、本書でいうAIインプレッション数です。ここには、検索エンジンがインデックス作成のために行った読み取りも含まれます。
• 第 6 章：AI回答のための読み取り 4,605 万回には、検索のインデックス作成とAI回答に関わる読み取りが含まれます。
• 第 6 章：IDAEO プラットフォームのAI引用数 3.17 万回は、コンテンツが回答の出典に挙げられたことを表します。
• 第 6 章：AIエージェント訪問数 1,809 万回は、訪問の規模を表します。顧客の代行が完了したかどうかは、その後の成果で確認する必要があります。
• 第 6 章：ウォームスタート（Warm Start）：コンテンツが S1 を満たし、AIトラフィック・ハブ上で公開されている状態です。経験則では約 30 日ですが、訪問の期限ではありません。別に、単一サイトでのコールドスタート観察があります：同じAIプラットフォームの次のクローラーが 30–35 日後に来訪しました（図 10-2）。うち三社は下限値で、ウォームスタートの所要時間の推計には使えません。林毅祥（TK Lin）の個人 IDA の事例では 14 日で S7 回答（AIによる詳細の回答）に到達しました。
• 第 6 章：AIトラフィックの先行者利益とは、情報を早く用意し、訪問したクローラーに読み取ってもらえることです。
• 第 6 章：複利的リードは、現時点では仮説です：AIインプレッションの累積がリードを広げるかどうかは、まだ検証が必要です。
• 第 7 章：IDAEOは自社のIDAEO本サイトと和心村で実測するだけでなく、早期実測店舗も一緒に実測データを提供しています。
• 第 7 章：実測に参加した中小企業には、IDAEOプラットフォームに参加した期間中に、次のような変化がありました。
• 第 7 章：第一期に実測へ参加し、5 月と 9 月の両方に完全な記録がある店舗公式サイトでは、多くが成長し、一部は成長しませんでした。成長した公式サイトの全体閲覧回数は 5 月から 9 月にかけて、育児コンテンツサイトが 52,817 回から 55,286 回に、飲食設備メーカーが 842 回から 1,275 回に、イベント空間デザインが 442 回から 1,741 回に、革製品ブランドが 555 回から 908 回に、ヘアサロンが 74 回から 128 回に、スタジオが 3 回から 329 回に増えました。

説明を修正した要点（14）

• 第 0 章：七大法則が核心、五つの構成軸がフレームワーク、九要素が構成要素です。
• 第 2 章：S1 は店舗が情報を整え、S2–S4 はクローラーが主体、S5–S7 は人とAIの対話、S8 はAIエージェントの行動、S9–S10 は顧客のコンバージョンと再エンゲージメントです。
• 第 3 章：AIブラックボックスとは、AIプラットフォーム内部で起こる学習、順位付け、言及、回答、代行です。
• 第 3 章：IDAEO はブラックボックスの両端を計測し、さらにプラットフォームデータと定期的な実測で利用の成果を測ります。
• 第 4 章：事実優先の法則：信頼できるコンテンツは検証済みの事実から始まります。
• 第 4 章：主張の追跡可能性の法則：すべての主張に追跡可能な根拠があります。
• 第 4 章：外部裏付けの法則：信頼できる主張には外部裏付けが必要です。
• 第 6 章：コールドスタート（Cold Start）：AIトラフィックを 0 から累積し、業界の経験則では約 90 日です。
• 第 6 章：AIトラフィック・ハブ（AI Traffic Hub）の必要条件は、毎月一千万回以上のAIリクエストが累積していることです。
• 第 7 章：① 計測の正式開始 → ジャーニー全体の成果の法則（成果測定）、② 検索露出の同時展開 → オーディエンス適応の法則（オーディエンス戦略）、③ AI回答から最初の訪問者が到達 → ジャーニー設計：S9 来訪。
• 第 7 章：④ ブランド知識の提示を全面刷新 → アイデンティティ連続性の法則（S1 店舗レディネス）、⑤ 研究エビデンス駆動の最適化 → 理論的基盤：既存理論 17 項目、⑥ IDAEO新サイトの構築 → 五つの構成軸と九要素。
• 第 7 章：⑦ クロール実績が再び最高値を更新 → AIインプレッション数（S2–S4 AIによる情報取得）、⑧ 累計で一億回のリクエストを突破 → 複利的リードと生きている理論。
• 第 7 章：第二期の実測業種のIDAページは、7/18–10/8 に 373,776 回のAIインプレッション（AIと検索エンジンクローラーにクロールされた回数）を獲得しました。
• 第 8 章：AI可視性の基本は S1–S4

追加した図（1）

• 図 2-5 〈AIに言及される4つの道＋最後の関門〉

追加した FAQ（5）

• 第 1 章：AIに言及される四つの道は、それぞれどの種類のクローラーが読みますか？
• 第 2 章：AIに言及される道はいくつありますか？
• 第 2 章：四つの道のうち、どれから取り組みますか？
• 第 4 章：第三者の確認ページは、AIに言及される四つの道のどこにありますか？
• 第 8 章：AI可視性は、AIに言及されるまでのどの部分に当たりますか？

修正した図（数値・文言・レイアウト）（6）

• 図 1-3 〈AIプラットフォームとクローラーの系譜：機能ごとにどの企業の、どのクローラーがあるか〉
• 図 2-4 〈AIプラットフォームのジャーニー・カバレッジ図：各社が到達した最も遠いステップ〉
• 図 3-1 〈IDAEO計測サービス・ブループリント〉
• 図 6-1 〈ジャーニー全体の成果ダッシュボード：八つの実測数字とファーストパーティデータ〉
• 図 6-5 〈九社のAIプラットフォームのジャーニー成果比較〉
• 図 7-2 〈AIプラットフォーム月間順位の推移図〉

回答を修正した FAQ（2）

• 第 1 章：自動ブラウジング 1,795 万回は、なぜAIエージェントに数えるのか？
• 第 3 章：AIに引用されたとどう分かるか？

書き直し・追加した要点（1）

• 第 3 章：本書で公開済みの全プラットフォームAI引用数は、Copilot の 7月22日以降の 3.17 万回です。

差し替えた図（新しい図と図題）（1）

• 図 1-4 〈どの企業にどのクローラーがあるか：主要AIプラットフォームのクローラーとジャーニー上の位置〉 → 〈IDAEOトラフィック図鑑：五つの分類、各ファミリー、すべてのクローラー〉

修正した図（数値・文言・レイアウト）（13）

• 図 1-1 〈五つのマーケティング・オーディエンス全景図：機能、最適化領域、実測成果〉
• 図 1-2 〈AIトラフィック判別ツリー：あるAIのリクエストが、どの種類のAIトラフィックに属するかをどう判断するか？〉
• 図 1-3 〈AIプラットフォームとクローラーの系譜：機能ごとにどの企業の、どのクローラーがあるか〉
• 図 1-4 〈IDAEOトラフィック図鑑：五つの分類、各ファミリー、すべてのクローラー〉
• 図 2-3 〈五つのマーケティング・オーディエンスのジャーニー・スイムレーン図〉
• 図 3-1 〈IDAEO計測サービス・ブループリント〉
• 図 3-2 〈コンテンツ・ジャーニーマップとAIブラックボックス〉
• 図 3-6 〈Microsoft：検索クローラーの読み取り 12,050,061 回｜現在AI回答の引用数を提供しているプラットフォーム〉
• 図 3-8 〈Apple：インデックスリクエスト 24,615,429 回｜インデックス量は各社の首位〉
• 図 6-1 〈ジャーニー全体の成果ダッシュボード：八つの実測数字とファーストパーティデータ〉
• 図 6-3 〈AI来訪構造図：誰が来て、何をしに来るか〉
• 図 6-4 〈ジャーニー全体の成果フロー図：AI露出から顧客の来店まで〉
• 図 6-6 〈コールドスタートのタイムライン：AIプラットフォームの順次来訪と先行者利益〉

回答を修正した FAQ（1）

• 第 1 章：AIクローラーにはどんな種類がありますか？

書き直し・追加した要点（1）

• 第 1 章：AIクローラーの学習用の取り込みは 5,220 万回、AIインデックス作成は 399 万回、リアルタイム取得は 65 万回です。

修正した図（数値・文言・レイアウト）（13）

• 図 1-1 〈五つのマーケティング・オーディエンス全景図：機能、最適化領域、実測成果〉
• 図 1-3 〈AIプラットフォームとクローラーの系譜：機能ごとにどの企業の、どのクローラーがあるか〉
• 図 1-4 〈どの企業にどのクローラーがあるか：主要AIプラットフォームのクローラーとジャーニー上の位置〉
• 図 2-3 〈五つのマーケティング・オーディエンスのジャーニー・スイムレーン図〉
• 図 3-10 〈AIに引用されたとどう分かるか？ブラックボックスの両端を計測する〉
• 図 3-2 〈コンテンツ・ジャーニーマップとAIブラックボックス〉
• 図 3-3 〈AIプラットフォームのジャーニー成果マトリクス〉
• 図 3-6 〈Microsoft：検索クローラーの読み取り 12,050,061 回｜現在AI回答の引用数を提供しているプラットフォーム〉
• 図 6-3 〈AI来訪構造図：誰が来て、何をしに来るか〉
• 図 6-4 〈ジャーニー全体の成果フロー図：AI露出から顧客の来店まで〉
• 図 6-5 〈九社のAIプラットフォームのジャーニー成果比較〉
• 図 6-6 〈コールドスタートのタイムライン：AIプラットフォームの順次来訪と先行者利益〉
• 図 7-1 〈IDAEO成長のマイルストーン：ゼロから一億回のリクエストへ〉

追加した図（2）

• 図 1-4 〈どの企業にどのクローラーがあるか：主要AIプラットフォームのクローラーとジャーニー上の位置〉
• 図 3-10 〈AIに引用されたとどう分かるか？ブラックボックスの両端を計測する〉

修正した図（数値・文言・レイアウト）（9）

• 図 1-2 〈AIトラフィック判別ツリー：あるAIのリクエストが、どの種類のAIトラフィックに属するかをどう判断するか？〉
• 図 1-3 〈AIプラットフォームとクローラーの系譜：機能ごとにどの企業の、どのクローラーがあるか〉
• 図 2-4 〈AIプラットフォームのジャーニー・カバレッジ図：各社が到達した最も遠いステップ〉
• 図 3-3 〈AIプラットフォームのジャーニー成果マトリクス〉
• 図 6-3 〈AI来訪構造図：誰が来て、何をしに来るか〉
• 図 6-4 〈ジャーニー全体の成果フロー図：AI露出から顧客の来店まで〉
• 図 6-5 〈九社のAIプラットフォームのジャーニー成果比較〉
• 図 6-6 〈コールドスタートのタイムライン：AIプラットフォームの順次来訪と先行者利益〉
• 図 7-2 〈AIプラットフォーム月間順位の推移図〉

追加した FAQ（2）

• 第 1 章：AIクローラーにはどんな種類がありますか？
• 第 3 章：AIに引用されたとどう分かるか？

回答を修正した FAQ（2）

• 第 1 章：自動ブラウジング 1,795 万回は、なぜAIエージェントに数えるのか？
• 第 6 章：新しいサイトは、どのくらいでAIが来ますか？

書き直し・追加した要点（2）

• 第 6 章：コールドスタート（Cold Start）：AIトラフィックを 0 から累積し、業界の経験則では約 90 日です。
• 第 6 章：ウォームスタート（Warm Start）：コンテンツが S1 を満たし、AIトラフィック・ハブ上で公開されている状態です。経験則では約 30 日。実測では同じAIプラットフォームの次のクローラーが 30–35 日後に来訪しました（図 10-2）。林毅祥（TK Lin）の個人 IDA の事例では 14 日でAIによる S7 回答に到達しました。

説明を修正した要点（3）

• 第 1 章：AIエージェントは将来のAIトラフィックの主力です。
• 第 6 章：AIエージェント訪問数（AI Agent）1,809 万回は、コンテンツを読む段階から顧客の代行へ進むトラフィックの規模を表します。
• 第 7 章：⑦ クロール実績が再び最高値を更新 → AIインプレッション数（S2–S4 AIによる情報取得）、⑧ 累計で一億回のリクエストを突破 → 複利的リードと生きている理論。