附錄 主張依據表 · IDAEO：AI 時代的行銷
附錄 主張依據表
本書每一章「本章重點」的主張共 57 條，逐條標出它靠什麼成立：第一方數據（IDAEO 自己的量測紀錄）、平台或標準文件（AI 平台與標準組織的官方文件）、學理文獻（理論基礎與文獻表裡的編號）、經驗值（業界或作者的經驗值，不是本站量測）、學說定義（IDAEO 學說自己的定義與預判）。一條主張可以同時有幾種依據。分類由三位審稿各自獨立判讀、依數據總帳仲裁，再經作者確認；這是主張的依據類型，和第 4 章「三角驗證」的官方、本方、第三方是不同的兩件事。
| 主張 | 依據類型 | 文獻 | 備註 |
|---|---|---|---|
| 第 0 章 IDAEO：AI 時代的行銷學 | |||
| IDAEO 是 AI 時代的行銷學，以網站實測、可信事實與理論串起完整旅程。 | 學說定義 | ||
| AI 曝光數是後續旅程的基礎；有曝光，不代表後段一定發生。 | 第一方數據、學理文獻、學說定義 | [59] Arthur, W. B.（1989）；[95] Merton, R. K.（1968） | |
| 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）。 | 學說定義 | ||
| IDAEO 行銷五大構面串起全程：受眾策略（對誰做）、旅程設計（走哪幾步）、信任驗證（憑什麼信）、服務分級（做到哪一級）、成效衡量（怎麼算成果）。 | 學說定義 | ||
| IDAEO 架構九大要素相互對應：行銷受眾、優化領域、顧客旅程、旅程診斷、IDAEO 解決方案、驗證原則、服務分級、成效指標、第一方數據。 | 學說定義 | ||
| IDAEO 是活的學說。 | 學理文獻、學說定義 | [96] Lakatos, I.（1970） | |
| 第 1 章 受眾策略（對誰做）：五類行銷受眾與六大優化領域 | |||
| 五類行銷受眾是人類、搜尋引擎爬蟲、AI 爬蟲、AI Agent、機械爬蟲。 | 平台或標準文件、學理文獻、學說定義 | [40] Gal, M. S., & Elkin-Koren, N.（2017）；[68] Google（2025） | |
| AI 流量先按功能分類，再看 AI 平台。 | 平台或標準文件、學說定義 | [61] OpenAI。Overview of OpenAI Crawlers。OpenAI 開發者文件（2026/10/11 查閱）；[62] Anthropic。Does Anthropic crawl data from the web, and how can site owners block the crawler? | |
| AI Agent 到站已出現，規模持續追蹤。 | 第一方數據、學理文獻、學說定義 | [40] Gal, M. S., & Elkin-Koren, N.（2017） | 第七次修訂起不寫「主力」預判，只寫已出現、持續追蹤；1,809 萬＝自動瀏覽 1,795 萬＋具名 14.4 萬為第一方數據。 |
| 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。 | 學理文獻、學說定義 | [31] Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A.（2024）。GEO: Generative Engine Optimization | |
| 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。 | 第一方數據 | ||
| 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。 | 第一方數據、平台或標準文件 | [61] OpenAI。Overview of OpenAI Crawlers。OpenAI 開發者文件（2026/10/11 查閱） | |
| 圖 1-1〈五類行銷受眾全景圖〉的優化領域列出縮寫、中文全名、英文全名，下方列同領域用語。 | 學說定義 | ||
| 第 2 章 旅程設計（走哪幾步）：AI 顧客旅程：四階段十步驟 | |||
| 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。 | 學理文獻、學說定義 | [5] Court, D., Elzinga, D., Mulder, S., & Vetvik, O. J.（2009）；[22] Lemon, K. N., & Verhoef, P. C.（2016） | |
| 每步都有診斷問句，用來檢查店家卡在哪一關。 | 學理文獻、學說定義 | [28] Shostack, G. L.（1984） | |
| 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。 | 平台或標準文件、學理文獻、學說定義 | [86] Parasuraman, R., Sheridan, T. B., & Wickens, C. D.（2000） | |
| S10 接回 S5，形成持續循環。 | 學理文獻、學說定義 | [5] Court, D., Elzinga, D., Mulder, S., & Vetvik, O. J.（2009） | |
| 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。 | 第一方數據、平台或標準文件 | ||
| 第 3 章 量測來源與 AI 黑盒子：成效衡量的資料基礎 | |||
| 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。 | 學說定義 | ||
| 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。 | 第一方數據、平台或標準文件、學理文獻、學說定義 | [81] Jick, T. D.（1979） | |
| 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。 | 第一方數據 | 五個 AI 模型中，四個經由 Perplexity 的搜尋接口。 | |
| 各來源的成果依單位分別解讀。 | 學理文獻、學說定義 | [57] Gordon, B. R., Zettelmeyer, F., Bhargava, N., & Chapsky, D.（2019） | |
| 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。 | 平台或標準文件 | ||
| 第 4 章 信任驗證（憑什麼信）：可信事實與外部印證 | |||
| IDAEO 以可信事實與外部印證，讓店家主張成為 AI 可引用的依據。 | 學理文獻、學說定義 | [76] Dranove, D., & Jin, G. Z.（2010） | |
| 事實先行定律：可信內容始於已驗事實。 | 學理文獻、學說定義 | [77] Wang, R. Y., & Strong, D. M.（1996） | |
| 主張溯源定律：每項主張皆有可溯依據。 | 學理文獻、學說定義 | [9] Hovland, C. I., & Weiss, W.（1951）；[78] Rashkin, H., Nikolaev, V., Lamm, M., Aroyo, L., Collins, M., Das, D., Petrov, S., Tomar, G. S., 等（2023）。Measuring Attribution in Natural Language Generation Models | |
| 外部印證定律：可信主張須有外部印證。 | 學理文獻、學說定義 | [80] Eagly, A. H., Wood, W., & Chaiken, S.（1978）；[81] Jick, T. D.（1979） | |
| 逐項驗證事實，並持續確認時效。 | 學理文獻、學說定義 | [77] Wang, R. Y., & Strong, D. M.（1996） | |
| 第 5 章 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 | |||
| 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。 | 學理文獻、學說定義 | [15] Paulk, M. C., Curtis, B., Chrissis, M. B., & Weber, C. V.（1993）；[17] Lavidge, R. J., & Steiner, G. A.（1961） | |
| 較高服務分級涵蓋前一級內容。 | 學理文獻、學說定義 | [15] Paulk, M. C., Curtis, B., Chrissis, M. B., & Weber, C. V.（1993） | |
| 九個成效指標是 AI 就緒分、AI 讀取量、AI 當場來讀量、AI 點名率、AI 正確率、AI 引用量、AI Agent 到站量、AI 導客量、AI 回訪量。 | 學理文獻、學說定義 | [56] Campbell, D. T.（1979）；[83] Rust, R. T., Lemon, K. N., & Zeithaml, V. A.（2004） | |
| AEO+ 口碑支援店家掌握 AI 點名，IDA 品牌公關包含 IDAEO 定期公布的 AI 能見度成果。 | 學說定義 | ||
| 第 6 章 成效衡量（怎麼算成果）：AI 曝光數與全程價值 | |||
| 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。 | 平台或標準文件、學理文獻、學說定義 | [82] Li, J., Huffman, S., & Tokuda, A.（2009） | |
| 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。 | 第一方數據、學理文獻、學說定義 | [88] Kandpal, N., Deng, H., Roberts, A., Wallace, E., & Raffel, C.（2023） | |
| 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。 | 第一方數據、學說定義 | ||
| AI 當場來讀量 65 萬次，是即時需求觸發的取用。 | 第一方數據、平台或標準文件、學理文獻 | [1] Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., 等（2020）。Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks；[61] OpenAI。Overview of OpenAI Crawlers。OpenAI 開發者文件（2026/10/11 查閱）；[63] Perplexity。Perplexity Crawlers。Perplexity 官方文件（2026/10/11 查閱） | |
| IDAEO 平台 AI 引用量 3.17 萬次，代表內容被列為回答出處。 | 平台或標準文件、學說定義 | ||
| 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。 | 第一方數據、學理文獻、學說定義 | [86] Parasuraman, R., Sheridan, T. B., & Wickens, C. D.（2000） | |
| AI 導客量 31.0 萬次（搜尋與 AI 合計，Google 26.8 萬），代表客人經搜尋或 AI 進站的成果。 | 第一方數據 | ||
| 冷啟動（Cold Start）：AI 流量從 0 累積，業界經驗值約 90 天。 | 第一方數據、經驗值 | 約 90 天為業界經驗值，非本站量測（作者 2026-10-13 確認）；月讀取量 53 次→3,599 萬為第一方數據。 | |
| 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 6-6）。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）。 | 第一方數據、學理文獻、經驗值 | [93] Cho, J., & Garcia-Molina, H.（2003） | 約 30 天為經驗值；同一 AI 平台下一隻爬蟲相隔 30–35 天為圖 6-6 實測；14 天與 84% 為 TK Lin 個人 IDA 實測（作者 2026-10-13 確認）。 |
| 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。 | 第一方數據、學說定義 | ||
| AI 流量的早期紅利，指提早備好資訊，供到站的爬蟲讀取。 | 第一方數據、學理文獻、學說定義 | [58] Lieberman, M. B., & Montgomery, D. B.（1988） | |
| 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。 | 第一方數據、學理文獻、學說定義 | [59] Arthur, W. B.（1989）；[94] Barabási, A.-L., & Albert, R.（1999） | |
| 第 7 章 IDAEO 實測：自家網站與早期實測店家 | |||
| 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。 | 第一方數據、平台或標準文件 | ||
| 參與實測的中小企業，在加入 IDAEO 平台期間出現以下變化。 | 第一方數據、平台或標準文件、學說定義 | ||
| 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。 | 第一方數據、學說定義 | ||
| 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。 | 學說定義 | ||
| 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。 | 第一方數據、學說定義 | ||
| 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。 | 第一方數據 | ||
| 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）。 | 第一方數據 | ||
| 第 8 章 AI 能見度與理論基礎 | |||
| 外界 AI 能見度主要對應 S5–S7 的回答階段。 | 學理文獻、學說定義 | [31] Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A.（2024）。GEO: Generative Engine Optimization | |
| AI 能見度的基本功是 S1–S4 | 學理文獻、學說定義 | [88] Kandpal, N., Deng, H., Roberts, A., Wallace, E., & Raffel, C.（2023） | |
| IDAEO 把 S1–S4 的基礎與 S8–S10 的行動、轉換、回流接進同一旅程。 | 學理文獻、學說定義 | [83] Rust, R. T., Lemon, K. N., & Zeithaml, V. A.（2004） | |
| IDAEO 的理論基礎分八類：行銷學基礎、生成式引擎與 AI 搜尋研究、AI 顧客與 AI Agent、資訊檢索與可信度、成效量測、啟動與累積、AI 平台官方文件與代理協定、七大定律與旅程的學理。 | 學說定義 | ||
| 圖列 17 項既有理論，完整文獻見書末「理論基礎與文獻」。 | 學說定義 | ||
| 每月的新數據與實測驗證，持續增強 IDAEO 的理論與實證基礎。 | 學理文獻、學說定義 | [96] Lakatos, I.（1970）；[97] Hevner, A. R., March, S. T., Park, J., & Ram, S.（2004） | |
資料說明
- 第一方數據：取自 IDAEO 第一方量測紀錄。期間 2026/3/3–10/8，舊站與新站合計。AI、搜尋引擎與機械爬蟲共 1.055 億次（105,487,618 次）。此數字與 IDAEO 核定口徑一致。這是平台站規模，不能直接和單一店家官網比。8/24 以前可能含重複請求。AI 讀取量 9,746 萬次，按來讀用途列示。抄回去訓練 5,220 萬，指為訓練來讀。建 AI 目錄 399 萬（含自家 Cloudflare AI Search 的 282 萬，下月更新時扣除）。建搜尋目錄 4,126 萬。建目錄的數字只表示為建目錄來讀。這些讀取不代表已訓練或已收錄。Applebot、PetalBot、YouBot、Kagibot 歸搜尋引擎爬蟲。分類依各家官方文件（2026/10/14 查核）。
- AI Agent：1,795 萬次是 2026/8/26–10/8 的自動瀏覽，按程式操作瀏覽器功能另列；具名 AI Agent 14.4 萬次，合計 1,809 萬次。Hermes、OpenClaw、Devin、Grok、Muse 列為實測追蹤中，具名到訪成果之後會公布；Manus 為 14 次。
- 人類：自然流量 31.0 萬次是從搜尋或 AI 點進網站的次數（2026/8/26 起為主），其中 Google 為 26.8 萬；在地搜尋實測追蹤中，之後會公布。
- 機械爬蟲提供自動化資訊服務：「AI 的工具」指名稱標示為 AI、來源歸類於其他自動化服務的請求。SEO 工具爬蟲（Semrush、Majestic、Moz、Ahrefs 等）與網頁預覽（Facebook、LinkedIn、X 等）依平台認證身分列示（2026/8/24–10/8），採獨立統計，屬上述總次數以外的範圍。「實測追蹤中」15 萬次的身分與功能由 IDAEO 持續確認，分類成果之後會公布。
- 搜尋結果顯示：各圖的分項為搜尋平台原值（Google 741 萬次、Bing 91 萬次，相加 832 萬次）；總覽的約 822 萬次為 IDAEO 核定口徑，兩者相差約 10 萬次。被收錄頁數為 2026 年 9 月的值，Bing 採各子資料夾合計。
- TK Lin 個人 IDA 實測（2026/10/3）：100 題分五組各 20 題（身分、公司、專業、和心村、IDA）。五個 AI 模型為 Perplexity Sonar、OpenAI GPT-5.4、Anthropic Claude Sonnet 5、Google Gemini 3.5 Flash、xAI Grok 4.5，共 500 筆回答。84% 指這個 IDA 出現在 AI 搜尋的來源清單（五個模型中四個經同一搜尋接口；題目點名作者本人；單一個案），對應 419 筆回答。它在來源清單出現 439 次，是所有來源的第一名。其中指名他本人的 40 題（身分、公司兩組）為 91.5%（183 筆），這個 IDA 出現 190 次。10/11 追蹤：Perplexity 四語 16 題中，13 題的來源有這個 IDA。單一個案不能直接推論到店家。
- 啟動時間：熱啟動約 30 天是經驗值；圖 6-6〈冷啟動時間軸〉另有實測：同一家 AI 平台的爬蟲依序到站，相隔 30–35 天。冷啟動約 90 天是業界經驗值；14 天是 TK Lin 個人 IDA 的實測案例。
- 實測店家：第一批實測店家與第二批實測產業都是真實營業的店家，IDAEO 已逐一核對身分；依約定，本書只列產業，店名留在 IDAEO 內部紀錄。
- 發行主體：IDAEO 由株式會社和心（法人番號 8011401020677，日本東京都港區）營運；作者林毅祥（TK Lin）。
- 學理基礎：既有 17 項出處已逐項查證，作者與年份依文獻清單列示；其中六篇的查證範圍為出版社書目與摘要。Goodhart 為 1975 年發表、1976 年出版。理論依據分為行銷學基礎、生成式引擎與 AI 搜尋研究、AI 顧客與 AI Agent、資訊檢索與可信度、成效量測、啟動與累積、AI 平台官方文件與代理協定、七大定律與旅程的學理，完整文獻見書末「理論基礎與文獻」。
- 外部 AI 能見度指標：依 2026-10-11 查證的工具商說明與各家公開定義整理；比較時採相同的量測範圍與指標口徑。
- 各家標誌為其所有者的商標，在本書中用於辨識各 AI 平台。
- 九個成效指標與 IDAEO 解決方案採本書命名；驗證數據統計全平台，單店成果依該店資料衡量。AI 點名率、AI 正確率、AI 回訪量的量法已定，由 IDAEO 繼續累積，之後會公布。
- 優化領域的同領域用語依本書的功能分類歸納，採各詞的使用脈絡；AIO 與 AEO 相連，都對應 AI 回答取用內容。AAO、AXO、AAIO 與 GAIO、AISO 依 2026-10-11 查證的 AI 平台詞彙頁列示；SXO、VSO、ASO、CRO、SMO、SGE、LLM SEO 採業界通用說法，本次逐項查證範圍為前述 AI 平台詞彙。
- 延伸圖沿用〈AI 時代的網站流量〉入門課的視覺架構，數字依同一份第一方量測紀錄彙整至 2026/10/8；旅程步驟一律寫 S1–S10。本版統計範圍以各圖列示項目為準。
- 各延伸圖按期間解讀：AI 請求 3/3–10/8；全站 2/12–10/8；自動瀏覽 8/26–10/8；站別拆分 8/20–10/8；Copilot 引用 7/22–10/8。8/24 以前合併多方第一方量測紀錄，可能涵蓋重複請求；引用時一併標示此範圍。
- Copilot 引用 3.17 萬次依 IDAEO 核定口徑採正式內容範圍；原始匯總為 5.26 萬次。
- 「為 AI 回答而讀」4,605 萬次按 IDAEO 核定口徑，包括建搜尋目錄與做 AI 摘要、建 AI 目錄、當場來讀及具名 AI Agent。其中建搜尋目錄 4,126 萬次供搜尋與 AI 回答共用，其餘按功能加總，合併呈現取用範圍。
- 圖 6-6〈冷啟動時間軸〉呈現 AI 平台依序到站的紀錄。六家中五家 AI 平台的第一隻與下一隻爬蟲相隔 30–35 天。這是同一 AI 平台不同爬蟲先後出現的間隔。首日為 2026/3/3 的爬蟲在量測啟動時已在場。所列間隔按觀察起點計算，代表實際間隔的下限。冷啟動是新網站的 AI 流量從 0 開始累積。業界經驗值約 90 天。熱啟動的內容滿足 S1，並上線在 AI 流量樞紐。這指每月累積上千萬次 AI 請求的平台。IDAEO 平台 7 月 2,597 萬次、8 月 3,599 萬次、9 月 1,579 萬次。8/24 以前可能含重複請求，前後口徑不同。9 月較 8 月下降，跨月比較須留意口徑。熱啟動的經驗值約 30 天。TK Lin 個人 IDA 案例 14 天走到 S7：9/20 上線，10/3 實測 100 題、五個 AI 模型。84% 指這個 IDA 出現在 AI 搜尋的來源清單（五個模型中四個經同一搜尋接口；題目點名作者本人；單一個案）。限制見「TK Lin 個人 IDA 實測」資料說明，不能推論到店家。
- AI Agent 到站量 1,809 萬次＝自動瀏覽 1,795 萬＋具名 AI Agent 14.4 萬。另有 5,102 次 AI Agent 以一般瀏覽器到訪，另計，不加進任何合計。
- 早期實測店家、第二批實測產業與自家和心村官網：店家頁搜尋點擊、AI 帶客、店家頁 AI 讀取與店家官網開啟次數取自 IDAEO 第一方量測紀錄（2026-10-10 查詢）；第二批實測產業 IDA 頁的 AI 曝光取自 IDAEO 第一方量測紀錄（2026-10-11 查詢，期間 7/18–10/8，10 家平台、三種用途各自相加皆為 373,776 次）；產業官網的搜尋點擊與 Copilot 引用取自授權的搜尋平台資料（2026-10-11 查詢），僅列合計。和心村官網的 Google 搜尋點擊 109,140 次（3/3–10/8）取自搜尋平台資料；AI 與搜尋引擎讀取 95,333 次、AI 當場來讀 11,333 次（8/20–10/8）取自 IDAEO 第一方量測紀錄。Google 去年同月比較只含有去年紀錄的官網；Bing 合計中部分官網的資料自 8/13 起。
免費下載，每月更新
參與這本書：更正、反例、實測、合作 →更新日誌
引用本書
IDAEO：AI 時代的行銷 · 林毅祥（TK Lin） · 第一版第九次修訂 · · https://km.idaeo.ai/idaeo/textbook · CC BY 4.0