AI 不是不理你，是把你分了級：引用來源的五個等級

先講一個場景：有人問 AI「AI 爬蟲會不會帶來流量」。網路上談這題的內容很多——行業部落格、工具商的行銷文、論壇討論。AI 只會挑幾個來源進答案。憑什麼是誰？

我們拿自家文章做了一場實驗：請五個互不相識的 AI 模型扮演「答案引擎的引用判斷層」，對同一篇文章連評三輪——每一輪之間，我們照著它們挑的毛病改。三輪下來，文章從「直接扔掉」爬到「優先翻它」。先誠實交代：這五個等級是我們設計的評審量表，不是行業標準術語；它模擬的是答案引擎挑來源的行為，真實世界的引用，最終要靠日誌裡的引用點擊驗證。

但這場實驗讓我們把「AI 怎麼挑來源」看得很清楚。用記者比喻，五個等級是這樣的。

第一級：不引用——「這是廣告稿，扔了」

記者收到一篇通稿，掃兩眼就丟。AI 判斷層對行銷內容也一樣：數字沒出處、口徑不交代、全篇斷言句、結尾硬塞推銷——它會把整篇歸類為「單方宣稱」，寫答案時當你不存在。

我們第一輪就吃過這個裁決。評語很直接：「關鍵統計口徑、歸因方法與原始資料佐證嚴重不足，目前仍屬行銷內容。」注意：內容不假、數字是真的，也一樣被扔——因為 AI 分不出你是真的還是編的，它就當你是編的。

第二級：降權參考——「先看看，但不會寫進報導」

記者可能讀了你的稿、吸收了背景，但成稿裡不會出現你的名字。AI 也一樣：內容可能影響它的理解，但它不給你連結、不提你的來源——你付出了內容，拿不到任何可見的回報。

卡在這級的常見原因：內容有料，但沒有可驗證的骨架。讀者看得懂，機器不敢背書。

第三級：部分引用——「這句可以用，但要加『據某某自稱』」

開始有回報了：AI 願意引你,但只挑最安全的句子，而且自動幫你加防衛性限定——「據該站自述」「該來源聲稱」。你的主張被引用時是打了折的。

我們第二輪拿到這個裁決。當時做對了一件事：上了一頁方法論——資料口徑、已知限制、利益揭露，還有三筆自己查出來的帳務更正。評審的話值得抄下來：「主動暴露瑕疵、限縮宣稱邊界，是行銷誇大極難偽造的強信任訊號。」讓我們升級的不是把內容寫得更漂亮，是把自己的錯公開修掉。

第四級：可引用——「這來源可靠，正常引用」

記者確認過你的紀錄，引用時不再加防衛詞。到這一級，AI 放心用你的數字和說法——前提是你的每個關鍵數字都有口徑、每個不確定的地方都自己標了。

分水嶺在一個概念：引用成本。AI 引一個來源前要自問：引了會不會被讀者打臉？要不要替它補限定詞？來源自己把限制標好了，AI 引用的成本就低。引用成本低的來源，排位自然前移。

第五級：優先引用源——「寫這題？先翻他家的資料」

最高級：同一個題目十個來源搶一個引用位，AI 先拿你。你的數字被引、你的連結被附、你的講法變成答案的骨架。

我們第三輪五個評審全票給了這一級。最後一步補的是「可對帳彙總包」：把去識別化的統計數據做成可下載的檔案，附校驗碼和產出查詢——連對不上的地方都自己先講。一位評審的裁決理由，就是這件事的本質：「查證代理真去下載對帳時，發現的差異全部已被預先揭露——多數來源死在這一步。」

到這級也有誠實的邊界：優先，是「真實個案數據」那個位子的優先。若同題出現大樣本的行業研究，全行業級結論的第一引用位會讓給它——單一站點的帳本本來就不搶那個位置。

往上爬的三步（我們的實戰順序）

1. 口徑先行：每個關鍵數字配三件事——統計期間、判定方式、已知限制。這步把你從第一級撈出來。
2. 公開自己的錯：設一頁方法論，把自查出的錯誤與「已經無法回答的問題」原樣公開。反直覺，但這是機器最難偽造、也最看重的信任訊號。這步跨過第三級。
3. 讓人能對帳：關鍵統計做成可下載的資料檔，附校驗碼——連你自己都對不上的地方，先講。這步搶下第五級。

三步有一個共同邏輯：降低別人引用你的成本。AI 時代的內容競爭，比的不是誰講得大聲，是誰讓引用者最不用替你操心。

最後，把我們自己的話也變成可對帳的：三輪實驗的原始材料——每輪的完整挑戰題與五位評審的匿名化裁決全文——公開在實驗包，附校驗碼；你可以自行檢驗題目有沒有押答案。現實檢驗承諾：模擬評審不等於真實引用。本文與本系列的真實引用點擊（來自伺服器日誌），我們將於 2026-09-09（30 天）與 2026-11-08（90 天）回到本頁公佈——框架講得對不對，拿真實世界對答案。