IDAEO知识库km.idaeo.ai

本文属于主题馆「AI 综合讨论」 →

全台牙科诊所官网普查:9 成的话,AI 不敢用

全台牙科诊所官网普查:9 成的话,AI 不敢用

台湾 7,002 家医保定点牙科诊所中,543 家设有独立官网;将其官网主张逐句送检,仅约 1 成能获牙科文献支持;同期 Cloudflare 边缘日志显示,资料建设到位的诊所单日被 AI 读取 1,829 次,是名录内读取量最高 8 家平均值(41.9 次)的 43 倍,名录外则为 0 条。截至 2026-07-30,这是台湾牙科行业少见的全量官网可验证性普查 × AI 实测读取分层数据。数据截止至 2026-07-28。

IDAEO 数据专栏・AI 可见度实测系列 № 003|数据快照 2026-07-28(JST)|IDAEO 数据专栏编辑部(AI 协作・人工审核)

台湾 7,002 家医保定点牙科诊所里,拥有独立官网的有 543 家——其余 6,459 家连官网都没有,AI 连素材都拿不到。

这 543 家的官网,我们逐句查过了。只有约 1 成的话拿得出证据;其余 9 成,AI 读得到,却不敢引用。 这不是说那 9 成在说谎,而是它们长成了 AI 无法引用的样子。

三项标志性数据:

  • 约 1 成——官网主张能获牙科文献支持的比例
  • 43 倍——资料建设到位的诊所 vs 名录内最强 8 家平均值,单日 AI 读取量的差距
  • 94%——台湾牙科诊所在公开排行榜上仍是一片空白的比例
本文的原始日志口径、评分算法与完整图表版见文末“数据口径”及排行榜链接。所有数字均可回溯核查,全文未使用任何估算值、预测值。
患者寻找牙医的方式已经换了两轮:二十年前问人(亲友介绍、街角招牌),十年前自己查(Google 搜索、比较官网和星级),现在直接问 AI(要答案,一次给一到三家)。
全文首图:患者寻找牙医的决策路径经历三个阶段的变迁。现在停在“直接问 AI”——AI 不会给出十个链接让他比较,而是直接给出答案。

01 患者已经改为问 AI 了

二十年前,患者找牙医靠两件事:亲友介绍和街角的招牌。十年前,变成 Google:搜索“牙医 推荐”、看评论星级、逐家比较官网。所以诊所学会了争排名、买关键词、经营评价。

现在,行为又换了一轮。患者拿起手机,直接问 ChatGPT:“台北种植牙哪家好?不要给我看广告”“孩子很怕疼,找有耐心的儿童牙医”“周末接诊、可以刷卡的牙医”。

AI 不会给十个链接让他慢慢比较——而是直接给出答案,一次一到三家。

最大的差别在这里:以前的落选,你看得见(排名掉到第几页、广告没人点);现在的落选,发生在你看不见的地方。患者不是比较之后没选你,而是他根本不知道有你。

02 普查结果:有官网的 543 家里,只有 1 成的话 AI 敢用

官网主张的文献可验证性:约 1 成拿得出证据(查得到出处),约 9 成 AI 读得到却不敢引用。实际可验证比例为 10.2%。
十格图以每格约 10% 呈现,实际可验证比例为 10.2%,近似误差 0.2 个百分点。“拿不出证据”不等于说谎,也不代表医术好坏。

那 9 成是什么样子?大致是这些句型:

  • “专业团队”
  • “先进设备”
  • “以客为尊”
  • “无痛治疗”

没有可查的来源、没有对得上的文献、没有具体到可被验证的程度。人看了会点头,AI 看了不敢用。(“不敢用”是机制推断——AI 引用需可查证来源——不是对 AI 行为的逐句实测;本文实测的是文献支撑率。)

因为 AI 引用一句话是要负责的。它不会拿“我们的技术领先”去回答患者——它需要的是查得到出处的内容。

可验证的数字身份

说白了就是:你说的话,别人查得到出处。 诊所名称、医生姓名和公开资质,在不同页面都能相互对应,也各自查得到来源。

“可验证”是指字段附有可回查来源,不等于主管部门的身份认证或医疗质量评级。

03 一句话讲清 SEO 和 AEO 的区别

  • SEO:Google 时代的功课——让你排在搜索结果前面。
  • AEO:AI 时代的功课——让 AI 回答时,手里有你的、查得到且对得上的资料。

排名再靠前,AI 的答案里没有你,患者就看不到你。

04 台湾牙科诊所 AI 排行榜:你的诊所在第几层

普查结果已做成公开排行榜。台湾 7,002 家医保定点牙科诊所,名单在=榜上在,任何人都能查询自己或同行。

把台湾 7,002 家诊所想成 100 颗牙:目前只有 6 颗被 AI 评过分,其中 5 颗完成了可验证度评分,其余 94 颗在榜上仍是一片空白。
每一颗牙代表台湾诊所的 1%。深色 6 颗=已纳入评分流程(429 家,6.1%);浅色 94 颗=榜上尚无分数。

目前的进度:

  • 7,002 家——全国牙科诊所名册(全部都在榜上)
  • 543 家——拥有独立官网(其余 6,459 家没有官网,AI 拿不到素材)
  • 429 家(6%)——已纳入评分流程
  • 339 家(5%)——已完成可验证度评分
  • 94%——榜上一片空白,不是分数低,而是还没有任何资料可以评

榜上每一条 AI 访问记录,都是 Cloudflare 在网络边缘逐条记录、逐条加盖官方认证标记的原始日志——不是估算,不是自行计算的分数。

AI 引用及推荐的基础设施

先把资料建设成 AI 找得到、获取得到、核对得到的样子;至于回答时用不用、推不推荐,是另一回事。

这套基础设施处理资料公开、抓取和来源核对,只是可能发生引用的上游条件之一。

05 这个榜如何评分

不是医术排名,衡量的是你官网写的话,有多少经得起核查。三个分数相互独立:

  • 可验证度——你官网写的话,经不经得起核查。逐句判定:可证明/部分支持/待查/有反证
  • 完整度——AI 想找的资料你是否备齐。11 项齐备度检查,缺哪项一目了然
  • AI 分数——AI 实际来读了没有。来了几种 AI、来了多少次

可验证度那一栏最痛的不是分数低,而是“有反证”——官网写的话,查下去恰好相反。

目前榜首不到 70 分。 这条赛道现在的水平就是这样,这也是它现在最值得进入的原因。

06 进入榜上之后,才是真正的差距

单日 AI 读取量对照:入驻 IDAEO 的诊所 1,829 次;未做 AEO 的同行(名录内最高 8 家的平均值)41.9 次;同行里最强的一家 55 次;连名录都未进入的诊所 0 条。
每一格代表 50 次读取,数字放在格子外,因此再小的数值也读得到。43 倍=1,829 ÷ 41.9。

同一天、同一个 AI、同一套计量方法,名录内诊所之间的读取量差距:

  • 1,829 次——入驻 IDAEO 的诊所(986 个页面被读完)
  • 41.9 次——未做 AEO 的同行(名录内读取量最高 8 家的平均值)
  • 55 次——同行里最强的一家
  • 0 条——连名录都未进入的诊所

43 倍。 而且对照组不是随便抽取的,而是名录中读取量最高的 8 家——入驻 IDAEO 的诊所,是和同行最强的一群人相比,仍高出 43 倍。此差距含页面数量效应(示范站 986 个页面 vs 一般诊所官网数十页;以每页计,示范站约每页 1.9 次,对照组每页口径未随统计存档、无法精算)。

差别不在诊所规模、不在知名度、不在开业年限,而在于资料有没有建设成 AI 读得懂、查得到的样子。

先把界线讲清:这是 AI 的读取记录,不是曝光、不是排名、更不是患者数——但它是后续一切的前提:AI 没读过你,答案里就不会有你。

07 AI 挑谁:日志里的三条规律

规律一:AI 不读形容词,只认查得到的事实。

实测入驻 IDAEO 的诊所,AI 的精力花在哪里:

  • 近 9 成——逐句可核查的证据页
  • 约 1 成——专业文章页
  • 1%——形象首页

你花最多钱做的形象首页,只分到 1%。这与前面那个“9 成不敢用”是同一件事的两面:你官网九成的话拿不出证据,所以 AI 九成的精力不会花在那里。

AI 可读取的专业内容

把资历、诊疗说明、限制、常见问题和出处分别写清楚,不要全塞在一大段广告文案里。

“可读取”是指页面以可获取、可核对来源的形式公开;日志不能证明 AI 逐字读完、理解或采信。

规律二:AI 读你的资料,是整份读完,不是挑一页看。

同一天的日志显示,AI 把这家诊所的每一种版本都读了一遍——不同语言、不同页面,次数几乎一样,没有偏好。

对台湾的诊所来说,这件事的意义不是“多接外国患者”,而是:你的资料做得多完整,AI 就读走多少。 你只写了三页,它就只能拿三页去回答患者;你把医生资历、诊疗说明、常见问题全补齐,它每一轮回来都会多带走一些。

患者问同一件事,可以有几十种问法——“牙齿好疼怎么办”“蛀牙要不要抽神经”“种植牙贵不贵”“孩子不敢张嘴”。你的资料越完整,能接住的问法就越多。

在台外籍居民和医疗旅游是额外加分项,资料齐备自然能接住;但主战场永远是台湾本地患者。上述语言版本次数为单日示范案例的请求记录,只证明 AI 曾来读取,不代表每次请求都会逐字读完整站,也不等于对话引用、推荐、客源或患者数。“几十种问法”是自然语言的情境描述,不是由这批日志测得的问句数。

规律三:患者的提问,已经真的驱动 AI 来查资料。

平台已经记录到“有人在 ChatGPT 里提问、AI 当场来读资料”的记录。而且不只 ChatGPT——微软 Copilot 的资料源,以及其他搜索 AI,同期也都来读过。

这个回路,已经开始转动了。

08 AI 每 8 天回来一次

收录节奏:第 0 天上线、第 1 天 AI 来试读、第 10 天整批收录完成,之后约每 8 天回来一次。
横轴每一天等距,共 10 天;之后的回访以循环符号表示“约每 8 天”,不是固定排程。

实测到的节奏:资料上线次日 AI 就来试读,第 10 天完成整批收录,之后约每 8 天回访一次。新增内容大约一周的周期就会被读走——这是可以排程的事,不是碰运气。

09 晚半年,对手已经跑了 22 轮;你还在第 0 轮

时间差距:晚 1 个月入场,已入场同行约 3.8 轮对你 0 轮;晚 3 个月是 11.3 轮对 0 轮;晚半年是 22.5 轮对 0 轮。
横条长度=按观察到的 8 天节奏计算的累计被读轮次(30÷8≈3.8、90÷8≈11.3、180÷8=22.5)。这是条件式算术,不是半年的追踪结果,也不代表引用、推荐或患者数。

AI 每 8 天回来读一次。这句话听起来很技术,但把它铺在半年的时间轴上,意思就很简单:

  • 晚 1 个月入场——已入场的同行约 3.8 轮,尚未开始的你为 0 轮
  • 晚 3 个月入场——已入场的同行约 11.3 轮,你仍是 0 轮
  • 晚半年入场——已入场的同行为 22.5 轮,你依然是 0 轮

不是慢一点,而是不在计分板上。

而且这 22 轮无法补回。你晚入场,AI 不会为你回头重跑那半年——它只会从你上线那天起,重新走一次“次日试读、第 10 天整批收录”。等你走完这 10 天,对手又多跑了一轮。

现在的起跑线是这样:台湾 7,002 家,只有 429 家进入评分、339 家有完整分数,94% 仍是空白。这代表两件事——现在入场,先行者优势主要来自时间差;但空白不会永远是空白。

而你不会收到任何通知。 没有未接来电、没有取消的预约、没有一条差评——什么都不会发生。你不会知道问题被问过,也不会知道答案里有没有你。

在 AI 时代,落选不会出现在任何报表上——所以要主动去查。

10 现在就能自行检查的三件事

  1. 上排行榜查你的诊所。 台湾 7,002 家名单都在,搜索自己的名字——有没有分数、几句可证明、几句有反证,一页看完。不用留资料、不用问任何人。
  2. 问 ChatGPT“你知道○○牙科诊所吗?” 这测的是 AI 手里有没有你的资料,不是会不会推荐你。答不出来,或说得七拼八凑,代表 AI 拿到的素材不够,也不敢用。
  3. 打开自己官网,挑 10 句话问自己:哪一句拿得出证据? 医生资历有没有可查的认证编号、诊疗效果有没有文献或案例、评价是否查得到出处。这就是那个“9 成”的检验方式,你可以自己先跑一遍。

11 三个结论与五层资产

① 这是抢时间的事。 94% 的诊所还没有分数,榜首不到 70 分。入驻 IDAEO 的诊所被读取的次数是同行平均值的 43 倍——这个差距不是靠喊出来的,而是一轮一轮被读出来的。

② 这是资产,不是广告。 广告停止投放就消失;建设好的可核查资料留在那里,AI 每 8 天回来读一次、持续更新。

③ 门槛不是预算,而是愿不愿意把话说到可核查。 9 成的主张过不了关,不是因为那些诊所比较差,而是因为没人告诉过他们,AI 时代的官网要这样写。

五层资产结构:地基是可验证的数字身份,第一层是 AI 可读取的专业内容,第二层是 AI 引用及推荐的基础设施,第三层是 AI 世界中的品牌权威建设,屋顶是长期积累的数字资产。
这张图表达的是建设顺序;每一层是工作内容,不是成效数字。走到任何一层都不代表已经发生 AI 引用、推荐或患者结果。

这五层的通俗说法是:

  • 地基|可验证的数字身份——名称、人物与公开资料能够对得上
  • 第一层|AI 可读取的专业内容——内容结构清楚,也保留核查出处
  • 第二层|AI 引用及推荐的基础设施——提供可获取、可核对、可更新的前置资料
  • 第三层|AI 世界中的品牌权威建设——以持续可查的专业资料代替自我宣称
  • 屋顶|长期积累的数字资产——诊所可维护、校正、复用的资料与来源记录

界线:这是工作层次,不是成效漏斗;走到任何一层都不代表已经发生 AI 引用、推荐或患者结果。

12 数据口径(所有数字可回溯核查)

普查与排行榜:观察窗口 2026-07-18 至 2026-07-26(榜单为 30 天滚动窗口、每日更新;本文快照取其中 2026-07-18 至 07-26 区段)。台湾医保定点牙科诊所名册 7,002 家;已纳入评分流程 429 家(6%)、已完成可验证度评分 339 家(5%)、榜上无分数比例 94%;已建诊所页面 7,431 个;从官网抽取主张 18,731 条,其中 1,913 项(10.2%,文中称“约 1 成”)可获牙科文献支持,核查引用 PubMed 文献 745 篇;观察窗口内 AI 实测访问 12,943 次、覆盖 3,937 个诊所页面;另有 117 家已有可验证度分数但尚未被 AI 访问。榜单持续更新,最新数字以榜单页为准。逐句判定分四类(可证明/部分支持/待查/有反证);本次发布仅存档“可证明”类计数(1,913 条),其余三类分布未随统计存档、无法重建。“约 1 成拿得出证据”的精确含义是:已完成文献比对的主张中,达可证明标准者约 1 成。18,731 条抽取自已建站且可完整爬取的官网(家数介于 339–543 之间,精确样本家数未随统计存档);未建站的 6,459 家不在抽取范围。

评分算法:可验证度=(可证明+0.5×部分支持)÷可核查句数,样本不足者不评分;完整度=11 项资料齐备度权重合计 1.00;AI 分数=AI 爬虫种类(广度,上限 40)+访问次数对数压缩(深度,上限 60)。自 2026-07-22 起名次按 AI 分数排序,榜首不等于最可验证——可验证度与完整度并列呈现,但不决定名次。

单日深度案例:“入驻 IDAEO 的诊所”单日 1,829 次/986 页、页面类型分布(证据页 1,610 次 88%/文章页 204 次 11%/首页 15 次 1%)、各语言版本次数(繁体中文 474/日文 464/英文 449/简体中文 442)、单日整批收录 1,939 页、约每 8 天回访,取自对 idaeo.ai 域名的 Cloudflare GraphQL Analytics API 边缘请求日志直接查询(2026-07-28 执行),统计期间为 2026-07-21 至 07-28、单日峰值 2026-07-26,样本为平台首批入驻的示范诊所。此数列与榜单 AI 分数口径不同(前者为全语言路由的请求次数,后者为观察窗口内大使馆页面访问的计分结果),不可直接相互比较。对照组为全国牙科 AI 名录中 AI 读取量最高的 8 家(平均 41.9 次、最高 55 次),非随机抽样。

AI 身份判定:采用 Cloudflare 官方 verified bot 判定(来源 IP 反查+行为验证),并非仅凭 User-Agent 自称;文中“AI 来读”即此类 verified bot 请求,主力为 OpenAI GPTBot;同期其他引擎:Microsoft bingbot(Copilot 资料源)448 次、YandexBot 307 次、OAI-SearchBot 11 次、用户触发的 ChatGPT-User 2 次。

节奏说明:“每 8 天回访”是上述观察期内所见的节奏,文中未将其外推为固定周期或跨月次数保证;读者自行换算的结果不属于本文主张。

诚实声明:本文陈述的是“AI 引擎收录与读取诊所资料”的实绩,以及官网主张的文献可验证性普查。收录是被 AI 引用的前提,但收录本身不等于已被 AI 在对话中引用,更不等于患者数;后者的独立追踪已建成、数据积累中。可验证度低不代表医疗质量差,只代表官网写法的可核查程度。全文未使用任何估算值、预测值;6,459 一数为 7,002−543 的简单减法。

利益揭露:文中 1,829 次的示范诊所为 IDAEO 入驻客户;IDAEO 提供相关服务。读者评估本文结论时应知悉此利益关系。

FAQ

台湾牙科诊所官网真的只有 1 成的话拿得出证据吗?
是。台湾 7,002 家医保定点牙科诊所的官网主张共抽取 18,731 条送检,其中 1,913 项(10.2%)能获牙科文献支持,核查引用 PubMed 文献 745 篇。这不代表其余 9 成在说谎,而是它们写成“专业团队”“先进设备”这类无法被验证的形式,AI 读得到却不敢引用。
“AI 读取 1,829 次”等于带来 1,829 个患者吗?
完全不等于。这是 AI 引擎的读取记录,不是曝光、不是排名、更不是患者数。收录是被 AI 引用的前提,但收录本身不等于已被 AI 在对话中引用;后者的独立追踪已建成、数据积累中。
43 倍是如何计算的?对照组公平吗?
1,829 ÷ 41.9 = 43.65 倍。对照组不是随机抽样,而是全国牙科 AI 名录中 AI 读取量最高的 8 家(平均 41.9 次、最高 55 次)——也就是说,这是与同行最强的一群人比出的差距,而非与平均值相比。
“晚半年少 22.5 轮”是实测还是推算?
是推算。“约每 8 天回访”是观察期内所见节奏(实测),22.5 轮为 180÷8 的条件式算术推演,并非半年的追踪结果,也不代表引用、推荐或患者数。文中已明确标示这条界线。
可验证度分数低,是不是代表这家诊所医术比较差?
不是。可验证度衡量的是官网写法的可核查程度,与医疗质量无关。一家医术极佳但官网只写形容词的诊所,可验证度同样会低。

延伸阅读:IDAEO:AI 时代的营销战略总图表

引用本文

TK Lin・《全台牙科诊所官网普查:9 成的话,AI 不敢用》・IDAEO 知識庫・2026-07-30・https://km.idaeo.ai/post/ai/dental-aeo-census

更新于 2026-08-10

更新 2026-08-10T10:29:32.169Z · server-rendered · four-language · IDAEO 知識庫