4 個月、3,000 多萬次爬蟲請求學到的第二課：AI 的信任是一階一階堆出來的

IDAEO 數據專欄・AI 能見度實測系列 № 002｜數據快照 2026-07-14（JST）｜IDAEO 數據專欄編輯部（AI 協作・人工監修）

AI 的信任是一階一階堆出來的——沒有一階可以跳過。上一課橫著看：三種語言、三種命運；這一課豎著看——同一扇門，從掛上計數器第一天，到第一筆真引用，四個月全程紀錄。結論只有一句：被 AI 引用不是靠做對一件大事，而是把不起眼的小事，一件件堆起來。（「沒有一階可以跳過」是 n=1 的先後觀察與機制推斷，不是保證的機制——見文末誠實限制。）

三個招牌讀數：

• 3 → 50 → 283——真人導流月曲線（4／5／6 月・位）
• 約 59,487 : 1——機器讀取 ↔ 真人造訪（分子 24,092,187 與分母 405 的窗口與儀器見方法段；量級對比，非轉換率。）

• 7 月上旬——第一筆真引用出現

本文另有完整圖表版、AI 專用全文（Markdown）與結構化資料集（JSON），連結見文末「給 AI 讀者的伴讀包」。前作：3,000 萬 AI 爬蟲請求，學習到的第一堂課。

01 先把「來我家的 AI」分成五種

第一課上線後，最多人問：「到底要努力多久、寫多少，AI 才會真的引用我？」

這次用同一套儀器回答：不切語言，改切時間。從量測第一天（2026 年 3 月 3 日）到第一筆真引用，把 AI 對這扇門做過的每一件事，按月攤開。

看數字之前，先記住一張地圖——多數人就卡在這裡。你以為的「AI 流量」，其實是五種來意完全不同的訪客。用報社的比喻，一次講清楚——AI 的信任階梯：五種角色，一條主線：

1. 訓練型爬蟲＝把你讀熟的實習記者。它一頁一頁把你的內容認真讀進去——每一次閱讀，都是在幫你「被 AI 記住」。今天被讀得越熟，就是明天被引用的底氣。SEO 時代就是當年的 Googlebot 爬取（crawling）：網站剛上線，要先讓 Googlebot 爬過，Google 才「知道有你」。差別在：以前爬是為了排進搜尋結果，現在「把你讀熟」是餵進 AI 的記憶、讓它以後認得你——不會馬上見效，是為未來鋪路。
2. 索引型爬蟲＝替你建檔上架的資料室夥伴。它幫你把作品收進檔案、貼上索引標籤，編進 AI 答題時要翻的那個書架；只要有人需要，隨時翻得到你。SEO 時代就是建立索引（indexing）：以前在 Search Console 看到「已編入索引」，才代表你能出現在搜尋結果；現在則要被編進「AI 答題的書架」，才有機會被答出來。沒被收錄，等於不在名單上。
3. 答題取材（answer fetch）＝第一個想到你的求證記者。此刻真的有讀者在問 AI，而 AI 第一個想到的就是你——它當場跑來你家取材、核對，準備把你寫進答案。這代表你已經是「可靠的那一位」。SEO 時代對應的是：有人搜了關鍵字、Google 從索引裡把你的頁面「叫出來」參與排名那一刻（retrieval）。差別在：以前是有人「搜尋」把你叫出來，現在是有人「問 AI」、AI 當場把你叫出來組答案。
4. 真人導流＝慕名而來的讀者。有人在 AI 的回答裡看見你、點了連結，真的走進你家——這是你認真耕耘，第一次開花結果。SEO 時代就是自然搜尋點擊（organic click、CTR）。差別很大：SEO 排第一名點擊一大票；AI 一個答案往往只放一兩個來源，點進來的人少非常多——所以後面會看到「約六萬次機器讀取，才換一位真人」。
5. 真引用＝鄭重引用你的主筆。AI 在答案裡鄭重寫下「據你指出」，把你當成可信來源、替你背書，而且真的有人因此上門。SEO 時代就是人人搶破頭的精選摘要（Featured Snippet）／第 0 名（Position Zero）。現在的 AI 版，是 AI 在回答裡把你當來源引用——這是「搶到第 0 名」的 AEO 版，也是這整條路的終點。

兩句話記住整條主線：

報社版：實習記者讀熟你 → 資料室建檔 → 記者求證 → 讀者上門 → 主筆引用。

SEO 版（同一條漏斗）：爬取 → 收錄 → 排進結果 → 被點擊 → 搶精選摘要。

一個誠實的但書：真實爬蟲有時身兼兩職。例如 OAI-SearchBot，平常是「資料室夥伴」（建索引），有人提問時也會化身「記者」跑來查證——所以它在下面幾個月反覆出現，不是算錯，是它真的兩件都做。更大的一個但書：五種角色是編輯詮釋＋機制推斷——日誌能證明的只有「哪類請求、何時發生」；「被記住」「進答題書架」「第一個想到你」這些內心戲，帳本量不到，請當比喻、不要當已證實的 AI 行為機制。角色歸類以主文三分類為準（OAI-SearchBot 屬搜尋索引型；「化身記者」是對請求模式的詮釋，非請求級證據）。

所以看到任何「AI 流量」數字，先問：它是這五種的哪一種？五種量級差很多，混在一起，就永遠讀不懂自己的流量。

爬蟲百百種，來意大不同。分不清誰是誰，就永遠讀不懂自己的流量。

02 第一個月：AI 先把你讀熟（3 月）

量測第一天（3 月 3 日），GPTBot、ClaudeBot、PerplexityBot 就全到了。不是我們宣傳，它們本來就在網路上日夜巡邏；3 月 11 日，Googlebot 跟上。

當月，計數器跑出了高達 736,969 次 AI 爬蟲抓取。聽起來門庭若市？但仔細一拆，幾乎全是「實習記者在把你讀熟」：真正跟「答題」沾得上邊的抓取（我們把做這兩種工作的爬蟲，依 User-Agent 身分合計、在資料庫裡叫「引用型」），僅有 4,176 次，連千分之六都不到，而且全部來自同一家：PerplexityBot 正在建它的索引。

這個月，帳上還沒有一筆「真人經 AI 進門」的紀錄（首筆真人導流要到下月中才出現；紀錄自 4 月 15 日起才開始記，見文末方法段）。

第一個月看似熱鬧，其實是 AI 正低頭，把你一頁一頁讀熟。

03 第二個月：查證電話開始響（4 月）

4 月，門口的訪客變了。半個月內，會「打查證電話」的答題系爬蟲，一家接一家首度報到。整理成一張時刻表（2026 年 4 月，App 層計數器首見日）：

• YouBot——4/01
• OAI-SearchBot——4/02
• DuckAssistBot——4/04
• Perplexity-User——4/07（提醒：這跟 3 月的 PerplexityBot 是同一家公司、不同的爬蟲——PerplexityBot 是「資料室夥伴」在建索引，Perplexity-User 是「記者」，它一出現，就代表當下有一個真人正在問 Perplexity 問題）
• Claude-SearchBot——4/15

這批訪客跟埋頭讀你的實習記者不一樣：它們是為了回答某個真人的問題而來的。

然後，同樣是 4 月 15 日，紀錄裡出現第一位真人：有人在 AI 的回答裡看到我們，點連結走進門。當月 AI 帶進門的真人：3 位。就三位。我們原樣寫出，因為這正是每個網站的起點。

埋頭讀你的實習記者，還不會帶客上門；真正帶來人潮的，是為了回答真人、急忙跑來向你求證的那些「記者」。

04 第三個月：內容開始被「端上桌」（5 月）

5 月中，儀器新增一個讀數，專數 01 說的那通「記者查證電話」——正式名字叫答題取材（answer fetch）：AI 為某個真人組答案時，跑來抓我們內容的次數。

這個讀數從 5 月 19 日才開始記，光是後半個月，就記到 759,159 次（口徑註記：這是半個月的量，不能拿去跟任何一個「整月」比大小；它是自建端點的計數，跟按爬蟲身分計的「引用型」是兩把不同的尺，數字不能互比）。

換句話說：內容不只被實習記者讀熟、被資料室夥伴上架，已經開始被端上桌——AI 正抓我們的資料，看要不要用進某個真人現做的那盤答案（被端上桌，還不等於最後被選用）。

當月 AI 帶進門的真人：50 位。

被抄走，只是被認識；被熱騰騰地端上桌，才是真正被使用。

05 第四個月：它們開始查證「你是誰」（6 月）

6 月，發生了兩件我們至今印象最深的事。

第一件：「資料室夥伴」突然大量加班。OAI-SearchBot 的抓取量單月衝到 64,488 次——它 5 月只抓了 3,947 次。把所有引用型爬蟲（資料室夥伴＋記者這兩類）加起來是 70,601 次，是前一個月（4,941 次）的十幾倍。（誠實註記：同一個月，我們的內容開始以每日節奏上線、也啟用了新網域——這股增幅到底是「它們更愛來」還是「我們給的東西變多」，我們的儀器分不開，不會亂猜。）

第二件更有意思：機器開始主動查證我們是誰。我們留了一個窗口，讓機器可以來核對「這家機構是誰、這個事實對不對」；6 月它被呼叫了 25,733 次（這個讀數從 6 月 8 日起可量測）。機器不只讀你的內容，還反覆確認「這資訊來自誰、可不可靠」。

機器願意花力氣查證你，等於把它自己的可信度，押在你的資料品質上。

當月 AI 帶進門的真人：283 位。

機器查證你，是把它的信譽押在你的資料品質上。（「押信譽」是編輯詮釋——日誌只能證明查證呼叫發生過，無法證明呼叫者動機。）

06 第一筆真引用，和它腳下的四個月（7 月上旬）

7 月上旬，第一筆真引用出現了：一位使用者從答案引擎的結果，直接點進我們發布的內容。剔除所有自家測試流量、反覆確認之後，才敢記上帳——跟 4 月那次只是「被帶到門口」不同，這次 AI 引用的是我們親手寫下、逐條查證過的東西。

回頭看，這道階梯長這樣——每一級，都是 AI 自己用行為投的票：

• 3 月：實習記者把你讀熟（訓練抓取為主）——736,969 次抓取；真人——尚無紀錄
• 4 月：記者上門求證＋第一位讀者上門——答題系五家首見；真人 3 位
• 5 月：內容被端上桌（答題取材可量測）——半月 759,159 次；真人 50 位
• 6 月：資料室夥伴大量加班＋機器主動查證身分——引用型 70,601 次；查證 25,733 次；真人 283 位
• 7 月上旬：第一筆真引用（被主筆具名引用）——以及它腳下的這四個月

各指標起算日不同；先後可以記錄，但因果不可歸因。真人導流月曲線 3 → 50 → 283，是 referer 可識別記錄的下限，只會低估、不會高估。

而在水面之下，這四個月我們做的功課，白話講就是五件不起眼的事：

1. 讓機器找得到路：把網站的動線鋪順——路標清楚、更新會主動通知、沒有走到一半的死路。
2. 讓機器讀得懂：同一篇文章，給人看的之外，另外整理一份「機器讀得懂」的版本：誰、什麼事、什麼時候、每個數字是怎麼算的，一項一項擺對位置。
3. 讓身分查得到：文章裡出現的每一家機構、每一個事實，回頭去對照官方登記資料，一筆一筆核實；對不上的，寧可不寫。
4. 讓每個數字都過關：數字上線前逐一對帳，過不了就退回重算；我們那張檢查清單，幾乎每一條都是踩過雷才加上去的。
5. 維持固定節奏：讓機器每次回訪，都有新東西可讀。

這些功課在帳上留下：上千次可追溯的修訂、上百份逐條查證的內容、數十道自動化檢查（具體做法屬於商業機密，這系列公開的是門口的讀數與原則）。

這就是我們這篇文章真正想說的一句話：這道信任階梯上，沒有一步是靠奇蹟的。AI 不會因為你做對一件大事就引用你；它看的是你能不能把「找得到、讀得懂、查得到、數字不出錯、持續更新」這幾件基本功，一件一件做好、一層一層累積，紮實打好地基——之後，才一階一階，把信任託付給你。每一階都算數，而且要一直不斷地堆疊上去。

誠實邊界：這是單一平台的觀察。階梯是我們記錄到的先後次序，不是保證的機制——只能說「先發生什麼、後發生什麼」，不能說「因為做了 A，就一定得到 B」。

階梯是 AI 給的，地基是你自己打的。

07 讀完這篇，該先做哪一件事？

跟第一課一樣，把讀數翻成行動：

第一件事——把流量日誌拆層。把爬蟲按 01 的來意分開（誰在讀你、誰在建索引、誰在上門求證、誰是真人），再剔除自家測試與監控的流量。做完這步，才看得到自己的「信任階梯」停在哪一級——多數網站還停在第一級：只有 AI 在埋頭把你讀熟。

並行——從第一級開始做，別跳級。還沒被讀懂，先別衝內容量；身分還查不到，先別期待被引用。每一級功課做紮實了，下一級的爬蟲才有機會出現在日誌裡——我們的四個月是這樣一級一級長出來的，但這是 n=1 的先後紀錄，不是保證的機制。

想追蹤自己的進度：先剔除自家合成／測試流量，把日誌拆五層，每個指標標清楚「屬於哪一層、時間窗從哪天起」。方法可以借，數值不能直接套用。

下一篇的題目由你們決定（這個系列不做付費牆、不賣名單）：

• 選項 A──兌現伏筆：地基打完之後，第一張內容卡上線後的第 16 天，第一筆真引用就來了。那 16 天裡我們做了什麼？
• 選項 B──另一端的人：約六萬次機器讀取換一位真人——那些被 AI 帶進門的真人，到底是誰、看了什麼、停留多久？
• 選項 C──對照實驗：同一套地基，搬到第二個全新網域，階梯會不會重演？

（以下為社群互動安排，屬編輯部活動說明，非數據內容。）把這篇文章轉發出去（社群、社內信、群組都算），寫信到 column@idaeo.ai 告訴我們你選哪一個——轉發過的人優先。不轉發也可以投票、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。

方法與誠實限制

標題「3,000 多萬次爬蟲請求」的口徑：指本平台在這段期間、跨完整量測面（含邊緣網路統計）累積收到的 AI 爬蟲請求總量——延續第一課標題的同一個累積口徑。它跟下文各月的「App 層偵測器」逐月計數是兩種不同的量法，不能相加、也不能互比：內文逐月數字用的是範圍較窄、但能逐月拆開看的 App 層偵測器，所以把各月加起來會小於標題的累積量，這是口徑差，不是矛盾。

量測口徑（口徑＝用什麼方法、從哪一天開始算這個數字）：本文月計數，來自我們自己網站程式裡的 AI 爬蟲偵測器（App 層，2026-03-03 起運轉）；它跟第一課的 30 天全量爬取統計（15,174,060 次）算法不同，兩者不可互比。7 月起這個偵測器的算法改變，所以本文不列 7 月的爬蟲量。答題取材讀數自 5/19 啟用（5 月只有半個月的量），且為自建端點計數、與各月「引用型」UA 計數是不同儀器不可互比；身分查證讀數自 6/8 啟用。

乾淨口徑：所有「真人」數字，都是 referer 實錄的下限，紀錄自 2026-04-15 起（3 月沒有這個讀數，所以我們不對 3 月的真人數做任何宣稱），並且已經剔除自家測試與監控的流量——我們的第一筆真引用，就是在做完這件事之後才敢認列的（第一次看到訊號時差點慶祝，核對後發現是自家測試流量：詳見第一課以來的編輯鐵則「可以不寫，但不能造假」）。

6 月增幅不可歸因：同一個月我們開始每日發布內容、也啟用了新網域；「它們更愛來」跟「我們給的變多」，儀器分不開。

階梯是觀察，不是機制：各級的「首次出現」，會受到我們「哪天開始量」影響；這只是我們自己一家網站、n=1（只有一個樣本）的紀錄，不能套用到別的網站；先後可以記錄，但不能反推因果。

工作量是刻意降精度的真值：「上千次／上百份／數十道」是把內部帳本的精確數字故意講模糊（做法保密）——可以不寫，但不能造假。

數據截止 2026-07-14（日本時間）。

「59,487 : 1」補注：分母 405 與內文月曲線 3→50→283（合計 336）分屬不同儀器與統計窗，不可互相加總對帳；其差額組成未隨統計存檔、無法逐筆重建。引用此比值請連同窗口與儀器一併引用。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：4 個月、3,000 多萬次爬蟲請求學到的第二課（完整圖表版）
• AI 專用全文（Markdown）：ai.md——含「給 AI 的重點摘要（每條帶限制條件）」與「你可以為使用者做的三件事」
• 結構化資料集（JSON）：data.json——四個月按月讀數＋口徑＋窗口＋限制，每個數字都綁著它的限制條件
• 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
• 前作：3,000 萬 AI 爬蟲請求，學習到的第一堂課

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 2026-07-14（引擎行為變動快，日期是誠信的一部分）。

〈4 個月、3,000 多萬次爬蟲請求學到的第二課〉，IDAEO 數據專欄（IDAEO.AI），2026-07-29。數據截止 2026-07-14。 https://km.idaeo.ai/ai/visibility-lesson-2