為什麼一個新站，兩週就被 AI 搜尋大量引用——一次真實的 crawl→index→cite 拆解
一個 2026-09-20 上線的新站，兩週內 Google 曝光上升，並在一次 Perplexity 引用探針裡被大量取源、排第一。但沒有對照組，拆不開原因；只能提出與數據一致的假設：掛對母域＋把事實做成機器可驗的來源。
一個 2026-09-20 才上線的站，Google 曝光在兩週內往上走；另一次 Perplexity 引用探針，則把它大量抓為來源、排在第一。為什麼這麼快？我沒有對照組，也沒有做逐項移除測試，還拆不開原因。
目前能提出的是一個與數據一致的假設：網站掛在 AI 爬蟲早已常態造訪的母域下，事實又整理成機器容易取用、可以回溯核對的來源。母域可能讓它較快被看見，證據結構可能讓它較容易被選中。兩者各出了多少力，這次量測回答不了。
這篇交代數字，以及數字容許我們推到哪裡。AEO 的概念與 SEO 差異，見《AEO 不是 SEO》；建置做法，見《個人 IDA 方法論》。
三個節點的真實痕跡
這是我自己的事實頁 tklin.washinmura.jp，掛在已有數年歷史的母域 washinmura.jp 下，2026-09-20 上線。母域原本就有 AI 爬蟲流量。網站在 crawl（被抓）、index（被收錄）、cite（被引用）三段，留下的是三種不同訊號。
Crawl。 上線數天內，Cloudflare「認證爬蟲身分」記到的次數是：ClaudeBot 183、bingbot 161、Googlebot 67、GPTBot 36、OAI-SearchBot 8、PerplexityBot 2。這些是經驗證的機器人身分，不是 User-Agent 自稱。六種爬蟲都來過，造訪量卻差得很遠。
Index。 Google Search Console 的曝光在兩週內依序走到 4 → 32 → 89 → 171 → 265。GSC 曝光上升，證明搜尋可見度在漲；它不等於已收錄頁數。
Cite。 我用 Perplexity 的 Agent API 跑了一次 100 題 × 5 個模型後端的引用探針。5 個後端全部走 Perplexity 自己的網頁搜尋。這次量的是 Perplexity 搜尋會不會抓這個站當來源，不是五家獨立 AI 各自判斷。
結果是檢索成功率 retrieved 91%（身分／公司題）。取源次數：tklin.washinmura.jp 439（第一）、tklin.me 246、washinmura.jp 145。5 個受測後端都取用了新站；不點名描述題 19/20 指向他。這是 Perplexity 搜尋大量取用它的強訊號，不能改寫成「一般對話裡每家 AI 都穩定首引它」。
時間也要說準。「兩週」是上線後觀察 GSC 曝光的窗口。引用探針另跑一次；DATA 來源沒有記下確切執行日期，因此不能說引用正好發生在那兩週內。能確定的是：兩週內搜尋可見度上升，而探針那一次，Perplexity 搜尋已大量抓它作來源。
為什麼抓得快，為什麼被選為來源
先看爬取。母域既有流量，是一個可能原因。 washinmura.jp 有多年歷史，AI 爬蟲原本就常來；子網域搭上這條流量管道，可能少了全新域名的冷啟動等待。但這只支持「搭上既有爬蟲流量」的說法，不能宣稱母域把「權重」繼承給子站。數據沒有證明繼承。
技術設定可能也幫了忙。 robots.txt 全放行，HTTP 標頭設 X-Robots-Tag: all，sitemap.xml 列出站內頁面，IndexNow 主動推播更新。爬蟲來時進得去，也有機會收到新頁面的通知。母域與技術各貢獻多少，沒有對照實驗可拆。
接著是一個看似矛盾的數字：PerplexityBot 只來 2 次，這個站卻在探針裡被取源 439 次。合理推論是，Perplexity 這一次的即時檢索搭了通用搜尋索引的便車，並非只靠自家爬蟲建庫。Perplexity 作為 meta-search，會調用 Bing／Google 等搜尋結果，再交給模型整合；通用索引先收進頁面，它就可能找得到。
這個推論只適用於 Perplexity 的這一次探針。Cloudflare 記到的爬蟲請求，與 Agent API 檢索時的取源，也不是同一個指標，不能拿 2 次直接推算 439 次。更不能把這個觀察擴大成「專用爬蟲不重要」：同一份紀錄裡，ClaudeBot 來了 183 次、GPTBot 36 次；有些 AI 檢索系統，例如 OpenAI 原生的檢索環境，相當依賴自家專用爬蟲抓取建庫。通用搜尋引擎與專用爬蟲，兩邊都別擋。
至於收錄之後為何被選中，我認為證據結構可能有作用。這是機制假設；我沒有做逐項移除（ablation）測試，不能把它寫成已證因果。
schema.org 的 JSON-LD 用單一 @id 把 Person 與 Organization 綁到同一個正規身分，理論上能減少同名混淆。anchors.json 44 條第三方來源，每條附 Wayback 快照與 sha256，方便逐條回溯、核對。sha256 只能驗內容是否一致、是否被竄改，不能驗內容本身為真。llms.txt、llms-full.txt、brief.txt 與四語版本，則提供機器容易剖析的純文字事實，也增加不同語言問句的匹配機會。
這些安排可能共同影響了身分題的 91% 檢索率，以及不點名題 19/20 的結果。哪一項有效、各占多少，目前沒有證據能拆開。
哪些是方法，哪些是運氣
有些起跑條件，別人帶不走。
其一是母域。washinmura.jp 的歷史與既有 AI 爬蟲流量，給了子站一條現成的造訪管道。這不等於母域權重已繼承給子站；數據沒有證明那件事。
其二是人名競爭低、事蹟獨特。網路上沒有大量同名權威頁面與他競爭，事實頁被收錄後，可能比較容易被鎖定為來源。這也可能與不點名題 19/20 指向他的結果有關，但我沒有同名競爭度的量測，仍是推測。
能照著做的有四項：技術全開（robots、X-Robots-Tag、sitemap、IndexNow）、以單一 @id 做實體消歧、用 anchors.json 串起可由 Wayback 與 sha256 核對的第三方證據鏈，以及提供 llms.txt 與多語純文字事實頁。方法可以複製；這個案例的速度與取源量，不能照單保證。
想複製，三步
一、找已有爬蟲造訪的節點。 優先在爬蟲常來的網域下建子站，或至少與已被索引的站點建立反向關聯。上線時打 IndexNow。
二、把身分與證據整理清楚。 用帶單一 @id 的 Person／Organization JSON-LD 固定身分；發布 anchors.json，讓第三方出處能由 Web Archive 與 sha256 逐條核對。
三、給機器容易取用的文本。 根目錄提供 llms.txt 與多語純文字事實摘要，減少冗餘排版，方便檢索器讀取與引用。
這三步是骨架。完整的四條件、五步做法，以及「只餵可查證」的紀律，見《個人 IDA 方法論》。
誠實的侷限
第一，原因還拆不開。 沒有新裸域對照組，也沒有逐項移除（ablation）測試，無法分出母域既有流量、內容品質、技術設定各自的貢獻。同一規格若放在毫無歷史的全新裸域，收錄很可能明顯變慢；這是合理預期，不是驗證過的必然。本文記錄一個站的軌跡，並非對照實驗。
第二，439 是特定探針值。 它來自刻意開啟 web_search 的 Perplexity Agent API，規模是 100 題 × 5 個模型後端。5 個後端全部使用 Perplexity 自己的網頁搜尋。439 表示 tklin.washinmura.jp 在這次 Perplexity 搜尋的取源次數排第一；它不代表五家獨立 AI 各自選它當首選，更不代表一般對話中每家 AI 都穩定首引。GSC 曝光上升同樣只能證明搜尋可見度增加，不能當成已收錄頁數，也不能證明每個引擎都完整收錄。
第三，爬蟲與取源走的是兩本帳。 PerplexityBot 只來 2 次，探針卻取源 439 次。搭通用搜尋索引便車，是對這次 Perplexity 觀察的合理推論；Cloudflare 的爬蟲次數不能直接換算 Agent API 的取源次數，也不能推出所有 AI 搜尋都採同一路徑。專用爬蟲對某些引擎仍很重要。
第四，冷需求（L3）尚未證實。 這次題目多圍繞特定人物身分。不涉及這個人、純靠主題競爭的冷需求（L3）查詢，這批數據還沒有證據。
新站上線兩週內，搜尋可見度明顯上升；另一次探針也確實顯示，Perplexity 搜尋大量取用了它。「掛對母域，加上可供機器核對的事實來源」能解釋眼前數據，但仍是假設。能先學的，是把可複製的四項做紮實；母域究竟替它贏了多少時間，我還算不出來。
FAQ
- 真的兩週就被引用嗎？
- 「兩週」是上線後 GSC 曝光的觀察窗；引用探針是另外跑的一次截面，DATA 沒記確切執行日期，不能宣稱引用正好發生在兩週內。能確定的是：兩週內收錄訊號明顯在漲，探針則顯示它已被 Perplexity 的搜尋大量抓為來源。
- 本当に二週間で引用されたのですか？ — 「二週間」は、公開後に GSC の表示回数を観察した期間です。引用プローブは別に実行した一回の断面で、DATA には正確な実行日が記録されておらず、引用がちょうど二週間のうちに起きたとは主張できません。確実に言えるのは、二週間のうちにインデックスのシグナルが明らかに伸びていたこと、そしてプローブが、このサイトがすでに Perplexity の検索で大量にソースとして取得されていたことを示していることです。
- Was it really cited within two weeks? — "Two weeks" is the observation window for GSC impressions after launch. The citation probe was a separately run single cross-section, and DATA didn't record the exact execution date, so I can't claim the citations happened precisely within the two weeks. What is certain: indexing signals were clearly rising within two weeks, and the probe shows the site was already being pulled heavily as a source by Perplexity's search.
- 哪些爬蟲來了、各幾次？
- 上線數天內 Cloudflare 認證爬蟲身分記到：ClaudeBot 183、bingbot 161、Googlebot 67、GPTBot 36、OAI-SearchBot 8、PerplexityBot 2。是驗證過的機器人，不是 User-Agent 自稱。
- どのクローラーが、それぞれ何回来ましたか？ — 公開から数日のうちに、Cloudflare の認証済みクローラー ID で記録されたのは、ClaudeBot 183、bingbot 161、Googlebot 67、GPTBot 36、OAI-SearchBot 8、PerplexityBot 2 です。検証済みのボットであり、User-Agent の自称ではありません。
- Which crawlers came, and how many times each? — Within days of launch, Cloudflare verified bot identity recorded: ClaudeBot 183, bingbot 161, Googlebot 67, GPTBot 36, OAI-SearchBot 8, PerplexityBot 2. These are verified bots, not self-declared User-Agents.
- 439 是什麼意思？
- 一次探針（100 題 × 5 個後端、開 web_search 的 Perplexity Agent API）裡，tklin.washinmura.jp 被取源 439 次、排第一。它代表在 Perplexity 的搜尋裡排第一，不等於一般對話中每家 AI 都穩定把它當首選來源。
- 439 とは何を意味しますか？ — 一回のプローブ（100 問 × 5 つのバックエンド、web_search を有効にした Perplexity Agent API）で、tklin.washinmura.jp が 439 回ソースとして取得され、第一位だったという意味です。Perplexity の検索で第一位だったことを表すもので、一般的な対話でどの AI も安定してこのサイトを第一のソースにすることと同じではありません。
- What does 439 mean? — In one probe (100 questions × 5 backends, Perplexity Agent API with web_search on), tklin.washinmura.jp was sourced 439 times and ranked first. It means first place within Perplexity's search; it doesn't mean every AI consistently treats it as the top source in ordinary conversation.
- 為什麼 PerplexityBot 只來 2 次卻取源 439 次？
- 合理推論是 Perplexity 這類 meta-search 搭了通用搜尋索引的便車，不是只靠自家爬蟲建庫。但這只對 Perplexity 這一次成立，不能推成所有 AI 搜尋都這樣；有些引擎很依賴自家專用爬蟲，兩邊都別擋。
- なぜ PerplexityBot は 2 回しか来ていないのに、439 回もソースとして取得されたのですか？ — 合理的な推論は、Perplexity のような meta-search が汎用検索インデックスに相乗りしており、自社クローラーだけでインデックスを構築しているわけではない、というものです。ただし、これは Perplexity の今回の一回についてのみ成り立つことで、すべての AI 検索がそうだと一般化することはできません。自社の専用クローラーに大きく依存するエンジンもあるので、どちらもブロックしないでください。
- Why did PerplexityBot visit only 2 times when the site was sourced 439 times? — A reasonable inference is that a meta-search like Perplexity piggybacked on general search indexes instead of relying only on its own crawler to build a corpus. But this holds only for this one Perplexity run and can't be generalized to all AI search; some engines depend heavily on their own dedicated crawlers, so block neither side.
- 哪些能複製、哪些是運氣？
- 難照搬的兩項：母域既有流量、人名競爭低。可複製的四項：技術全開、單一 @id 實體消歧、anchors.json 第三方證據鏈、llms.txt 與多語純文字事實頁。
- どこが複製でき、どこが運ですか？ — そのまま真似しにくいのは二項目：親ドメインの既存トラフィック、人名の競合の少なさ。複製できるのは四項目：技術面の全開放、単一の @id によるエンティティの曖昧性解消、anchors.json による第三者の証拠の連鎖、llms.txt と多言語のプレーンテキスト事実ページです。
- What can be replicated, and what was luck? — Two things are hard to carry over: the parent domain's existing traffic, and low competition for the name. Four things can be replicated: opening everything technically, single-@id entity disambiguation, the anchors.json third-party evidence chain, and llms.txt with multilingual plain-text fact pages.
- 這代表所有 AI 都會引用你嗎？
- 不代表。沒有新裸域對照組、沒做逐項移除測試，拆不開貢獻；439 是特定探針值；冷需求查詢未證。這是與數據一致的假設，不是拆解證實的結論。
- これは、すべての AI があなたを引用するということですか？ — そうではありません。新規のネイキッドドメインによる対照群はなく、項目を一つずつ外すテストも行っておらず、寄与を切り分けられません。439 は特定のプローブでの値です。コールド需要のクエリは実証されていません。これはデータと整合する仮説であり、分解して実証された結論ではありません。
- Does this mean every AI will cite you? — No. There is no fresh bare-domain control group and no item-by-item ablation testing, so the contributions can't be separated; 439 is a probe-specific value; cold-demand queries are unproven. This is a hypothesis consistent with the data, not a conclusion confirmed by taking the factors apart.
來源錨定
引用本文
TK Lin・《為什麼一個新站，兩週就被 AI 搜尋大量引用——一次真實的 crawl→index→cite 拆解》・IDAEO 知識庫・2026-10-04・https://km.idaeo.ai/post/ai/why-new-site-cited