從被搜尋到被推薦：品牌的下一場競爭
顧客還沒進你的網站，
就已經在 AI 的回答裡
做完一半的決定。
「一半」是比喻，不是統計。這堂課談品牌怎麼出現在那段回答裡，而且被說對。
企業講師與 AI 應用教練。
從蕃薯藤產品經理、《數位時代》雜誌主編
到《經濟日報》專欄作家，
三十年來一直在看科技怎麼改變人與品牌。
這堂課不介紹工具，講的是：
當顧客開始先問 AI，品牌要怎麼被找到、被信任、被選擇。
各單元有國際案例與可查證的數字，最後分組替一家虛構品牌寫企劃。
每個單元一個顏色。
前六個單元各看一塊戰場，
第七單元把它們收進專題企劃。
心裡選一個
待會舉手
AI 換掉的是路徑與工具，不是行銷目的。
顧客想解決的問題，仍然是一切企劃的起點。
你在誰心中、跟誰不一樣，這個選擇 AI 替你做不了。
被推薦一次不難，一直被信任要靠說到做到。
左：過去的樣子
右：AI 時代的樣子
Google AI Mode
全球月活躍用戶
超過 10 億
查詢量從推出以來每季增加一倍以上。顧客的第一個問題，愈來愈常在對話裡問出口。
出處：Search Engine Journal 轉述 Google，2026 年 5 月。
AI 讓每個人都能做出
八十分的內容，
品牌要贏的，
是剩下那二十分。
我想買〔品類〕，預算大約〔金額〕元，
主要用在〔使用情境〕。
請推薦三個品牌或產品，
每一個用一句話說明推薦理由，
並告訴我你參考了哪些資訊來源。
開場自己問 AI
最後分組寫企劃
五個國際趨勢，
加上一張臺灣的現況圖。
一個趨勢一張圖
細節留給後面各單元
生成式搜尋：搜尋引擎讀完網頁，直接寫出一段回答。第 2 單元詳談怎麼被它引用。
出處：Pew Research Center，2025 年 7 月 22 日。900 位美國成人在 2025 年 3 月的真實瀏覽紀錄。
示意圖，講者整理
數量只是舉例
超個人化：依每個人的資料給不同內容。這張是講者整理的框架，案例在第 4 單元。
記得顧客上次買的尺寸，他知道這件事，也覺得方便。
資料用得多，但顧客知道用途、也拿到好處，像年度聆聽回顧。
用得少也沒特別說明，顧客沒感覺，效果與風險都有限。
資料用得多卻沒告知，顧客一發現，就覺得被人盯著看。
上：過去的五站
下：一段對話走完
逾八成資深代理商
認為 AI 會形塑
未來十年的廣告
廣告自動化：受眾、版位與出價交給演算法，人負責目標、素材與衡量。第 5 單元詳談操盤手換人之後，你還剩什麼。
出處：EMARKETER，2026 年 4 月 6 日。全球資深代理商人士中 81.3% 這樣認為（2025 年 3 月調查）。
一個人就能做出影片、圖文與音訊，品牌能合作的對象也跟著變多。這是預估值，單位：億美元。
出處：Goldman Sachs Insights，2023 年（頁面更新於 2024 年 7 月）。
臺灣中小企業
一格代表 1%
問的是尚未導入 AI 的中小企業，排名前三的原因。單位：%。
出處：經濟部中小及新創企業署委託工研院「2025 中小企業 AI 運用調查」；今周刊，2026 年 7 月 31 日。
機會不在會用 AI 的人，
在會用 AI 做行銷判斷的人。
同一份調查裡，約九成二的中小企業不了解或只粗淺了解 AI，多數還在起點。上面這句是講者觀點，不是調查結論。
出處：經濟部中小及新創企業署委託工研院調查；翻爆，2025 年 12 月 26 日。
左：傳統行銷漏斗
右：AI 時代的旅程
| 4P | 過去的重點 | AI 時代多出來的題目 |
|---|---|---|
| 產品 Product | 功能與規格 | 規格與問答讓 AI 讀得懂 |
| 價格 Price | 定價與促銷 | 顧客請 AI 替他比價 |
| 通路 Place | 門市、官網與電商 | 在 AI 對話裡直接結帳 |
| 推廣 Promotion | 廣告與內容 | 被 AI 的回答引用與推薦 |
註：講者整理。後面各單元會逐一展開每一格。
橫軸看趨勢跟你的專題品牌有多相關，縱軸看你們現在能不能動手試。
做得到但關係不大，拿來練手就好。
關係大、現在又做得到。企劃從這一格長出來。
關係小也還做不到，留在觀察清單。
關係大但還做不到，寫成企劃裡之後要驗證的假設。
括號換成你的專題品牌。拿到分數後，回上一頁把五個趨勢放進矩陣。
你是行銷顧問。我的專題品牌是〔品牌名〕，主要賣〔產品或服務〕。
請就以下五個趨勢，各用兩句話說明它可能怎麼影響這個品牌：
生成式搜尋、AI 內容量產、超個人化、對話與代理人商務、廣告自動化。
再替每個趨勢打兩個 1 到 5 分：相關度，以及學生團隊能不能動手試。
最後整理成表格。不確定的地方標示「待確認」，不要自行補上數字。
下一個單元，把第一個趨勢拆開來看：品牌怎麼被 AI 推薦。
搜尋框變成對話框，品牌要出現在那段回答裡。
內容、成交與投放都在自動化，判斷還在人手上。
多數中小企業還在起點，這是講者看到的機會。
顧客不再點開十個連結慢慢比較，
他讀完一段回答，就做了決定。
左：過去的搜尋結果頁
右：現在的 AI 摘要
同一套三十萬個關鍵字，比較 AI 摘要出現前後，各名次的點擊少了多少。數字單位是百分比。
出處：Ahrefs，2025 年 4 月 17 日初版、2026 年 2 月 4 日更新版。更新版為校正大盤下滑後的估計。
一格代表一次搜尋
資料是真實瀏覽紀錄
出現 AI 摘要的查詢，自然點擊率從 1.76% 掉到 0.61%。
同樣出現 AI 摘要，品牌被列為引用來源時，自然點擊比沒被引用多 35%。
被引用的查詢，付費點擊也比較多。這是相關，不代表被引用就是原因。
出處：Seer Interactive，2025 年 11 月 4 日。42 個客戶組織、2,510 萬次自然曝光，2024-06 到 2025-09。
53 個品牌、24.3 億次自然曝光。被 AI 摘要引用的頁面，每次曝光的自然點擊多 120%。
出處：Seer Interactive，2026 年 4 月 24 日。與上一頁是不同樣本與期間，兩頁數字不能直接相比。
左：過去爭的是名次
右：現在爭的是被點名
AI 摘要引用的來源，
只有約 17%
同時排進前十名
反過來說，多數被 AI 引用的頁面，並不在自然搜尋的前十名。排名和被引用，是兩場只有部分重疊的比賽。
出處：Search Engine Journal 轉述 BrightEdge，2026 年 3 月。
樣本只限九個商業產業的查詢。
建了 GEO-bench 測試集，把同一批網頁用九種方法改寫，看哪一種最常被生成式引擎寫進答案。加上引用來源、引述與統計數字效果最好；傳統的塞關鍵字表現不佳。
論文實驗中，最佳方法讓內容在生成式答案裡的可見度最多提升 40%。
出處：Aggarwal 等人〈GEO: Generative Engine Optimization〉，arXiv，2023 年 11 月；KDD 2024 接受。
講者整理的判斷框架
不是官方公布的演算法
| 面向 | SEO 搜尋引擎最佳化 | GEO 生成式引擎優化 |
|---|---|---|
| 目標 | 排進搜尋結果前幾名 | 被寫進 AI 的回答裡 |
| 顧客看到的 | 一排連結，自己點進去比 | 一段答案，附少數來源 |
| 內容重點 | 關鍵字與頁面結構 | 直接回答、數字與出處 |
| 外部訊號 | 其他網站連到你 | 報導、評論與各處提及 |
| 怎麼衡量 | 排名與點擊 | 被提及與被引用的次數 |
註：GEO 的衡量方法仍在發展，各家工具的算法不同，不要只看單一數字。
講者整理
地基沒打好，上面白做
第二條有 GEO 論文的實驗支持，另外兩條是實務整理。
小標就是顧客會問的問題，第一句直接給答案。
加上統計與引用來源的內容，實驗裡最常被寫進答案。
用「A 是一種 B，用來做 C」句型，讓 AI 整句引用。
橫軸看 AI 好不好擷取，縱軸看有沒有可查證的依據。講者整理。
內容扎實，但埋在長文件裡，AI 很難抓出一句答案。
一問一答、數字有來源，最容易被整段引用。
「最用心」「最頂級」沒有能查證的內容，AI 無從引用。
好擷取，但說法沒有佐證，容易被別的來源蓋過。
實線：資訊一致
虛線：說法打架
AI 不只讀你的官網，
它讀的是全網路怎麼說你。
所以 GEO 不只是改網站，也包括讓報導、評論與各平臺的資料，說的都是同一個你。
講者整理
欄位參考 OpenAI 規格
感恩節購物季前推出 Instant Buy：使用者在 Perplexity 裡用自然語言描述需求、比較商品，就能用 PayPal 直接結帳。首批商家有 Abercrombie & Fitch、Fabletics、NewEgg。
Perplexity 每週回答超過 1.5 億個問題，購物問題可以當場成交。
出處：PayPal 新聞稿，2025 年 11 月 25 日；Engadget，2025 年 11 月 25 日。
橫軸看 AI 讀不讀得懂你，縱軸看顧客會不會主動問起你。課後用三個 AI 問同一題，就能確認這件事。
顧客在問你，AI 手上卻只有過期或互相矛盾的資料。
顧客會問，AI 也說得出你的名字、特色與推薦理由。
先做好一頁清楚的介紹與常見問答，再談其他。
資料完整，但需求還沒被喚起，要回頭做內容與話題。
看品牌在回答裡的樣子
決定下一步先做什麼
最常見的一個，是把 GEO 當成新版的塞關鍵字，這條路走不通。
GEO 論文裡塞關鍵字表現不佳；加出處、引述與數字，才真的有用（Aggarwal 等人，2023）。
頁面得先被找到、被讀到，才輪得到被引用。GEO 是疊在 SEO 上，不是取代。
AI 也讀報導、評論與各平臺資料。品牌在外面怎麼被描述，跟官網一樣重要。
AI 的回答會變，要定期用同一組問題重測。
講者整理的做法
定期跑一圈
每一句都對應本單元的數字與案例，複習時照順序翻回去看。
有 AI 摘要時點擊明顯變少，比較在回答裡完成。
被 AI 點名的品牌，自然點擊與付費點擊都比較多。
問答結構、附出處的事實、一致的資料，一起做。
顧客問 AI 的那一刻，
你的品牌要在答案裡。
要被寫進答案，得先有值得引用的內容。下一個單元談 AI 時代的內容怎麼做。
AI 負責把量做出來，
人負責決定哪一個值得發出去。
示意圖，不是實測數據
講者整理
產能不再稀缺，
稀缺的是知道哪一個該發的人。
接下來七個品牌案例，看的不是誰用了 AI，而是誰在用 AI 之前，就想清楚自己要什麼。
用 DALL·E 2 生成各種「番茄醬」圖像，結果多半長得像 Heinz 的瓶子。品牌再邀粉絲投稿提示詞，把最好的做成社群貼文與平面廣告。
品牌自稱：這是第一個
視覺全由 AI 生成的廣告活動。
出處：Campaigns of the World，2022 年 8 月 17 日。
問 AI 番茄醬長怎樣
它畫出 Heinz 的瓶子
找 Secret Level、Silverside AI、Wild Card 三家 AI 工作室，重製 1995 年的耶誕廣告〈Holidays Are Coming〉，隔年再做一次。
兩年都引來大量批評，
第二年負評仍多。
出處：NBC News，2024 年 11 月 18 日；Newsweek，2025 年 11 月 4 日。
這支片，是
人類說故事的人
與生成式 AI 的力量
一起完成的。
出處：NBC News，2024 年 11 月 18 日。官方英文聲明，講者中譯。
〈Holidays Are Coming〉由真人拍攝，是後來被重製的原型。
三家 AI 工作室製作，推出後被批評沒有靈魂。
全球生成式 AI 副總裁說，今年比去年「好十倍」。
網友稱它「AI slop」，也有人發起抵制；單則相關貼文最高 1,400 萬次瀏覽。
出處：NBC News，2024 年 11 月 18 日；Newsweek，2025 年 11 月 4 日。
2024 年第一季，和前一年同期相比。
省下的錢裡，超過三分之一歸功於生成式 AI 的應用。
一年約省下 400 萬美元，行銷圖像多半改由內部用 AI 做。
出處：Klarna 新聞稿，2024 年 5 月 28 日。數字為官方自行揭露，非第三方查核。
同一件事，交期剩下原本的六分之一左右。省下來的時間，才是能多跑幾輪測試的本錢。
出處：Klarna 新聞稿，2024 年 5 月 28 日（官方自行揭露）。長條以天數計，六週折算為 42 天。
自建內容平臺，串接 Google、Adobe 等多家模型，2026 年再簽下 OpenAI。官方立場：不用 AI 生成擬真的臉、身體、頭髮或皮膚，來呈現產品功效。
執行長說製作成本降約四成，已產出約 5 萬件素材。
出處：L'Oréal 官網 CreAItech 介紹頁，2025 年；Google Cloud，2025 年 4 月 9 日；Digiday，2026 年 6 月 19 日。
L'Oréal 先畫界線
再放手量產
Oreo 母公司
自建 AI 廣告工具，
投入逾 4,000 萬美元
和 Accenture 一起開發，先用在社群內容與電商頁。主管受訪預估，製作成本可降 30% 到 50%，這是預估，不是實績。
出處：CNBC 引路透社，2025 年 10 月 24 日。
和 Accenture 開發
先用在三個品牌
〈おーいお茶〉電視廣告 2023 年 9 月開播，片中人物由 AI 生成。
整支廣告製作約五個月；行銷負責人受訪說，總成本「應該沒有太大差別」。
出處：ITmedia ビジネスオンライン，2023 年 11 月 11 日。
TikTok 由社群經理 Zaria Parvez 帶領的內製團隊經營，盯著熱門話題快速接話，把吉祥物貓頭鷹經營成有脾氣、有梗的角色。
TikTok 追蹤數約四年
從 5 萬成長到 1,600 萬。
出處：The Drum，2025 年 2 月 25 日。談的是 2025 年初以前的社群經營。
「Duo 死了」
從發想到上線，
只花六天
這個速度靠的是一個熟悉角色的內製團隊。AI 能加快產出，但決定接不接這個話題的，仍然是人。
出處：The Drum，2025 年 2 月 25 日。
講者整理。Klarna 與伊藤園該放哪一格？先自己想一想。
Duolingo：內製團隊跟著熱門話題快速接話，核心是人的判斷。
Heinz、L'Oréal、Mondelez：AI 負責量產，主軸與界線由品牌先定。
判斷還沒想清楚，也還沒用 AI。先補的是判斷，不是工具。
可口可樂：連兩年用 AI 做耶誕廣告，兩年都引來大量批評。
黑圈歸人，彩色歸 AI
講者整理
| 項目 | 要回答的問題 | 虛構範例：巷口咖啡 |
|---|---|---|
| 品牌是誰 | 一句話說出你做什麼 | 校門旁陪你讀書的咖啡店 |
| 對誰說話 | 最常買單的是哪一群人 | 來讀書、討論的大學生 |
| 語氣光譜 | 像什麼、不像什麼 | 像學長姊，不像客服 |
| 用字規則 | 常用的詞、不用的詞 | 說「一杯」，不說「商品」 |
| 範例與反例 | 一則好貼文、一則不及格的 | 各寫一則範例貼文 |
註：五項為講者整理；範例欄是虛構範例「巷口咖啡」，換成你專題品牌的答案。
先讓 AI 訪問你，再整理成五項。它問倒你的地方，就是還沒想清楚的地方。
你是品牌策略顧問。我要替〔你的專題品牌〕寫一份給 AI 用的聲音指南。
請一次只問我一個問題，總共五題，依序對應：品牌是誰、對誰說話、
語氣像什麼與不像什麼、常用詞與禁用詞、一則好貼文與一則不及格的貼文。
五題都答完後，整理成一頁指南，每一項不超過三行。
我沒回答到的地方請標示「待補」，不要自己替我編。
少一個零件
AI 就會自己猜
請 AI 依聲音指南寫三個版本，各放進一格。只花力氣改右上那一則。
語氣對了，滑過去也不會停。補一個具體的畫面或細節。
像你會說的話，又讓人想多看一眼。力氣花在這一則。
不像品牌，也不吸引人。不用修，回頭重下提示詞。
會被點開，卻不像你會說的話。回頭補強聲音指南。
AI 給的是起點
真人給的才是修正
AI 學不會的，
是你沒寫下來的品牌判斷。
聲音指南、提示詞零件、挑版本的標準，都是把判斷寫成文字。寫得愈清楚，AI 交回來的第一版就愈接近你要的。
下一個單元：
從內容走到一人一版的個人化。
八十分的內容人人做得出來，差距在挑選與把關。
像 L'Oréal 一樣，先寫清楚哪些事不交給 AI。
聲音指南與提示詞零件，讓 AI 從對的地方開始。
推薦、對話、下單，
AI 開始替每一位顧客量身處理。
左：一個版本給所有人
右：每個人各有一版
Wrapped 替每位使用者整理出一整年的收聽紀錄，做成可以直接分享到社群的卡片。每個人拿到的都是只屬於自己的那一版，分享出去，就成了品牌的曝光。
上線約 24 小時就有 2 億名使用者互動，年增 19%；分享數約 5 億次，年增 41%。
出處：Music Business Worldwide 轉述 Spotify 官方，2025 年 12 月。
Wrapped 上線後，累積到 2 億名使用者互動所花的小時數。個人化做得好，顧客會自己幫你轉傳。
出處：Music Business Worldwide 轉述 Spotify 官方，2025 年 12 月。
用自己開發的串接介面（MCP）把服務接進 ChatGPT。使用者問「明天上班穿什麼」，系統會把當天的情境一起算進去，再給出穿搭推薦。
推薦時考慮的情境：時間、地點、場合、天氣、季節。
品牌從自家 App 走進顧客正在用的 AI。
出處：韓國《亞洲經濟》（Aju News），2026 年 6 月 9 日。
韓國 CJ Olive Young
學術個案的四條主軸
講者整理的通用架構
不是單一平臺的流程
2024 年上線的 AI 助理，第一個月處理 230 萬次對話、約佔三分之二。2025 年執行長受訪時承認先前太偏重省成本，服務品質因此下降，改成 AI 與真人並行，讓顧客隨時找得到真人。
上線第一個月的工作量，等同 700 名全職客服人員。規模贏了，信任要另外補。
出處：Klarna 新聞稿，2024 年 2 月 27 日；
Customer Experience Dive 轉述彭博，2025 年 5 月 9 日。
官網聊天機器人告訴乘客可以事後申請喪親優惠票價，這是錯的。公司主張聊天機器人是「獨立個體」，卑詩省民事仲裁法庭不接受，判定公司要為網站上的所有資訊負責。
判賠約 650.88 加幣，外加利息與費用。金額不大，判準很重要。
出處：American Bar Association《Business Law Today》，2024 年 2 月；
Moffatt v. Air Canada，2024 BCCRT 149。
AI 客服說的每一句話，
都算品牌說的話。
上線前先決定三件事：它能回答什麼、什麼情況要轉真人、怎麼讓顧客知道對方是 AI。
用專屬的付款憑證，讓驗證過的 AI 代理人代為付款。
推出 Instant Checkout，在對話裡直接買，首批是 Etsy 商家。
執行長在法說會上表示，本季已在網路上完成第一筆。
和 PayPal 推出 Instant Buy，說出需求，比較完直接結帳。
旗下代理人服務已完成數百筆由 AI 發起的真實交易。
出處：Digital Commerce 360、SiliconANGLE、PayPal 與 Visa 官方新聞稿，2025 年。
47% 的美國消費者
已經讓 AI 幫忙
做過購物任務
只要至少一項購物任務用過 AI 就算，不等於已經讓 AI 付款。但顧客習慣先問 AI，品牌就得準備好被 AI 讀懂與挑選。
出處：Visa 官方新聞稿，2025 年 12 月 18 日。
上：代理人替顧客挑
下：兩種說服的功課
個人化、對話、代理人，考的都是信任。
訊號、預測、給出這一版、看回應，要一直轉下去。
答錯要負責，省下的成本可能要用信任還回去。
規格、價格、庫存與政策寫清楚，代理人才選得到你。
受眾、出價、版位交給機器，
目標與素材還在你手上。
上：過去由人逐步調整
下：現在交給演算法
Meta 的一條龍自動投放方案 Advantage+，2026 年第二季年化營收已超過這個數字。
用過至少一種 Meta 的 AI 廣告素材工具，同一場法說會公布。
將近六成已經在用或打算用 AI 採購工具（2024 年 8 月調查）。
出處：Meta 2026 年第二季法說會（The Motley Fool 逐字稿，2026 年 8 月）；EMARKETER，2026 年 4 月。
Performance Max 讓廣告主用一個廣告活動橫跨 Google 的各個廣告版位。廣告主提供目標、預算與素材，出價與投放位置由 Google 的 AI 決定。
相近成本下，轉換或價值平均多 27%。2021 年公布的是 13%，都是 Google 自家資料。
出處：Google Ads 說明中心（現行版）；
Google 官方部落格，2021 年 11 月 2 日。
講者整理：演算法決定不了這四件事。
營收、名單還是新客？目標設錯，系統就跑錯方向。
素材的訴求，決定演算法找得到哪些人。
顧客同意提供、你自己蒐集的資料，是餵給系統最好的訊號。
報表記的功勞不一定是廣告帶來的，要自己檢驗。
講者整理的觀察
三支素材，三群人
示意圖，非實際數據
增量要靠對照組量
| 層級 | 看什麼 | 回答的問題 | 小心 |
|---|---|---|---|
| 觸及 | 觸及人數、頻率 | 多少人看到了 | 頻率太高會疲乏 |
| 素材 | 點擊率、完看率 | 哪個版本抓得住人 | 點擊高不等於會買 |
| 轉換 | 轉換數、轉換成本 | 花多少換到一次行動 | 先確認追蹤裝好 |
| 營收 | 廣告投資報酬率 | 一塊錢換回多少 | 含本來就會買的 |
| 增量 | 對照組的差距 | 沒有廣告會少多少 | 要留對照組才量得到 |
註：講者整理。各平臺的指標名稱與算法不同，先確認你的報表怎麼定義。
講者整理。橫軸看累積了多少轉換數據，縱軸看目標清不清楚。
目標明確但轉換太少，系統學不起來，先用小預算把數據養起來。
目標清楚、數據夠多，把受眾與出價交出去，你專心做素材。
先定好目標、裝好轉換追蹤，再談自動投放。
數據很多但目標模糊，系統會很努力地優化一個不重要的數字。
例如「強調省時的文案，點擊會比強調便宜的高」。
標題、圖片或按鈕擇一，其他全部相同。
兩個版本在同一段期間跑，避免季節與時機干擾。
開跑前就寫下看哪個指標、差多少才算贏。
贏的版本變成新的基準，再測下一個假設。
註：講者整理。多數廣告平臺都內建實驗工具，可以自動把受眾分成兩組。
貼給任何對話式 AI 都可以。括號換成你的專題品牌，以及這次想測的東西。
你是數位廣告的成效分析師，請替以下品牌設計一個 A/B 測試計畫。
內容包含：一個可以被推翻的假設、只改一個變數的兩個版本、
要看的主要指標、判定勝負的標準，以及可能干擾結果的因素。
最後告訴我：這個測試量得到「增量」嗎？量不到的話要怎麼補。
不確定的數字請標示「待確認」，不要自行假設。
品牌與產品：〔你的專題品牌〕
想測的東西：〔例如兩種廣告標題〕
把預算交給演算法之前，
先想清楚要它衝什麼。
演算法最擅長的是優化；決定要優化什麼，一直都是行銷人的工作。
演算法找人與出價，人負責方向與判斷。
演算法只能在你給的目標與素材裡，找出最好的組合。
報表是起點，留一組對照才知道廣告多帶來什麼。
一次只改一個地方，把每一輪的結果記下來。
AI 讓內容愈來愈容易做，
顧客的信任反而愈來愈難得。
四格各有不同的受害者。先找出你的專題最可能踩到哪一格。
假代言與深偽影像、編造的數字。
顧客被誤導，品牌信用一起賠。
把顧客名單、對話紀錄貼進 AI 工具，資料就離開了你的控制。
生成的圖像、音樂或文案，可能存在侵犯他人著作權或肖像權的風險。
資料裡的刻板印象，會讓某些族群在廣告裡被扭曲或消失。
社群上出現用 AI 合成 Taylor Swift 聲音的廣告，宣稱要免費送出 Le Creuset 鍋具。品牌完全沒有參與，卻得出面替顧客把關。
Meta 下架這則廣告。
Le Creuset 聲明：正式贈品
只會出自官方帳號。
出處：NBC News，2024 年 1 月 10 日。
美國聯邦貿易委員會一次處理多起誇大或欺騙性的 AI 宣稱。AI 評論生成服務 Rytr 被禁止再賣產生評論的服務。
萬美元：自稱「機器人律師」的 DoNotPay 被罰的金額。
出處：美國聯邦貿易委員會（FTC）新聞稿，2024 年 9 月 25 日。
上：誰要做什麼
下：什麼時候開始
AI 合成名人聲音
假送鍋具來騙個資。
法庭判定公司要為
聊天機器人的回答
負起責任。
打擊誇大的 AI 宣稱，
DoNotPay 被罰。
用 AI 重製耶誕廣告，
被批評沒有靈魂。
執行長承認太偏重
省成本，客服改成
AI 與真人並行。
聊天機器人要告知，
合成內容要標示。
並列時間，不代表因果。出處：NBC News；ABA Business Law Today；FTC；Customer Experience Dive；歐盟執委會。
上：可口可樂
下：Klarna
揭露不是認錯，
是替顧客省下猜測的力氣。
AI 生成的圖像與影片，在畫面上或說明欄寫清楚。
AI 客服開口先說自己是 AI，也留一條找真人的路。
寫出品牌用 AI 的界線，例如哪些畫面絕不用 AI 生成。
| 平臺 | 什麼要標示 | 標籤出現在哪 |
|---|---|---|
| YouTube | 會被誤認成真人真事的寫實內容要揭露； 寫腳本、上字幕這類輔助不必。 | 多半在展開的說明欄；健康、新聞、 選舉、財經類直接標在影片上。 |
| Meta | 偵測到業界通用的 AI 訊號， 或上傳的人自己申報。 | 貼文標「AI info」；只用 AI 修圖的， 標籤收進貼文選單。 |
| TikTok | 寫實的 AI 生成內容， 創作者要自己標示。 | 帶 C2PA 內容憑證的圖片與影片， 上傳時自動加上標籤。 |
出處：YouTube 官方部落格，2024 年 3 月 18 日；Meta Newsroom，2024 年 4 月 5 日（9 月 12 日更新）；TikTok Newsroom，2024 年 5 月 9 日。
寫完放進企劃畫布的「風險把關」那一格。括號換成你的專題品牌。
你是品牌的公關顧問。請替下面這個品牌草擬一頁 AI 使用原則。
分成三段：哪些內容可以用 AI 做、哪些一定由人決定、對外怎麼揭露。
每段三條以內，每一條都具體到員工讀完就知道能不能做。
再列出兩個最可能讓顧客失去信任的情境，以及發生時的第一步。
不要引用你無法確認的法規條文或數字，不確定的地方標示「待確認」。
品牌與產品：〔你的專題品牌〕
AI 可以替你寫，
但不能替你負責。
顧客分不出哪一句是 AI 寫的。掛著品牌名稱發出去的每一句話，都算品牌說的。
左：AI 的產出
右：顧客看到的樣子
把前六個單元收成一張九格畫布，
先分組替巷口咖啡寫企劃，再帶回你的專題。
上排定方向，中排是引擎
下排把關，最後一格起跑
三格都要寫到具體的人、
具體的指標、具體的場景。
新會員、來店、詢問或營收，
挑一個當主指標，其他當參考。
寫出一個具體的人，
以及他買之前會問 AI 的那句話。
列出 AI 讀得到的事實：
產品頁、常見問答、評價與報導。
| 格子 | 要回答的問題 | 回頭看哪一個單元 |
|---|---|---|
| 04 內容產線 | 誰出主意、AI 產什麼、誰把關？ 一則內容上線前經過哪幾手？ | 第 03 單元：人機協作的新產線 |
| 05 個人化觸點 | 顧客在哪個接觸點看到專屬內容？ 依據的是什麼資料？ | 第 04 單元：一人一版的時代 |
| 06 投放與衡量 | 預算交給演算法後，你給什麼素材？ 用哪個指標判斷有效？ | 第 05 單元：把預算交給演算法 |
最後一格最要緊：
沒有實驗的企劃，只是一份願望清單。
寫下最可能出事的情境、
誰負責檢查、出事時第一步做什麼。
語氣、底線與最後的決定留給人，
量和初稿交給 AI。
一個假設、兩個版本、一個指標，兩週內看得到結果。
巷口咖啡：大學校門旁的獨立咖啡店。
店長一人、工讀生兩位，四十個座位，大多數座位旁有插座。
早上七點半開門，供應簡單的早餐。
期中考、期末考前後常坐滿讀書的學生，考完就冷清下來，早上更常空著。
IG 多半貼拉花照，Google 商家頁只有地址和電話。
有會員集點卡，每月能撥一小筆廣告預算。
店長想要：增加早上與平日的客流量。
一格寫一到兩句
填完上臺分享
不是唯一解
對照你們那組差在哪一格
「寫清楚早上安靜好讀書的貼文，比拍拉花更能帶進平日來客。」
請 AI 各產三則貼文，店長各挑一則再修改。
兩個版本同預算、
同受眾、同期投放。
主指標是早上與平日來客數，按讚與留言只當參考。
贏的版本放大，輸的版本寫下原因，變成下一個假設。
註：延續虛構範例「巷口咖啡」，示範實驗怎麼設計。
先挑左上角：
對目標影響大、兩週內做得完的那一個。
影響大、力氣小。例如同一則貼文做兩種開頭，看哪一種帶來更多早上來客。
影響大但一次做不完。切成一個兩週內能驗證的小問題。
影響小、力氣小。不必當實驗，排進日常工作就好。
影響小又花力氣。寫進待辦，等前面的實驗有結果再說。
課堂上替巷口咖啡填過一次。回去換成你的專題品牌，讓 AI 陪你一格一格填。
你是行銷企劃顧問，請陪我填企劃畫布。一次只問我一格，照這個順序：
目標、受眾、被推薦策略、內容產線、個人化觸點、投放與衡量、風險把關、人的角色、第一個實驗。
我答得太空泛時，請追問一個具體例子，不要替我編造事實。
九格填完後，整理成一張表，並提出一個兩週內跑得完的小實驗。
我的專題品牌：〔品牌與產品〕
每一軸給自己 1 到 5 分
最凹的那一角先補
| 類型 | 名稱（發布者） | 適合拿來 |
|---|---|---|
| 免費報告 | 2026 行銷預測指南（Think with Google） | 看 AI 怎麼縮短決策路徑 |
| 免費報告 | State of Marketing（HubSpot） | 看全球行銷人怎麼用 AI |
| 公開研究 | AI 摘要與點擊行為（Pew Research） | 練習讀懂一份研究的方法 |
| 學習中心 | Google Skillshop（好學堂） | Google 廣告與分析的免費課程 |
| 學習中心 | Meta Blueprint | Advantage+ 與 AI 廣告課程 |
搜尋名稱即可找到。HubSpot 完整報告要留信箱；Meta Blueprint 課程免費，證照考試另外收費。
左：免費就能開始的工具
右：企劃裡要做的事
| 主題 | 文章 | 網址 |
|---|---|---|
| 被 AI 引用 | 寫給創作者的 AEO 入門指南 | vista.tw/blog/aeo-for-content-creators |
| GEO 自我檢測 | GEO 體檢器使用教學 | vista.tw/blog/geo-check-tutorial |
| 內容產線 | 我用 AI 搭建一整條內容生產線 | vista.tw/blog/ai-content-factory-system |
| 個人品牌 | AI 時代的個人品牌完整指南 | vista.tw/blog/ai-personal-brand-guide |
| 揭露與倫理 | 用了 AI 不可恥，藏起來才有風險 | vista.tw/blog/ai-disclosure-ethics |
課講完了，你的專題才剛開始。
把品牌的事實寫清楚、放對地方，
AI 才說得出你的名字與理由。
八十分交給 AI，剩下的角度、語氣與底線留給人。
每一次揭露與把關都是存款，
一則假代言就能把它提光。
畫布填完，
先跑一個兩週的小實驗。
每個案例與數字都附了出處，
回頭翻可以逐條查證。
歡迎訂閱電子報：
iamvista.substack.com