跳到正文
11月2日週一
  1. DEV Community48

    FORMAT:我曾針對 Google Trends 顯示不存在的關鍵詞做 SEO

    FORMAT 的作者發現,描述室內影片需求的搜尋詞在 Google Trends 全部為零,於是把主頁改為針對有搜尋量的「photo to video」,並以「interior design」作限定詞。三個月內,網站有 93 次曝光、11 次點擊,搜尋查詢全是品牌詞,相關非品牌詞的曝光為零。作者因此把重點轉向目錄、社羣及創作者等第三方推薦,讓 AI 答案引擎更有機會引用 FORMAT。

  2. 阿里雲開發者社區 AI57

    GEO 優化實踐指南:官網問答改造、品牌事實表及 30 天啟動路線圖

    GEO 實踐指南把品牌優化整理為官網問答改造、客戶原話選題、品牌事實表、多平台資訊一致、銷售與客服應用、口碑整理及定期監測等日常工作。文中提供 30 天啟動路線圖和常見誤區表,並建議每月固定以 10–20 個核心問題在 3–4 個平台檢查品牌是否被提及、描述是否準確。

  3. 阿里雲開發者社區 AI53

    生成式引擎優化(GEO)落地拆解:AI 答案生成六道關卡與六項自查變數

    文章拆解生成式引擎優化(GEO)的內容引用流程,指出內容須經過意圖改寫、檢索、片段篩選、多源印證、答案生成及來源引用六個環節,才可能進入 AI 答案。文章整理可抽取性、實體清晰度、多源一致性、時效性、專業縱深和語義覆蓋六項變數,並以工業除濕機案例和自查清單説明如何改善內容結構與跨平台資訊一致性。

  4. 阿里雲開發者社區 AI31

    AI 搜尋答案由誰決定?信源權重機制解析

    AI 搜尋如何引用品牌資訊,取決於模型對信源可信度的評估、多源交叉驗證及實體識別,而非內容發布數量。政府公示及備案資訊權重較高,企業自有內容則需外部信源交叉印證;統一品牌與業務資料的公開口徑,有助模型準確識別實體。

  5. 阿里雲開發者社區 AI55

    Geo 優化中 AI 可協助的八項工作

    文章整理 Geo 優化中 AI 可協助的八項工作,包括把主張改寫成可核驗證據、生成段首結論、整理引用、擴展長尾問答,以及多模型探測、整理署名與機構 schema、監測更新和生成圖像替代文字。AI 可負責重複、可規則化的草擬與監測,數據、引用及署名等事實和來源則須由人回源核實後定稿。文中另提供可直接取用的提示詞、復更清單,以及以提及率、引用率和推薦率作同口徑追蹤的度量方式。

  6. 阿里雲開發者社區 AI37

    企業如何進入 AI 搜尋答案?內容結構化路徑指南

    企業要進入 AI 搜尋答案,應把品牌資訊整理成大模型可識別、可交叉驗證的結構化信源,並按實體校準、信源加固、內容結構化、多模型適配及持續監測推進。內容可採用「問題—證據—結論」結構,清晰呈現可核驗證據及品牌實體資訊。搭配多模型監測,追蹤品牌提及率、事實準確度和情感傾向,持續診斷及調整。

  7. DEV Community51

    MaxAEO 如何追蹤 AI 助理推薦的工具:40 個問題、8 個平台、2,124 條回答

    MaxAEO 用 40 個不含品牌名稱的問題,在 8 個 AI 平台連續 7 天追蹤工具推薦,取得 2,124 條已完成回答並計算提及率。Profound、Peec AI、Otterly.AI 和 Semrush 的整體提及率均逾 60%,在任何單一平台也都不低於 40%;作者指出,平台數據應分開呈現,否則整體平均會掩蓋差異。

  8. DEV Community40

    TMview 商標搜尋有三種匹配模式,而非一種;其中兩種名稱有誤

    TMview 搜尋端點接受 C、W、E 三種大小寫敏感的匹配模式,分別代表包含字串、任意位置的完整詞匹配及字尾匹配。W 並非由名稱開首匹配,E 亦不要求完整詞;檢查商標是否以指定名稱開首,應以 C 搜尋後在用戶端篩選前綴。Actor 現已支援 startsWithPrefix,並會在比較前以 NFKC 正規化。

  9. DEV Community51

    AI 爬蟲與搜尋爬蟲:七晚普查及自查方法

    作者以自家網站七晚的存取紀錄進行爬蟲普查,記錄到 8,654 次爬蟲請求和 247 次真人訪問,當中 65.5% 未能識別名稱。SEO 工具爬蟲共 1,274 次,搜尋引擎爬蟲共 885 次;PerplexityBot 有 273 次,遠多於 OAI-SearchBot 的 30 次。文中亦列出使用存取日誌和 grep 統計爬蟲、計算名稱識別率的十分鐘做法。

  10. DEV Community38

    一個網站一週獲逾 7,000 次曝光,另一個零曝光:一名航空工程師對 Google 索引的觀察

    一名航空工程系畢業生比較兩個網站在 Google 搜尋中的索引表現:一個網站首週獲逾 7,000 次曝光,另一個上線兩天後仍是零曝光、零點擊。曝光較多的網站有約 2,700 個頁面,涵蓋產品、製造商、計時器及比較資訊,作者仍不確定兩個網站表現差異的原因。

  11. DEV Community34

    不看搜尋量的 SEO 關鍵字策略

    SEO 關鍵字策略應按搜尋意圖選詞,逐頁配對內容,而非只追求高搜尋量;搜尋意圖包括資訊、商業及交易需求。建立策略時,應分類意圖、為關鍵字指定頁面、檢查內容競食,並按搜尋結果頁面調整內容格式。

  12. DEV Community66

    Qdrant 1.20 在全文索引內以 BM25 排序關鍵詞匹配

    Qdrant 1.20 在全文索引內加入 BM25 關鍵詞排序,並自行計算包括平均文件長度在內的統計資料,讓評分隨文件變動保持準確。新的程式碼 tokenizer 令 getUserName、get_user_name 和 user name 可相互匹配;巢狀篩選的 per-element indexes 在 100,000 個點的測試中,比一般索引快 7 至 38 倍。

11月1日週日
  1. DEV Community31

    Hreflang 可連結國際網址,但不會提升它們的排名

    Hreflang 可協助 Google 理解及導向同一頁面的不同語言或地區版本,但本身不會提升這些頁面的排名。Google 可將相似頁面歸為同一羣組並選定其中一頁作索引代表,仍可按用戶的語言或地區提供其他版本。要突顯市場頁面的價值,網站應呈現當地法規、價格、供應情況或用戶需求等實際差異。

  2. DEV Community48

    今年在 Hacker News 推出的 7 款開源 AI 搜尋能見度追蹤工具,各自有甚麼用途?

    2026 年有 7 個開源 AI 搜尋能見度項目在 Hacker News 推出,功能涵蓋品牌提及、引用及競爭者監測。Elmo、Canonry、Ansvisor 等追蹤工具監測品牌是否出現在 AI 答案中;GEO Optimizer 和 GetCito 則檢查 AI 爬蟲能否讀取網站。文中指出,引用追蹤與網站審核處理不同問題,而這些工具均未發表評分或指標能否預測實際引用的校準研究。

  3. DEV Community26

    Etsy 免費 SEO 工具:各自實際檢查甚麼,又會漏掉甚麼

    Etsy 免費 SEO 工具各有用途,文章比較關鍵字建議工具、評分工具及 AI 改寫工具實際能檢查的項目與盲點。發布前應檢查標題是否在 140 個字符內、產品名是否位於首 40 個字符,以及 13 個標籤是否全部填妥且各不超過 20 個字符。評分工具能找出格式問題,但未必反映買家搜尋需求;缺乏關鍵字數據的 AI 工具也可能生成無人搜尋的標籤。

  4. DEV Community19

    當搜尋能分辨投機伎倆與專業本領

    搜尋系統開始理解網頁內容,而非只計算字詞數量,因此能分辨真正説明業務的頁面與刻意迎合排名的頁面。這或可讓小企業把原本用於操弄搜尋排名的時間,重新投入自身業務及互相轉介客源。排名訊號、檢索流程及提示詞等設計,則由編寫程式的開發者逐步決定。

  5. DEV Community38

    AI 工具目錄的 92 個分類中,十大分類佔 37% 條目

    這個 AI 工具目錄有 4,323 個工具、92 個分類,十大分類佔 7,006 個分類指派中的 2,576 個,即 36.8%。作者指出,14 個分類只有 10 個或更少工具,並採用空分類回傳 404、不加入網站地圖的做法,以免搜尋引擎索引沒有內容的頁面。作者計劃讓不足 10 個工具的分類暫作篩選項,並為每個分類頁撰寫人工精選説明。

  6. DEV Community44

    .NET 10 + Pinecone:如何整合向量資料庫

    文章示範以 .NET 10 和 C# 透過 Pinecone REST API 整合向量資料庫,建立可按語義相似度儲存、搜尋及取回資訊的應用程式。嵌入向量模型負責將文字轉換為數值表示,Pinecone 則負責儲存及搜尋向量。文章指出,Pinecone 官方 C# SDK 的程式碼庫已於 2026 年 7 月封存。

  7. DEV Community53

    Node.js 語義列表檢索的 5 種來源去重修正,以及作者保留的做法

    Node.js 語義列表檢索可在計算嵌入向量前完成來源去重,把重複診所資料合併為單一實體,再為每個實體建立一筆向量索引。文章建議先用 NPI、標準化電話或地址等確定性鍵分組,再只在相同郵區及專科的區塊內做相似度比對,並於 metadata 保留所有來源 ID。寫入路徑應採用冪等 upsert;實體連續兩次同步均未出現在任何來源時才刪除,並以 30–50 條真實查詢配對預期排首的實體,建立評估集。