AI 時代的行銷策略：從被搜尋到被推薦，品牌的下一場競爭
你上一次買耳機、背包或保養品之前，有沒有先問 AI？
很多人會打開 ChatGPT 或 Gemini，輸入一句「預算三千元，通勤用的無線耳機推薦哪幾款」，AI 很快就會給出三個品牌、各附上一句理由。接下來你會做什麼？多半是從那三個裡面挑一個，再去搜尋價格。至於那三個以外的品牌，你可能根本沒想起來。
老實說，這就是這幾年行銷現場最大的變化。顧客還沒進入你的網站，就已經在 AI 的回答裡做完一半的決定。過去品牌拚的是「被找到」，排進搜尋結果前幾名；現在多了一道關卡，要先「被推薦」，出現在那段回答裡，而且被說對。我在〈客戶不再 Google，改問 AI 才下單〉也談過這個轉變。
以下這篇文章，整理我在大學講「AI 時代的行銷策略」這門課的內容：國際上正在發生什麼、有哪些品牌做對或做錯、行銷人手上的工作怎麼重新分配。文中每一個數字都附了出處，你可以逐條查證；也附了幾個一個人就能做完的練習。
行銷的基本功沒有變，變的是三道新題目
先講不變的部分，因為它比變的部分更重要。
顧客價值仍然是一切企劃的起點；區隔與定位仍然是必須由人做的選擇，AI 可以幫你列出十種定位，但選哪一種、放棄哪九種，是品牌自己的事（這件事我在〈你不是選不出定位，你是捨不得〉寫得更細）；長期信任仍然要靠說到做到。這三件事，任何工具都替代不了。
變的是三道新題目：
- 顧客怎麼發現你：從一排連結，變成了一段回答。
- 內容怎麼做出來：八十分的內容人人都做得出來，產能不再稀缺。
- 體驗怎麼個人化：從分眾走到一人一版。
這堂課的核心，可以歸納成一句話：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。
熟悉 4P 的人可以這樣對照：產品（Product）要多一道題目，讓規格與常見問答寫到 AI 讀得懂；價格（Price）要面對顧客請 AI 替他比價；通路（Place）多了一個新的地方，就是 AI 對話框本身；推廣（Promotion）的目標，從買到曝光變成被 AI 的回答引用。4P 都還在，每一個 P 都被改寫了。
五個正在發生的國際趨勢
把全球的變化收斂一下，可以歸成五個方向。
第一，生成式搜尋。Google 在 2026 年公布，AI Mode 全球月活躍用戶已經超過 10 億，查詢量自推出以來每季增加一倍以上（Search Engine Journal 轉述 Google，2026（另開新分頁））。搜尋框正在變成對話框。
第二，AI 內容量產。一個點子可以沿著受眾、尺寸、語氣展開成幾十個版本，稀缺的變成挑選與把關。
第三，超個人化。推薦、內容與優惠，開始依每個人的資料生成。它的界線在於顧客知不知情：資料用得多，但顧客知道而且拿到好處，是貼心；用得多卻沒告知，就成了被監視的感覺。
第四，對話與代理人商務。過去買一樣東西，要走搜尋、比價網站、品牌官網、購物車、結帳五站；現在推薦、比較、結帳可以在同一段 AI 對話裡完成，甚至由 AI 代理人替顧客下單。
▲ 過去要走五站，現在一段對話就能走完，結帳甚至可以交給 AI 代理人。
第五，廣告自動化。受眾、出價、版位逐步交給演算法，行銷人留在目標設定、素材策略與成效衡量。
那臺灣呢？經濟部 2025 年「中小企業白皮書調查報告」顯示，國內中小企業實際導入 AI 的比例只有 7.4%；沒有導入的最主要原因是「尚無明確應用需求」，佔 63.9%（今周刊，2026（另開新分頁））。另一份由經濟部中小及新創企業署委託工研院、針對員工 199 人以下企業所做的《2025 年中小企業 AI 運用現況調查》也指出，約九成二的中小企業不了解或只大致了解 AI（翻爆，2025（另開新分頁））。
我的解讀是：多數企業還在起點。機會不在「會用 AI 的人」，而在會用 AI 做行銷判斷的人。如果你正是那家「尚無明確應用需求」的企業，可以先讀〈導入 AI，從工作痛點下手〉。
從 SEO 到 GEO：目標從排第一，變成被引用
先看幾個數字，感受一下發現路徑變了多少。
Ahrefs 追蹤 30 萬個關鍵字，第一次比較 2024 年 3 月與 2025 年 3 月，發現出現 AI 摘要時，排名第一的頁面點擊少了 34.5%（Ahrefs，2025（另開新分頁））；2026 年的更新版，跌幅擴大到 58%（Ahrefs，2026（另開新分頁））。
Pew Research Center 分析 900 位美國成人的真實瀏覽紀錄：沒有 AI 摘要時，每一百次搜尋有 15 次點進一般結果；有 AI 摘要時只剩 8 次，而點摘要裡引用連結的，只有 1 次（Pew Research Center，2025（另開新分頁））。
▲ 有 AI 摘要時，點擊幾乎腰斬，點進引用連結的更只剩 1 次。
看到這裡，很容易得出「完了，沒人點了」的結論。但同一批研究裡有個反轉：Seer Interactive 發現，被 AI 摘要引用的品牌，自然點擊多 35%、付費點擊多 91%（Seer Interactive，2025（另開新分頁））；換一批更大的樣本（53 個品牌、24.3 億次曝光）重新量，被引用的頁面每次曝光的自然點擊仍然多 120%（Seer Interactive，2026（另開新分頁））。要提醒的是，這是相關，不能直接解讀成「被引用導致點擊變多」。
還有一個數字特別值得行銷人記住：BrightEdge 發現，AI 摘要引用的來源裡，只有約 17% 同時排在自然搜尋前十名（Search Engine Journal 轉述 BrightEdge，2026（另開新分頁））。換句話說，排第一不保證被引用，不在第一頁也不代表沒機會。
於是目標變了。過去叫 SEO（搜尋引擎最佳化），現在多了 GEO（Generative Engine Optimization，生成式引擎優化）。這個詞有學術出處：普林斯頓大學等團隊 2023 年的論文第一次把它做成研究，把同一批網頁用九種方法改寫，看哪一種最常被寫進 AI 的答案。結果加上引用來源、引述與統計數字的效果最好，傳統的塞關鍵字表現不佳；最佳方法讓內容在生成式答案裡的可見度最多提升 40%（Aggarwal 等人，arXiv，2023（另開新分頁））。我之前聽 GEO 講座的心得〈當搜尋換了主人〉，也有實務面的補充。
AI 怎麼決定引用誰
根據這些研究與實務觀察，我整理了四個判斷方向（這是我的判斷框架，不是官方公布的演算法）：
- 可被擷取的結構：問答格式、清楚的小標，AI 容易整段拿去用。
- 明確的主張：第一句就回答問題，不繞圈子。
- 第三方佐證：報導、評論與合作案例，比品牌自己說更有份量。
- 一致的品牌實體：官網、社群、地圖與電商頁上，名稱與描述不打架。
GEO 是蓋在 SEO 上面的。網頁得先被找到、被讀到，才輪得到被引用，所以 SEO 的基本功一樣不能丟。想補基本功，可以看〈運用三個階段，打造 SEO 思維的內容策略〉與〈寫給創作者的 AEO 入門指南〉。
▲ 先被找到、被讀到，才輪得到被引用。
當買家是 AI 代理人
還有一個更新的變化：AI 開始替顧客比價、下單。2025 年 9 月，ChatGPT 推出 Instant Checkout，使用者可以在對話裡直接購買（SiliconANGLE，2025（另開新分頁））；11 月，Perplexity 與 PayPal 推出 Instant Buy，說出需求、比較完就能結帳（PayPal，2025（另開新分頁））。Visa 的調查指出，47% 的美國消費者已經讓 AI 幫忙做過至少一項購物任務（Visa，2025（另開新分頁））。
AI 代理人怎麼比較商品？看 OpenAI 公布的商品資料規格就知道：品名與品牌、價格、庫存狀態、商品描述是必填欄位，評價、退換貨政策、運送方式是選填（OpenAI Developers（另開新分頁））。欄位空白的商品，代理人就比不進去。
所以品牌現在要同時說服兩種買家。說服人，靠的是品牌記憶、好感與口碑；說服代理人，靠的是規格、價格、庫存寫清楚，評價與政策查得到，各平臺的資訊一致。兩邊的功課完全不同。
AI 內容：產能不再稀缺，判斷才是
內容供給一年比一年多，顧客的注意力卻沒有變多，每一則內容分到的注意力只會愈來愈少。當 AI 讓產能不再是門檻，真正稀缺的，是知道哪一個版本該發的人。
我挑了七個品牌案例，看看誰在用 AI 之前，先想清楚了自己要什麼。
Heinz（美國，2022）：用 DALL·E 2 生成「番茄醬」的圖像，結果多半長得像自家的瓶子。品牌順勢把它做成社群活動，證明自己在消費者心中的份量（Campaigns of the World，2022（另開新分頁））。AI 在這裡是證據，主張是品牌自己的。
可口可樂（美國，2024 到 2025）：連兩年找 AI 工作室重製經典耶誕廣告〈Holidays Are Coming〉。技術到位，但兩年都引來大量批評，被網友稱為「AI slop」（NBC News，2024（另開新分頁）；Newsweek，2025（另開新分頁））。畫面做得出來，溫度沒有跟著來。
Klarna（瑞典，2024）：官方揭露，2024 年第一季的銷售與行銷支出年減 11%，其中 37% 的節省來自 AI；外部代理商支出少了 25%，一張行銷圖像的製作期從 6 週縮短到 7 天（Klarna，2024（另開新分頁））。這是企業自行公布的數字，不是第三方查核。
L’Oréal（法國）：自建 CreAItech 內容平臺，串接多家模型產出各市場的行銷視覺，製作成本降約四成、已產出約 5 萬件素材（Digiday，2026（另開新分頁））。更值得注意的是它的界線：官方明言，不用 AI 生成擬真的臉、身體、頭髮或皮膚來佐證或強化產品功效（L’Oréal（另開新分頁））。先畫界線，再放手量產。
Mondelez（美國，2025）：Oreo 的母公司與 Accenture 合作，投入逾 4,000 萬美元自建生成式 AI 廣告工具。主管受訪預估製作成本可降 30% 到 50%，但這是預估不是實績；而且目前不放擬真人像，產出一律由人檢查（CNBC，2025（另開新分頁））。
伊藤園（日本，2023）：推出日本第一支 AI 生成人物的電視廣告。網路上流傳它「省時一半、省錢三成」，但行銷負責人受訪時說，整支廣告做了約五個月，總成本和傳統做法應該沒有太大差別（ITmedia，2023（另開新分頁））。它也提醒我們：網路上流傳的成效數字，常常查不到出處。
Duolingo（美國，2025）：TikTok 由社群經理帶領的內製團隊經營，「Duo 死了」活動從發想到上線只花 6 天，追蹤數約四年從 5 萬成長到 1,600 萬（The Drum，2025（另開新分頁））。它的速度來自人的判斷，而不是工具。
把這些案例放進一個簡單的矩陣，橫軸是 AI 用量多寡，縱軸是品牌判斷強弱，會看到一件事：Heinz、L’Oréal、Mondelez 落在「AI 用量多、判斷也強」那一格，AI 放大的是品牌早已想清楚的主張；可口可樂落在「AI 用量多、判斷沒到位」那一格，技術到位，情感沒到。多數品牌其實還在「判斷沒想清楚，也還沒用 AI」的起點，該先補的是判斷，不是工具。
▲ 先補判斷，再補工具。
一條人機協作的內容產線
那實際上該怎麼分工？我建議把內容產線拆成六站：
- 洞察：顧客卡在哪裡。
- 提案：定一個角度。
- AI 量產變體：一次產出很多版本。
- 人工把關：挑選、修改、查證。
- 測試：小量上線。
- 學習：記下結果，回饋給下一輪洞察。
AI 負責第三站的量，人負責其他五站的判斷。
▲ 六站裡只有一站交給 AI，其他五站都是人的判斷。
要讓 AI 從對的地方開始，有兩份文件值得先寫好。第一份是品牌聲音指南，寫五項：品牌是誰、對誰說話、語氣光譜（像什麼、不像什麼）、用字規則（常用詞與禁用詞）、範例與反例。為什麼品牌聲音在 AI 時代反而更值錢，可以參考〈獨特品牌聲音，打造 AI 時代的護城河〉。第二份是提示詞的四個零件：角色（你是誰）、任務（要做什麼）、脈絡（背景是什麼）、格式（交出什麼樣子）。少一個零件，AI 就會自己猜；這四個零件的完整示範，我寫在〈AI 寫的文案為什麼總像小編？〉。
也有六件事，我不建議整包交給 AI：事實與數字的查證、品牌的立場與底線、要不要生成真人、情感與文化的判斷、對顧客的承諾，以及按下發布的那一下。產出之後怎麼檢查有沒有 AI 味，可以搭配〈給中文寫作者的去 AI 味檢查表〉。
想把這條內容產線真的搭起來嗎？
上面這六站，最難的不是理解，而是讓它每週穩定地轉起來。我設計的《AI 內容產製系統工作坊》是 3 小時的實體實作課，依「輸入、研究、產製、精修、分發」五層架構，帶你建立個人風格檔、把研究自動化，最後讓一份素材產出六種平臺格式。適合經營部落格、自媒體或品牌的你，以及需要持續產出內容的顧問與講師。
👉 了解課程內容與梯次：vista.tw/courses/ai-content
更完整的系統化做法，也可以先讀〈AI 時代真正拉開差距的，是建立內容產製系統〉。
一人一版：個人化、AI 客服與代理人商務
版本數正從「大眾」（一支廣告打全部人）、「區隔」（依年齡性別切幾群）、「分眾」（依興趣行為切更細），一路走到「一人一版」（依每個人的資料生成）。
最經典的例子是 Spotify Wrapped。2025 年版上線約 24 小時，就有 2 億名使用者互動，比 2024 年多 19%（2024 年花了 62 小時才到這個數）；分享數約 5 億次，年增 41%（Music Business Worldwide，2025（另開新分頁））。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。
韓國時尚電商 Musinsa 走得更遠：2026 年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」，系統會把時間、地點、場合、天氣、季節一起算進去，給出穿搭推薦（Aju News，2026（另開新分頁））。品牌從自家 App，走進了顧客正在用的 AI。
個人化其實是一條迴圈：蒐集訊號（看過、買過、問過什麼）、預測需要、給出這一版、看顧客的回應，再回到蒐集訊號。要一直轉下去，才會愈來愈準。
AI 客服的兩面
對話式商務有好處，也有代價。Klarna 是最完整的教材：2024 年上線的 AI 助理，第一個月處理 230 萬次對話，約佔客服對話的三分之二，等同 700 名全職人力，平均處理時間從 11 分鐘降到 2 分鐘以內（Klarna，2024（另開新分頁））。但到了 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（Customer Experience Dive，2025（另開新分頁））。客服產業怎麼在 AI 浪潮裡找到新位置，我在〈從「最可能被 AI 取代」到逆勢領航〉有另一個角度的觀察。
另一個必須知道的判例是 Moffatt v. Air Canada。加拿大航空的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（Business Law Today，2024（另開新分頁））。賠償金額不大，但判準很重要：AI 客服代表品牌說話，答錯了，由品牌負責。
把預算交給演算法之後，行銷人還剩什麼
廣告投放正從人逐步操盤（選受眾、定出價、挑版位、看報表調整），變成人給目標、素材與第一方資料，演算法決定受眾、出價與版位。
規模已經很大。Meta 在 2026 年第二季法說會公布，Advantage+ 自動化廣告的年化營收超過 750 億美元，有 900 萬家中小企業用過至少一種它的 AI 廣告素材工具（The Motley Fool 法說會逐字稿，2026（另開新分頁））。EMARKETER 的調查也顯示，將近 60% 的美國廣告採購者已經在用或打算用 AI 採購工具（EMARKETER，2024 年調查（另開新分頁））。
演算法接手之後，人還剩四件事：
- 目標設定：目標設錯，系統就朝錯的方向跑得飛快。
- 素材策略：受眾設得很寬時，素材的訴求決定廣告送到誰面前。強調省時的素材會找到趕時間的上班族，強調划算的會找到精打細算的學生。
- 第一方資料：餵給系統最好的訊號。
- 衡量：報表上的功勞，不一定是廣告帶來的。
最後一點最容易被忽略。平臺報表常把本來就會買的人也算進廣告的功勞，要比較看到廣告與沒看到廣告的兩組人，才量得出廣告真正帶來的增量。所以不管預算多小，都建議留一組對照。
如果要做 A／B 測試，最小的做法只有五步：寫一個可以被推翻的假設、一次只改一個地方、預算平分同時上線、事先定好判準、記錄結果再開下一輪。工具會一直變，但這些判斷原則不太會變，Meta 前行銷長的觀點我整理在〈工具會變，原則恆久：讀《點擊成長》〉；實際動手投廣告會踩到哪些雷，可以看〈我用 Claude Code 投出人生第一支 Facebook 廣告〉。
信任是最後的護城河
AI 行銷的風險可以分成四類，各有不同的受害者：
- 真實性：假代言與深偽影像，顧客被誤導。
- 隱私：顧客名單、對話紀錄被貼進 AI 工具，資料離開了控制。
- 著作權：生成內容撞到別人的作品或肖像。
- 偏誤：資料裡的刻板印象，讓某些族群被扭曲或消失。
真實性的風險，有時候品牌根本沒做錯事也會遇上。舉例來說，2024 年時，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，其實是詐騙個資。品牌完全沒有參與，卻得出面聲明，正式的贈品只會出自官方帳號（NBC News，2024（另開新分頁））。
當然，相關規範也在收緊。美國聯邦貿易委員會（FTC）在 2024 年的「Operation AI Comply」一次處理多起誇大或欺騙性的 AI 宣稱，自稱「機器人律師」的 DoNotPay 被罰 19.3 萬美元（FTC，2024（另開新分頁））。歐盟 AI Act 第 50 條的透明義務自 2026 年 8 月 2 日起適用：跟人對話的 AI 要在一開始就讓人知道對方是 AI，生成合成內容的系統要用機器讀得到的方式標示（歐盟執委會（另開新分頁））。
回頭看可口可樂與 Klarna，兩家走過同一條路：AI 帶來速度或成本上的優勢，到了某個點開始花掉信任，最後要付出代價補回來。流量可以買、可以被演算法拿走，信任卻只能一點一點累積，這也是我在〈流量會歸零，信任不會〉想說的事。
所以我會建議，揭露不要當成認錯，而是替顧客省下猜測的力氣。常見的做法有三種：在內容上標示、AI 客服開口先說自己是 AI（也留一條找真人的路），以及公開寫出品牌使用 AI 的原則。
發布前，可以用這六個問題檢查一次：
- 每個事實與數字，都點得回原始出處嗎？
- 有沒有未經同意，用了名人或顧客的臉與聲音？
- 圖、字型、音樂的來源與授權，說得清楚嗎？
- AI 生成的圖像與影片，看得出是 AI 做的嗎？
- 顧客名單、訂單資料，有沒有貼進公開的 AI 工具？
- 請一位沒參與的人讀一次，語氣與事實像這個品牌嗎？
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。
自己動手：四個一個人就能做完的練習
讀完不如動手。下面四個練習，用任何一個免費的對話式 AI 就能做。請把括號裡的內容換成你自己的，其他的部分可以照抄。
練習一：看 AI 推薦了誰。想一件最近想買的東西，把這段貼給 AI，記下它推薦的三個品牌與理由，再圈出理由裡哪些是事實、哪些只是形容詞。
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。練習二：三個 AI，問同一個問題。同一題分別問 ChatGPT、Gemini、Perplexity，各開新對話，比較哪個品牌被推薦最多次、引用了哪些來源。你會很直觀地感受到，被推薦跟被搜尋到是兩回事。
練習三：把品牌介紹改寫成問答。挑一段你熟悉的品牌介紹，讓 AI 改寫成 AI 容易引用的格式。改完記得刪掉 AI 自己補上、查不到出處的句子。
你是品牌的內容編輯。請把下面這段介紹改寫成五組問答。問題用顧客會問 AI 的說法；每個回答第一句直接回答，再補一到兩句具體事實。不確定的資訊標示「待確認」，不要自行補上數字。
品牌：〔品牌名〕
介紹：〔貼上介紹文字〕練習四：替一則 AI 貼文做發布前檢查。先請 AI 寫一則貼文，再開一個新對話，讓另一個視窗用上面那六個問題逐條檢查。最後自己判斷 AI 抓得對不對，至少改兩處。
一張九格的 AI 行銷企劃畫布
如果你手上正好有一個品牌要規劃，可以用這張畫布把前面的內容收成一份企劃。它分三排、九格：
- 上排定方向：目標（要改變哪個數字，挑一個當主指標）、受眾（寫出一個具體的人，以及他買之前會問 AI 的那句話）、被推薦策略（AI 憑什麼提到你）。
- 中排是引擎：內容產線（誰出主意、AI 產什麼、誰把關）、個人化觸點（顧客在哪裡看到專屬內容）、投放與衡量（給演算法什麼素材、用哪個指標判斷有效）。
- 下排把關與起跑：風險把關（哪裡會出錯、誰負責檢查）、人的角色（語氣、底線與最後的決定留給人）、第一個實驗（一個假設、兩個版本、一個指標，兩週內看得到結果）。
▲ 九格都能變成一個動作，才算好的企劃。
弱的企劃，每一格都寫了卻動不了：目標寫「提升品牌知名度」，受眾寫「十八到三十五歲」，每一格都寫「用 AI」卻沒說做哪一步。好的企劃，每一格都能變成一個動作。
帶走三件事
先被讀懂，才會被推薦。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。
AI 負責量，人負責判斷。八十分交給 AI，剩下的角度、語氣與底線，留給人。
信任就像定存，需要時間。每一次揭露與把關都是存款，一則假代言就能把它提光。
最後提醒一件事：這個領域的結論，很可能半年內就會翻新一次。Seer Interactive 在 2025 年 9 月預測，有 AI 摘要的搜尋點擊率會繼續往下掉；結果 12 月跌到 1.3% 的谷底之後，2026 年 2 月又回升到 2.4%（Seer Interactive，2026（另開新分頁））。所以不要把任何一個數字當成三年的真理，包括這篇文章裡的。對大家來說，比數字更有價值的，是那套判斷：顧客在哪裡做決定、品牌要怎麼被說對、哪些事必須留給人。
如果你想把這套判斷落實成每週都在轉的內容系統，歡迎來《AI 內容產製系統工作坊》一起動手做。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：內容行銷全攻略動手試：GEO 體檢器（另開新分頁）
