AI 能見度檢查 — 免費線上工具,30 秒算出 AI 搜尋能見度分數
Whoops SEO Labs · AI 搜尋能見度
貼上一頁 HTML 原始碼，即時計算 AI 能見度分數(0–100)、5 大類別與逐項修正建議。免費、免登入、純前端，適合檢查文章、服務頁與 Landing Page。
Step 01
貼上內容
在該頁按右鍵「檢視原始碼」後全選複製；貼入越完整，判斷越準。
Step 02
報表
分數不靠猜測，只使用貼上的 HTML 可以實際判定的訊號。
主分數由 Structured Data、Meta & Snippet、Content Depth、E-E-A-T / Trust、Machine-Readability 五類加權組成；llms.txt 只做附加提示，不灌入主分。
貼上 HTML 並按「分析」後，這裡會顯示分數、等級、5 類別進度與逐項修正建議。
想把分數轉成實際可見度？我們可以協助檢查頁面結構、內容深度與 AI 搜尋引用訊號。
AI 能見度檢查是一份純前端、免費、免登入的線上工具，只要貼上一頁 HTML 原始碼，就能即時計算 AI 能見度分數(0–100)，並把 Structured Data、Meta、內容深度、E-E-A-T 與機器可讀性五大類別拆成逐項訊號，附上繁體中文修正建議。
無論你想做 AEO 檢查、GEO 檢查，還是廣義的 AI 搜尋能見度體檢，這個工具都能在幾秒內指出頁面對 ChatGPT、Google AI Overview 等 AI 搜尋引擎是否「讀得懂、敢引用」。
和傳統只看排名與點閱率的健檢不同，這份工具關心的是另一件事:當 AI 搜尋引擎決定要不要把你的頁面放進回答時，它究竟能不能穩定解析出作者、時間、主題結構與可引用的問答。把這些原本散落在原始碼各處的線索收攏成一份可量化的報表，就是 AI 能見度檢查的核心價值。
對內容團隊來說，這份報表也是一個共同的檢查語言。寫作、工程與行銷人員常常各看各的指標，而 AI 能見度分數把「頁面對 AI 友不友善」翻譯成同一份逐項清單，讓不同角色都能對著同一張報表討論該補什麼、為什麼。比起各自解讀排名與點閱率，這樣的對齊方式更利於把 AI 搜尋納入日常內容流程。
這個工具能幫你做什麼
傳統 SEO 健檢多半只看排名、外部連結與點閱率，但 AI 搜尋引擎引用來源時，看的是結構化資料、中繼資料、內容深度與信任訊號這些「機器可讀」的線索。AI 能見度檢查把這些線索整理成可量化的分數與等級，讓你不必猜測頁面到底具備哪些條件，而是拿到一份逐項判定的報表。
具體來說，這份工具能在下列情境派上用場:
- 發文前的自我審查:在文章或服務頁上線前，先確認 JSON-LD、OG 標記、作者與日期是否齊全，避免 AI 引用時抓不到關鍵資訊。
- 找出 AI 引用阻力:當頁面排名不錯卻始終進不了 Google AI Overview 或 ChatGPT 的回答，可以用逐項報表定位是結構化資料、內容深度還是信任訊號出問題。
- 規劃 AI SEO 檢查清單:把五大類別的修正建議當成待辦項目，逐項補強，讓每次改版都朝更高的 AI 能見度分數前進。
- 評估 ChatGPT 搜尋優化方向:透過作者實體、發布時間、聯絡頁等 E-E-A-T 訊號，判斷頁面是否符合 AI 搜尋引擎對「可信來源」的期待。
- 改版前後的對照基準:在同一頁面補強前後各跑一次，把分數與等級當成可比較的指標，確認結構化資料與內容深度的調整是否真的提升了機器可讀性，而不是憑感覺判斷改對了沒有。
工具全程在你的瀏覽器執行，貼上的內容不會上傳到任何伺服器，因此適合拿來檢查尚未公開的草稿、客戶網站的原始碼，或任何不便外流的頁面。
誰適合用這個工具
只要你的工作會接觸到網頁原始碼，這份工具就能派上用場。內容經營者可以在文章上線前自我審查，確認作者、時間與 FAQPage 結構完整;行銷人員能用它快速評估自家服務頁或活動頁是否具備 AI 容易引用的訊號;網站開發者與技術 SEO 人員則可以把報表當成交付前的驗收清單，避免結構化資料漏標或 OG 標記缺失這類常見疏失。
如果你正在經營一個知識型網站，希望內容不只排在藍色連結清單，還能被 AI 搜尋引擎選為回答來源，那麼定期用這份工具體檢重點頁面，會是成本低、見效快的起手式。
怎麼使用「AI 能見度檢查」
操作流程圍繞三個動作:貼上原始碼、按分析、看報表。完整步驟如下。
- 取得頁面 HTML 原始碼:在要檢查的頁面按右鍵選「檢視原始碼」(或檢視網頁原始碼),全選後複製。建議包含
<head>與 JSON-LD,貼入越完整判斷越準。也可以直接點工具裡的「載入範例」按鈕,先用示範頁面熟悉報表。 - 貼入「頁面 HTML」欄位:把複製的原始碼貼進第一步的「頁面 HTML」輸入框,這是必要欄位。若只想看分數,到此即可;若想額外標記 AI 索引訊號,再把網站根目錄
/llms.txt的內容貼進「llms.txt 內容」這個選填欄位。 - 按「分析 AI 能見度」:點下分析按鈕後,工具會在瀏覽器內解析 HTML,計算 0–100 分數與等級,並展開五大類別的進度條與逐項訊號。若貼入的不是有效 HTML,會跳出解析失敗提示,這時請確認內容是否完整複製。
- 閱讀分數、等級與類別報表:報表頂端是分數量表與等級(A 至 F),下方列出每個類別的得分、進度條,以及通過、注意、待改善三種狀態的訊號細節,紅色項目通常附有「建議」說明如何修正。
- 依照逐項建議補強,再重跑一次:把待改善項目當成待辦清單逐一處理,例如補上 FAQPage JSON-LD、把 description 調整到 120–160 字、為作者建立 Person schema,改完後重新貼上原始碼分析,觀察分數是否提升。
如果想清空欄位重新開始,點「清空」按鈕即可,報表會回到等待狀態。第一次使用建議先點「載入範例」,用示範頁面跑過一遍報表，熟悉每個訊號長什麼樣子，再用自己網站的原始碼實測。
怎麼看懂分數與等級
分數採 0 到 100 分，對應五個等級。等級 A(85 分以上)代表頁面已具備 AI 引用時所需的多數機器可讀訊號，結構化資料、信任訊號與內容深度都到位; 等級 B(70 至 84 分)整體良好，只要補強少數較弱的類別就能再往上; 等級 C(55 至 69 分)屬中等，有幾個關鍵訊號尚未補齊; 等級 D(40 至 54 分)偏弱，建議優先處理結構化資料與內容深度; 等級 F(40 分以下)表示 AI 能見度明顯不足，請依照報表建議逐項改善。
報表會自動標出五個類別當中得分比例最低的那一環，並在摘要裡點名，讓你知道第一刀該砍向哪裡。分數本身是相對指標，目的是把「頁面對 AI 友不友善」從主觀判斷變成可追蹤的數字，重點不在於追求滿分，而在於每次改版都能朝更高分前進。
每個訊號是怎麼被判定的
理解訊號的判定方式，能幫助你更快對症下藥。每個訊號會依偵測結果落入三種狀態，分別拿到不同分數:
- 通過:頁面具備該訊號，且強度足夠。例如 meta description 落在建議字數區間、或偵測到 FAQPage JSON-LD。
- 注意:訊號存在但強度不足，或只符合部分條件。例如 title 太長或太短、OG 標記只補了一半、內容字數偏薄。這類項目通常只要微調就能升級為通過。
- 待改善:訊號完全缺失，或屬於必須修正的反向設定。例如缺 FAQPage、缺具名作者，或頁面設了 noindex。這類項目會附上具體建議，優先處理的效益最高。
分數就是把每個訊號拿到的分數加總。因為配分依重要性分配，結構化資料與內容深度這類高權重類別的改善，對總分的拉抬效果通常比低權重類別明顯。把報表從上往下看一遍，先處理配分高又標紅的訊號，是最有效率的補強順序。
一個典型的補強流程
假設你貼進一篇文章頁的完整 HTML，跑出來是等級 C，結構化資料與信任訊號兩個類別偏低。接下來可以這樣走:先補上 Organization、Article、Person 三項 JSON-LD，把作者實體與發布時間標好，再為文末的常見問題加上 FAQPage JSON-LD;接著檢查 title 與 description 字數，補齊缺漏的 OG 標記與 canonical;然後擴充偏薄的內容，用 H2 與 H3 把段落層次整理清楚;並在頁尾放上聯絡頁與隱私權連結。每改完一輪就重新貼上原始碼跑一次，看著訊號從待改善逐一翻成通過，分數也會跟著爬升。
功能特色與檢查項目
工具的主分數由五大類別加總而成，每個訊號依重要性配分，通過、注意、待改善三種狀態分別拿到不同分數。llms.txt 只作為附加徽章，不會計入主分，確保分數反映的是頁面本身可判定的訊號。以下是每個類別實際檢查的項目。
Structured Data 結構化資料
- Organization JSON-LD(名稱、Logo、聯絡資訊、相同 As)
- FAQPage JSON-LD,有利 AI 直接引用問答
- Article 或 BlogPosting 文章型 schema
- BreadcrumbList 麵包屑結構
- Person 作者實體 schema
- 其他結構化資料型別(如 WebSite、SiteNavigationElement)
結構化資料是 AI 判斷頁面「在講什麼、誰寫的、屬於哪個組織」的主要依據。這個類別配分最高，因為 Organization、FAQPage、Article 這幾項直接決定 AI 能不能把你的頁面當成可引用的答案或可信來源。缺了 FAQPage，AI 就少了一個能逐題搬進回答的素材;缺了 Person 作者實體，信任訊號也會跟著打折。
實務上，這個類別的投資報酬率最高。補 JSON-LD 不需要改寫文章內容，只是在 head 加上幾段結構化標記，就能同時拉抬分數與 AI 引用機會，是補強時最值得優先著手的一環。
Meta & Snippet 中繼資料
- title 標題長度(建議 30–60 字)
- meta description 長度(建議 120–160 字)
- Open Graph 標記(og:title、og:description、og:type、og:image 是否齊全)
- Twitter Card 標記
- canonical 標準網址
中繼資料決定頁面被分享、被摘要時呈現的樣貌，也是 AI 拼湊回答時常引用的文字來源。title 與 description 過短或過長都會削弱訊號強度，建議分別落在 30 至 60 字與 120 至 160 字這兩個區間。OG 標記與 Twitter Card 則讓你的頁面在跨平台分享時保有一致的標題、描述與圖片預覽。canonical 標示頁面的標準網址，能避免重複內容造成訊號分散，對 AI 判定單一權威來源也有幫助。
Content Depth & Structure 內容深度
- 內容字數(以去除空白後的字元數計算,1500 字以上為充足)
- 單一 H1(頁面應只有一個主標)
- 至少一個 H2 段落
- H3 子段落(必要時細分)
內容深度是占比最重的單一訊號。字數本身不是目的，但它反映了主題是否被充分展開，而 AI 在揀選答案時確實偏好有足夠篇幅論述的頁面。標題層級則讓機器理解文章的骨架:一個 H1 標示主題，H2 切分大段落，H3 再做細分，層次清楚才方便 AI 抽取特定段落。多個 H1 會讓主題判斷混淆，因此工具會把這項判定為待改善。
E-E-A-T / Trust 專業可信度
- 具名作者(rel=author 或 schema 標示)
- 發布或更新時間(datePublished / dateModified)
- 實體標記(About、Mention、Organization、Person、DefinedTerm 等 schema)
- 聯絡頁或隱私權等信任頁連結
E-E-A-T 評估的是頁面能否證明「作者是誰、何時寫的、寫的是可信的主題」。具名作者與發布時間讓 AI 有跡可循，實體標記則幫助它理解頁面涉及哪些人事物，聯絡頁與隱私權連結則是網站負責任的基本證據。這些訊號加總起來，會直接影響 AI 敢不敢把你的內容放進回答。
這個類別常常是被忽略卻又關鍵的一環。很多頁面排名不錯、內容也紮實，卻因為沒有標示作者或發布時間，在 AI 眼裡可信度打折，因而錯失被引用的機會。補上具名作者與時間標記的成本很低，對信任訊號的拉抬卻相當直接。
Machine-Readability 機器可讀性
- 語意 HTML5 標記(article、main 等標籤)
- 圖片 alt 文字(所有圖片是否皆有 alt)
- 內部連結數量(建議至少 3 個)
- 可索引性(是否設定 noindex)
- 探索訊號(hreflang、sitemap、RSS 任一)
機器可讀性關心的是爬蟲與模型能不能順利解析頁面結構。語意 HTML5 標籤讓它們區分正文與導覽，alt 文字讓圖片有文字意義，內部連結與探索訊號(sitemap、RSS、hreflang)則協助發現與收錄。設了 noindex 的頁面會被判定為不可索引，這在想做 AI 能見度的頁面上通常是反向操作。
這個類別的特色是很多項目門檻不高，卻容易被遺漏。忘記給圖片加 alt、漏掉 sitemap 連結、或某個頁面誤設了 noindex，都會在這裡現形。逐項檢查一遍，往往能用很低的成本補回不少分數。
llms.txt 附加徽章
若在選填欄位貼上 /llms.txt 的內容,報表會顯示「已部署 llms.txt(附加訊號)」徽章;留空則顯示未評估提示。llms.txt 不會影響主分數,只作為額外的 AI 可讀索引訊號,讓你知道頁面是否另行提供了給 AI 爬蟲閱讀的摘要檔。
每個訊號都會標示通過、注意或待改善三種狀態,待改善項目通常附帶具體的繁體中文建議,例如「加入 FAQPage JSON-LD,有利 AI 引用」或「調整至 120–160 字」,方便直接當成修改清單。
想提升分數,從哪裡下手
報表會點名得分比例最低的類別，這通常就是最該先處理的一環。以下是針對每個類別的實務方向，幫助你把待改善項目逐一轉成可執行的修改。
- 結構化資料:優先補 Organization 與 FAQPage，這兩項配分較高，對 AI 引用的幫助也最直接。文章型頁面記得加上 Article 或 BlogPosting，並為作者建立 Person 實體。
- 中繼資料:檢查 title 與 description 是否落在建議字數區間，補齊缺漏的 og:title、og:description、og:type、og:image 四項，並加上 canonical 指定標準網址。
- 內容深度:把偏薄的頁面擴充到 1500 字以上，用 H2 切分大段落、H3 細分子主題，並確認全頁只有一個 H1，避免主題判斷混淆。
- 信任訊號:標示具名作者與發布或更新時間，加入 About、Mention 等實體標記，並在頁尾放上聯絡頁與隱私權頁連結。
- 機器可讀性:改用 article、main 等語意標籤，為所有圖片補上 alt 文字，加入至少 3 個相關內部連結，並確認沒有誤設 noindex。hreflang、sitemap、RSS 任一存在即可加分。
補強時建議從配分最高、最容易拿分的訊號開始，例如缺了 FAQPage 就先補這項，往往能在短時間內讓分數有感提升。完成後重新貼上原始碼再跑一次，確認對應的訊號從待改善變成通過。
使用時的常見疑問與誤解
分數低不代表內容差。這個工具量測的是機器可讀性與結構訊號，一篇寫得再好的文章，若缺少結構化資料、作者標記或 OG 標記，分數依然會偏低。換句話說，低分指的是「頁面對 AI 不夠友善」，而不是「內容品質不好」，兩者不能混為一談。
滿分不是目標。報表的作用是指出可補強的方向，而不是要求每個訊號都拿滿。對某些頁面來說，刻意補上某個訊號可能不符合內容本質，例如聯絡頁連結就不適合硬塞進文章正文，依實際情境取捨即可。
只貼 body 會讓分數失真。結構化資料、OG 標記、canonical、作者與時間這些訊號多半放在 head 區，只貼正文會讓多個類別無法判定，得到的分數不能反映頁面真實狀態。務必貼整頁完整 HTML，包含 head 與 JSON-LD。
llms.txt 是附加訊號,不是主分來源。即使部署了 llms.txt，也不會直接拉高主分數，它只會顯示為一個附加徽章。主分數看的是頁面本身可判定的訊號，llms.txt 是另一條協助 AI 爬蟲理解的獨立索引管道。
資料隱私與執行環境
這份工具是純前端應用，所有解析、計算與報表產生都在你自己的瀏覽器裡完成，貼上的 HTML 與 llms.txt 內容不會傳送到任何伺服器，也不會被儲存。這意味著你可以放心檢查尚未公開的草稿、客戶網站的原始碼，或任何基於合約與保密理由不便外流的頁面。關閉或重新整理頁面後，欄位與報表就會清空，不留下任何痕跡。
因為完全在本機執行，工具的回應速度取決於你瀏覽器與裝置的效能，處理一頁完整 HTML 通常只需要幾秒。沒有帳號、沒有登入、沒有用量上限，需要時隨時打開就能用。
和其他工具搭配使用
AI 能見度檢查可以和網站既有的 SEO 流程互相搭配。用傳統健檢顧好排名與索引狀態，再用這份工具補上 AI 引用所需的結構與信任訊號，兩者涵蓋的面向不同，合在一起才是完整的體檢。若你已經為網站準備了 llms.txt，也能把它的內容貼進選填欄位，用附加徽章確認這條索引管道是否就緒。
定期對重點頁面跑一次檢查，把分數與等級記錄下來當成基準，每次改版後對照前後變化，就能看出結構化資料與內容深度的調整是否真的朝提升 AI 能見度的方向前進。
這個工具不做哪些事
為了避免誤用，先說清楚這份工具的邊界。它不會模擬 ChatGPT 或 Google AI Overview 的實際回覆，也無法預測你的頁面會不會出現在某一個特定查詢的回答裡;AI 模型的揀選機制涉及查詢意圖、競爭內容、模型版本等外部變數，不是單一工具能推算的。它量測的是頁面本身的機器可讀性與結構訊號，這些是進入 AI 回答的有利條件，但不是保證。
它也不取代完整的技術 SEO 審計。網站速度、Core Web Vitals、外部連結 profile、爬蟲收錄狀態、關鍵字排名走勢這類指標，需要透過搜尋引擎官方工具與專業分析平台來追蹤，本工具專注在 AI 引用時看重的結構化資料、中繼資料、內容深度與信任訊號這一塊。把兩邊搭配起來用，才能同時照顧傳統排名與 AI 能見度。
評分邏輯是固定的規則式判定，不會隨 AI 模型更新而即時變動，因此分數反映的是「依照目前已知最佳實務，頁面具備了多少機器可讀訊號」，而不是對未來某個 AI 版本的預測。隨著 AI 搜尋生態演進，工具的檢查項目與配分也可能調整，但核心目標不變:把頁面對 AI 的友善程度變成一份可量化、可比較、可逐項改善的清單。
「AI 能見度」是什麼?
AI 能見度(AI visibility)指的是一個頁面或網站在 ChatGPT、Google AI Overview、Perplexity 等 AI 搜尋引擎中,被理解、被引用、被推薦的程度。它和傳統 SEO 的差別在於:傳統 SEO 追求的是在藍色連結清單裡排前面,而 AI 能見度看重的是頁面是否提供機器可讀的結構、可驗證的作者與時間、以及足夠扎實的內容深度,讓 AI 敢於把你的頁面當成答案來源。想深入了解這個概念與 AEO(AI Engine Optimization)的完整框架,可以參考我們的 AEO 是什麼 支柱文,本工具則是把這些原則落實成可量化的檢查表。
把 AI 能見度想成一條獨立於傳統排名的賽道:藍色連結清單看重的是權重與連結，AI 搜尋結果則更看重「頁面能不能被穩定解析、內容值不值得放進回答」。一個排名普通的頁面，只要結構化資料、作者實體與問答段落到位，仍可能在 AI 回答裡佔有一席之地，這也是為什麼愈來愈多網站開始把 AEO、GEO、AISO 這類最佳化方向納入日常內容流程。
這份工具的定位，就是把上面這些原則具體化成一張可以逐項打勾的檢查表。你不需要記住所有規範，只要貼上原始碼、看報表、照建議改，就能系統性地把頁面推向對 AI 更友善的狀態，而這正是長期經營 AI 搜尋能見度最穩當的節奏。
常見問題
什麼是「AI 能見度」?跟傳統 SEO 有什麼不同?
AI 能見度是指頁面被 AI 搜尋引擎理解與引用的程度。傳統 SEO 著重在關鍵字排名與點閱率,AI 能見度則額外要求結構化資料、作者實體、發布時間、內容深度等機器可讀訊號,讓 ChatGPT、Google AI Overview 這類系統判斷你的頁面是否可信、值得放進回答。可以把它想成傳統 SEO 之外,另一條通往 AI 搜尋結果的賽道。
這個檢查的 0–100 分是怎麼算的?
主分數由五大類別加總而成:Structured Data、Meta & Snippet、Content Depth、E-E-A-T / Trust、Machine-Readability,每個訊號依重要性配分並依通過、注意、待改善給予不同得分。分數對應等級 A(85 以上)、B(70 以上)、C(55 以上)、D(40 以上)、F(40 以下)。llms.txt 只做附加徽章,不計入主分,確保分數反映的是頁面本身可判定的訊號。
我應該貼整頁 HTML,還是只貼某一段內容?
建議貼整頁完整 HTML,而且要包含 <head> 與 JSON-LD。因為結構化資料、OG 標記、canonical、作者與時間這些訊號大多放在 head 區,只貼 body 內文會讓多個類別無法判定,分數也會失準。貼入越完整,判斷越準,這也是工具提示「建議包含 head 與 JSON-LD」的原因。
檢查涵蓋哪些項目?
涵蓋五大類別:Structured Data(Organization、FAQPage、Article、BreadcrumbList、Person 等 schema)、Meta & Snippet(title、description、Open Graph、Twitter Card、canonical)、Content Depth(字數、H1/H2/H3 結構)、E-E-A-T(具名作者、發布時間、實體標記、聯絡頁)、Machine-Readability(語意 HTML5、圖片 alt、內部連結、可索引性、hreflang/sitemap/RSS)。每項都會標示通過、注意或待改善,並附修正建議。
提高分數會讓我出現在 ChatGPT 或 Google AI Overview 嗎?
提高分數代表頁面具備更多 AI 容易理解與引用的訊號,這是進入 AI 搜尋結果的有利條件,但不是保證。是否實際出現還取決於查詢意圖、競爭程度、AI 模型的判斷等外部因素。這個工具的價值在於把「頁面對 AI 友不友善」從猜測變成可量化的清單,讓你持續補強,而不是承諾排名或引用。
我貼上的資料會被儲存或上傳嗎?
不會。工具全程在你自己的瀏覽器內執行,所有解析、計算與報表產生都在本機完成,貼上的 HTML 與 llms.txt 內容不會傳送到任何伺服器,也不會被儲存。因此適合用來檢查尚未公開的草稿、客戶網站原始碼,或任何不便外流的頁面。重新整理或關閉頁面後,欄位內容與報表都會清空。
AI 能見度檢查跟一般 SEO 健檢有什麼差別?
一般 SEO 健檢通常著重在關鍵字排名、外部連結、網站速度、索引狀態等傳統指標;AI 能見度檢查則聚焦在 AI 搜尋引擎能否讀懂並引用你的頁面,因此特別看重結構化資料、作者實體、發布時間、內容深度與機器可讀性。兩者互補:傳統健檢照顧藍色連結的排名,AI 能見度檢查照顧 AI 回答裡的引用機會。