段落才是被引用的單位：GEO 內容 chunking 工程與 40–60 字答案模組

同一個問題，Google 回你十條藍色連結，ChatGPT 直接給一段答案。差別在哪？Google 排名的單位是「整個網頁」，AI 引用的單位是「一個段落」。你的文章寫得再完整，AI 抓走的永遠只是其中兩三段——而大多數網站的段落，根本不是為了被單獨抓走而寫的。這篇把我們在 topclass.tw 上實際操作的段落工程（content chunking）拆成五個步驟：怎麼讓每個 H2 區塊自成單位、怎麼寫 40–60 字的答案模組、怎麼用定義句和表格提高抽取率、最後怎麼自己測。不用買任何工具，今天下午就能開始改。

AI 不引用文章，引用段落：chunk 到底是什麼

先講結論：chunk 是檢索系統處理內容的最小單位，通常是幾百個 token 的一個文字塊。ChatGPT、Perplexity 這類產品回答問題時，不會把你整篇文章從頭讀到尾，而是先把網頁切塊、算語意相似度，只挑最相關的兩三塊塞進答案裡。你寫三千字，真正被 AI 「看到」的可能只有其中兩段。

這就是答案引擎優化（AEO）跟傳統 SEO 最根本的分歧點。傳統 SEO 優化的是整頁的排名訊號；AEO 和 GEO 優化的是「單一段落被抽出來還能不能用」。至於各平台實際怎麼切塊，官方沒有公開，以下是社群實測的推論：多數檢索管線沿著標題階層切，H2、H3 是天然的切割線；也有按固定 token 數硬切的做法，段落拖太長就會被腰斬，前半句和後半句進了不同的 chunk，兩邊都變得不完整。

不經營自己的可引用段落，會發生什麼事？我們自己試過：在 Perplexity 問「TOPCLASS 是什麼公司？」，答案幾乎全靠同一篇第三方舊文撐著，內容還停在我們早就改掉的舊定位（完整實測在AI 是怎麼介紹你的品牌）。說白了：你不寫出自己的可引用段落，AI 就去引用別人寫你的段落，而且會過時。

第一步：讓每個 H2 區塊自成一個完整單位

self-contained 的意思很具體：把這個 H2 區塊單獨複製下來，貼給一個完全沒讀過全文的人，他要能看懂九成。看不懂，這段就沒有被引用的資格——因為 AI 抽走它的時候，同樣拿不到前後文。

測試方法零成本。挑一段，丟給同事或家人，不給標題、不給上下文，問「這段在講什麼」。對方皺眉頭反問你「哪個它？」「什麼的第三步？」，你就知道問題在哪了。

這裡最容易踩雷的寫法有三種。第一種是承上式開頭：「除了上述方法之外」「承接前一節的討論」——這段被單獨抽走時，「上述」是空的。第二種是裸代名詞：整段都在講「它」「這個工具」「該方法」，主詞留在上一段回不來。第三種是依賴前文的定義：你在第二節定義了一個縮寫，第五節直接用，讀第五節 chunk 的 AI 並不知道那是什麼。修法都不難，把每個 H2 區塊當成一篇 200 字的獨立短文來寫，開頭交代主詞，結尾把話說完。

第二步：40–60 字答案模組——每個 H2 開頭第一段就是直答

做法一句話講完：每個 H2 底下的第一段，直接用 40 到 60 個中文字回答這個 H2 提出的問題。不鋪陳、不賣關子、不寫「這是個好問題」。為什麼是 40–60 字？夠短，AI 能整段搬走不用裁切；夠長，裝得下主詞、結論、加一個條件或數字。

改寫前 vs 改寫後：一張表看差距

以下為示範情境。假想一家賣手沖器材的電商「山丘咖啡」，部落格文章的兩個 H2 開頭段，改寫前後長這樣：

注意改寫後那欄的共同點：主詞明確、有數字、有條件判斷（不確定就怎樣、新手選什麼）。這種段落被 AI 抽走後，單獨放在答案裡完全成立。改寫前那種開頭不是不能寫——它可以放在直答段的後面當展開，但不能佔住 H2 開頭這個黃金位置。

第三步：結構訊號——定義句、清單、表格是抽取器的最愛

直答先給：對機器抽取最友善的三種形式是定義句（X 是 Y）、有序清單、乾淨的表格。它們的共同點是結構本身就標好了語意邊界，AI 不用猜哪裡是答案的開始和結束。

定義句式尤其被低估。「llms.txt 是一個放在網站根目錄的純文字檔，用來告訴 AI 爬蟲哪些內容值得讀」——這種句子幾乎是為了被引用而生的。每次介紹一個名詞，第一句就用「X 是……」的句式把定義寫死，不要用「大家可能聽過 X」這種繞法。

表格有個前提：HTML 要乾淨，thead、tbody 分清楚，不要拿表格排版面。散文式長段落抽取率低，但不代表不能寫——案例和觀點本來就該用敘事，只是別指望那些段落幫你拿引用，引用的工作交給直答段和表格。

第四步：段落長度工程——一段一件事

規則就三條：一段只講一件事；長度控制在 3–4 行，大約 80–120 個中文字；段落裡的代名詞全部改回主詞。做到這三條，段落被硬切腰斬的機率大幅下降，切出來的每一塊也都還能獨立成立。

「一段一件事」是裡面最難執行的。寫作的人腦子裡的邏輯是連貫的，很自然就把原因、做法、注意事項塞進同一段，結果一段 300 字講了三件事。檢索系統比對語意時，這種段落對哪個問題都「有點像、又不夠像」，相似度分數卡在中間，反而三個問題都輪不到它。拆開，每段各自對準一個問題，命中率才會上來。

代名詞這件事值得單獨講。中文寫作習慣用「它」「這個檔案」「該做法」避免重複，人類讀起來順，機器讀起來是災難。段落被抽走之後，「它」指誰？沒人知道。修法很機械：每段第一次提到主體時，用全名——「它」改回「llms.txt」，「這套方法」改回「40–60 字答案模組」。讀起來稍微囉嗦一點，換來的是每一段都能單獨存活。這筆交易划算。

第五步：抽取率自測 SOP——把段落貼給 ChatGPT 就知道

自測方法免費、十五分鐘跑完一輪：把你的段落單獨貼給 ChatGPT，問「這段在講什麼」。它答得準，這段就具備被引用的條件；答得含糊或答錯，這段在真實檢索裡也一樣會被跳過。

完整流程五步

1. 挑 10 個段落，優先挑每頁 H2 開頭的直答段——那是最該被引用的位置。
2. 每段開一個全新對話（避免上下文污染），只貼那一段，問：「這段在講什麼？請用一句話複述。」
3. 複述準確（主詞對、結論對、數字對）記 1 分，含糊或錯誤記 0 分。
4. 套公式：抽取率＝AI 正確複述的段落數 ÷ 測試段落數。
5. 低於七成，回頭用第一到第四步修，修完重測同一批段落。

以下為示範情境。山丘咖啡挑了 10 段自測，6 段複述準確，抽取率 60%。失敗的 4 段攤開看，共同病因就是前面講過的那幾個：兩段用「它」當主詞、一段用「承上所述」開頭、一段 280 字塞了水溫和研磨度兩件事。照第二步和第四步改完，重測拿到 9/10。整個過程一個下午，零預算。想升級成自動化監測再考慮工具：Otterly.ai 約 $29/月起、Peec AI 約 $89–499/月，HubSpot AI Search Grader 則是免費的入門健檢；Ahrefs Brand Radar 和 Semrush AI Visibility Toolkit 是各自套件內的功能，已經有訂閱的人可以直接開來用。手動 SOP 先跑起來，再決定要不要花這筆錢。

我們自己的起點長什麼樣

誠實講，我們自己也才剛站上起跑線。GA4 剛裝、AI referral 掛零，GSC 也還撈不到跟「引用」相關的查詢——完整基準線數據記在自建 GEO 情報系統。在 Perplexity 問台灣有哪些做 GEO 的公司，名單上目前也沒有我們，那場實測放在競品 AI 可見度比較。這篇文章裡的每一條 SOP，就是我們自己正在爬的樓梯。數字小就寫小，之後的變化會持續公開。

照做 checklist：出手前勾完這 10 條

改版前把這張清單印出來，一頁一頁勾：

• ☐ 每個 H2 區塊單獨貼給別人看，看得懂九成
• ☐ 每個 H2 開頭第一段是 40–60 字直答
• ☐ 直答段裡有主詞、有結論、有至少一個數字或條件
• ☐ 每個名詞第一次出現時用「X 是……」定義句
• ☐ 步驟類內容改成有序清單，一列一個動作
• ☐ 比較類內容改成表格，thead 和 tbody 結構乾淨
• ☐ 每段只講一件事，長度 3–4 行以內
• ☐ 段落裡沒有裸代名詞，「它」都改回全名
• ☐ 沒有「承上所述」「除了以上」這類依賴前文的開頭
• ☐ 抽了 10 段跑自測，抽取率達到七成以上

十條全勾，這頁的段落工程就算完工。之後每次發新文章，發布前跑一次，五分鐘的事。

分工說明：這篇只講段落工程

先把邊界劃清楚，免得你以為做完這篇就做完了 GEO。這篇處理的是「段落層」：怎麼切、怎麼寫直答、怎麼測抽取率。文章整體怎麼規劃——選題、標題怎麼下、FAQ 區塊怎麼配、schema 怎麼掛——那是另一個層次的工程，在 AEO 答案引擎優化完整指南裡有完整展開。而 AI 到底怎麼檢索、embedding 和向量比對背後的原理是什麼，看 RAG 檢索原理與內容寫作那篇。三篇的關係是：RAG 篇講原理，AEO 篇講整篇文章的佈局，這篇講段落這個最小單位。從哪篇開始都行，但動手改網站，從這篇的 checklist 開始最快。

延伸閱讀：RAG 檢索原理與內容寫作 | AEO 是什麼？答案引擎優化完整指南 | 語意 SEO 完整指南：善用 NLP 與語意搜尋讓你的內容真正被讀懂