ChatGPT、Gemini、Claude 怎麼挑引用來源

ChatGPT 資料來源從哪來?各家 AI 怎麼挑引用網站

ChatGPT 的資料來源分成兩種:訓練時讀過的大量網頁,以及回答當下上網搜尋到的頁面;會附上連結、把你的網站名字帶出來的,幾乎都是後者。Gemini、Claude、Perplexity 也是同樣的架構,差別在「上網搜尋」這一段各家用的索引和爬蟲不一樣,所以同一個問題,三家引用的網站常常不同。

關鍵字先生把各家官方文件整理成下面這張表(2026 年 10 月查證,平台規則常改,以各家官方文件為準)。做 GEO 之前先看懂這張表,後面的功夫才花得準。

一張表看懂:各家 AI 的資料來源與爬蟲

AI 服務回答時去哪裡找資料想被搜尋引用,要放行的爬蟲收集訓練資料的爬蟲
Google AI 摘要、AI 模式Google 搜尋索引,把問題拆成多個相關搜尋再挑頁面Googlebot(就是一般搜尋的爬蟲)Google-Extended 控制內容能不能拿去訓練 Gemini,不影響搜尋排名
Gemini App用 Google 搜尋索引的內容當參考資料Googlebot;Google-Extended 也管 Gemini App 能不能拿你的內容當參考Google-Extended(robots.txt 裡的標記,沒有獨立的爬蟲)
ChatGPTOpenAI 自己的搜尋,加上合作的第三方搜尋供應商OAI-SearchBot;ChatGPT-User 是使用者要它讀網頁時用的GPTBot
ClaudeClaude 的網路搜尋;媒體報導背後的搜尋服務包含 Brave SearchClaude-SearchBot、Claude-UserClaudeBot
PerplexityPerplexity 自己的索引,每次回答都會即時檢索PerplexityBot;Perplexity-User 官方說通常不理會 robots.txt官方說兩個爬蟲都不拿來訓練基礎模型

表裡每一格的出處,下面分家說明。

AI 的兩種「知道」:訓練資料和當下搜尋

第一種是訓練時讀過的資料。模型在訓練階段讀了大量網頁,這些內容變成它的背景知識,但回答時通常說不出是從哪一頁學來的,也不會附連結。

第二種是回答當下上網查到的資料。使用者問了問題,AI 去搜尋、讀幾個網頁、整理成答案,並附上來源連結。GEO 能使力的地方主要在這裡,因為這一段有明確的規則可以檢查:爬蟲進不進得來、頁面在不在索引裡、內容有沒有回答到問題。

ChatGPT 的資料來源:它用哪個搜尋引擎?

OpenAI 的ChatGPT 搜尋說明寫得很保守:ChatGPT 搜尋「有時會與其他搜尋供應商合作」,並且會把你的問題改寫成一個或多個更精準的搜尋,再送給這些供應商。

很多人會問 ChatGPT 是不是用 Bing。微軟在 2023 年 5 月確實宣布 Bing 成為 ChatGPT 的預設搜尋體驗,OpenAI 現在的一般說明只寫「其他搜尋供應商」,倒是在企業版與教育版的說明裡寫明,這兩種方案唯一使用的第三方搜尋供應商是 Bing。比較穩的做法是:Bing 和 Google 的收錄都顧好,再確認 OpenAI 自己的爬蟲進得來。

OpenAI 的三個爬蟲,各管一件事

OpenAI 的爬蟲說明文件(原本的 platform.openai.com 網址已轉到這裡)列出這幾個名字:

  • OAI-SearchBot:負責讓網站出現在 ChatGPT 的搜尋功能裡。擋掉它,你的頁面就不會出現在 ChatGPT 的搜尋答案中,最多只會以單純的導覽連結出現。官方說改了 robots.txt 之後,大約 24 小時系統才會跟著調整
  • GPTBot:收集可能拿去訓練模型的資料。官方寫明每個設定互相獨立,擋 GPTBot 不影響搜尋的資格
  • ChatGPT-User:使用者在對話裡要 ChatGPT 去讀某個網頁時用的。因為是使用者發起的動作,官方說 robots.txt 的規則「可能不適用」,它也不拿來決定網頁能不能出現在搜尋裡

文件裡另外還有一個 OAI-AdsBot,只檢查投放在 ChatGPT 上的廣告頁面,跟一般網站的引用無關。

ChatGPT 會引用哪些頁面?研究的觀察

OpenAI 沒有公開挑選規則,只能看研究。Ahrefs 在 2026 年 4 月發表的分析看了 140 萬個 ChatGPT 提問:從搜尋抓回來的網址,大約 88% 最後有被引用;被引用的頁面,標題和使用者問題的相近程度明顯比較高。同一份研究也發現,網址用看得懂的單字組成的頁面,被引用的比例稍高(約 90% 對 81%)。

換成白話:ChatGPT 先看標題和網址判斷「這頁有沒有在回答這個問題」,再決定要不要打開來引用。標題寫得像讀者會問的那句話,對 SEO 和 GEO 都有用。

Gemini 和 Google AI 摘要:先在 Google 索引裡才有機會

Google 的官方說明提到,AI 摘要和 AI 模式會用一種叫 query fan-out 的做法:把一個問題拆成好幾個子題目分別搜尋,再從這些結果裡挑頁面來引用。資格條件很單純:頁面要被收錄,而且能在 Google 搜尋裡帶著摘要文字出現,「沒有額外的技術要求」,也不需要特殊的結構化資料。

Google 在 2026 年 5 月另外發布了一份針對生成式 AI 搜尋的優化指南(2026 年 7 月更新),立場講得很直接:從 Google 的角度看,AEO、GEO 仍然是 SEO。指南裡點名幾個可以不用理的說法:

  • llms.txt 這類給 AI 看的檔案:Google 搜尋本身不使用,做了不加分也不扣分(細節在〈llms.txt 是什麼〉)
  • 把文章切成很多小塊給 AI 讀:沒有這個必要,也沒有理想的文章長度
  • 為了 AI 加特殊的結構化資料:不需要;結構化資料照一般 SEO 的需求做就好
  • 大量製造每個問法都一頁的內容:可能違反 Google 的「大規模內容濫用」垃圾政策

排在第一頁就會被引用嗎?

不一定。Ahrefs 在 2026 年 3 月分析了 86.3 萬個搜尋結果頁,發現 AI 摘要引用的網址只有約 38% 同時排在該關鍵字的前 10 名,其餘大約一半在 11~100 名、一半在 100 名以外。Ahrefs 也說明這次改了抓資料的方法,數字不能直接跟前一版研究比。

關鍵字先生的解讀是:因為 AI 摘要會拆成很多子題目去搜,你的頁面只要在其中某個子題目排得上去,就有機會被挑中。所以把一個主題的周邊問題都寫清楚,比只盯著一個大字的排名更有用。

Gemini App 和 Google-Extended

Google 的爬蟲說明寫到,Google-Extended 這個標記管的是兩件事:內容能不能拿去訓練 Gemini 模型,以及 Gemini App 等服務回答時能不能拿搜尋索引裡的內容當參考資料。它不影響網站能不能出現在 Google 搜尋,也不是排名因素;搜尋裡的 AI 摘要和 AI 模式,仍然由一般的 Googlebot 規則控制。

想擋 Gemini 拿你的內容去訓練,擋 Google-Extended 就好,千萬別去擋 Googlebot。擋了 Googlebot,連一般搜尋和 AI 摘要都會一起消失。

Claude:三個爬蟲,搜尋背後有 Brave

Anthropic 在 2025 年 3 月推出 Claude 的網路搜尋,回答會附上可以點開查證的引用來源,同年 5 月開放給所有方案。官方沒有在公告裡說明用哪家搜尋服務;TechCrunch 報導,Anthropic 的委外處理廠商名單裡加入了 Brave Search,開發者也比對出 Claude 引用的結果和 Brave 的搜尋結果相同。這部分屬於媒體觀察,Anthropic 沒有正式證實。

爬蟲的部分,Anthropic 的說明分成三個:ClaudeBot 收集訓練資料,Claude-User 在使用者提問時去讀網頁,Claude-SearchBot 用來改善搜尋結果的品質。文件寫明,擋掉 Claude-User 或 Claude-SearchBot 都可能降低網站在 Claude 搜尋結果裡的能見度。Anthropic 也支援 robots.txt 的 Crawl-delay(限制爬取頻率),並提醒封鎖 IP 不一定能持續有效,建議用 robots.txt 設定。

Perplexity:有一個爬蟲不看 robots.txt

Perplexity 的爬蟲文件列了兩個:PerplexityBot 負責讓網站出現在 Perplexity 的搜尋結果並附上連結,官方建議在 robots.txt 放行;Perplexity-User 是使用者提問時去讀網頁用的,文件直接寫它「通常會忽略 robots.txt 規則」。官方說這兩個都不拿來收集訓練基礎模型的資料,robots.txt 改了之後最多 24 小時生效。

這代表一件常被漏掉的事:robots.txt 擋得住「自動爬」的爬蟲,擋不太住「使用者叫 AI 去讀」的那一類。ChatGPT-User 和 Perplexity-User 的官方說法都是如此。真的不想被讀到的內容,要用登入或其他存取限制。

想讓 ChatGPT 推薦你的品牌,研究看到什麼

「怎麼讓 ChatGPT 推薦我的店」是很多老闆最想知道的事。各家都沒有公開規則,目前能參考的是第三方研究,而且多半只是相關性,不代表因果:

  • Ahrefs 2025 年 5 月分析 7.5 萬個品牌,發現「品牌在網路上被提到的次數」和品牌出現在 AI 摘要的相關性最高(0.664),高於反向連結數量(0.218)。這份研究只看 Google AI 摘要
  • Semrush 2025 年 11 月追蹤 23 萬個提問、13 週:ChatGPT 最常引用的網域是 Reddit 和維基百科,但兩者在 2025 年 9 月中都大幅下滑;Google AI 模式常引用 LinkedIn、YouTube、Reddit。各平台偏好的來源差很多,而且會突然變動

Google 的生成式 AI 指南也提到,AI 功能會反映部落格、影片、論壇上大家怎麼談論一個品牌;但它同時提醒,刻意去各處製造不自然的「品牌提及」,效果沒有想像中好。關鍵字先生的建議是把功夫花在真的會被討論的地方:讓品牌名稱、提供的服務、所在地區在你的網站、Google 商家、社群上寫得一致,讓客戶自然地提到你。品牌怎麼被 AI 認成一個明確的「實體」,課程〈品牌與實體:讓 AI 認識你〉有完整示範。

動手檢查:你的網站有沒有擋到 AI 爬蟲

  1. 在瀏覽器打開「你的網址/robots.txt」
  2. 找有沒有這幾個名字:GPTBot、OAI-SearchBot、ChatGPT-User、ClaudeBot、Claude-SearchBot、Claude-User、PerplexityBot、Google-Extended
  3. 看它們下面寫的是 Allow 還是 Disallow;也要看「User-agent: *」那一段,如果整站寫了 Disallow: /,等於全部擋掉
  4. 想被 AI 搜尋引用:放行 OAI-SearchBot、Claude-SearchBot、Claude-User、PerplexityBot,Googlebot 當然也要放行
  5. 不想讓內容被拿去訓練模型:可以擋 GPTBot、ClaudeBot、Google-Extended,這三個不影響 ChatGPT 搜尋與 Google 搜尋的引用資格

整個檢查五分鐘做得完,而且是少數「做了就確定有差」的 GEO 工作。另外要注意,主機商或 CDN 的防機器人設定可能在 robots.txt 之外直接擋掉 AI 爬蟲,例如 Cloudflare 從 2025 年 7 月起把封鎖 AI 爬蟲改成預設開啟。robots.txt 看起來沒問題卻一直沒被引用時,記得去主機或 CDN 後台查一下。robots.txt 的基本寫法可以看課程〈網站地圖與 robots.txt〉,各家 AI 爬蟲的設定在〈AI 爬蟲與 llms.txt〉。

關鍵字先生的看法:沒有人能保證你被引用

各家 AI 挑選來源的規則都沒公開,而且一直在改,Semrush 看到的 Reddit 引用量一個月內大跌就是例子。市面上「保證讓 AI 推薦你」的服務,關鍵字先生會建議先保留。Google 的指南也特別寫到,沒有任何第三方工具能接觸到 Google 內部的排名或 AI 系統,考慮採用第三方 GEO 建議之前,先拿官方說明對照。

做得到、也值得做的事有三件:讓爬蟲進得來、讓頁面在搜尋引擎排得上去、把內容寫到別人願意引用。GEO 的基本觀念可以從〈GEO 是什麼〉讀起。

常見問題

ChatGPT 的資料來源可信嗎?

有附連結的回答,來源是當下搜尋到的網頁,可以點進去自己查證;OpenAI 的說明也提醒,搜尋結果和引用可能不完整、過時或錯誤。沒有附連結的回答,來自模型的訓練資料,要當成參考,重要的事實一定要另外查。

擋掉 GPTBot,ChatGPT 就不會引用我的網站嗎?

不會。GPTBot 只管訓練資料,ChatGPT 搜尋看的是 OAI-SearchBot。OpenAI 官方寫明這兩個設定互相獨立。

要被 AI 摘要引用,需要做特別的設定嗎?

Google 官方說不需要。頁面被收錄、能在搜尋結果帶摘要出現就有資格,llms.txt 和特殊結構化資料都不是必要條件。AI 摘要帶來的流量會算在 Search Console 成效報表的「網頁」搜尋類型裡,Google 的生成式 AI 指南也提到可以用 Search Console 的生成式 AI 成效報表來看。

想把這套做法學完整

關鍵字先生的 GEO 課程第一堂〈GEO 是什麼?跟 SEO 差在哪〉免費,不用登入就能看。想更細地看各家 AI 怎麼挑來源、你的文章要怎麼對應,接著看〈ChatGPT、Gemini、Google AI 摘要怎麼挑引用來源〉;想讓 AI 把你的品牌記清楚,再看〈品牌與實體:讓 AI 認識你〉。

想把這些技能學成能轉職的實力?

系統化的 SEO/GEO 教學影片,從觀念到實作一步一步帶你做。

看免費課程