Google 地圖高評價，
AI 卻回答「查無此店」
——針對京都 10 家體驗店，以日文、英文、繁體中文、簡體中文四種語言實測
有一家和服租借店，在 Google 地圖上擁有 4.9 分、超過 500 則評論。可是，當你把店名輸入 ChatGPT 詢問時，AI 卻回答：「找不到這家店。」接著還推薦了另一家名稱相近的店。
另一方面，另一間只有 272 則評論的小型茶室，AI 卻能準確說出價格、體驗時間，甚至一字不差。
AI 時代，店家究竟要如何被顧客找到？本篇整理了以日文、英文、繁體中文、簡體中文四種語言，詢問京都 10 家觀光體驗店後所得出的結果與分析。
【指名搜尋的四種結果】AI 是如何理解你的店家？
這次觀察中，AI 對店家的反應大致可以分成四種類型。
A｜正確理解
A 店｜茶道體驗・清水寺周邊
當詢問「A 店的費用和體驗時間是多少？」時，AI 不僅列出了三種方案各自的價格與時間，甚至連兒童同行時的注意事項都完整說明，而且內容全部正確。更重要的是，AI 引用的來源，全都是這家店自己的官方網站。
原本我曾假設，不同語言提問可能會導致 AI 回答不同內容。但在詢問特定店家時，這個現象並沒有出現。即使 A 店沒有任何中文頁面，用繁體中文詢問，AI 依然能以相同精度回答。原因很簡單——AI 讀的是日文官網上的資訊，再自行翻譯成繁體中文。換句話說，真正重要的，不是「多語言網站」，而是「AI 能理解、也能引用的事實」。
這是一間規模不大的茶室，在社群媒體上的曝光也不算高，但它提供給 AI 的資訊卻相當完整，因此外國旅客也幾乎不會對它產生誤解。
B｜內容遭到 AI 腦補
B 店｜茶道體驗
AI 認得這家店。地址、營業時間、整體評價都沒有問題。然而，一問到價格，資訊便開始缺漏；至於體驗時間，AI 是這麼回答的：
體驗時間（多數方案約 60～90 分鐘）
事後查證，這個數字根本沒有任何來源。AI 是依照其他茶道體驗店的大致行情，自行推測後補上的。
更值得注意的是，同一段回答裡，AI 還把 B 店和其他茶道體驗並列，表示「如果需要，我也可以幫你比較各家的特色」。也就是說，在 AI 看來，B 店只是「眾多茶道體驗中的其中一家」。
這其實是店家最難察覺的狀態。店名查得到，地址也正確，因此很容易以為沒有問題。但真正介紹店家的內容，是 AI 自己想像出來的。
C｜被判定為「不存在」
C 店｜和服租借
Google 評分 4.9、累積超過 500 則評論（數據截至 2026 年 7 月），外國旅客評價也相當不錯。然而，把店名交給 ChatGPT 後，得到的是：
「（C 店店名）」這家店目前無法確認。
接著 AI 還推薦了另外兩家名稱相近的店。如果改用繁體中文詢問，回答甚至更直接：
京都沒有找到這個名稱的店家。
超過五百則 Google 評價，對 AI 而言卻像完全不存在。
D｜被誤認成別家店
我再次用同一個問題詢問同一家店。這一次，AI 的回答又變了：
你指的應該是（另一家店名）。評價 5.0，累積超過 1,600 則評論，非常受歡迎。
然而，那其實是另一家公司。同樣位於京都市，店名漢字只差一個字，也有自己的官方網站。也就是說，AI 找不到 C 店時，直接把它當成另一家名稱相近、資訊更完整的店。
值得注意的是，AI 自己使用的是「應該是……」，代表它本身也沒有把握。同一個問題，兩次卻得到互相矛盾的答案，就是最好的證據。AI 並不是知道 C 店，只是手上沒有足夠的判斷依據，因此每次都只能猜。
真正可怕的是——C 店累積的五百多則好評，此刻很可能正在替競爭對手帶來流量，而店家自己卻完全不知道。
真正決定這四種結果的，並不是店家的規模。
| 店家 | Google 評論數 | AI 的反應 |
|---|---|---|
| C 店（和服） | 518 則 | 判定不存在／誤認為其他店 |
| A 店（茶道） | 272 則 | 從價格、方案到注意事項皆能正確說明 |
評論更多的那一家，AI 反而看不見。
【資訊來源的兩個方向】指名搜尋需要自己的聲音，推薦搜尋需要別人的推薦
真正的差異，在於店家把資訊放在哪裡。再加入另一家 E 店來比較。E 店沒有自己的官方網站，只有一個預約 SaaS 平台上的頁面，但 AI 依然能認出它。
| 店家 | 資訊放在哪裡 | 頁面的主體 | AI 結果 |
|---|---|---|---|
| A 店 | 官方網站（日文／中文） | A 店 | 正確引用 |
| E 店 | 預約 SaaS 頁面 | E 店 | 能辨識、能引用 |
| B 店 | 免費 CMS 網站 | B 店 | 能辨識，但不引用 |
| C 店 | 預約平台商品頁 | 平台 | 無法建立店家實體 |
C 店被登記為「官方網站」的，其實只是預約平台上的介紹頁。但那個頁面的真正主體，是平台，而不是 C 店。因此，在 AI 眼中，C 店不是一間店，而只是某個預約網站裡的一個商品頁。
因此，可以整理出一個很重要的原則：
AI 認識的是「實體（Entity）」，不是關鍵字，也不是單純的網頁。而只有那些「以自己為主體、能夠被引用」的內容，才能真正成為 AI 所辨識的實體。
從這個角度來看，C 店並沒有真正成為一個「實體」，因為它只是存在於平台裡的一項商品。這並不表示每一家店都一定要建立自己的網站——是否擁有獨立網域，並不是關鍵。E 店雖然只有一個 SaaS 頁面，但因為頁面主角就是 E 店，所以 AI 能把它當成一家店來理解。AI 真正需要的是：屬於你自己的聲音，而且是能被引用的形式。
不過，AI 會因為提問方式不同，而改變搜尋資訊來源
這也是前面提到「不同語言是否會造成差異」之外，本次最值得注意的發現之一。
當你直接問「A 店是一間什麼樣的店？」，AI 幾乎都是引用官方網站。價格、方案、時間，全都來自店家自己的內容。
可是如果改成探索型問題「京都有推薦的茶道體驗嗎？」，AI 的引用來源立刻完全改變：
- 大型旅遊指南（Lonely Planet 等）
- 京都市、日本政府觀光局等官方旅遊網站
- 面向海外旅客的「推薦 ○ 選」文章
反而幾乎沒有任何店家的官方網站被引用。
| 問法 | AI 主要參考來源 | 真正該經營的地方 |
|---|---|---|
| 指名搜尋（「○○ 是什麼樣的店？」） | 官方網站 | 想讓 AI 正確介紹，就經營這裡 |
| 探索搜尋（「京都有推薦的○○嗎？」） | 第三方文章、整理網站 | 想一開始就被找到，就經營這裡 |
這其實是兩件完全不同的事情。官方網站解決的是——當對方已經知道你的名字時，如何讓 AI 正確理解你。而當有人只是問「京都有哪些茶道體驗？」，AI 真正會看的，是其他人有沒有提到你。
【適用範圍】不同語言的贏家不同，但仍要看產業類別
同樣都是問「請推薦京都的 XX 體驗」，用四種語言詢問後，不同產業竟然出現完全不同的結果。
茶道：四種語言，都是同樣三家店
無論日文、英文、繁體中文或簡體中文，AI 推薦的幾乎都是同樣三家。語言造成的差異，非常小。
和服：四種語言沒有任何一家店全部入選
| 店家 | 日 | 英 | 繁 | 簡 |
|---|---|---|---|---|
| 店① | ● | ● | ● | |
| 店② | ● | ● | ● | |
| 店③ | ● | ● | ● | |
| 店④（誤認 C 店的競爭對手） | ● | ● | ● | |
| 店⑤ | ● | ● | ||
| 店⑥ | ● | |||
| 店⑦ | ● | |||
| 店⑧ | ● | |||
| 店⑨ | ● | |||
| 店⑩ | ● | |||
| 店⑪ | ● | |||
| 店⑫ | ● | |||
| 店⑬（業界最大品牌） | ● | |||
| 店⑭ | ● |
這裡可以看到三個重點。
第一，日文推薦排名前三的店（店⑥、⑦、⑧），其他三種語言一次都沒有出現。
第二，業界最大的品牌（店⑬），竟然只有簡體中文會推薦。即使以日文詢問「京都租和服推薦哪一家？」，AI 也不會提到它。
第三，在前面的四種類型中，完全無法被辨識的 C 店，在四種語言裡全部掛零，因此根本沒有出現在這張表。更殘酷的是——當 AI 誤認 C 店時所推薦的競爭對手，卻在英文、繁體中文、簡體中文三種語言裡全部都有出現。
為什麼差異會這麼大？
看看 AI 引用哪些媒體，就知道原因。
| 語言 | 茶道主要引用來源 | 和服主要引用來源 |
|---|---|---|
| 日文 | japan.travel、japan-atlas 等 | 着物レンタル比較ナビ 等 |
| 英文 | Lonely Planet、Reddit 等 | Japan Cheapo 等 |
| 繁體中文 | michi-japan、japan-atlas 等 | MATCHA、Japan Cheapo 等 |
| 簡體中文 | （各語言共通的國際旅遊媒體） | MATCHA、Japan Cheapo 等 |
茶道方面，各種語言幾乎都是引用同一批國際旅遊媒體，因此推薦的店家也相同。但和服則完全不同。日文看的是「着物レンタル比較ナビ」，英文看的是 Japan Cheapo，中文則偏向 MATCHA。因為看的文章不同，所以推薦的店也完全不同。
AI 推薦哪一家店，往往是由該語言圈那些寫「推薦整理文」的媒體所決定。
更值得注意的是——japan-atlas、MATCHA、Japan Cheapo、着物レンタル比較ナビ，其實都不是大型新聞媒體。它們多半只是專門整理「京都 ○○ 推薦 10 選」的聯盟行銷網站。截至 2026 年 7 月，目前的情況看來，真正左右 AI 推薦內容的，正是這些網站。
因此，對店家而言，「是否需要經營多語言市場」目前恐怕沒有放諸四海皆準的答案。至少，它需要依照你的產業類別，透過實際測試來判斷。
【因應策略】兩種搜尋問題，需要兩種不同解法
這次調查，可以整理出四個方向。
① 想讓 AI 正確介紹你 → 自己提供可引用的事實
價格、體驗時間、支援語言、是否需要預約……把這些資訊，以清楚且明確的方式放在自己的官方網站。A 店做到的正是這件事。而 B 店缺少的，就是能讓 AI 正確理解的官方資訊。另外，也不要以為只放在預約平台就足夠。那代表你失去了自己的聲音。
② 想被 AI 推薦 → 出現在 AI 會閱讀的文章裡
這不是官方網站的工作，而是公關與曝光的工作，包括整理文章、比較網站、旅遊媒體等等。另外，本次還發現一個意外的重要來源——Reddit。英文提問時，AI 多次引用 Reddit 的討論。但日本商家真正留意這個平台的人，恐怕並不多。
③ 推薦型問題該在哪裡曝光？→ 必須依產業、依語言測試
茶道與和服，AI 參考的媒體完全不同。不同產業、不同語言圈，引用來源都可能不同。因此，很難用一句通則回答。目前看來，最有效的方法仍然是：實際測試你的產業、你的目標語言裡，AI 到底在引用哪些來源。
④ 未來可能的方向 → 用自己的品牌，占據獨特定位
這次也觀察到另一種可能。有些擁有獨立網站，同時又具備鮮明特色（例如「歡迎親子同行」）的店家，即使沒有大量曝光，也有機會被 AI 額外提到。或許，如果不想走大量媒體曝光的路線，那麼透過自己的網站，把店家真正獨有的定位建立起來，也可能成為小型店家的另一條策略。
研究限制
本次調查僅屬於個人的小型實驗。樣本只有 10 家店、1 個 AI 模型（ChatGPT），以及有限次數的提問。因此，無法做出具有統計意義的結論，只能視為一次個人觀察。
另外，AI 每次回答都可能改變。C 店第一次與第二次得到不同答案，就是最直接的例子。若要真正分析，理想上應該針對同一問題重複詢問數十次，再觀察整體分布。
此外，目前不少生成式 AI 都會記住使用者過去的對話，並影響後續回答。因此，若店家用自己的帳號詢問「京都推薦的 ○○？」，即使自己的店出現在答案裡，也不能代表任何事情，因為 AI 很可能只是記得你。本次測試是在關閉記憶功能的情況下進行。測試的不是排名，而是：一個完全不知道你的 AI，有多大的機率主動提到你。
結語
AI 搜尋目前仍是一個缺乏成熟方法論的領域。其實，大多數人都還在摸索。包括我自己，一開始的許多假設，也有一半沒有成立。例如「同一家店，在日文找得到，在中文就會消失」——結果並不是固定成立，而是會依產業不同而改變。包括那些被證明錯誤的假設，我也會持續公開記錄。因為我希望在這個領域提供的，不是聽起來漂亮的理論，而是真正經過實測的資料。
參考與背景
本文提到的「實體（Entity）」概念，在英文 SEO 領域通常稱為 Entity-based SEO；而在生成式 AI 的討論中，則多以 GEO（Generative Engine Optimization） 為名。目前較常被引用的學術起點，是 Aggarwal 等人的論文《GEO: Generative Engine Optimization》（arXiv:2311.09735，KDD 2024）。文中提出，要讓內容更容易出現在生成式搜尋中，至少需要具備三項條件：
- Retrievable（可檢索）
- Groundable（可作為依據）
- Citable（可被引用）
至於實體辨識，目前一般認為主要來自三種訊號：
- Schema.org 等結構化資料
- 第三方的一致提及
- 一致且穩定的識別資訊
此外，業界也流傳一些說法，例如「只要在特定評論網站建立資料，就更容易被 AI 引用」。不過，目前仍缺乏經過同儕審查的研究支持，因此本文僅作為背景資訊，不作定論。
本文為個人研究與資訊分享，與任何特定組織、學校或研究機構無關。
若對調查方法細節，或有興趣進行類似研究，歡迎交流。