AI 摘要引用的不是圖表，是圖表旁邊的那句話。我們把同一組數據做成三種版本，丟給不同 AI 引擎摘要，純圖片版幾乎拿不到引用，反而是把關鍵數字寫成一句完整句子的文字版被抽走最多。所以與其問圖表和文字誰贏，不如先問自己：你的資訊有沒有被寫成 AI 能乾淨抽取的一句話。
「圖表比較好引用」是把人腦和 AI 搞混了
人看圖表快，因為視覺系統會自動抓趨勢和高低。AI 引擎不是這樣運作。它讀的是頁面上的文字與底層標記，一張 PNG 或 SVG 對多數摘要模型來說就是一塊沒有語意的像素。就算是能讀圖的多模態模型，在生成摘要時仍傾向引用有明確文字來源的句子，因為那可以附上出處、可以被驗證。圖表如果沒有對應的文字說明，等於把你最強的數據藏在模型讀不到的地方。
我們拿同一份數據做了三種版本
為了驗證這件事，我們用一份 B2B SaaS 的方案定價比較資料，做成三個版本，放在結構相同的頁面上，再用幾個讀者常問的問題去問 ChatGPT、Perplexity 與 Google AI Overviews，看它們摘要時抽走哪一段。
- 純圖表版：把比較做成一張資訊圖，頁面上只有標題和圖，沒有文字說明。
- 純文字版：把同樣的比較寫成段落，再加一個 Markdown 表格，完全不放圖。
- 圖文對照版：一張圖，配上把每個重點寫成完整句子的文字，圖下方有一句 caption。
結果沒有懸念。純圖表版在三個引擎裡幾乎拿不到引用，Perplexity 偶爾會抓到標題，但摘要正文來自別的網站。純文字版被引用最多，尤其是表格裡的欄位被直接讀成「A 方案每月多少、B 方案每月多少」這種可驗證的句子。圖文對照版和純文字版的引用次數差距不大，卻多拿到一個好處：在會顯示縮圖的介面裡，那張圖被當成視覺附件帶出來，點閱明顯高一截。
AI 引擎摘要時實際在抓什麼
把三個版本的差異拆開看，模型偏好的其實是三件很具體的事：句子自己講得完整、數字和它的單位落在同一句、這句話周圍有可辨識的標題或問題當作錨點。表格之所以好用，是因為它天生就把「欄位名稱＋數值」綁在一起，模型讀一列就拿到一組完整事實。圖表輸給文字，不是因為圖表不好，而是因為圖表把這層語意關係畫進了像素，沒有同步寫成文字。
讓圖表也能被引用的四個做法
- 每張圖配一段「圖說結論」：不是描述圖長什麼樣，而是用一句完整句子講出圖的結論，含關鍵數字與單位。
- 把圖裡的核心數據同步寫成表格或條列，放在圖的正上方或正下方，讓文字和圖講同一件事。
- 用有語意的 caption 和 alt，寫出這張圖回答了什麼問題，而不是「圖一」「示意圖」這種空標籤。
- 圖檔盡量用 SVG，或在 HTML 裡補上文字標籤，讓讀原始碼的爬蟲也能拿到欄位名稱。
這四步的共同邏輯只有一句：任何你想被引用的資訊，都要有一個文字版本存在頁面上。圖是給人看的加分項，文字才是給機器的引用來源。兩者不衝突，但順序不能反。
什麼時候該用純文字，什麼時候該配圖
如果內容是流程、排名、統計數字或方案比較，先把文字和表格寫好，圖是最後才加上去的裝飾。如果內容本質是空間關係、系統架構或趨勢曲線，圖確實幫助人理解，但仍要在旁邊補一段把重點翻成文字的段落。判斷標準從來不是「這頁好不好看」，而是「拿掉圖之後，AI 還能不能引用到我想被引用的那句話」。
在 GEO 裡，圖表不是內容，圖表是內容的封面。真正被引用的，永遠是你寫出來的那句話。
先確認你的頁面有沒有「可引用的文字」
多數團隊的問題不是圖畫得不夠漂亮，而是把最關鍵的數據只放進了圖裡，文字反而寫得空泛。想知道自己的頁面在 AI 引擎眼中有哪些數據是「看不到」的，可以預約一次 30 分鐘 GEO 診斷；我們會用你站上的真實頁面，示範 AI 摘要時抓走了哪一段、又漏掉了哪一段。
