AI 引擎挑選要引用誰的時候，不是先看哪個網域最大、哪篇文章排在 Google 第一，而是看某個「人」有沒有在一個明確主題上，留下夠多、夠一致、又能被交叉查證的痕跡。多數 B2B 公司剛好把最強的權威來源藏了起來——創辦人本人躲在一個沒有署名的公司部落格後面，用「我們團隊認為」開頭寫每一篇文章。這正是你被 ChatGPT、Perplexity、Google AI Overviews 跳過的原因。
AI 引擎在找的是「人」，不是網頁
傳統 SEO 把權威掛在網域上：外部連結指向 example.com，整個網站的排名就往上。生成式引擎的運作邏輯不同。它在組一段答案時，需要判斷這段話該不該被信任、該歸功給誰，於是它會去對照這個主題底下反覆出現的具名專家。同一個名字在部落格、LinkedIn、Podcast 逐字稿、產業媒體訪談裡談同一件事，模型就把這個人當成該領域的節點，抽取答案時自然優先靠向他。
換句話說，能見度的單位正在從「網頁」縮小到「人」。一篇掛在匿名帳號下的好文章，和一篇掛在有三年公開軌跡的創辦人名下的同等文章，在 AI 眼中不是同一個重量級。後者帶著可追溯的作者身分，前者只是又一段沒有來源的文字。
為什麼創辦人是你最被低估的權威資產
E-E-A-T 裡的第一個 E 是 Experience，親身經驗。這是公司帳號幾乎無法偽造、卻是創辦人天生就有的東西。你做過什麼決定、踩過哪些坑、為什麼選這條技術路線而不是另一條——這些第一手判斷正是 AI 在回答「該怎麼做」時最缺、也最想引用的內容。行銷團隊寫得出漂亮的功能介紹，寫不出你在董事會上被質疑那晚想通的取捨。
創辦人還有一個結構性優勢：身分唯一且可驗證。一個真實的人有 LinkedIn、有演講紀錄、有被媒體提及的名字，這些都是模型可以拿去對照的實體訊號。公司的匿名編輯部沒有臉，也就沒有可以被反覆確認的一致身分。當兩篇內容資訊量差不多時，AI 會選擇那個能被查證的人。
把一個人變成可被引用的專家：要打的四個訊號
- 一致的具名身分：文章、社群、訪談全都用同一個名字與同一組頭銜，別在不同平台換稱呼。讓模型能把散落的內容收斂到同一個實體。
- 可查證的親身經驗：每個主張後面接一個你實際做過的情境或數字，而不是通則。「我們幫一家 SaaS 客戶把 AI 引用率從零做到每週被 Perplexity 引三次」比「內容很重要」有份量得多。
- 主題聚焦：在兩三個明確題目上持續輸出，而不是什麼都談一點。專家的定義就是深度，模型也一樣認深度。
- 分布式的外部佐證：讓你的名字出現在自己網站以外——產業媒體、共同撰稿、Podcast 逐字稿。AI 會把跨來源的一致提及當成可信度的加權。
內容要怎麼寫，AI 才抽得出你的觀點
可被引用的內容有一個共同特徵：每一段都能單獨成立。生成式引擎抽取的是段落，不是整篇文章。如果你的觀點要讀完前三段鋪陳才看得懂，模型很可能只抓到中間那句沒頭沒尾的話，然後放棄引用。把結論放段首，把佐證放後面，讓任何一段被單獨拉出來都仍然清楚、仍然歸屬於你。
具體的做法是：在文章裡明確署名並交代你的立場來源。與其寫「業界普遍認為」，不如寫「以我們在台北服務 B2B SaaS 的經驗來看」。前者是無主的空話，模型無從歸因；後者帶著身分與情境，模型可以連同作者一起引用。觀點要有稜角，中立百科式的內容不會被當成專家發言，只會被當成背景雜訊。
從匿名部落格走到具名專家：實務步驟
多數公司卡在轉換的門檻上：創辦人沒時間寫。務實的解法不是要你每週親自產出三千字，而是把你的判斷抽取出來、由內容團隊放大。一次四十分鐘的錄音訪談，可以拆成一篇具名長文、五則 LinkedIn 貼文、一段 Podcast 摘要，全部掛在你名下、指向同一組主題。你出的是觀點與經驗，團隊出的是結構與分發。
接著要建立可被機器讀懂的作者身分。文章要有作者頁、要有 Person 結構化資料、要串起你的 LinkedIn 與外部提及，讓引擎能把這些訊號連成一個實體。這一層技術工程常被忽略，卻是讓「一個人」在 AI 眼中成形的關鍵。Tenten GEO 的內容引擎就是圍繞這件事設計：把創辦人的第一手判斷，系統化地變成 AI 抽得出、認得出作者的內容資產。
開始的地方
你不需要先變成網紅，也不需要每天發文。你需要的是選定兩三個你真正有話說的主題，用你的名字持續、聚焦、帶著親身經驗地輸出，並讓這些內容在技術上被綁定成同一個可查證的身分。做到這件事的創辦人，會在競爭對手還在經營匿名部落格時，先一步變成 AI 回答裡被點名的那個人。
想知道自己目前在 AI 引擎眼中有沒有一個成形的專家身分、缺口在哪，可以預約一場 30 分鐘 GEO 診斷，我們會用你實際的主題去測一次現況。
