LLM 不會像 Google 那樣先爬完你整站、再決定排名。它是在使用者提問的當下，即時抓出幾段判斷最相關的內容，拼成答案，再附上來源連結。你的網站架構要服務的目標因此變了：不是把首頁推上第一名，而是讓每一個段落都能被單獨抓出來、被看懂、被標成可信來源。多數 B2B SaaS 網站的架構是為十年前的關鍵字排名而生，在這套新規則下會大量失分。
LLM 讀你的網站，和 Google 不一樣
傳統爬蟲的邏輯是收錄整頁、計算連結權重、給整頁一個分數。生成式引擎的流程不同：它先把網頁切成一段段（通常一到數個段落為一塊），為每一塊建立向量索引，回答問題時只把最相關的幾塊送進模型。被引用的單位是段落，不是頁面。如果你的重點藏在一段落落長、要讀者自己拼湊的敘述裡，引擎很可能只抓到半截，或乾脆略過。
往上推，這就決定了整站該怎麼組織。引擎得先找到你的頁面，判斷它屬於哪個主題，再確認你在這個主題上談得夠不夠深，才會在相關提問時把你納入候選。架構的工作就是把這三件事講清楚：這頁在談什麼、它和站上哪些頁面是同一題目、這個題目你有沒有覆蓋完整。
主題叢集：讓引擎確認你在某個題目上是權威
主題叢集 (topic cluster) 是目前最能對齊 LLM 檢索邏輯的架構。選定一個核心題目，寫一篇涵蓋全貌的支柱頁 (pillar)，再圍繞它寫一系列各自深入單一子題的叢集頁 (cluster page)，全部用內部連結串成一組。引擎看到一叢彼此扣連、術語一致、互相補充的頁面，比較容易把你判定成這個題目的可靠來源，而不是一篇孤立文章。
支柱頁負責『廣』：把題目的定義、範圍、決策架構講一遍，讓讀者和引擎都能一頁掌握全局。叢集頁負責『深』：一頁只解一個具體問題，例如『內部連結的錨點文字怎麼寫』或『robots.txt 該不該放行 GPTBot』。兩者分工要乾淨；同一個子題若散在三四頁彼此稀釋，引擎會不知道該引用哪一頁。
- 一個支柱頁：涵蓋核心題目的全貌，篇幅通常較長，作為整叢的入口。
- 六到十二篇叢集頁：每篇鎖定一個能獨立成篇的子題，標題本身就是一個真實問題。
- 雙向連結：每篇叢集頁連回支柱頁，支柱頁也在對應段落連向每篇叢集頁。
- 術語一致：整叢統一用同一套詞，別一頁叫『生成式引擎』、另一頁叫『AI 搜尋』，降低引擎的理解成本。
- 沒有孤兒頁：任何一頁都至少被叢集內兩個頁面連到，否則爬蟲可能根本走不到它。
內部連結：一張語意地圖，不是權重管線
很多人做內部連結還停在『傳權重』的思維，把連結當成把分數導來導去的管線。對 LLM 檢索來說，內部連結更像一張語意地圖，告訴引擎哪些頁面在講同一件事、彼此的上下位關係是什麼。錨點文字 (anchor text) 尤其關鍵，那幾個字往往是引擎判斷『這條連結通往什麼主題』最直接的線索，所以要用能描述目標頁主題的實詞，別再用『點這裡』或『了解更多』。連結的位置也有差：嵌在正文脈絡、和上下文語意連貫的連結，價值高於頁尾那一整排相關文章。
讓每一頁都能被乾淨抽取
架構對了，還要讓單頁本身好抽。引擎抓取一塊內容時，最偏好自足的段落：一段話就把一個觀點連同必要脈絡講完，不必往前翻三段才看得懂。把結論放段首、一段只講一件事、用具描述性的小標題分段，抽取命中率會明顯上升。標題階層也要對應真實層級，H2、H3 該巢狀就巢狀，別為排版亂跳級；再補上乾淨的 FAQ 與 Article 結構化資料，等於先替引擎把重點劃好。這些細節單看不起眼，累積起來卻決定你會不會被引用。Tenten GEO 的 GEO 審計，就是把整站的叢集結構、內部連結與可及性一次盤點清楚，找出斷掉的環節。
爬不進來，前面全都白談
再好的架構，AI 爬蟲進不來就全部歸零。這一關最容易被忽略，也最容易致命，值得每季檢查一次。
- robots.txt 有沒有誤擋 AI 爬蟲：GPTBot、ClaudeBot、PerplexityBot、Google-Extended 都要確認你是刻意放行，還是不小心封掉了。
- 核心內容是不是靠前端 JavaScript 才渲染得出來：不少 AI 抓取器不執行 JS，看到的只是空殼，關鍵內容必須在 HTML 原始碼裡就存在。
- 網站地圖 (sitemap.xml) 是否完整且即時更新，給爬蟲一份權威的頁面清單。
- 重要頁面的載入速度與伺服器回應：一旦頻繁逾時或回傳 5xx，爬蟲會降低抓取頻率，甚至放棄。
90 天可以怎麼排
- 第一步，盤點現有內容並依主題分群，看清哪些題目已經成叢、哪些只有零星單篇。
- 第二步，為每個重點題目補上或改寫一篇支柱頁，把該題的全貌講到位。
- 第三步，補齊叢集頁的內部連結，消滅孤兒頁，統一整叢術語。
- 第四步，修好可及性：檢查 robots.txt、確認核心內容在 HTML 中、更新 sitemap。
- 第五步，用能見度追蹤工具監測你在各引擎的被引用情況，用資料決定下一輪先補哪個題目。
網站架構是 GEO 裡最不性感、卻最難速成的一塊。它不像改幾個標題那樣立竿見影，可是一旦叢集與連結的骨架對了，之後每寫一篇新內容都在替既有權威加分，而不是各自孤軍奮戰。想先弄清楚自己的架構在 LLM 檢索上漏在哪，可以預約一場 30 分鐘 GEO 診斷，我們會直接點出你的叢集斷點與可及性缺口。
