名詞解釋57 詞

把讀者帶到同一網站其他頁面的連結，也叫內鏈或站內連結。

一個人搜尋某個詞，是想學做法、比較價格，還是找地方買？這個目的就是搜尋意圖。

一條文字連結裡，可以點擊的那幾個字，也叫錨定文字。

改善網站內容與技術，幫助搜尋引擎理解頁面，讓搜尋者找到需要的資訊。

輸入查詢後看到的結果頁，可能包含網站連結、地圖、圖片與 AI 摘要。

研究與調整內容在生成式 AI 回答中的可見度。

Google 搜尋中的 AI 摘要功能，整理相關資訊並提供延伸來源連結。

先檢索外部資料，再將找到的內容提供給模型生成回答。

讓符合資格的商家管理 Google 搜尋與地圖上商家資訊的工具。

用 Schema.org 詞彙標記商家名稱、地址與營業時間等資訊。

使用者發布的評論、心得或照片，例如商家評論與論壇文章。

本站用來描述搜尋系統對真實商家形成的可辨識表示，資料可來自多個網站。

LS-Labs 對品牌可自行維護、供外界核對的官方資訊節點的稱呼，以官網為核心。

LS-Labs 的診斷框架，分別檢查品牌提及、引用來源、資訊正確性與行動入口。

根據任務目標決定下一步，使用工具並依結果調整做法的 AI 系統。

使用者搜尋後，沒有點擊結果連結進入網站的情況。

曝光後產生點擊的比例，計算方式為點擊次數除以曝光次數。

轉換率（Conversion Rate，又稱轉化率、CVR）是完成目標行動的次數占分母的比例，公式為「轉換次數 ÷ 分母 × 100%」。分母可能是廣告互動、工作階段或使用者，比較前要先確認用的是哪一種。

放在網站根目錄的純文字檔，告訴爬蟲哪些頁面可以抓、哪些不要抓。

自動瀏覽網頁、抓取內容的程式，也常被稱為 bot。

放在網頁或伺服器回應中的指示，要求搜尋引擎不要把這一頁放進搜尋結果。

分散在各地的伺服器網路，替網站就近傳送內容，也常負責過濾惡意流量與爬蟲。

Google 的網站與 App 分析工具，以事件記錄使用者行為，協助查看流量來源與進站後的行動。

加在連結網址上的來源標記，讓分析工具知道這次點擊來自哪個平台、媒介或活動。

依來源與媒介等規則，把造訪整理成自然搜尋、引薦、直接流量等類別，方便比較不同來源的表現。

工作階段（Session）是 GA4 記錄一次造訪的單位，預設閒置 30 分鐘就結束。符合「持續超過 10 秒、發生重要事件、或瀏覽 2 個以上頁面」任一條件的，稱為互動工作階段。

使用者在一次工作階段中最先開啟的頁面，反映這次造訪從網站的哪裡開始。

在 GA4 中標記為重要的事件，例如註冊或購買，用來觀察訪客有沒有完成網站在意的行動。

平均每次廣告點擊花了多少錢，計算方式是廣告花費除以點擊次數。

每花一元廣告費，帶回多少歸因營收；常見計算方式為歸因營收除以廣告花費。

開放銀行（Open Banking）讓使用者同意銀行把指定金融資料或服務，透過受控介面提供給合作的第三方服務業者。實際能分享哪些資料、能做哪些操作，仍要看銀行合作內容、所在地規則與使用者授權。

搜尋 API 是讓程式發送查詢、取得搜尋結果的介面。回傳內容可包含標題、網址、摘要或網頁文字，實際欄位依服務而定。

Embedding（向量嵌入）是把文字、圖片等資訊轉換成數值向量的表示方式，讓系統能計算資訊之間的相似程度。

Token 是模型處理內容時使用的單位。文字會先被切成 Token；一個 Token 不固定等於一個中文字或一個英文單字。

MCP（Model Context Protocol）是一套讓 AI 應用連接外部資料與工具的開放協定，例如搜尋服務、檔案或資料庫。

AI 生成看似可信、實際錯誤或缺乏依據的內容，例如捏造一篇不存在的論文，或把資料解讀成原文沒有說過的結論。

LLM 的意思是大型語言模型，指用大量文字資料訓練、參數很多的語言模型，能依照輸入的內容生成文字。

在本文脈絡中，AI 搜尋指結合資訊檢索與生成式模型的搜尋方式：系統找出相關資料，再整理成自然語言回答，通常也提供來源連結。

多篇報導或文章彼此引用、轉述同一個源頭，卻被誤認為多個獨立來源都證實了同一件事，這種現象稱為循環報導。

TSO（Tool Selection Optimization，工具選擇優化）是 LS-Labs 提出的操作框架，用來檢查 AI 代理人執行任務時，為什麼選用或沒選用某個工具、API 或 MCP 伺服器。它把過程拆成工具接入、候選曝光、模型選擇、呼叫與執行四個環節。

llms.txt 是放在網站根目錄或子路徑的 Markdown 文字檔，用標題、摘要與連結清單，告訴大型語言模型和 AI 代理人這個網站在做什麼、重要內容在哪裡。代理人先讀這份精簡索引，需要時再順著連結抓細節。它由 Jeremy Howard 在 2024 年 9 月提出，目前仍是開放社群討論的提案。

AI 模式（AI Mode）是 Google 搜尋裡可以連續追問的 AI 回答介面：提問後會得到 AI 生成的回答與網頁連結，並可繼續追問、深入同一個主題。提問方式包括文字、語音、圖片或檔案。

AX（Agent Experience，代理人體驗）是 AI 代理人作為產品或平台的使用者時，得到的整體體驗。這個詞由 Netlify 執行長暨共同創辦人 Mathias Biilmann 在 2025 年 1 月提出。

Function Calling（工具呼叫）是讓 AI 模型使用外部工具的機制：開發者先用名稱、描述與 JSON Schema 定義可用的函式，模型判斷需要時回傳要呼叫的函式與參數，再由應用程式實際執行，並把結果交回模型。

BM25 是關鍵字檢索常用的排序方法，依查詢字詞在文件中出現的次數、這個字詞在整個資料集裡有多少見，以及文件長度，計算文件與查詢的相關分數。Elasticsearch 預設就用 BM25 計算相關性。

重排序（Reranking）是在初步檢索之後，用較精細的模型重新評估每筆候選與查詢的相關程度，再依分數排序。它通常只處理前段的候選，因為逐筆比對的成本比初步檢索高。

可供性（Affordance）是環境相對於特定行動者所提供的行動可能。功能是否存在，和行動者能否從介面找到它，是兩個問題；後者還需要意符，也就是能被感知與理解的操作線索。

Tool Metadata（工具中繼資料）是 AI 應用取得的工具定義資訊，例如名稱、功能描述、輸入參數 Schema，以及選用性的輸出 Schema 與行為註記。這些資訊描述工具如何使用，並非工具的程式實作或執行成功證明。

Tool Description 是工具定義中以文字說明功能與使用條件的欄位。它幫助模型理解工具適用於哪些任務、需要哪些資訊，以及哪些操作超出能力；它不等於參數 Schema，也不會替後端執行授權檢查。

候選召回是從較大的內容或工具集合中，取回可能相關項目的階段。正確工具必須先進入模型可用的候選範圍，才有機會被選用；被召回、被首選與執行成功，分屬不同觀測。

冪等性（Idempotency）是相同請求重複執行時，對伺服器產生的預期效果與執行一次相同的性質。它不要求每次回應文字或狀態碼完全一致，也不代表請求一定成功。

TCC（Task–Call Contract，任務呼叫契約）是 LS-Labs 提出的任務驗收方法：測試前固定任務、工具版本與正確行為，測試後逐項核對選用決策、參數、回傳判讀與狀態證據。它不是通行的協定或模型功能。

由 AI 代理人協助尋找、比較商品，並在授權與系統支援的範圍內執行購買流程。

按照平台規格提供的商品資料集合，讓系統讀取商品名稱、識別碼、價格、庫存與圖片等資訊。

依規則或模型，把一次轉換的功勞分配給購買路徑上的廣告、點擊與其他接觸點。

相較於沒有投放廣告的情況，因廣告而額外增加的轉換；報表歸因訂單不一定全是增量。

資料合併後看到的關聯，分組觀察時可能消失或反轉；各組的樣本組成會影響整體結果。