Google I/O 2026 宣告搜尋進入代理人時代，從答案引擎轉向任務引擎。本文整理 91APP 新科技線上主題週的分享，說明 FAQ 問答生成、AI Tag、AI Search、AI Graph 如何對應這個轉變。
影片重點摘要
- FAQ 問答生成：從長尾問題出發，產出品牌專屬的短問短答。
- AI Tag：把商品屬性拆解重組，自動擴充出大量標籤分類頁。
- AI Search：讓站內搜尋判斷商品主體與搜尋意圖。
- AI Graph：把分類頁的問答頁面 API 化，成為任務引擎的執行節點。
Google I/O 2026 到底宣布了什麼？
先看事實。Google 在 2026 年 5 月的 I/O 大會上宣布，將 Gemini 3.5 Flash 作為 AI Mode 的全球預設模型，同時推出 25 年來最大幅度的搜尋框改版，讓使用者可以直接提出更複雜的問題。
更關鍵的是代理人功能。根據 TechCrunch 報導，Google 在 I/O 2026 主題演講中揭示了搜尋的代理人能力，使用者可以建立、自訂並管理多個 AI 代理人，持續在背景運作以追蹤感興趣的主題，而非一次只回答一個問題。Google 也說明會將搜尋中的代理式預訂能力擴大到更多任務，包含在地體驗與服務。
《Forbes》的分析認為，這次 I/O 的核心是對 AI 應該做什麼的根本性重新思考，Google 已經走出聊天機器人與關鍵字搜尋的框架，轉向能代替使用者行動的系統。
這些發布支持了分享中的判斷：搜尋的終點正在變成一項被完成的任務，連結清單只是過程。對品牌的意義是，你的頁面需要能回答「怎麼選」「適合誰」這類完成任務所需的資訊，而不只是陳列商品。
不過也有值得冷靜看待的一面。Ovative 在整理這些發布時提醒，Google.com 每月仍帶來約 900 億次造訪，真正值得注意的是行為轉變：使用者帶著更長、更複雜的問題來搜尋。投資內容深度與對話式相關性的品牌會站在較有利的位置。
FAQ 問答生成：長尾問題怎麼變成內容？
分享中說明 91APP 工具的四個步驟：
| 步驟 | 做法 |
|---|---|
| 一、定義主題 | 先設定一個主題，例如某個商品類別 |
| 二、自動收攏問題 | 由工具收攏 ChatGPT 與 Google 上的常見問題 |
| 三、分類與產文 | 分成資訊型、交易型與品牌型，進入品牌專屬的語意模型產文 |
| 四、專業潤飾 | 由人潤飾，寫進品牌的專業知識與獨有優點 |
為什麼短問短答適合由 AI 輔助？因為這類問題只需要一到三句直接定義。相對地，需要觀點與經驗的長文仍需要人來寫。
分享中舉的例子很貼近生活：過去消費者在 Google 上搜尋「面膜」或「面膜推薦」，到了 AI 搜尋時代，問法變成「面膜晚上可以使用嗎」「精華液適不適合早上使用」。問答生成的用意，就是讓 AI 在面對這些個人化問題時，知道可以引用品牌的哪一個答案。
AI Tag：為什麼要自動產生標籤分類頁？
AI Tag 會根據商品名稱與商品描述，由 AI 模型自動斷詞斷句，形成一個個屬性標籤，再依搜尋量與 AI 相似度重新組合成有意義的詞，並自動建立標籤分類頁。
理由是人工分類終究有限。一家服飾品牌的後台可能只有「外套」這個分類，但消費者實際在找的是「防風外套」「通勤穿的薄外套」。標籤分類頁能把這些組合補上。
分享中提出的三個觀察指標是收錄數、曝光與流量。以案例來說，標籤分類頁佔全站收錄頁面的比例達到 92.6%，整站約 27 萬個收錄頁面中，標籤頁就佔了約 25 萬，等於在網際網路上多開了 25 萬個入口。
AI Search：讓站內搜尋找得到對的東西
AI Search 的作用是判斷商品的主體是什麼。
分享中的例子是奶茶。消費者搜尋「奶茶」，站內搜尋可能跑出奶茶口味的餅乾、奶茶顏色的外套、奶茶口味的蛋捲，但消費者真正要找的是能喝的奶茶。AI Search 會判斷出主體真的是奶茶的商品，優先呈現在最前面。
除了辨識主體，也能判斷語意意圖。搜尋「健身推薦」時，AI 可以關聯到豆漿、含蛋白質的商品或營養棒。
對品項數量多、命名複雜的零售品牌來說，站內搜尋的精準度直接影響轉換，這是相對容易看到成效的一環。
AI Graph：把頁面 API 化
AI Graph 會在分類頁上自動生成多筆問答頁面，這些問答稱為語意標籤。問題先從 Google 或 ChatGPT 收集，再佈局到分類頁上，點擊後在同一個網域另開頁面。
頁面的內容順序是固定的：先回答問題，再說明怎麼挑選，接著是更多常見問題與推薦商品。
AI Graph 有兩個目標：
- 讓 AI 讀懂頁面：依照 AI 偏好的格式佈局，等於把頁面 API 化，讓每個頁面成為可理解的結構化內容。
- 讓消費者不必離站：消費者在官網就能取得品牌知識，快速理解產品能解決什麼痛點。
分享中把每一個 AI Graph 模組稱為任務引擎的執行節點。當消費者的任務是「我有粉刺的困擾，可以怎麼解決」，頁面可以藉由快速總結、怎麼挑選與商品推薦協助他完成。
這些內容也可以佈局在非 91APP 系統的網站上，只要能串接 API 即可。分享中舉的例子是股票網站上的主動式 ETF 常見問題。
AI 猜你喜歡：把流量接住
當消費者藉由搜尋或 AI 進站之後，AI 猜你喜歡會在適當的頁面或瀏覽行為上自動觸發商品推薦。常見情境是新客一進站看到入會首購禮或 APP 下載禮，或是瀏覽幾項商品後自動跳出推薦。
要解決的問題很直接：流量看完內容之後，如果沒有推薦機制就會直接離開。
91APP 相關解決方案
上述模組屬於 91APP 第二代 AI SEO 解決方案。若還想把站內行為與會員資料串起來做個人化溝通，可參考 91APP Marketing Cloud。
常見問題 FAQ
Q1：什麼是任務引擎？和答案引擎差在哪？
答案引擎是輸入關鍵字、取得一份連結清單，由使用者自己找答案。任務引擎則是由 AI 代替使用者完成一項任務，例如比較選項、篩選條件甚至直接預訂。Google 在 2026 年 I/O 大會上發布的搜尋代理人與擴大的代理式預訂功能，就是這個方向的實例。
Q2：自動產生幾十萬個標籤分類頁，會不會被視為低品質內容？
關鍵在於這些頁面是否真的對應消費者的搜尋需求、內容是否有實質差異。標籤若只是機械式排列組合而沒有實際商品與資訊支撐，價值有限。Google 的公開指引一貫強調以人為本的內容品質，這個原則在 AI 搜尋時代並未改變。
Q3：沒有使用 91APP 系統的品牌可以導入 AI Graph 嗎？
可以。分享中說明只要網站能夠串接 API，就能佈局在指定頁面上。實際可行性仍需依各網站的技術架構評估。
資料來源
- Google 官方部落格：Google Search’s I/O 2026 updates: AI agents and more
- TechCrunch：How to use Google’s new AI agents to go beyond your standard searches
- Forbes：Google I/O 2026 Signals Agentic AI Shift To Defend Search Dominance
- Ovative Group：Biggest Search Takeaways From Google I/O 2026
- 本文影片來源：91APP 新科技線上主題週〈第二代 AI SEO〉，講者 Simon
影片逐字稿
FAQ問答生成：從長尾問題到品牌專屬回答
那當然一切上面都是由AI自動化來幫你完成這些任務之外，整個AI的搜尋來說，我們還是需要專業顧問的參與。因為根據一項數據，當所有的內容都是由AI產生的話，其實70%-80%以上的這些AI的內容，反而是不會被收錄的。所以還是必須有人的專業知識來介入，根據不同的頁面給予不同的優化建議，才有辦法讓整個引用率跟提及率，還有收錄的狀態提升得更高。所以我們會在整個AI SEO的優化建議上面，我們會根據全域搜尋的洞察報表，藉由顧問的專業建議去給予持續的優化跟迭代。
那這個所謂的FAQ問答生成，我們其實在91APP的工具上面，我們這邊做好兩個自動化機制。我們會先去定義好一個主題，比如說這個主題可能要做跨境匯款，那我們就會藉由我們的工具，去自動化地收攏各式不管是發生在ChatGPT，或者是Google上面的常見問題，我們自動化地去收攏跟整合之後，我們去把它一一分類成資訊型、交易型跟品牌型。那每一個項目，我們會進到我們專屬於品牌的AI語意模型去做產文，那產完文章之後，我們會再做一次專業的潤飾。
那為什麼這些短問短答是可以用AI來輔助，但我們之前做的比較大型的關鍵字是沒辦法的？主要原因是因為，這些短問短答，我不需要它回答太多的答案，我只需要它針對問題，去做簡單的回答，比如說跨境匯款是什麼，給予一到三句話直接的定義，這個就可以藉由AI的輔助來直接精準地完成它。那最後當然我們會有藉由人的方式來直接潤飾一次，把屬於你們品牌的專業的應用，或者是你們的專業知識，或者是獨屬於你們的獨特的優點，我們再把它寫進去，就會完成這些所謂的FAQ的問答生成。
那這些問答，其實在AI的搜尋狀況上面，在這些AI搜尋的佈局上面，其實非常重要。因為AI的搜尋，其實它都是個人化的搜尋，我們在過去的Google的搜尋引擎上面，我們可能會直接給面膜，或者是面膜推薦的關鍵字，但到了AI的搜尋領域上面，我們會給譬如說面膜晚上可以使用嗎，或者是精華液適不適合早上使用，這些比較個人化的問題。所以我們在做這個問答生成，其實就是藉由個人化的長尾問題的佈局，來讓AI能夠知道，我們問這些問題，那可以引用品牌的答案是什麼。
所以這是我們做出了一些成功案例，譬如說搜尋配方奶可以放多久，那我們的品牌的文章，其實會被自動地引用跟收錄。那在搜尋，比如說在ChatGPT上搜尋初乳蛋白粉，我們操作的品牌，是可以被ChatGPT自動推薦。又或是搜尋太陽餅，我們操作的一些品牌，是可以直接被推薦在回答之中的。
AI Tag 商品貼標：自動擴充出 25 萬個標籤分類頁入口
那接下來就是我們的商品AI貼標，AI Tag其實就是，我們會在不同的頁面，我們在分類頁、商品頁上面，我們去根據你的商品的名稱、商品的描述，我們會藉由AI的模型，去自動把這些內容的描述，或者商品名稱做斷詞斷句，斷詞斷句完之後，它會變成一個一個的屬性標籤。那大家想像一件事，我會把這些屬性標籤打到一個三維的空間裡面，那這個三維的空間，我們就會藉由搜尋量，或者是AI的相似度，把這些屬性標籤重新組合成一個一個有意義的詞之後，我們會藉由搜尋量來重新佈局，回到這些商品的頁面上面。那這些商品的標籤，它就會自動建立起標籤分類頁，因為人分類出來的分類，終究是有限的，所以我們會藉由搜尋量跟AI的相似度，來把這些商品標籤，來做分類最大化的一個用途，那我們就可以無限擴充出消費者具有購買意圖的標籤分類到底有哪一些。
商品AI貼標主要的指標，我們就會看三件事情。第一個就是，這些收錄數會因此而提高，那正常來說，譬如說以畫面上這個案例，就是頁面上面的標籤分類頁，通常它的佔比會拉高到全部收錄數的頁面的70-80%以上，那以這個畫面上案例大概是92.6%，它的整站的頁面收錄數，大概是27萬左右，那我們標籤頁就大概佔了25萬，所以我們等於是在網際網路上，幫你多開了25萬個入口。那同步我們還會看它的Impression，也就是曝光率有沒有提高，它的流量有沒有因為多開了這些入口而提高。
AI Search 語意搜尋：讓 AI 判斷商品主體與搜尋意圖
那下一個核心技術就是我們的AI Search，AI Search就是我們可以藉由AI來自動判斷出，到底商品的主體是什麼。舉例來說，過去消費者搜尋奶茶，它可能會出現奶茶口味的餅乾、奶茶顏色的外套，或是奶茶口味的蛋卷等等，但其實消費者真正在搜尋奶茶，他是想要看真正的奶茶是什麼，那我們就可以藉由AI來判斷出，這個商品是一個真正它的主體真的是奶茶，我們就會把奶茶優先推薦到最前面。
那我們不只是可以辨識到主體，當今天消費者他搜尋一些比較語意上面的意圖的時候，我們也可以藉由AI來判斷出他真的意圖要什麼。好，以畫面上這個案例為例，就是當消費者在搜尋健身推薦的時候，我們其實可以藉由AI去做語意搜尋的關聯，所以當他搜尋健身推薦的時候，我們可以找到豆漿、包含蛋白質的商品，或是營養棒等等，我們就可以藉由AI來判斷說，原來你搜尋健身推薦，你真的想要找的是可以輔助你健身相關的商品，那你可能是想要找補充蛋白質，或者補充營養棒等等。
AI 猜你喜歡：依瀏覽行為自動觸發個人化推薦
然後再來就是AI猜你喜歡，當今天消費者藉由SEO，或者是藉由AI，來產生所謂的曝光或者是流量之後，他進到網站之後，我們會在適當的頁面，或是在適當的瀏覽行為上面，可以做自動化的商品的推薦跟佈局。那譬如說，我今天想要讓我的新客一進站的時候，我就先讓他看到我加入會員的首購禮是什麼，或者是我下載APP的下載禮是什麼，那抑或是我讓他在看過了幾項商品之後，我可以自動地跳出，過去因為你點過這些商品，我給你一個自動化的商品的推薦。
好，那這個目的啊，其實我們就是要解決一件事情，當今天進站流量，他看了適當的內容之後，他可能理解完，但我們沒有好的這個商品推薦的機制，他可能就會直接離開了。但今天有了自動化的AI猜你喜歡，可以依照消費者瀏覽行為，來自動化給予這些商品推薦，來實現整個流量工具引導到轉換工具的一個完整的轉換的閉環。
AI Graph：把頁面 API 化，自動生成結構化問答頁
根據Google最新的一個Google I/O的2026年的大會上面，它講述了一件事情，搜尋正在從所謂的答案引擎，逐漸地變成任務引擎。過去答案引擎呢，輸入關鍵字來取得連結清單，讓消費者得到他想要的答案，但任務引擎就會變成，我不只是要做完搜尋這個動作，而是我真的想要完成一個任務，那Google的目標就是讓AI來幫你完成
所以91APP這邊也推出了一個功能，叫做AI Graph，我們就會在分類頁上面，自動地生成多筆的問答頁面，我們稱作為語意的標籤。那這些問答的每一個的問題，我們會從Google或ChatGPT上，收集完這些問題之後，把它佈局到分類頁上，所以這些分類頁點擊進去之後，它就會另開一個頁面。舉例來說，像我佈局的所謂的面膜，在這個分類頁上面，我可能就會開始佈局面膜早上使用比較好，還是晚上使用比較好、面膜睡前可以用嗎，他每一個點擊進去，他就會先另開一個不會跳脫出你的網站、同一個網域上面的頁面。那這些頁面他就會佈局好問答，那就會開始回答你這些問題，面膜早上適合使用嗎？可以，原因是什麼？那接下來就會告訴你怎麼挑選面膜，挑選面膜的方法是什麼、更多的常見問題跟推薦商品等等。
那AI Graph的目標，第一個，是要讓AI能夠讀懂你的頁面，因為我們現在的這個佈局，就等於是我們有點把頁面API化了，我們依照AI喜歡的格式，來給予這些頁面上的佈局，讓每一個頁面，變成AI可理解的結構化的內容。好，第二個目標就是，當天消費者他在找一樣商品的時候，他有問題，他不需要去問ChatGPT了，他可以在你的官網上面，有你的品牌知識，給這些消費者快速理解，這些產品能夠解決你什麼痛點，來幫助他做快速選購的一個佈局跟問答。
這些內容，不只可以佈局在使用91APP的系統上面，只要是你的網站能夠串接好API，我們都會把這些問題，佈局在你想要佈局的頁面上面。舉例來說，像這是一個股票的網站，最近00981A這支主動式的ETF很紅，那消費者可能不懂的人，投資人他可能就會有很多各式各樣針對這支主動式ETF的常見問題，那我們就可以把這些問題佈局在適當的頁面上面，那點擊進來之後，我們就可以呈現AI Graph想要的不同的資訊跟答案。那這些資訊跟答案，他可能就會變成，解答你對這支ETF的介紹是什麼，那相似的ETF是什麼，或者是更多的常見問題，或者是什麼樣的人適合購買。
那這些每一項頁面的目標，其實都是要讓AI更理解你的頁面到底想要傳達什麼樣的訊息，那再作為一個閉環回來，其實就是讓AI能夠增加你的品牌的提及率、引用率跟曝光率。所以每一個AI Graph的模組，它其實都是一個任務引擎的執行節點，譬如說消費者有了一個任務，可能叫做我有粉刺的困擾，可以怎麼解決，那AI Graph就可以藉由快速總結、怎麼挑選跟商品推薦，來幫消費者解決這些問題。或是他不知道我的膚質要在你的網站上面，我到底要選哪一些合理的搭配，那一樣這些問題就可以根據佈局在你的頁面上面，直接讓消費者知道，你已經幫我預想好這些問題了，所以我可以藉由進到你的頁面，來幫我直接找到答案之外，還可以告訴我怎麼挑選更適合的商品推薦。
所以今天任何的一個任務的情境，它不是只是一個搜尋關鍵詞，而是我們藉由站內的語意佈局，來幫他解決他的痛點跟問題。好，然後這些痛點跟問題，不只讓消費者可以解決他想要解決的問題，而是也讓AI理解，原來我的品牌跟產品，是可以幫他解決這些問題的。好，那這是我們AI Graph的，我們內部封測的一些案例，就是AI的引用率跟曝光率，是有顯著的提高，那在流量跟曝光上面，或者是前十名的進站關鍵字，也都有顯著的提高。
