3,000 萬 AI 爬蟲請求，
學習到的第一堂課

01我們量的是哪一扇門

在談數據之前，必須先講清楚我們量的是什麼——因為市面上大多數談「AI 流量」的文章，第一個錯，就錯在這裡。

Kuroma 的第一方語料庫，量的是「AI 的回答裡引用了誰」——這是站在 AI 那一側往外看。我們的系統量的則是另一側：從自己網域的門口，看誰來爬、爬了哪個語言的頁面、最後又是誰真的把活人帶進來。兩個視角拼在一起，才是完整的地圖——他們看得到全市場的引用結構，我們則看得到單一供給者門口的每一筆腳印。

我們的門口，還有一個少見的實驗條件：平台上的內容有中文、日文、英文三個版本，背後是同一套結構化事實。這等於拉出了一個天然的對照組——語言是供給側唯一的變數（需求側——各語言使用者問 AI 的量與題型差異——本儀器無法排除，判讀時請記得這一層）。

所有讀數，我們都分成四種平行觀察：訓練型爬蟲（GPTBot、ClaudeBot 等，抓內容回去訓練模型，不會帶任何人來）、搜尋型爬蟲（Googlebot、Bingbot 等，建立傳統搜尋索引，也可能供應 AI 回答）、引用型爬蟲（ChatGPT-User、OAI-SearchBot、PerplexityBot 等，AI 答題或建索引時來取材）、可識別 AI 導流（referer 實錄下限）。四者不是依序轉換的漏斗。

02第一個讀數：熱鬧是爬蟲的，門口是安靜的

Kuroma 談 PTT 和 Dcard 時，誠實地標出了推論的邊界：「內容可被抓取，但沒有數據證明 AI 直接引用它們。」這條邊界，我們的儀器剛好可以補上數字——而數字比多數人想像的殘酷：

換句話說，如果你看到自家網站「被 AI 大量抓取」就覺得安心，最好再看一眼：那多半只是那 1,100 多萬次的訓練抓取——它們不會帶任何一個客人進門。「被爬」與「被引用」之間，差距上萬倍。這與 Kuroma 引述的英文市場結論一致，我們只是把這道差距，用數字冷冷地量了出來。

03核心讀數：三種語言，三種命運

篇首主圖，是整份讀數裡最重要的一張：同一批內容、三個語言版本，在三個平行觀察層呈現截然不同的份額。下面把百分比拆回原始量：

一層層攤開看細節：

一句話看懂這張圖：AI 拿我們的內容去訓練時一視同仁；但答題取材時，抓日文和英文差不多勤快，中文卻只剩零頭；最後真的把訪客帶進門的，將近四分之三是英文頁——中文只佔 3.3%，與英文相差 22 倍。

Kuroma 引用 Profound 的跨語言研究（32.5 億筆引用）指出「換一種語言，來源結構天翻地覆」——據其引述，該研究未涵蓋中文。上面這張圖，正好填補了這個缺口——來自單一平台的第一手中文讀數。它所揭示的現實，比「弱勢」更具體：中文內容不是沒被 AI 看到（訓練層三語打平），而是在引用與導流層極少被選中。

04同一家公司，兩隻爬蟲，兩種口味

Kuroma 文中有一個極佳的觀察：Medium 在 ChatGPT 與 Google AI Mode 上，十三週內走出完全相反的方向——同一個平台，兩種命運。我們的儀器，則捕捉到了這個現象的爬蟲層版本，而且距離更近：同屬 OpenAI 的兩隻爬蟲，抓取量最高的語言正好相反。

05排行榜的保鮮期，比你想的短

Kuroma 反覆強調一件事：引擎的來源結構數週內就會重組，任何平台排序都要標註日期、持續重測。我們前後兩次量測，正好是這個提醒的第一手註腳——先講清楚：兩次口徑不同（一為邊緣統計、一為自建儀器），口徑差本身可能吃掉部分變化，要定量「漂移」必須同儀器複測。目前能負責任說的是：結構已明顯不同。

短短 25 天之間，表面上的日文領先幅度從 14.7 個百分點變成 1.9 個百分點。無論其中有幾分來自口徑、幾分來自真實移動，「一個月前的份額結構，今天已經對不上」這件事本身，已經成立。本組讀數已排定同儀器複測。

06把兩張地圖拼起來

Kuroma 整理了英文市場的可查證實證，我們則補上台日門口的供給側讀數。兩張地圖疊起來，比各自單獨看都完整：

07讀完這篇，該先做哪一件事？

把讀數翻成行動：一件最優先，兩件並行。

第一件事——為你最重要的內容，做一份「給機器讀」的英文版。注意，這不是把文章翻成英文給人看。AI 引擎讀你的頁面時，讀的是事實、實體、結構：公司的正式名稱、官方登記編號、數字、日期、彼此的關係。所以順序是——先把這些「機器要對齊的東西」在原文鎖定，再產生英文版；專有名詞錯一個，AI 就對不上你是誰，做了等於白做。為什麼是英文？我們門口的讀數說話：全期 420 筆 AI 導流中，283 筆進了英文頁（三語內占比 68.5%）。中文題材未必輸在內容，先輸在載體——英文的能見度，不會從中文內容裡自動長出來，只能自己去建。

並行之一——經營日本市場的，日文原文別急著丟。它有獨立的引用價值：在我們門口，OAI-SearchBot 抓日文頁的量，是英文頁的 1.6 倍——日文內容在 OpenAI 的搜尋索引裡，有著超額的存在感。對同時經營日本市場的台灣品牌來說，日文原文本身就是引用型爬蟲的標的，絕不是英文的附屬品。

並行之二——別急著關掉訓練型爬蟲的門。這是本文最反直覺、也最重要的一個發現。我們一開始也以為：訓練型爬蟲抓再多，也不會帶一個客人進門，何必理它？直到我們把兩份資料交叉比對——

換句話說：訓練型爬蟲的抓取，看起來不帶客人，卻是入場券。沒有請求，AI 根本不認識你——不認識，就永遠不會引用你。把爬蟲擋在門外，等於不讓自己的書進圖書館，然後抱怨沒人借。

被爬取，不等於被引用。
但沒被爬取，就永遠不會被引用。

那麼，那 3,000 萬次訓練請求，到底在為我們累積什麼？這是我們手上最大的一個問題，也是這份資料裡最值錢的一條線索。它不只是「入場券」這麼簡單——我們在爬蟲的行為裡看到了一些更深的東西：某些頁面被反覆回訪、某些內容被特定引擎盯上、某些結構被拿走的頻率遠高於其他。被大量訓練請求命中，代表的可能是比「被引用」更早、也更重要的一件事。

這件事我們還在驗，資料還在累積，不會急著下結論——但下一篇，我們會把它攤開講。