Skip to content

AEO / GEO 工具全景：輸入面、流量面、輸出面——從 isitagentready 到 aeo-radar 到 Profound

2026年4月21日 1 分鐘
首頁 › marketing
TL;DR AEO/GEO 工具不是單一類別，而是三個面向：輸入面（網站有沒有準備好給 AI 讀）、流量面（AI bot 實際爬了多少）、輸出面（品牌在答案裡怎麼被提到）。這篇把三面向、從開源自架到商業 SaaS 的工具一次攤開。
#aeo#geo#ai-visibility#brand-monitoring#open-source#self-hosted#llm#ai-seo#cloudflare#agent-readiness#llms-txt#mcp#ai-crawler#gptbot
目錄
  1. 輸入面：網站本身準備好給 AI 讀了嗎
    1. 整體健檢
    2. llms.txt 專門工具
  2. 流量面：AI bot 實際爬了你多少頁
  3. 輸出面：品牌在 AI 答案裡被怎麼提到
    1. 開源自架
    2. 商業 SaaS：光譜從 free tier 到六位數企業合約
    3. Citation 專門工具（比 mention 更細的粒度）
  4. 資源目錄：盤點時的 meta 層
  5. 共通架構（輸出面工具）
  6. 選型建議
  7. 整體來說
  8. 更新紀錄
  9. 參考資料
系列: AEO / GEO 與 AI 搜尋 (5 / 6)
你的 JSON-LD 和 schema 對 AI 搜尋引擎是隱形的嗎？各家管線拆解與 AEO/GEO 策略 llms.txt：把文件寫給機器讀的那一份

AEO / GEO 工具這兩年從「SEO 廠商延伸功能」冒出一整個獨立類別。動機很直接：Google 搜尋仍然重要，但越來越多使用者直接問 ChatGPT、Perplexity、Gemini、Claude，得到一段合成過的答案——而答案裡有沒有你的品牌、排第幾個、引用了誰的內容，傳統 SEO 指標完全看不到。

但「AEO 工具」其實是個很鬆散的詞。實際拆開會發現它涵蓋三個完全不同的面向：

  • 輸入面：你的網站有沒有準備好讓 AI agent 讀取（你能完全控制）
  • 流量面：AI bot 實際爬了你多少頁（你能觀察但不能控制）
  • 輸出面：AI 生成答案時怎麼提到你（你只能影響）

這篇按三個面向盤點工具地圖，再拉出共通架構和選型建議。

2026-08 更新：這篇原稿寫於 2026-04，四個月內這個類別發生了三件大事——Adobe 完成收購 Semrush（2026-04-28）、Sitecore 收購 Scrunch（2026-06-03）、Profound 完成 $96M C 輪達到 $1B 估值（2026-02）。同時 llms.txt 的實證資料出爐，結論跟原稿相反。這次翻新逐家開站確認、把會腐爛的價格與功能對照表換成取捨判準，並標明各開源專案最後更新時間。

輸入面：網站本身準備好給 AI 讀了嗎

這是唯一你能 100% 控制的層。工具分兩類：整體健檢、與 llms.txt 單點工具。

整體健檢

isitagentready.com（Cloudflare 出）是目前最完整的輸入面健檢。貼網址、選 Content Site / API / All Checks，掃出一份分數報告。檢查的類別它自己會調整，2026-08 是五類（llms.txt 已經不在清單上了）：

  • Discoverability：robots.txt、Sitemap、Link headers、DNS-AID
  • Content Accessibility：Markdown content negotiation、結構化資料
  • Bot Access Control：AI 爬蟲規則、Content Signals、Web Bot Auth
  • Protocol Discovery：MCP Server Card、Agent Skills、WebMCP、API Catalog、OAuth
  • Commerce：x402、MPP、UCP、ACP

清單會變，以官網當下顯示的為準。

Cloudflare 在發佈文章裡公布的掃描統計很狠——當時造訪量前 20 萬個網域裡只有約 4% 宣告 AI 使用偏好、3.9% 支援 Markdown 協商（母體不是「全網站」，而且已濾掉 redirect、廣告伺服器等類別）。這是發佈時點的數字，但原文寫明該圖表每週更新，要現值可以走 Cloudflare Radar 的 Data Explorer 或 API，引用時請帶上時間。定位類似「給 AI agent 用的 Lighthouse」，免費、不用註冊。

llms.txt 專門工具

驗證器（貼網址掃 llms.txt 格式）：

開源產生器（爬你網站、生出 llms.txt）：

原稿在這裡的判斷已經被推翻。 當時寫「採用率低所以容易搶先建立優勢」，後來的實證資料顯示問題不在採用率，而在根本沒人讀：

  • Ahrefs 分析 13.7 萬個網站的伺服器日誌，97% 的 llms.txt 從未被請求過，而且沒有任何 AI bot 會主動去試探不存在的 llms.txt
  • SE Ranking 在 2025-11 掃 30 萬網域，10.13% 有 llms.txt——注意這是該研究自己的結論的反面：原文判定為「a niche practice with very limited adoption」，近九成網站沒有採用。前述 Ahrefs 那份研究則量到約 28%，兩個數字的母體與時間點都不同，別當成同一件事比較
  • Google 2026-05 把 llms.txt 列進「不用做」清單，2026-06-15 又澄清它「不會正面也不會負面影響能見度或排名」

唯一有實據的用途是 AI 編程助理會在文件網站上讀它。所以：技術文件站值得做，一般站台別排優先順序，上面這些驗證器與產生器也就跟著降級成「順手工具」而非必備。

流量面：AI bot 實際爬了你多少頁

這是最容易被忽略的類別。傳統 GA / Plausible 預設會過濾掉 bot 流量，所以 GPTBot、ClaudeBot、PerplexityBot 每天爬你幾千頁，你在儀表板上看不到。

這一層在 2026 下半年多了一個必看的理由：Cloudflare 宣布自 2026-09-15 起，預設封鎖「混用型」爬蟲（同時做搜尋、訓練、agent 的那種）存取有廣告的頁面，適用新客戶、既有客戶的新站台與所有免費方案客戶（「混用型」與適用範圍的細節在新聞稿，blog 只寫了新網域那一段）。也就是說，你的 AI bot 流量可能會在你什麼都沒改的情況下改變——先有流量面的觀測，才看得出來發生了什麼。

幾個新興的專門工具：

  • Matomo AI Assistants — 主流開源分析平台內建的 AI 報表，把 AI bot 從人類流量分開。AI chatbot 報表自 5.8.0（2026-03）起，這條有官方新聞稿；導流追蹤與 Content Requests（看 AI 具體要走哪些頁）也已具備，但確切從哪個版本進的在 changelog 上查不到，要卡版本請自己對 changelog。想自架分析就選這個
  • Zerply AI Traffic Analytics — 商業 SaaS，不用埋 code，直接接 CDN/reverse proxy
  • aibottracker.com — 免費、不限次數，輕量選項
  • LLM Bot Tracker — WordPress 外掛版

DIY 派可以直接從 access log 撈，搭 ELK / Grafana / Datadog。User-Agent 特徵清單（GPTBot、ChatGPT-User、ClaudeBot、Claude-User、PerplexityBot、CCBot...）各家官網都有文件，不難做。但別把 Google-Extended 放進去——Google 明講它沒有自己的 HTTP user agent 字串，抓取仍用既有的 Googlebot UA，這個 token 只在 robots.txt 裡當控制用，永遠不會出現在你的 log 裡。

輸出面：品牌在 AI 答案裡被怎麼提到

這是 AEO/GEO 工具最擁擠的戰場，也是這篇一開始出發點（aeo-radar 就在這層）。

開源自架

核心賣點都一樣：不付 SaaS 訂閱，資料和 prompt 留在自己機器上。差異在tech stack和資料取得方式。

自架要付的隱藏成本有三筆，決定之前先算清楚：反爬蟲維護（AI 介面的登入牆和 Cloudflare 挑戰會變）、分析用的 LLM token、以及你自己的時間。當追蹤的 prompt 數量少時，自架通常划算；規模上去之後，前兩筆會逼近 SaaS 的訂閱費。

以下各專案附最後更新時間（2026-08 查核），這類小型工具的汰換率很高，長期停更的請當成參考實作而非可依賴的產品。

aeo-radar（最後更新 2026-07，維護中）用 Playwright 每天 headless 爬 AI 介面、不需要 API key，抓回來的答案交給 Claude CLI 做結構化萃取（品牌是否被提到、情感、競品、引用來源），存進 SQLite，Next.js 16 + Ant Design 畫儀表板。繁中先行、主打非英文市場是明確的取捨——英文市場已經紅海，非英文市場的 AEO 資料反而是商業 SaaS 長期忽略的縫隙。

AICMO/ai-cmo（最後更新 2025-10，已久未更新）是完成度更高的開源選項，Vue + Python + TypeScript，Docker 一鍵起，明確支援 ChatGPT / Gemini / Perplexity / Claude 四家。定位接近「開源版 Profound」，但需要自己帶 OpenAI + Vertex AI 憑證。

danishashko/geo-aeo-tracker（最後更新 2026-08，這幾個月成長最快，星數已破 200）tech stack跟 aeo-radar 最像（Next.js 16、TypeScript、Recharts），功能面比較滿——13 個分頁、6 個 AI 模型同追蹤、6 階段 SRO 分析、引用機會掃描、競品 battlecard。資料面用的是 Bright Data 的 Web Scraper API，優點是不用自己維護反爬策略，缺點是 Bright Data 不免費。

sarahkb125/llm-brand-tracker（最後更新 2025-07，已久未更新）走的是另一條路——不直接爬 AI 介面，而是呼叫 OpenAI API，自動爬你的品牌網站、用網站內容產生一批 prompt 去問 ChatGPT。優點是合法乾淨、不擔心反爬；缺點是你拿到的是「API 版 ChatGPT 怎麼看你」，跟網頁版使用者看到的有落差——網頁版有即時搜尋、API 沒有。

輕量選項還有 naikpratham-hub/LLM-Brand-Visibility-Analyzer（1 star、2025-10 後未更新，當範例讀就好）和 getcito。

商業 SaaS：光譜從 free tier 到六位數企業合約

這一節不列價格。 原稿寫過的價格帶在四個月內幾乎全數變動過（有的降價、有的取消免費方案、有的改成 EUR 地區定價），而且多數廠商的入門方案會用「追幾個 prompt、涵蓋幾家引擎」來切級距，單看月費沒有意義。要比價請直接看各家 pricing 頁；下面只寫定位與 2026-08 的狀態。

純 AEO/GEO 廠商（2026-08 逐家開站確認，不只看狀態碼）：

  • Profound — enterprise 旗艦。原稿寫的「Series B $35M」已過期：2026-02-24 完成 $96M C 輪、估值 $1B（Lightspeed 領投），累計募資超過 $155M，產品線也從追蹤延伸到會自己產內容的 Agents
  • AthenaHQ — YC 支持，前 Google / DeepMind 班底
  • Evertune — 主打 AI 搜尋 customer journey 全流程
  • Scrunch — 已被 Sitecore 收購（2026-06-03 公告），品牌與網站仍在，但已併入 Sitecore 的 DXP，未來的採購決策會綁到 Sitecore 合約
  • Peec.ai、ZipTie、Knowatoa — 中段班
  • Goodie、Bluefish AI — 已經收掉。goodie.ai 現在是域名待售頁，bluefish.ai 導向停放頁。兩個網域都還回 HTTP 200，只看狀態碼會以為它們還活著——這正是這個類別的風險：工具還在你的儀表板上，公司已經不在了
  • Otterly.AI、LLMrefs、AIclicks、Rankscale、Sight AI — 偏中小團隊訂閱

傳統 SEO 大廠延伸出的 AEO 模組：

  • Ahrefs Brand Radar — 注意 AI 追蹤是獨立付費 add-on（選定平台與全平台兩種級距），主訂閱只含基本的 web visibility，不是「訂了 Ahrefs 就有」
  • Semrush AI Visibility Toolkit — Semrush 已被 Adobe 收購，交易於 2026-04-28 完成（$1.9B 全現金，2025-11 宣布）。它現在是 Adobe 客戶體驗產品線的一部分，跟 Adobe LLM Optimizer 會怎麼整併還沒定案——如果你正在評估長約，這是要問清楚的事
  • SE Ranking AEO Tool
  • HubSpot AI Search Grader（原名 AEO Grader，網址沒改）— 免費的一次性健檢（試用條件會變，以官網為準）
  • Writesonic GEO — 追蹤 + 內容生成綁一起

2026 年的兩個結構性變化：一是併購潮——半年內 Adobe 吃下 Semrush、Sitecore 吃下 Scrunch，純追蹤型工具正在被大型行銷/內容平台收編；二是競爭焦點上移——從「有沒有追 ChatGPT」變成「引用來源分析深度」「hallucination 偵測」「跨平台 share of voice 歸因」，再進一步變成「查到問題之後能不能自動改內容」。純追蹤功能會越來越 commodity。

選型時值得問的一句話是：這家公司兩年後還會獨立存在嗎？ 被收購不必然是壞事（資源更多），但你的資料匯出路徑、API 承諾與價格會跟著改。

Citation 專門工具（比 mention 更細的粒度）

Mention（有沒有被提到）和 citation（有沒有被當引用來源、帶連結）是不同指標。專做 citation 追蹤的：

Chrome 擴充這類「人肉搜尋時順便記錄」的輕量工具，在還沒下手買 SaaS 的探索階段很好用。

資源目錄：盤點時的 meta 層

共通架構（輸出面工具）

把輸出面的開源專案拆開，會發現大家做的事情其實是同一套 pipeline：

[Prompt 清單] → [查詢 AI 介面] → [結構化萃取] → [儲存] → [儀表板]
     │              │                   │              │          │
  關鍵字        Playwright /         LLM-as-judge    SQLite /     Next.js
  品牌名        官方 API /            （Claude /      Postgres     React
  競品          Bright Data          GPT-4 /                       Recharts
                Scraper API          Gemini）

幾個設計決策會決定走哪條路：

資料取得方式：爬網頁版 vs. 呼叫 API。前者看到的是真實使用者體驗（含即時搜尋、引用連結），但要處理反爬、Cloudflare、Cookie 牆；後者穩定乾淨但跟使用者實際看到的有落差。aeo-radar 選 Playwright + 無 API key，賭的就是「前者比較真實」。

分析引擎：aeo-radar 用 Claude CLI，AiCMO 用 OpenAI + Vertex AI。選 CLI 的好處是不用再申請一套 API key、搭 Max 訂閱就能跑；選 API 的好處是可以上雲、多 worker 並行。

資料庫：SQLite 起手、提供 Postgres 選項幾乎是這類專案的預設。資料量大多是每日一次 × N 個 prompt × M 個模型，SQLite 撐一陣子沒問題。

多語言市場：目前開源場上繁中/日文/韓文覆蓋很薄，aeo-radar 繁中先行這件事在 SaaS 世界裡沒有對應者。

選型建議

按三個面向分開看：

輸入面（先做這層，CP 值最高）：

  • 先用 isitagentready 掃一次，把 llms.txt、robots.txt、MCP 能補的補齊
  • 想要產生 llms.txt，firecrawl/llmstxt-generator 開源跑一次

流量面（你自架分析就做）：

  • 自架：Matomo 5.8 起
  • 不想動基建：aibottracker.com 免費版
  • 重內容資產的站要開，才知道 GPTBot 有沒有在爬你

輸出面（實際看品牌在 AI 答案裡的樣子）：

  • 只想快速看一眼：HubSpot AI Search Grader 免費試、AI Citation Tracker Chrome 擴充（搜尋時 highlight）
  • 長期自架：aeo-radar（繁中市場最順、仍在維護）、geo-aeo-tracker（功能最滿、更新最勤，但要 Bright Data）；AiCMO 功能完整但已久未更新，當參考實作看
  • 做自己的 AEO 產品：讀 aeo-radar 和 geo-aeo-tracker 的 source code，再掃 awesome list
  • 企業級：Profound 或 AthenaHQ；已經在 Sitecore 或 Adobe 生態系裡的，先問既有合約能不能涵蓋（Scrunch → Sitecore、Semrush → Adobe）
  • 單平台訂閱：Otterly.AI 或 LLMrefs
  • 要 citation 粒度：Am I Cited

整體來說

AEO 工具這個類別在 2025 上半年還是 SaaS 廠商的戰場，到 2026 年已經長出完整的三層生態——輸入面、流量面、輸出面各自有開源和商業選項。

最有趣的觀察是：輸入面和流量面反而比輸出面更被忽略。大家都在看「品牌在 AI 答案裡怎麼被提到」，但很少人先回答「我的網站 AI 讀不讀得到」「AI 有沒有在爬我」這兩個更基礎的問題。這兩層都是你能控制、能量化、且競爭強度遠低於輸出面的。

輸出面的開源方案倒是這兩年成熟得很快。aeo-radar 這種繁中先行、Playwright 無 key 爬取、Claude CLI 分析的組合，在兩年前連技術路徑都不存在——能這樣做是因為 headless browser、LLM CLI、Next.js App Router 這幾塊同時成熟。自己做一個 AEO 工具的進入門檻比看起來低很多：核心不是「寫爬蟲和儀表板」，而是「選對 prompt、選對分析邏輯、選對資料呈現方式」。工具只是殼。

更新紀錄

  • 2026-08-19：對照官方文件逐篇查證翻新，移除易腐內容，並收進「AEO / GEO 與 AI 搜尋」系列

參考資料

相關文章

你的 JSON-LD 和 schema 對 AI 搜尋引擎是隱形的嗎？各家管線拆解與 AEO/GEO 策略 1 min AKIRAXCLAW 的內容模式：每天 5 篇、三層漏斗、Agent 輔助發布 1 min AI-Ready Content：把網站變成 AI 可讀的資料來源，完整指南 1 min