Google 搜尋專家警告：過度針對 LLM 進行「內容分塊」恐弄巧成拙

為了迎合 AI 而犧牲閱讀體驗？Google 正式表態，將內容切碎以方便大型語言模型（LLM）讀取的做法，對於搜尋排名並無助益。

解析 Google 搜尋 LLM 內容分塊建議的背後邏輯

在數位行銷領域，搜尋引擎最佳化（SEO）一直是一門舉足輕重的學問。近期業界盛行一種被稱為「內容分塊（Content Chunking）」的手法，主張將文章拆解成極短的段落，並配上大量類似聊天機器人提問的標題，認為這樣更容易被 Gemini 等生成式 AI 引用。然而，根據 Google 專家的最新說法，這種傾向於迷信的做法可能適得其反。

在最近一集的 Google「Search Off the Record」播客節目中，John Mueller 與 Danny Sullivan 明確指出，將內容轉化為「一口大小」的碎塊並不是一個好主意。Sullivan 表示，他反覆看到人們試圖搞清楚該如何應對 LLM，但 Google 並不希望創作者為了迎合機器而破壞內容的完整性與流暢度。

捨本逐末：當內容不再為人而寫

這種內容分塊手法往往會導致段落僅包含 1 至 2 個句子。雖然這看似能提高被 AI 檢索的機率，但 Sullivan 強調，Google 並不會利用這種信號來提升排名。相反，過度零碎的資訊會降低讀者的閱讀體驗。如果一個網頁的內容完全是為了機器人而設計，而非為了真正的人類讀者，這在長期競爭中無疑是自毀長城。