GMO TECH 從國內4萬筆AI搜尋中解明「AI推薦的文法」
GMO TECH 分析了 ChatGPT 和 Google AI Mode 的 41,264 筆日語 AI 回覆，發布了一份調查報告，總結了生成式 AI 推薦產品和服務的趨勢。研究發現，AI 平均會提出 4.15 個選項，而「適合誰」和「擅長什麼」是推薦的主要軸線。
📋 文章處理履歷
- 📰 發表: 2026年6月5日 21:00
- 🔍 收集: 2026年6月5日 12:27
- 🤖 AI分析完成: 2026年6月6日 16:06（收集後27小時39分鐘）
GMO 網際網路集團旗下的 GMO TECH 股份有限公司（代表取締役社長：鈴木亮一，以下簡稱 GMO TECH）分析了 ChatGPT 和 Google AI Mode（※1）中 41,264 筆日語比較型 AI 回覆，並發布了一份調查報告，總結了生成式 AI 向用戶推薦產品和服務時的趨勢。
這項調查顯示，生成式 AI 並非只提出「一個」答案，而是平均會根據不同條件提出 4.15 個選項。這代表著一個重大轉變，讓用戶無需自行從大量資訊中進行比較，更容易找到適合自己的選擇。
（※1）Google AI Mode：Google 搜尋中的 AI 摘要與生成回覆功能。
【調查背景】
生成式 AI 的普及，讓人們「查找資料」的方式變得極為便利。過去，用戶需要自行逐一打開搜尋結果中的眾多網站進行比較和考慮。但現在，AI 會代為摘要和比較資訊，用戶直接參考這些回覆的情況越來越多。
伴隨這項變化，對企業而言，不僅是「搜尋排名」，連「在 AI 回覆中，是以何種條件和情境被介紹或推薦」也作為新的能見度指標，重要性日益增加。
GMO TECH 針對這種新的資訊收集形式，從實際數據中歸納分析 AI 是根據何種標準找出「最適合你」的「結構」，並將其系統化。
【調查摘要】
■ AI 不只推薦「一個」，平均提出 4.15 個符合用戶條件的選項
對於單一問題，AI 會提出多個選項，平均 4.15 個，例如「如果你要 A，就選 X；如果你重視 B，就選 Y」。這讓用戶能輕鬆找到最適合自己狀況的選項。對企業而言，尋找能進入這些條件分支（推薦清單中的一行）的機會變得至關重要。
■ 推薦的主軸模式是「適合誰」×「擅長什麼」
AI 提案時的主要切入點是「用途特化（出現率 37.0%）」，說明資訊是為誰準備的，以及「功能特化（34.8%）」，說明其優勢所在。此外，在 5.0% 的案例中觀察到「初心者・猶豫不決 × 用途特化 × 功能特化」這三軸組合，顯示 AI 傾向於根據使用者的層級和目的，聰明地選擇並構成最能發揮優勢的產品。
■ 「適合○○的人」這種貼近使用者屬性的模式，多於「大品牌就是安心」
AI 基於「大企業」、「老字號」、「知名度」等傳統權威訴求進行推薦的案例，僅佔整體的 7.1%。取而代之的是，貼近使用者屬性和使用場景（23.8%）的提案，例如「適合初學者」、「經典款」、「適合○○的人」，其數量約為前者的 3.4 倍。這個趨勢在化妝品、護髮、時尚等個人喜好差異較大的類別中尤為明顯，凸顯了無論企業規模大小，將「適合誰」具體化的重要性。
■ ChatGPT 與 Google AI Mode 的回覆結構存在差異
不同平台之間的回覆結構也存在差異。Google AI Mode 即使對於簡短問題，也傾向於使用多個小標題和比較表，平均提供 4.58 個選項，範圍廣泛且全面。相比之下，ChatGPT 的回覆結構更容易根據問題的具體性而變化，平均提供 3.83 個選項。因此，企業在設計內容時，採用能同時針對兩個平台的結構是有效的，即在開頭提出明確結論，而內文則按類別和用途展開。
■ 搜尋的類別不同，AI 的推薦標準也會改變
分析 35 個類別的結果顯示，AI 重視的重點（推薦模式）因行業而異。
• 金融服務：經濟圈、點數回饋、風險
• 化妝品：肌膚困擾、使用者屬性、外觀
• 通訊服務：數據量、經濟圈
• SaaS（※2）：費用結構、合約條件、使用人數
（※2）SaaS（Software as a Service）：透過網路使用的軟體提供形式。
【報告概要】
報告名稱：品牌在 AI 搜尋中如何被推薦：分析約 4 萬筆日本 AI 搜尋所發現的「推薦文法」
頁數：52 頁
發布日期：2026 年 6 月 5 日（星期五）
報告網址：https://gmotech.jp/semlabo/seo/blog/ai-search-grammar/
※報告頁面公開了調查結果的概要。內含 35 個類別分析和詳細資料的白皮書（免費）可從頁面內下載。
【調查概要】
• 調查對象：ChatGPT、Google AI Mode 的日語 AI 回覆
• 目標查詢：包含「推薦」、「比較」、「費用」、「評價」、「缺點」等比較意圖的問題
• 分析件數：41,264 件
• 分析對象類別：35 個類別
• 分析項目：34 種推薦切入點（推薦軸）
• 資料來源：Ahrefs Brand Radar API（※3）
• 分析時間點：2026 年 5 月
（※3）API（Application Programming Interface）：連接不同系統的機制。
【未來展望】
在用戶使用 AI 高效尋找適合自己產品的時代，企業不僅需要「單純瞄準搜尋結果頂端」，更必須基於「如何讓 AI 將其產品說明並推薦給特定類型的人」來進行全面的資訊設計（※4）。
GMO TECH 將持續進行 AI 搜尋相關的調查與分析，致力於提升消費者便利性，並支援企業進行最優的資訊發布。
（※4）LLMO（LLM Optimization）：針對 ChatGPT 等大型語言模型，提高自身網路內容被引用可能性的最佳化措施。
【關於 GMO TECH】
GMO TECH 股份有限公司是一家運用 AI 和 SaaS，支援企業營收成長與業務效率化的科技公司。
該公司以店鋪集客 DX SaaS「MEO Dash! byGMO」為首，展開 SEO、MEO、AI 行銷領域的集客支援事業，此外也透過不動產 DX SaaS「GMO 賃貸 DX」提供業務效率化支援，並經營聯盟行銷廣告、網路媒體、支付服務等事業。
憑藉其獨家 AI 技術與自行開發的產品，該公司致力於推動建立 AI 能在業務中持續發揮價值的機制，支援企業的數位應用與永續成長。
這項調查顯示，生成式 AI 並非只提出「一個」答案，而是平均會根據不同條件提出 4.15 個選項。這代表著一個重大轉變，讓用戶無需自行從大量資訊中進行比較，更容易找到適合自己的選擇。
（※1）Google AI Mode：Google 搜尋中的 AI 摘要與生成回覆功能。
【調查背景】
生成式 AI 的普及，讓人們「查找資料」的方式變得極為便利。過去，用戶需要自行逐一打開搜尋結果中的眾多網站進行比較和考慮。但現在，AI 會代為摘要和比較資訊，用戶直接參考這些回覆的情況越來越多。
伴隨這項變化，對企業而言，不僅是「搜尋排名」，連「在 AI 回覆中，是以何種條件和情境被介紹或推薦」也作為新的能見度指標，重要性日益增加。
GMO TECH 針對這種新的資訊收集形式，從實際數據中歸納分析 AI 是根據何種標準找出「最適合你」的「結構」，並將其系統化。
【調查摘要】
■ AI 不只推薦「一個」，平均提出 4.15 個符合用戶條件的選項
對於單一問題，AI 會提出多個選項，平均 4.15 個，例如「如果你要 A，就選 X；如果你重視 B，就選 Y」。這讓用戶能輕鬆找到最適合自己狀況的選項。對企業而言，尋找能進入這些條件分支（推薦清單中的一行）的機會變得至關重要。
■ 推薦的主軸模式是「適合誰」×「擅長什麼」
AI 提案時的主要切入點是「用途特化（出現率 37.0%）」，說明資訊是為誰準備的，以及「功能特化（34.8%）」，說明其優勢所在。此外，在 5.0% 的案例中觀察到「初心者・猶豫不決 × 用途特化 × 功能特化」這三軸組合，顯示 AI 傾向於根據使用者的層級和目的，聰明地選擇並構成最能發揮優勢的產品。
■ 「適合○○的人」這種貼近使用者屬性的模式，多於「大品牌就是安心」
AI 基於「大企業」、「老字號」、「知名度」等傳統權威訴求進行推薦的案例，僅佔整體的 7.1%。取而代之的是，貼近使用者屬性和使用場景（23.8%）的提案，例如「適合初學者」、「經典款」、「適合○○的人」，其數量約為前者的 3.4 倍。這個趨勢在化妝品、護髮、時尚等個人喜好差異較大的類別中尤為明顯，凸顯了無論企業規模大小，將「適合誰」具體化的重要性。
■ ChatGPT 與 Google AI Mode 的回覆結構存在差異
不同平台之間的回覆結構也存在差異。Google AI Mode 即使對於簡短問題，也傾向於使用多個小標題和比較表，平均提供 4.58 個選項，範圍廣泛且全面。相比之下，ChatGPT 的回覆結構更容易根據問題的具體性而變化，平均提供 3.83 個選項。因此，企業在設計內容時，採用能同時針對兩個平台的結構是有效的，即在開頭提出明確結論，而內文則按類別和用途展開。
■ 搜尋的類別不同，AI 的推薦標準也會改變
分析 35 個類別的結果顯示，AI 重視的重點（推薦模式）因行業而異。
• 金融服務：經濟圈、點數回饋、風險
• 化妝品：肌膚困擾、使用者屬性、外觀
• 通訊服務：數據量、經濟圈
• SaaS（※2）：費用結構、合約條件、使用人數
（※2）SaaS（Software as a Service）：透過網路使用的軟體提供形式。
【報告概要】
報告名稱：品牌在 AI 搜尋中如何被推薦：分析約 4 萬筆日本 AI 搜尋所發現的「推薦文法」
頁數：52 頁
發布日期：2026 年 6 月 5 日（星期五）
報告網址：https://gmotech.jp/semlabo/seo/blog/ai-search-grammar/
※報告頁面公開了調查結果的概要。內含 35 個類別分析和詳細資料的白皮書（免費）可從頁面內下載。
【調查概要】
• 調查對象：ChatGPT、Google AI Mode 的日語 AI 回覆
• 目標查詢：包含「推薦」、「比較」、「費用」、「評價」、「缺點」等比較意圖的問題
• 分析件數：41,264 件
• 分析對象類別：35 個類別
• 分析項目：34 種推薦切入點（推薦軸）
• 資料來源：Ahrefs Brand Radar API（※3）
• 分析時間點：2026 年 5 月
（※3）API（Application Programming Interface）：連接不同系統的機制。
【未來展望】
在用戶使用 AI 高效尋找適合自己產品的時代，企業不僅需要「單純瞄準搜尋結果頂端」，更必須基於「如何讓 AI 將其產品說明並推薦給特定類型的人」來進行全面的資訊設計（※4）。
GMO TECH 將持續進行 AI 搜尋相關的調查與分析，致力於提升消費者便利性，並支援企業進行最優的資訊發布。
（※4）LLMO（LLM Optimization）：針對 ChatGPT 等大型語言模型，提高自身網路內容被引用可能性的最佳化措施。
【關於 GMO TECH】
GMO TECH 股份有限公司是一家運用 AI 和 SaaS，支援企業營收成長與業務效率化的科技公司。
該公司以店鋪集客 DX SaaS「MEO Dash! byGMO」為首，展開 SEO、MEO、AI 行銷領域的集客支援事業，此外也透過不動產 DX SaaS「GMO 賃貸 DX」提供業務效率化支援，並經營聯盟行銷廣告、網路媒體、支付服務等事業。
憑藉其獨家 AI 技術與自行開發的產品，該公司致力於推動建立 AI 能在業務中持續發揮價值的機制，支援企業的數位應用與永續成長。
常見問題
這項調查分析了哪些AI平台？
兩個平台：ChatGPT 和 Google AI Mode。
分析的查詢範例有哪些？
包含「推薦」、「比較」、「價格」、「評價」、「缺點」等具有比較意圖的查詢。
AI推薦中最重要的是什麼？
「適合誰（用途特化）」和「擅長什麼（功能特化）」是最重要的。