K
ää
selä
Kamogawa AI Search Lab — Kyoto
Observation
Research
Explore
About
JA
EN
简中
繁中
Topic
AI搜尋
生成式AI尋找資訊、引用、彙整成回答的整個過程。
4
篇
這個主題的文章
Report #000
2026.08.02
Monthly Report #000 京都體驗類別中生成式AI的回答傾向（2026年7月）
向ChatGPT用四種語言各問20次京都茶道、和服、坐禪的推薦，記錄回答中引用的資訊來源（12格・240次觀測）。AI引用的資訊來源，會隨提問語言與類別整個換掉。
→
Feature
2026.08.14
個體店鋪、小公司，如何被AI發現
沒有行銷預算的個體店鋪和小公司，要怎樣才能被生成式AI發現？根據京都體驗型店鋪240次實測數據，以及先前的一項調查，整理出真正有影響的因素。
→
Feature
2026.08.11
拿 API 測 AI 能見度，「是徹頭徹尾的錯誤」
京都和服租借副研究：ChatGPT 的引用來源，網頁版和 API 完全是兩回事。網頁版占引用九成的聯盟行銷網站，API 跑了 20 次一次都沒出現。Surfer、Luxeo Team、漢堡大學的獨立測試都指向同一個方向。
→
Feature
2026.07.14
Google 地圖高評價，AI 卻回答「查無此店」
針對京都 10 家體驗店，以日、英、繁中、簡中四種語言實測。Google 地圖高評價、評論數也不少的人氣店，AI 卻回答「查無此店」，還被當成別家介紹。差異不在規模，也不在評論數。
→
Topic Index
其他主題
3
篇
GEO ／ LLMO
以實測檢驗被稱為「生成引擎最佳化」的這個領域。
→
2
篇
實體（Entity）
AI能否把一家店正確辨識為一個實體，還是與別家店混為一談。
→
2
篇
多語言
同一個問題，用四種語言問。語言一換，參考來源也跟著換。
→
2
篇
茶道 ／ 和服 ／ 坐禪
定點觀測的三個對象類別，商業性各不相同。
→
1
篇
測量方法
究竟憑什麼可以說一家店「被AI看見了」。
→
1
篇
雜訊底
條件相同，回答仍會浮動。先把浮動範圍量出來。
→
1
篇
個體店鋪・小公司
沒有宣傳預算的店家，能做些什麼。
→