你的新聞檔案庫正在消亡——AI 能讓它轉為獲利

問題所在

HubSpot——全球最積極經營內容行銷的組織之一——失去了70%至80%的自然流量。CNN 的下滑幅度介於27%至38%之間。《富比士》（Forbes）與《商業內幕》（Business Insider）則下跌近50%。這些並不是搞砸了 SEO 策略的新創公司，而是眼看著主要營收管道即時蒸發的主導品牌。

原因很簡單：AI 現在會在受眾點擊你的連結之前，就先回答他們的問題。Google 的 AI Overviews 直接在搜尋結果頁面上摘要你的內容。一旦發生這種情況，你網站的點擊率就會下降約47%。在所有搜尋中，目前有60%在未點擊任何網站的情況下結束；在手機上，這個數字更高達77%。

如果你經營媒體公司，你的商業模式建立在一個直接的交換關係上：你發布內容，搜尋引擎和社群平台為你帶來流量，你再以這些頁面瀏覽量銷售廣告。這個交換關係已經崩壞。搜尋量持續攀升——Google 目前每天處理91億至136億次搜尋——但流向你網站的流量正在崩塌。你的內容仍在創造價值，只是被別人收割了。

這不是暫時性的演算法調整，而是人們消化資訊方式的結構性轉變。你的讀者並不背棄你，他們只是找到了更快取得所需資訊的方法。

為什麼這對你的企業很重要

數位媒體背後的財務模式依賴流量規模。頁面瀏覽量越多，廣告曝光就越多，營收也隨之增加。當流量下滑10%——2025年上半年出版業的中位數——你的廣告收入也隨之下滑。當流量下滑50%，如同部分大型媒體的遭遇，你就得面對裁員、重組，或兩者同時到來。

以下是數字告訴你的事實：

• **60% 的 Google 搜尋屬於零點擊。**你的 SEO 投資越來越常把流量導向 Google 自己的答案框，而不是你的網站。
• **AI Overviews 出現時，點擊率下降47%。**Google 約有13%的查詢會顯示 AI 生成的摘要。每當它這樣做，你將近一半的潛在點擊就會消失。
• **美國前50大新聞網站中有37家流失了流量。**這不是小玩家的問題，新聞業最大型的品牌反而受創最深。
• **流向 AI 平台的流量成長速度比傳統搜尋快165倍。**你的受眾正以驚人的速度遷移到 ChatGPT、Perplexity 和類似工具，任何依賴廣告支持模式的業者都應該為此警覺。

對你的董事會而言，問題很直接：如果你的主要分發管道正以每年兩位數的速度萎縮，你的計畫是什麼？削減成本能爭取時間，卻無法扭轉趨勢。你的檔案庫——數十年的報導、分析與機構知識——是你最有價值卻最未被充分利用的資產。問題在於：你要自己將它變現，還是任由 AI 公司免費爬取？

底層實際發生了什麼

把你的內容檔案庫想成一座塞滿檔案櫃的大倉庫。每篇文章都是一個資料夾，裡面裝滿事實、姓名、日期和關聯。在舊模式下，讀者必須走進倉庫、找到正確的檔案櫃、抽出正確的資料夾，然後讀完整份文件才能得到一個答案。那種方式雖然緩慢，但在沒有替代選擇的年代還行得通。

現在 AI 提供了替代方案。但問題來了：大多數基礎 AI 搜尋工具處理你的檔案庫的方式，就像果汁機打蔬菜一樣。它們把你的文章切成小塊，將這些片段轉換成稱為「向量嵌入」（embeddings）的數學表示式，然後在使用者提問時搜尋最接近的匹配。這種方法稱為「檢索增強生成」（Retrieval-Augmented Generation，RAG），也就是由 AI 從你的實際原始文件中擷取資料來產生答案——對簡單查詢而言確實可行。

但對最重要的問題，它的表現非常糟糕。白皮書指出四種具體的失敗模式：

**時間盲視。**基礎 RAG 系統無法分辨2010年的文章與2024年的文章。如果兩篇都討論「房市崩盤」，系統可能把它們混合成一個答案——事實上準確，時間軸上卻錯誤。它分不清「當時為真」與「現在為真」。

**多跳推理失效。**如果文章 A 將某位政治人物與一家公司連結起來，而文章 B 將那家公司與一樁醜聞連結起來，基礎系統無法推導出政治人物與醜聞之間的關聯——因為沒有任何單一片段包含這條連結。

**全局脈絡的喪失。**把一篇長篇調查報導切成500字的片段會摧毀敘事。系統只能擷取碎片，卻無法重建完整的故事。

**幻覺。**當擷取步驟漏掉相關脈絡時，AI 會用編造的事實填補缺口。在新聞領域，這會瞬間摧毀信任。

這些都不是邊緣案例，而是市面上大多數現成 AI 聊天工具套用在新聞檔案庫上時的預設行為。

有效的方法（與無效的方法）

無效的做法：

• **把聊天機器人生硬地掛上你的網站。**在 CMS 外面包一層通用 LLM 只會給你一個新奇功能，而不是一款產品。它會產生幻覺、搞混時間軸，並侵蝕受眾對你的信任。
• **以一次性交易將資料授權給 AI 公司。**向 OpenAI 或類似公司出售訓練資料只能換得一筆一次性付款。你交出自己最有價值的資產，換來的是一筆低毛利、毫無經常性收入的交易。
• **加倍押注 SEO。**你可以無止盡地優化標題和中繼資料，但當60%的搜尋以零點擊收場，你是在為一個不斷萎縮的市場進行優化。

有效的做法——三個步驟：

1. **建構檔案庫（輸入）。**每篇文章都經過清理，標上中繼資料——發布日期、作者、版面、命名實體——並以尊重文件結構的語意分塊（semantic chunking）方式切分。標題會與其段落保持在一起。人物、組織與事件之間的關聯被抽取出來，存入知識圖譜——一種將檔案庫中每個實體與其相關的其他實體連結起來的結構化地圖。這不只是為文字建立索引，而是為意義建立索引。

2. **打造多層檢索（處理）。**系統結合三種搜尋方法：向量搜尋找出語意相似的內容；關鍵字搜尋捕捉精確的人名與法案編號；圖形資料庫——白皮書所稱的 GraphRAG——跨文件遍歷關聯，解決多跳問題。每條關聯上的時間戳記邊（edge）解決了時間盲視問題。當使用者詢問某位政治人物的立場在十年間如何變化，系統會分別查詢各個時期，再按時間順序組裝答案。基準測試顯示，在複雜問題上，GraphRAG 比基礎向量搜尋將答案完整性提升72%至83%。

3. **交付經過驗證的答案（輸出）。**AI 回應中的每一項主張都附有可點擊的引用，可回溯至原始文章。另有一個獨立的「評審」（critic）AI 在使用者看到答案之前，先對照原始文件審核答案。若引用不符，該主張便會被移除。這形成完整的稽核軌跡——每個答案都可追溯至特定、標註日期的編輯內容。

對你的法遵與法務團隊而言，這條稽核軌跡正是關鍵的差異化優勢。你能確切展示哪些原始文件產生了哪些答案；你能證明你的系統沒有產生幻覺；你能為自己的輸出辯護。

《金融時報》（Financial Times）已透過其「Ask FT」產品如此運作，讓每個答案完全植基於 FT 的新聞內容並附上完整引用。彭博（Bloomberg）也透過 BloombergGPT 做到同樣的事，在其終端機上將自然語言轉換為結構化的資料查詢。兩家都能收取高級訂閱價格，因為它們的答案是可信且可追溯的。

商業模式從廣告——以商品化價格出售注意力——轉向智慧訂閱與 API 授權。專業使用者每年支付 $1,000 或更多，以存取你檔案庫之上的對話式引擎。金融機構、律師事務所和企業情報團隊則付費購買 API 授權。你的定價能力來自你獨特、無法複製的檔案庫——一份任何 AI 公司未經你許可都無法建立的50年資料集。