搜尋意圖分析：從四大類型到 AI 搜尋時代的 SERP 判讀框架

搜尋意圖分析正在經歷一次結構性的演進：判斷的起點仍是查詢文字的四分法，但終點已經移動到 AI 平台如何選取段落生成回答。這篇主幹頁只回答一個問題——意圖分類框架在 AI 搜尋時代如何演進，以及這對內容策略設計的影響。本文以 SmartLink 站內監測觀察與框架推論為依據，不引用未經驗證的外部 SERP 數據。

意圖分類的三層演進：查詢意圖、SERP 意圖、引用意圖

意圖判斷經歷三個階段：第一層看使用者輸入的查詢文字（四分法），第二層反推 Google 呈現的 SERP 格式，第三層則是 AI 平台如何選取段落生成回答。每一層的判斷單位從整個頁面縮小到單一段落，這是 AI搜尋時代意圖分類最根本的變化。

這三層不是互相取代的關係。四分法沒有失效，而是被疊加了新的判斷單位：第一層處理「使用者想完成什麼任務」，第二層處理「Google 認為哪種頁面符合這個任務」，第三層處理「AI 系統在生成回答時會抽取哪種段落」。對內容策略而言，這代表一份內容必須同時通過三層檢驗——頁面層級的相關性、SERP 格式的匹配度，以及段落層級的可引用性。基於 SmartLink 站內監測觀察的推論，多數台灣教學型內容仍停留在第一層，這是框架落差而非內容量落差。

第一層：查詢意圖四分法的適用範圍與侷限

Informational、Navigational、Commercial、Transactional 四分法描述的是使用者輸入端的動機，適用於關鍵字研究與內容規劃的初始分流，但它假設一次查詢只有一個意圖——這個假設在對話式查詢與多輪互動下失效。

四分法在初始分流階段仍有實用價值：Informational 查詢指向指南與定義型內容，Commercial 查詢指向比較與評測結構，Transactional 查詢要求明確的行動路徑，Navigational 則多半不是非品牌站能競爭的戰場。問題出在它的邊界條件。當使用者以自然語句描述情境、或在同一工作流程中連續發出多個相關查詢時，單一標籤無法覆蓋意圖的演化路徑。基於 SmartLink 站內觀察的推論，繁中市場的中英混用查詢（例如品牌名加英文產品詞）更常呈現混合特徵，使字面分類的可靠度進一步下降。四分法應被定位為「起點分流工具」，而非「意圖的最終判定」。

第二層：SERP 格式反推——當 Google 替你判讀意圖

當 SERP 出現購物輪播即指向 Transactional、出現知識面板即指向 Navigational 或實體查詢，格式特徵比查詢文字更接近 Google 實際採用的意圖判定。判斷單位在此仍以頁面排名為主，但已開始向模組化特徵轉移。

SERP 格式反推的操作邏輯是：Google 的搜尋系統整合了大量查詢歷史與點擊行為信號後才決定 SERP 組成，因此結果頁本身就是意圖判定的直接反映。有效的判讀包含五個維度——頁面類型分布、內容格式模式、SERP 特徵組合、結果深度、來源類型。這五個維度回答的是「Google 把哪些頁面與模組推到前排」，而不是「關鍵字字面像什麼」。至於每種意圖應對應哪種內容格式、如何避免格式錯配，屬於子題的完整論述範圍，請參考搜尋意圖與內容格式對應的分析；本節僅界定判讀邏輯的位置。

第三層：引用意圖——AI 平台如何挑段落而非排頁面

AI Overview、Perplexity 與 ChatGPT Search 不再以頁面為回應單位，而是選取能直接回答子問題的段落。此時意圖分類的操作問題從「這個查詢屬於哪一類」變成「哪種意圖下的哪些段落會被引用」，判斷單位縮小至 40-80 字的可抽取陳述。

引用意圖與排名邏輯有重疊但不相同。基於 SmartLink 監測方法的推論框架，AI 系統傾向選取具備以下特徵的段落：第一句即給出清楚定義或直接答案、含具體數字或明確範圍、以比較或清單結構呈現、且不依賴上下文即可獨立理解。這些特徵適用於所有意圖類型，但偏好的段落形態隨意圖而異——這正是下一節決策表要處理的問題。本頁只界定引用意圖在三層框架中的位置；AI 平台選取來源的機制細節，請參考AI 搜尋引用機制與 GEO的深入分析。

AI 搜尋下意圖分類的失效邊界

至少兩種情境使四分法失去操作意義：一是對話式查詢形成意圖鏈，單一標籤無法覆蓋多輪意圖演化；二是 query fan-out 將原查詢分解為多個子意圖，頁面層級的分類無法對應段落層級的召回。此時意圖分類應從頁面標籤轉為段落功能標註。

第一種情境是意圖鏈。使用者在對話介面中先問定義、再問比較、最後問如何執行，整條對話軸跨越了 Informational 到 Commercial 再到 Transactional，任何單一標籤都只是截取其中一段。第二種情境是查詢分解：AI 平台會將複合查詢拆解為多個子意圖分別檢索候選段落，再彙整為附來源的回答。在這條路徑上，被召回的是段落而非頁面，因此頁面層級的四分法標籤無法直接對應召回邏輯。以上為概念分析與 SmartLink 站內觀察的推論，尚待 query fan-out 專題發布後補充機制層的完整拆解；在此之前，對話式查詢的行為演進可先參考對話式搜尋意圖的分析。

實務上的修正方向是：除了為頁面指定主意圖標籤外，還應為每個 H2 段落標註它服務的功能——是定義、比較、步驟或風險說明——讓段落粒度的意圖設計成為內容策略的一部分。

意圖 × AI 引用優先級決策表

不同意圖類型在 AI 平台上的可引用段落特徵不同：Informational 偏好定義句與因果解釋，Commercial 偏好比較結構與評估標準，Navigational 在 AI 回答中的角色偏向品牌實體確認而非連結導流，Transactional 則最少被純文字回答覆蓋。

下表為 SmartLink 監測方法的推論框架，非外部實測數據，用途是在內容規劃階段預判哪些段落值得投入「可引用性」設計：

這張表的定位是橋接：它把三層框架落到段落設計決策，但 AI 平台選取與合併來源的完整機制，仍以 B8 子頁與 C5-S5 的平台引用邏輯分析為準，本頁不重複展開。

台灣市場的意圖混合模式與判斷修正

繁體中文查詢常見中英混用（如品牌名加英文產品詞），在地型意圖比重高，且 AI Overview 對繁中的覆蓋進度相對英語市場存在時間差。這些特性意味著台灣內容策略不能直接套用英語市場的意圖判讀結論，需在關鍵字分組與段落設計上做本地修正。

以下三點均為方向性描述，依據為 SmartLink 站內觀察推論，不涉及任何未經驗證的覆蓋率百分比。其一，中英混用查詢使字面意圖分類的信號變弱，SERP 格式反推的權重應相對提高。其二，餐飲、診所、房仲等在地服務查詢在台灣占比高，本地型意圖應在關鍵字分組中獨立處理，而非併入四分法。其三，AI Overview 對繁中查詢的覆蓋進度落後於英語市場，這個時間差反而是台灣內容團隊建立段落級可引用性設計的緩衝期——英語市場已驗證的趨勢，在繁中市場仍有先行布局的窗口。

行動建議：六維度 SERP 判讀檢核表與內容策略調整

在原有五維度（頁面類型、格式、SERP 特徵、深度、來源類型）之外加入第六維度「AI 回答來源組成」，定期記錄目標查詢在 AI Overview 與答案引擎中被引用的來源類型分布，據此調整內容策略的段落粒度與意圖覆蓋設計。

第六維度的操作方式：針對目標查詢群組，定期記錄 AI 回答所引用的來源屬於哪種類型、被引用的段落呈現什麼形態（定義句、比較表或步驟清單），再回頭檢視自家內容是否具備同形態的可抽取段落。這套檢核表是 SmartLink 的方法論推論框架，執行頻率與樣本量應依網站規模自訂，本文不設定無來源的數量門檻。若觀察到 zero-click 趨勢侵蝕資訊型流量，延伸的因應策略請參考站內 Zero Click Search 與 GEO 策略相關報告。