1. 德國慕尼黑法院裁定:Google 須直接為 AI Overview 錯誤陳述負責
新聞概述
德國慕尼黑地方法院於 2026 年 6 月 10 日裁定,AI Overviews 屬 Google 自身生成內容而非搜尋中介,判處臨時禁令並要求 Google 承擔 80% 訴訟費用。Google 已宣布上訴,最終判決尚未確定。
資訊來源
- Search Engine Land:Google can be directly liable for false AI Overview claims: German court,Search Engine Land,2026-06-10
資訊可信度
高。Search Engine Land 為 SEO 核心媒體,法院裁定屬可查驗的官方文件;Google 上訴聲明已公開。
事實重點
- 慕尼黑地方法院認定 AI Overviews 屬 Google 自身生成內容,非搜尋中介角色
- 法院簽發臨時禁令,限制相關錯誤陳述繼續出現
- Google 須承擔 80% 訴訟費用
- Google 已宣布上訴,案件尚未定讞
資訊判讀
這是目前已知首例法院明確認定 Google 須直接為 AI Overview 生成內容負責的裁定,若上訴維持原判,將影響 AI Overviews 在歐洲市場的展示策略,並可能成為其他司法管轄區類似訴訟的參考先例。品牌若曾遭 AI Overviews 錯誤摘要,此裁定開立了新的法律救濟路徑。
建議行動
- 若品牌或商品資訊曾遭 AI Overviews 錯誤呈現,立即留存截圖與發現時間戳記,作為未來申訴或法律主張的基礎文件
- 追蹤 Google 上訴結果,評估歐洲市場 AI 搜尋內容責任法規的演進風險
2. SparkToro 研究:2026 年 Q1 零點擊搜尋升至 68%,AI Overviews 令 CTR 降低近 60%
新聞概述
SparkToro 與 Similarweb 合作分析 2026 年 Q1 美國搜尋點擊數據,發現 68.01% 的 Google 搜尋以零點擊收場(2024 年為 60.45%),AI Overviews 出現在超過 20% 的搜尋中,且使 CTR 降低近 60%。
資訊來源
- Search Engine Land:Google zero-click searches hit 68% in early 2026: Study,Search Engine Land,2026-06-09
資訊可信度
高。SparkToro 與 Similarweb 均為方法論透明的第三方研究機構;本研究與 Pew Research 同期調查方向一致但衡量角度不同(SparkToro 量相對降幅、Pew 量絕對 CTR),兩者互補強化結論。
事實重點
- 2026 年 Q1 美國搜尋中,68.01% 以零點擊結束(2024 年為 60.45%,年增近 8 個百分點)
- AI Overviews 出現在超過 20% 的搜尋結果中
- 出現 AI Overviews 的搜尋,CTR 降低近 60%
- 此為 SparkToro + Similarweb 聯合研究,與稍早 Pew Research 的 8% CTR 數據為不同研究、不同衡量視角
資訊判讀
年增 8 個百分點的零點擊成長速度遠高於歷年趨勢,可合理推測 AI Overviews 大規模展開是主要驅動力。兩份獨立研究共同強化「AI 搜尋正顯著壓縮出站點擊」的結論,純以 CTR 評估 SEO 價值的方法已不再可靠。
建議行動
- 審視核心關鍵字是否為 AI Overviews 高發類型(健康、財務、「How to」類查詢),若是,將 KPI 從純 CTR 調整為 SERP 品牌曝光次數、直接流量與品牌搜尋量的綜合評估
- 在 Google Search Console 中比對有、無 AI Overviews 期間的 CTR 差異,建立自身品牌基準線
3. 研究數據:Claude 引用內容與 Brave Search Top 10 重疊率達 64%,GEO 新優化路徑浮現
新聞概述
Profound 與 Moving Traffic Media 發布的新研究顯示,Claude 僅在 36.6% 的提示下觸發網路搜尋,且引用內容與 Brave Search Top 10 結果的重疊率高達 64%,暗示針對 Brave Search 的排名優化可直接提升在 Claude 的引用可見度。
資訊來源
- Search Engine Land:Claude visibility may depend heavily on Brave Search rankings, new data suggests,Search Engine Land,2026-06-12
資訊可信度
中。數據來自 Profound 與 Moving Traffic Media 聯合研討會,方法論具體但尚未完整同儕複驗;Anthropic 亦未官方確認 Brave Search 為主要外部搜尋資料來源,建議作為 GEO 優化參考而非定論。
事實重點
- Claude 在測試提示中,僅 36.6% 觸發即時網路搜尋
- 觸發搜尋的案例中,引用內容與 Brave Search Top 10 重疊率達 64%
- Anthropic 尚未官方確認其外部搜尋整合架構
資訊判讀
若 64% 重疊率成立,Brave Search 排名優化將成為目前已知最可量化的 Claude GEO 提升路徑。由於 Claude 僅 36.6% 的時間觸發網路搜尋,知識截止日之後的即時資訊型關鍵字才是 Brave Search 排名真正關鍵的場景,品牌應優先聚焦此類查詢的 Brave 能見度。
建議行動
- 在 Brave Search(search.brave.com)搜尋品牌核心關鍵字,確認是否出現在 Top 10;排名落後的,優先強化對應頁面的內容深度與外部連結
- 待 Anthropic 官方確認搜尋整合架構後,再決定是否將 Brave Search 列為正式 GEO 優化管道
4. Google Search Console 正式移除 FAQ 富結果報告,FAQPage schema 標記本身仍有效
新聞概述
FAQ Rich Results 自 2026-05-07 起停止顯示於 Google 搜尋結果,Search Console 的 FAQ 複合式結果報告與 Rich Results Test 支援已於 2026 年 6 月正式移除;Search Console API 的 FAQ 支援預計 2026 年 8 月下線。
資訊來源
- PassionFruit:What Changed with Google Drops FAQ Rich Results and What to Do Now,PassionFruit,2026-06-10
資訊可信度
高。文章提供的時間軸(05-07 停止顯示、6 月 GSC 移除、8 月 API 下線)可與 Google 官方 changelog 交叉比對,多方媒體報導方向一致。
事實重點
- FAQ Rich Results 自 2026-05-07 起停止顯示於 Google 搜尋結果
- Search Console FAQ 複合式結果報告於 2026 年 6 月正式移除
- Rich Results Test 對 FAQPage 的支援同步停用
- Search Console API 的 FAQ 支援預計 2026 年 8 月下線
- FAQPage schema 標記本身仍屬有效 schema,不影響頁面索引
資訊判讀
FAQPage markup 失去了直接可量化的 SERP 視覺效益,但保留語意結構仍可能對 AI 搜尋引用有間接幫助,問答對的結構化語意有助 AI Overviews 與 AI Mode 正確提取資訊。現有頁面不需急於刪除 FAQPage markup,但不應再以「Rich Results 曝光」為理由新增。
建議行動
- 確認 GSC 是否仍有 FAQ 相關錯誤警告;若有,可選擇忽略或移除 markup,兩者均不影響排名
- 原本用 FAQ Rich Results 拉升 CTR 的頁面,改評估 HowTo、Article 或 Product 等仍有效的 rich result 類型
5. Schema.org 新增全網結構化資料採用率統計,資料由 Google 爬蟲每月更新
新聞概述
Schema.org 正式在各 Schema type 頁面新增全球網域採用率統計,以 bucket 範圍(如「10K–100K 網域」)呈現,資料由 Google 公開爬蟲基礎設施提供,每月更新,原始 JSON 與 CSV 於 GitHub 公開供下載。
資訊來源
- Search Engine Land:Schema.org now shows you how many sites are using each schema type,Search Engine Land,2026-06-10
資訊可信度
高。Schema.org 官方頁面已上線此功能,資料來源為 Google 爬蟲基礎設施,GitHub 原始資料公開可直接驗證。
事實重點
- Schema.org 各 type 頁面新增「全網採用域名數」統計欄位
- 數字以 bucket 範圍呈現(非精確值),例如「10K–100K 網域」
- 資料來源為 Google 公開爬蟲基礎設施,每月更新
- 原始 JSON 與 CSV 資料已於 GitHub 公開,可下載分析
資訊判讀
SEO 從業者首次可在官方來源直接查閱各 Schema type 的市場採用基準,有助判斷自身結構化資料組合是否落後同業,也可用來找出採用率低但對 AI 引用可能具有槓桿效果的利基 schema 類型。
建議行動
- 前往 schema.org 查詢自身已部署的 Schema type,對照採用率 bucket,確認是否落後主流;考慮補強低採用率但對 AI 引用有潛力的類型(如 SpeakableSpecification、DefinedTerm)
- 下載 GitHub 公開原始資料,比較品牌 schema 組合與同業基準的差距,作為下一波技術 SEO 稽核的參考依據



