李昇 LI-Sheng
- 角色
- Founder & Researcher
- 開始時間
- 2026.09
- 關注方向
- AI Search・SEO／GEO・內容策略
把好奇心，
變成可以執行的問題。
AI 會從哪些來源理解一個品牌？沒有官網的商家，會不會出現在回答裡？回答裡有一個連結，對使用者又代表什麼？
我創立 LS-Labs，持續研究這些問題。從研究設計、資料整理到網站與工具，我透過 AI 協作實作，負責決定問題、判讀觀測與檢查產出，並將適合公開的研究整理成文章。
PILOT STUDY / 2026.09.16
沒有官網的商家，
沒有官網的商家，
AI 搜尋還看得見嗎？
以台北牛肉麵商家為探索性樣本，透過 Perplexity Sonar 觀察回答中的品牌、來源與事實，檢查官方網站可能扮演的角色。
6家商家納入最終樣本
24次 API 執行
21次觀測納入分析
三次觀測在商家官網歸屬覆核後排除。這是單一搜尋 API、固定樣本與時間的探索性試驗，不能推論所有產業或證明官網帶來轉換。
閱讀公開研究報告把「有沒有出現」
拆成四件事。
MCAC 是 LS-Labs 的操作框架，用來整理不同觀察面向；不是經外部驗證的通用評分標準。
被提到、被引用、回答正確，以及能找到下一步入口，是不同的結果。我把它們分開記錄，保留無法判定的情況。
品牌提及
回答有沒有談到這個品牌？
來源引用
引用了哪些頁面，是否連到官方來源？
事實正確性
地址、電話等資訊能否對上參照資料？
行動資訊
使用者能否找到查詢、預約或聯絡入口？
提供入口與實際完成行動之間，還有一段距離。這份研究沒有量測點擊、訂位或營收。
研究做完，也留下可追溯的資料。
後續研究擴展到不同問法、搜尋意圖與來源差異。我把資料整理成可搜尋的本機研究庫，讓文章中的判斷能回到原始紀錄。
- 01
定義問題
選定實體、查詢任務、供應商與觀測條件。
- 02
保存觀測
保留原始回答、引用網址、日期與執行狀態。
- 03
核對與分析
確認來源歸屬，區分有效、失敗、排除與未知。
- 04
整理成文章
交代樣本與限制，將發現寫成可讀的研究。
研究庫也包含工作中的初稿與待查證資料；公開成果以 LS-Labs 已發表的文章為準。
工具，從研究需要長出來。
把反覆遇到的資料取得、觀測與整理工作，逐步做成可使用的工具。各項進度分開呈現。
Platform
Private BetaSEO Pulse
開源工具・邀請制試點以 MCP 串接自己的 GSC 與 GA4 資料，在 ChatGPT 或 Claude Code 中產出繁中搜尋流量週報，保留資料品質與未評估項目。
以唯讀權限存取資料；雲端試點採邀請制，可用範圍依官方說明與實際帳戶權益為準。
查看 SEO Pulse把研究公開，
也把限制寫清楚。
前往 LS-Labs LS-Labs 讓我把研究、內容與工具開發放在同一個工作流程裡。讀者可以先看文章，再追問方法、資料與結論的範圍。
繼續閱讀聯想實習日誌