文章從100篇增加到300篇、1000篇，並不代表媒體體驗自然變好了。
最糟的情況只是倉庫變大。
好文章被埋在後方紙箱，入口永遠擺著同樣的熱門內容，不主動搜尋就很難知道其他文章存在。
所以更好的思維模型是：
網站不是儲藏室，而是一家商店。
首頁是門面，主題是貨架，搜尋是店員，文章卡片是貨架標籤，相關文章是下一排貨架，分析是POS，內容工廠是後場，QA是品管，推薦更新就是重新陳列。
理想的商店不會故意把顧客困在離出口最遠的地方。
需要答案的人可以快速找到；想逛的人可以慢慢探索；離開後仍有值得回來的理由；系統還能學習哪些內容沒被找到，讓陳列越來越合理。
這就是 發現 → 閱讀 → 產生下一個興趣 → 再訪 → 自動改善 的循環。
1. 北極星不是停留時間，而是「有價值的發現」
把PV與停留時間直接當目標很危險。
有人30秒得到一句正確答案後離開，數字上也許看起來很弱，但體驗可能非常成功。
另一個人找不到答案，在五頁之間來回，貢獻五個PV，卻可能只是迷路五次。
Google的HEART框架從Happiness、Engagement、Adoption、Retention、Task Success等面向衡量UX，並把產品目標連接到訊號與指標。[1]
所以在慶祝「每次造訪頁數增加」之前，先區分：
- 是否完成目的
- 是否有有趣發現
- 是否找到有用的下一步
- 是否願意再回來
值得增加的是 有價值的發現次數。
PV如果因此成長很好；如果把PV本身當成毒品，最後就會蓋出沒有出口的購物中心。
2. 發現——人追的不是連結數量，而是資訊氣味
Information Foraging Theory把資訊搜尋描述為：人根據環境線索，估計哪裡最可能有高價值資訊。[2]
在Web上，這些線索形成資訊氣味。
只寫「工作」「AI」「生活」的卡片只能告訴讀者分類。
「如何在不破壞關係的情況下拒絕請求」則能預測點擊後的價值。
因此，發現品質取決於標題、描述、主題、當下情境與預期收益是否一致，而不是連結越多越好。
Google也建議重要頁面應該從站內其他頁面得到可抓取的連結，錨文字要具體且相關；同時也說不存在每頁理想連結數的魔法數字。[3]
希望所有文章都能被發現，不代表要把所有商品堆到收銀台前。
3. 閱讀——不要把所有文章塞進同一模板
「5秒給結論」對某些內容很好，但對所有內容都這樣做會毀掉閱讀。
故障排除、手續、價格比較、設定指南通常適合先給答案。
體驗、觀察、文化、旅行與敘事分析的價值，則可能就在過程本身。
按內容類型定義讀者任務：
- 解決型：快速給答案、條件、步驟
- 判斷型：快速給選項與取捨
- 理解型：從問題走向結構
- 敘事型：保留事件、違和感與發現
- 高風險型：明示證據、適用範圍與不確定性
Google的people-first指引同樣重視真正對受眾有用、能幫助達成目標並留下滿意體驗的內容，而不是為操縱排名而製作的內容。[4]
格式應從人的目的出發，不是從SEO迷信出發。
4. 下一個興趣——先回答，再顯示一個原本沒想到的問題
相關文章最好的工作不是索取「再一個PV」。
它應該在目前問題解決後，讓讀者看到還沒來得及說出口的下一個問題。
Loewenstein的資訊缺口理論認為，當人意識到自己不知道什麼時，知識缺口可能產生好奇心。[5]
因此不要藏答案。
先回答。
再提供三個方向：
- 更深入
- 準備下一個可能出現的問題
- 到鄰近主題繞一下
這與點擊誘餌相反。
不是「答案在下一頁」，而是「答案就在這裡；知道它之後，下一個問題出現了」。
推薦研究也指出，如果一直推薦已經熱門的內容，再把這些反應餵回系統，流行度偏差可能自我放大，整體多樣性下降。[6]
因此推薦中應適量混入新內容、高品質低曝光內容、鄰近主題，以及避免同一內容永遠獲勝的多樣性限制。
從未被展示過的文章，不一定不受歡迎，只可能從沒被測試過。
5. 再訪——不要強迫回來，而要留下值得繼續的東西
要創造再訪，不必一開始就靠通知或註冊彈窗。
自我決定理論把自主性、勝任感、關係感視為內在動機的重要心理需要。[7]
網站不能機械套用，但能把它當成設計視角：
- 自主性：興趣可自行選擇、修改、刪除
- 勝任感：讀完後更理解、更會選擇、更能行動
- 關係感：網站有一致的視角與編輯態度
再訪入口可以是收藏、最近閱讀、繼續閱讀、所選主題的新內容，以及自然接續過去閱讀的文章。
理想不是「不回來就會失去什麼」，而是 回來後可以從上次思考的位置繼續前進。
6. 選項並不是越少越好
UX領域常把「選項太多可能讓人困難」說成絕對法則。
研究沒有那麼簡單。
Scheibehenne等人的後設分析整合50項研究、63個條件、5036名參與者，發現選擇過載的平均效果接近零，但研究間差異很大。[8]
因此研究並沒有給出「相關文章只能3個」「分類最多7個」這類萬用數字。
真正重要的是差異是否可理解、有沒有分組、是否有符合目的的入口、比較軸是否清楚、是否必須現在就做決定。
100篇文章平鋪會像地獄；按意圖整理則可能成為資產。
7. 自動改善——只學點擊，貨架會越來越單調
自動改善的第一條件不是AI，而是統一測量語意。
至少要區分：展示了什麼、展示在哪裡、是否被點擊、讀完後做了什麼、是否收藏或標記有用、是否再訪，以及哪些合格文章一次曝光都沒有。
還要一起記錄文章ID、語言、內容版本、推薦演算法版本。
循環是：
發布 → 曝光 → 行為 → 彙整 → 假設 → 小改動 → 再驗證
不要只優化點擊率。
聳動標題、極端主題與本來就熱門的內容更容易贏。
應同時使用任務完成、推薦後滿意度、再訪、內容曝光覆蓋、主題多樣性、速度與可讀性作為護欄。
自動化應該是一個避免系統越學越偏的控制系統。
8. SEO與UX不是敵人，但如果Google是唯一顧客，商店會壞掉
Google的Search Essentials與people-first指引強調有用且原創的內容、使用者實際使用的語言、以及可抓取的連結。[4][3]
Google也說Core Web Vitals不是排名的單一保證，但整體良好的頁面體驗仍值得追求。[9]
web.dev目前的良好門檻，在第75百分位為LCP 2.5秒以下、INP 200毫秒以下、CLS 0.1以下。[9]
多語言網站應明確連結不同語言或地區版本，例如hreflang。[10]
Google針對生成式AI搜尋的指引也強調長期價值來自獨特、有吸引力、有用且非同質化的內容。[11]
好標題、有意義的內部連結、速度、來源、清楚更新、正確語言URL與原創分析，對搜尋引擎和人都友善。
9. 用商店來看，整個系統會突然變清楚
首頁是門面，主題是貨架，搜尋是店員，文章是商品，相關文章是下一排貨架，收藏與歷史是暫存架與購物筆記，排行榜是POS，分析是營運資料，內容工廠是後場，QA是品管，發布系統是上架，推薦引擎是陳列負責人，SEO是招牌與地圖，多語言則是讓人用不同語言逛同一家店。
到這一步，營運者不需要每天手動搬動數百篇文章。
核心工作變成：決定要開什麼樣的店，並稽核自動陳列系統有沒有做奇怪的事。
10. 完成形不是困住讀者，而是讓網站自己學習
理想循環如下：
- 從搜尋、主題、外部連結、推薦任何入口都能理解價值。
- 單篇文章就能解決目前問題。
- 回答後出現自然的下一個問題。
- 只有想繼續的人往下走。
- 回訪者能迅速接續。
- 測量曝光、點擊、讀後行為、再訪與零曝光。
- 控制流行度偏差，同時更新推薦與貨架。
- 每次變更後重新檢查品質、速度、搜尋、語言與發布狀態。
- 變差就回滾。
- 不只改善文章，也提高好文章被發現的機率。
強大的網站不是把讀者困得更久，而是讓他們更快抵達需要的內容，偶然遇見自己原本不知道會喜歡的東西，並在下次回來時變聰明一點。
別只擴大倉庫。
開始做會學習的貨架。
資料來源
- Rodden K, Hutchinson H, Fu X. “Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications.” CHI 2010. Google Research research.google
- Pirolli P, Card SK. “Information Foraging.” Psychological Review. 1999;106(4):643-675. doi:10.1037/0033-295X.106.4.643 doi.org
- Google Search Central. “Link Best Practices for Google.” Checked 2026-09-25 developers.google.com
- Google Search Central. “Creating Helpful, Reliable, People-First Content.” Checked 2026-09-25 developers.google.com
- Loewenstein G. “The Psychology of Curiosity: A Review and Reinterpretation.” Psychological Bulletin. 1994;116(1):75-98. doi:10.1037/0033-2909.116.1.75 cmu.edu
- Mansoury M, Abdollahpouri H, Pechenizkiy M, Mobasher B, Burke R. “Feedback Loop and Bias Amplification in Recommender Systems.” 2020. arXiv:2007.13019 arxiv.org
- Ryan RM, Deci EL. “Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being.” American Psychologist. 2000;55(1):68-78. doi:10.1037/0003-066X.55.1.68 selfdeterminationtheory.org
- Scheibehenne B, Greifeneder R, Todd PM. “Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload.” Journal of Consumer Research. 2010;37(3):409-425 scheibehenne.com
- Google Search Central, “Understanding Page Experience in Google Search Results”; web.dev, “Web Vitals.” Checked 2026-09-25. ; https://web.dev/articles/vitals developers.google.com
- Google Search Central. “Tell Google about Localized Versions of Your Page.” Checked 2026-09-25 developers.google.com
- Google Search Central. “Google's Guide to Optimizing for Generative AI Features on Google Search.” Checked 2026-09-25 developers.google.com
