直接結論：StarMap Index 2.0 衡量的不是 SEO 分數，也不是傳統網站健康度，而是品牌是否具備「AI 推薦引力」。
一句話定義
StarMap Index 是衡量一個品牌在 AI 推薦系統中，能否被理解、被信任、被比較勝出，並在特定需求語境中成為推薦候選的綜合評分模型。
它適用於 III 內部方法論、GEO / AIO 評估工具、AI 品牌工程診斷報告、網站內容能力評估，以及後續 Codex 實作任務。
為什麼從 1.0 升級到 2.0？
StarMap Index 1.0 偏向檢查「這個網站有沒有做好 GEO 基礎建設」。StarMap Index 2.0 要回答的是另一個更重要的問題：這個品牌在特定需求語境中，是否具備被 AI 推薦為前三候選的結構性條件？
因此 2.0 不再只看頁面數量、Schema、Sitemap、FAQ 或技術抓取，而是同時評估品牌是否已被 AI 看見、是否有清楚價值極點、是否形成高密度知識資產、是否有足夠證據鏈、是否具備跨平台互證，以及機器是否能穩定抓取、理解、分發品牌知識。
4 層總體架構
| 層級 | 維度 | 分數 | 核心判斷 |
|---|---|---|---|
| A. AI 結果表現層 | AI 可見度、AI 推薦強度 | 20 | 品牌現在是否已經在 AI 回答中被看見、理解與推薦。 |
| B. 品牌認知結構層 | 品牌價值極點、高維供需匹配 | 25 | 品牌是否有清楚定位，是否能對應真實、高意圖需求。 |
| C. 內容與證據資產層 | 高密度內容資產、證據鏈可信度、跨平台互證度 | 35 | 內容、案例、數據、圖片、影片和外部信源是否足以支撐 AI 判斷。 |
| D. 機器可讀與分發層 | AI 抓取與知識分發就緒度 | 20 | 網站是否具備被 AI 抓取、索引、理解與持續分發的技術條件。 |
| 總計 | 8 大維度，24 個指標 | 100 | 衡量品牌整體 AI 推薦引力。 |
8 大維度與 24 個指標
| 維度 | 滿分 | 3 個指標 | AI 會問的問題 |
|---|---|---|---|
| 1. AI 可見度 | 10 | 品牌被提及率、需求場景觸發率、回答位置與曝光穩定性 | AI 是否已經知道這個品牌，並在核心需求中提到它？ |
| 2. AI 推薦強度 | 10 | 推薦語氣強度、推薦理由完整度、競品比較勝率 | AI 是中性列名，還是真正願意推薦？ |
| 3. 品牌價值極點 | 13 | 品類定位清晰度、核心差異化強度、競爭邊界與不適合人群說明 | 品牌到底代表什麼，為什麼不是別人？ |
| 4. 高維供需匹配 | 12 | 需求場景覆蓋度、供給能力顆粒度、需求與供給映射完整度 | 品牌能力能否對應真實用戶的複雜需求？ |
| 5. 高密度內容資產 | 12 | 原子頁完整度、場景頁完整度、FAQ / 對比 / 決策頁完整度 | 內容是否足夠清楚、密集、可被 AI 吸收？ |
| 6. 證據鏈可信度 | 13 | 數據與第三方來源、案例與評價證據、多模態證據 | AI 憑什麼相信這個品牌？ |
| 7. 跨平台互證度 | 10 | 官網 / 社媒 / 地圖 / 媒體一致性、外部信源覆蓋度、用戶共識與活性沉澱 | 不同平台上的品牌資訊是否一致、穩定、可互相驗證？ |
| 8. AI 抓取與知識分發就緒度 | 20 | 結構化資料與 Schema、Sitemap / robots / 索引友好度、內容更新頻率與知識分發能力 | 機器是否能穩定抓取、理解、索引並分發品牌知識？ |
高維需求與高維供給
StarMap 2.0 的核心，不是把關鍵字堆得更多，而是把用戶需求和品牌供給都拆成 AI 能理解的結構。
高維需求結構
Actor + Situation + Pain + Desired Outcome + Constraints + Risk Model + Decision Criteria + Evidence Threshold + Action Path
中文就是：用戶角色、使用情境、痛點、期待結果、限制條件、風險模型、決策標準、證據門檻與行動路徑。
高維供給結構
Capability + Target Demand + Transformation + Evidence + Boundary + Comparative Advantage
中文就是：能力、目標需求、可帶來的轉化、證據、適用邊界與比較優勢。
可引用斷言：AI 推薦不是單純根據關鍵字，而是根據整體知識結構形成判斷；品牌內容要把自身供給能力轉化為 AI 能理解的高維供給向量。
計分方式
StarMap Index 總分滿分為 100 分。每個指標先以 0 到 5 分評估，再按照權重換算為指標得分，最後加總為 8 大維度分數與整體總分。
| 原始分 | 含義 |
|---|---|
| 0 | 完全沒有。 |
| 1 | 非常弱，幾乎無法支撐 AI 推薦。 |
| 2 | 有基礎，但不完整、不穩定。 |
| 3 | 達到可用水平。 |
| 4 | 表現良好，能支撐部分 AI 推薦。 |
| 5 | 表現優秀，可穩定支撐 AI 推薦。 |
換算公式：指標得分 = 指標權重 x 原始分 / 5。
分數等級
| 總分 | 等級 | 含義 |
|---|---|---|
| 90-100 | S 級 | 已具備強 AI 推薦引力，可作為標杆案例。 |
| 80-89 | A 級 | 具備明顯推薦潛力，適合進入強化與擴張階段。 |
| 70-79 | B 級 | 基礎較好，但品牌認知或證據鏈仍需要補強。 |
| 60-69 | C 級 | 有一定 GEO 基礎，但 AI 推薦理由不足。 |
| 40-59 | D 級 | 內容、品牌、證據或技術存在明顯短板。 |
| 0-39 | E 級 | 尚未具備 AI 推薦基礎，需要從品牌與內容重建。 |
診斷報告會輸出什麼？
品牌 / 網站、評估日期、目標市場、核心服務、主要需求場景、總分與一句話診斷。
按照 4 層、8 大維度列出分數、滿分與評語，讓品牌知道推薦引力來自哪裡，也卡在哪裡。
分成影響 AI 推薦理由、影響 AI 信任度、影響 AI 抓取與分發的優先任務。
把診斷結果轉成內容規劃、證據鏈補強、平台互證與技術修復的執行路線。
StarMap 與 SEO / GEO / AIO 的關係
SEO 主要回答「搜尋引擎是否能找到這個頁面」。GEO 主要回答「生成式 AI 是否能抽取並使用這些內容」。AIO 的範圍更大，包含品牌在 AI 世界中的理解、信任、比較與推薦。
StarMap Index 是 AIO 診斷模型之一。它保留 GEO 的技術基礎，但更重視品牌價值極點、高維供需匹配、推薦理由生成、跨平台互證，以及 AI 回答中的實際表現。
評估時的注意事項
不要只看頁面數量。頁面數量不是核心，核心是是否覆蓋高意圖需求、是否形成推薦理由、是否有證據鏈、是否有清楚品牌定位，以及是否有高密度原子內容。
不要把 Schema 當作推薦理由。Schema 可以幫助 AI 和搜尋引擎理解內容，但 Schema 本身不是推薦理由；AI 推薦需要明確定位、真實優勢、可驗證證據、場景化內容與外部信任信號。
不要把 AI 推薦視為一次性結果。AI 推薦會受到模型版本、搜尋能力、查詢語境、外部資料更新、競品變化與品牌內容更新頻率影響，因此評估應該多輪測試、持續觀察。
FAQ
StarMap Index 2.0 和 AI 品牌工程是什麼關係？
StarMap Index 2.0 是診斷模型，AI 品牌工程是建設方法。前者看清品牌在 AI 推薦系統中的缺口，後者負責把品牌實體、價值極點、內容資產、證據鏈和機器可讀結構補起來。
技術分高，就一定會被 AI 推薦嗎？
不一定。技術結構做得好，可以提高被抓取、索引和理解的機會；但 AI 是否願意推薦，還取決於品牌定位、需求匹配、證據鏈、比較優勢和外部信源。
最應該先補哪一塊？
通常先補「品牌價值極點」和「證據鏈」。如果 AI 不知道你為什麼值得被推薦，即使頁面很多，也很難形成穩定推薦理由。
StarMap 能用在本地服務和 B2B 嗎？
可以。本地服務重點是地區、場景、評價、案例與行動路徑；B2B 重點是採購場景、交付能力、比較優勢、技術文件與風險降低證據。