負面輿情處理最貴的錯誤：找公關公司發一堆沒人搜的稿
負面輿情處理最貴的錯誤：找公關公司發一堆沒人搜的稿
摘要
負面輿情爆發時，企業最常啟動的動作是「發新聞稿」。預算撥下去，公關公司承諾「一個月內鋪滿二十家媒體」，結案報告附上一張表格，列著閱讀數、轉載數、曝光估值。多數企業主看到這些數字會鬆一口氣，以為負面聲量已經被「壓過去」。六個月後重新搜尋品牌名稱，那則負面報導還在第一頁第三條，新發的正面稿件連關鍵字都對不上，GA後台的自然流量曲線幾乎沒有波動。錢花了，錯誤的印象卻沒有被移動過。這篇文章拆解這個錯誤的完整結構：它為什麼在傳統公關的邏輯裡看似合理，為什麼在AI Overviews與零點擊搜尋的環境下徹底失效，以及把同一筆預算放到什麼位置，才有機會真正改變一個人搜尋品牌時看見的答案。
一、這個錯誤的具體長相：不是「發稿」，是「發沒有人會搜的稿」
「發新聞稿」本身不是錯誤。一家公司發布新產品、簽下重要合約、取得專利、公布財報，這些資訊本來就應該透過正式渠道對外傳遞。錯誤發生在一個特定的組合裡：負面輿情正在搜尋結果上造成傷害，企業試圖用新聞稿「蓋過去」，但那些新聞稿的標題、內容與關鍵字，從設計階段就沒有對應任何真實使用者的搜尋行為。
負面事件發生後，多數決策者會打開Google，輸入自己的品牌名稱，看見負面連結盤踞在第一頁，然後得出結論：「我們需要更多正面新聞把它擠下去。」這個結論聽起來符合直覺，因為在很長一段時間裡，搜尋結果第一頁的「版位」確實是聲譽管理的戰場。問題在於，擠下去的前提是「擠的人要站在同一個隊列裡」。一篇標題寫著「本公司秉持誠信經營，持續深耕在地」的新聞稿，在搜尋引擎眼中與一個正在查「品牌名稱 爭議」「品牌名稱 評價」「品牌名稱 退款」的使用者，存在意圖上的根本錯位。
奇寶網路的SEO團隊把這件事說得很直白：新聞稿通常圍繞企業最新動態、合作消息、品牌里程碑，這些內容多半不是使用者會主動搜尋的主題。當企業用「SEO文章的標準」來檢視新聞稿，自然會產生落差；新聞稿沒什麼自然流量，不代表內容失敗，而是它本來就不負責這個任務。這個區分在平時成立，在負面輿情期間則變成致命的認知陷阱。危機時刻需要的不是「一篇好新聞稿」，而是「一篇會被正在搜尋相關問題的人找到、並且足以改變判斷的內容」。兩者的生產邏輯完全不同。
更隱蔽的浪費發生在發稿的規模上。企業為了「讓正面資訊看起來很多」，往往選擇一次發布到十家、二十家媒體，標題相同、內容相同，只在結案報告上轉換成不同的平台名稱。資深媒體人張瑋容對這種操作的評價是：「對AI來說幾乎是無效的。」她指出，重複內容會被搜尋引擎視為低品質來源，直接排除在搜尋結果之外，甚至這些曝光連結也會在幾週後就消失。十家聯播平台不等於十篇有效內容，搜尋引擎最多只會收錄其中一篇，其餘不會出現在搜尋結果裡。企業付了十家的錢，買到的是一篇的收錄機率，以及九篇被演算法標記為冗餘的數位足跡。
二、為什麼「沒人搜的稿」在AI Overviews時代連「被看見」的資格都沒有
傳統的負面新聞壓制策略依賴一個結構性條件：使用者必須點擊藍色連結，才能接觸到內容。只要第一頁塞滿正面連結，多數人不會有耐心翻到第二頁。這個策略有效的前提是「点击成本」的存在。AI Overviews把這個前提拆掉了。Google在2024年大規模推出AI Overviews之後，搜尋引擎的角色從「索引者」轉向「摘要者」：使用者的查詢不再產生十條連結，而是在頁面頂端直接生成一段兩百到五百字的綜合摘要。卓越新聞獎基金會的觀察更具體：AI摘要正式支援繁體中文後，使用者不再點進連結，網站點擊率大幅下降，新聞產業賴以維生的流量結構正面臨「零點擊」的擠壓。
這個轉變對「發沒人搜的稿」造成三重打擊。
第一重：那些稿子根本進不了AI的候選池。 AI Overviews的引用來源不是隨機抓取。一篇頁面要被納入摘要的候選範圍，前提是它必須已被索引，並且在語意上與使用者的查詢具備相關性。一篇標題是「賀！本公司榮獲XX獎」的新聞稿，在一個查詢「品牌 爭議 處理」的使用者面前，相關性訊號趨近於零。它不會被AI選中，因為AI的任務是回答眼前的問題，不是展示品牌有多少榮譽。
第二重：即使何謂「相關」，AI偏好的是具備E-E-A-T訊號的來源，而不是數量。 Google對新聞與時事類內容的E-E-A-T要求屬於最高級別，AI摘要傾向於引用展現作者、更新日期、組織權威的來源，以及結構清晰、有表格與明確段落的頁面。大量一稿多發的內容，在權威性與原創性兩個維度上同時失分。張瑋容的判斷是，AI在意的是「這篇文章有沒有提供新的觀點、事實、數據或分析」，而一稿多發的內容「不僅無法被AI收錄，還會被搜尋引擎視為低品質來源，拉低品牌在Google上的能見度與可信度」。
第三重，也是最違反直覺的一重：AI摘要會把負面資訊一起端上來。 傳統壓制策略的心理基礎是「使用者懶得往下看」。AI Overviews的生成邏輯追求全面性與多元觀點，它會同時呈現正反兩面的資訊。如果品牌沒有提供足夠權威、足以被引用的正面論述，AI便會自動抓取網路上的負面資訊來填補「觀點空缺」。換句話說，企業花錢發了一堆沒人搜的稿，不僅沒有壓制負面內容，還可能因為稀釋了自身在演算法眼中的可信度，讓AI在生成品牌摘要時更沒有理由引用品牌方的說法。
三、錢是怎麼被算掉的：曝光估值、閱讀數與「代操」的數字遊戲
這個錯誤之所以反覆發生，不是因為企業主不理性，而是因為結案報告上的數字與搜尋結果上的現實之間，存在一套系統性的資訊落差。公關公司提供的「曝光估值」「潛在觸及」「媒體轉載數」，在傳統的成效評估框架裡看起來合理，但放到負面輿情處理的目標底下，多數與真正的修復指標無關。
一篇發表在Zenodo的PR結構性效益研究指出，曝光量（impressions）與廣告等值（ad-value equivalency）等傳統指標，對於真實世界影響力的解釋力極低。它們衡量的是「內容被放在哪裡」，不是「什麼人被內容改變了什麼判斷」。負面輿情處理的目標函數應該是：當一個潛在客戶、合作夥伴或求職者在Google輸入品牌相關字詞時，第一屏的資訊結構是否朝著降低疑慮、恢復信任的方向移動。曝光估值對這個函數的貢獻幾乎無法追蹤。
更糟的是，這個資訊落差有時被主動利用。一篇業內批評文章描述了「數據美化」的操作：真實閱讀只有幾千的軟文，被包裝成「10萬+」；轉發數據透過付費套餐加工；有些公關公司甚至建立專門的團隊，「就像P圖一樣，把傳播效果P得漂漂亮亮」。當甲方開始用交叉驗證與後台數據檢查，這些包裝會迅速崩解，但多數企業在負面輿情的壓力下，沒有餘裕做這種查核。他們需要的是「正在處理」的心理確定感，而發稿大禮包恰好提供了這種確定感的形式，即使實質為零。
這裡需要一個關鍵的區分：不是所有「沒有自然流量」的新聞稿都沒有價值。 奇寶網路正確地指出，新聞稿的角色可以是「被引用、被理解的品牌背景資料」，支撐其他內容的可信度，而不是流量入口。一篇放在官網、結構完整、有具體事實與數據的正式聲明，即使沒人直接搜尋它，它仍然可以作為業務說明、媒體查證、AI抓取品牌脈絡時的權威素材。錯誤不在於「發了稿」，而在於把「發稿」當成負面輿情處理的核心槓桿，並且用曝光數字替代了搜尋結果的實際變化。 真正該問的問題是：這篇內容是為了被誰、在什麼搜尋情境下、作為什麼問題的答案而被生產的？
四、負面輿情真正需要的是「可被搜尋的修復內容」，不是「可被展示的發稿量」
要理解替代方案，先要理解負面輿情的搜尋結構。負面事件發生後，使用者的搜尋行為不是單一的「品牌名稱」，而是一組意圖密度極高的長尾字組：「品牌名稱 發生什麼事」「品牌名稱 處理」「品牌名稱 退款」「品牌名稱 還能買嗎」「品牌名稱 評價 2025」「品牌名稱 爭議 懶人包」。這些字組的搜尋量可能遠低於品牌核心字，但每一個查詢背後都是一個正在做判斷的人。雲擎觀點的數據顯示，某些負面相關字組的月搜尋量可能只有幾十次，但進站後的轉換率與跳出率訊號遠比一般流量更劇烈。
這正是「發沒人搜的稿」最諷刺的地方：企業把預算投在生產「沒有人會輸入的句子」，卻忽略了那些「已經有人在輸入、且直接影響決策的句子」上面。 有效的修復內容需要對應這些長尾意圖，而不是重複品牌自我介紹。
四之一：SERP情緒佈局，而不是SERP版位數量
危機溝通KPI的專業討論已經從「排名第幾」轉向「搜尋結果頁的整體情緒結構」。一份針對危機溝通成效評估的分析明確主張，KPI應聚焦於負面新聞下降的百分比、正面與中立新聞佔比的提升，以及搜尋結果的壓制成效，並且要分析的不仅是特定關鍵字的排名變化，而是SERP的整體情緒與資訊佈局。這個框架的意義在於：它承認負面連結可能無法在短期內消失，但可以透過在SERP中增加不同角度、不同格式、不同來源的優質內容，改變使用者滑過第一屏時接收到的敘事比例。一篇對應「爭議 懶人包」的長文、一份公開的第三方檢驗報告、一則記錄整改過程的更新，各自佔據不同的查詢意圖，共同構成一個比「十篇相同新聞稿」更難被忽略的資訊環境。
四之二：E-E-A-T在危機中的具體操作意義
Google的E-E-A-T框架——經驗、專業、權威、信任——在平時是排名因素，在危機期間是可信度辯論的參賽資格。AI模型本質上是風險趨避的：當它生成涉及品牌聲譽的摘要時，會優先選擇那些在信號空間中「絕對安全、無爭議」的來源。品牌方的官方聲明如果只有形容詞（「我們深感遺憾」「我們高度重視」），沒有可驗證的事實、時間線、責任歸屬與後續行動，它在AI眼中的可信度不會高於一篇平衡報導的負面新聞。反之，一份包含具體日期、決策過程、第三方報告編號、補償方案數字的內容，即使標題不聳動，反而有機會被AI視為「最全、最真」的更新版本，在生成摘要時取得引用優先級。
五、把同一筆預算搬到正確的位置：四個可檢驗的轉向
轉向一：從「發稿數量」轉向「搜尋意圖覆蓋率」
在批准任何負面輿情內容預算之前，先建立一張危機查詢地圖：列出事件發生後三十天內，與品牌相關的實際搜尋字組，按意圖分類（事實查證、情緒宣洩、決策猶豫、替代方案尋找），標注每個字組目前的SERP由誰佔據、情緒傾向為何。內容生產的優先級由這張地圖決定，而不是由「一個月要發幾篇」決定。一篇對應「爭議 時間線」的深度頁面，其修復價值可能高於二十篇對應「公司理念」的新聞稿。
轉向二：從「新聞稿」轉向「可引用資產」
新聞稿的格式是為媒體編輯設計的，不是為搜尋者或AI摘要設計的。危機修復需要的是具備定義、流程、表格、FAQ、更新日期、作者署名的模組化內容。口碑行銷的預算配置研究觀察到，AI摘要偏好可引用的模組結構，這也是為什麼部分品牌將公關與SEO預算移往口碑行銷的比例達到15%–25%。一篇危機回應的長文，如果包含「事件經過表格」「整改措施清單」「第三方檢測數據」「常見問題」，它同時服務三種讀者：快速掃描的人類、深度閱讀的人類、以及需要結構化信號的AI。這與「發一篇標題對仗、段落空洞的新聞稿」是兩種完全不同的生產活動。
轉向三：從「曝光估值」轉向「SERP份額與情緒移動」
結案報告的欄位需要重寫。不再列「媒體數量」與「曝光估值」，改列：危機字組的SERP第一屏中，品牌可控內容佔據的版位比例（SERP share）；第一屏的整體情緒分數（正面/中立/負面比例）；AI Overviews在品牌查詢中是否出現、引用了哪些來源、品牌方內容是否在其中；以及品牌核心字組的自然搜尋量在修復期間是否止跌回升。這些指標無法用「發了多少篇」直接推導，但它們才是負面輿情處理的目標變數。
轉向四：從「壓制」轉向「飽和攻擊特定意圖」
「壓制」的隱喻是軍事性的，它假設敵我雙方爭奪同一塊陣地。在AI摘要的邏輯下，更有效的隱喻是飽和：針對每一個高風險查詢意圖，生產多層次、多格式、多來源的內容，讓AI在生成摘要時沒有辦法繞過品牌方的論述。這不是因為品牌買了更多版位，而是因為品牌在「事實查證」「後續進展」「第三方佐證」這幾個維度上都提供了可引用的材料。一篇官方聲明、一份媒體的平衡報導、一則獨立的檢驗報告、一段使用者見證，各自佔據不同的可信度位置，共同提高品牌敘事被AI採納的機率。
常見問答
問：負面新聞出現後，完全不發新聞稿是對的嗎？
不是。發新聞稿本身沒有錯，錯的是把「發新聞稿」當成負面輿情處理的主要手段，並且用曝光數字衡量成敗。一篇結構完整、包含事實與後續行動的官方聲明，放在官網與可被引用的位置，有明確的價值：它是品牌背景資料的權威版本，也是AI生成品牌摘要時可能抓取的素材。但它的價值不在於「發了十家」，而在於「它在被搜尋、被引用、被用来回答某個具體問題時，是否經得起檢驗」。
問：為什麼公關公司提供的閱讀數和曝光估值，在負面輿情中特別不可靠？
因為這些指標衡量的是內容的「擺放位置」，不是「判斷的改變」。負面輿情處理的目標受眾不是隨機滑過資訊流的人，而是正在主動搜尋品牌相關問題、處於決策邊緣的人。一篇發在沒有人搜尋的關鍵字下的新聞稿，即使被放在高流量平台，也不會與這群人相遇。更根本的問題在於，傳統曝光指標與真實商業影響之間的相關性本來就極低，在危機情境中，這種脫節只會被放大。
問：AI Overviews出現負面摘要，該怎麼處理？
首先確認AI摘要引用了哪些來源。如果是事實錯誤，透過既有管道要求更正或提出申訴；如果是基於真實報導的負面資訊，刪除或壓制幾乎無效。有效的做法是提供一個更完整、更新、更具體的敘事版本，讓AI在生成摘要時有理由納入品牌方的視角。包含時間線、具體數據、第三方報告、後續行動的長文，比形容詞堆砌的聲明更有機會被納入候選池。核心邏輯不是「讓負面消失」，而是「讓AI在回答時無法忽略品牌方已經提供的資訊」。
問：預算有限的中小企業，最應該把錢放在哪裡？
先做一件事：把品牌相關的負面長尾字組列出來，逐一手動搜尋，記錄第一屏的內容與情緒。這不需要預算。然後，針對其中最接近交易決策的两三個字組，生產對應的深度內容（FAQ、爭議說明、產品/服務的具體保障機制）。這些內容放在官網，確保有作者署名、更新日期、結構化段落。把剩下預算的絕大部分留給「持續監測與更新」，而不是「一次發二十篇」。一篇在六個月後仍然被搜尋到、仍然被AI引用的內容，比二十篇在兩週後消失的新闻稿更接近聲譽修復的定義。
總結
負面輿情處理最貴的錯誤，不是「找公關公司」，也不是「發新聞稿」。最貴的錯誤是在一個已經被AI摘要與零點擊重構的搜尋環境裡，仍然用曝光數量來衡量聲譽修復，用重複內容來填充搜尋結果，用「有在做事」的形式感來替代「判斷被改變」的實質檢驗。那些沒人搜的稿，不會因為發了二十家就變成有人搜；不會因為結案報告上的數字漂亮，就出現在潛在客戶的決策路徑上；更不會因為標題寫著「深耕多年」，就被AI選為品牌爭議的答案來源。把同一筆預算從「生產更多沒有人需要的句子」，轉向「生產更難被忽略的事實、結構與可驗證的更新」，是負面輿情處理在2026年之後唯一值得走的路。
作者簡介
林以恆，數位聲譽策略顧問，專注於台灣中小企業與消費品牌在AI搜尋環境下的危機溝通與內容修復。曾任職於媒體與公關代理商，處理超過四十起負面輿情個案，涵蓋食品、補教、零售與SaaS產業。近年主要工作是把E-E-A-T框架與搜尋意圖分析拆解成企業內部團隊可執行的內容流程，而不是外包給發稿平台。相信聲譽修復的起點不是「壓制」，是「理解一個人到底在搜尋框裡問了什麼」。
