要令 AI 助手推薦你間餐廳，你需要三樣嘢：一個高過平台推薦門檻嘅評分（ChatGPT 大約係 4.3 星）、喺 AI 系統會讀取嘅各大目錄上保持一致嘅商戶資料，以及網站上機器可以直接抽取嘅結構化數據。大部分餐廳三樣都做唔到。
我哋直接做過測試。我哋問咗三個唔同嘅 AI 模型——Kimi K3、DeepSeek 同 Qwen——一條食客真係會打入去嘅問題：「香港最好嘅意大利餐廳係邊間？」 三個都答得好肯定。三個都首先講出 8½ Otto e Mezzo Bombana。之後我哋再問每個模型，點解會揀呢啲名。
啲答案好有啟發性，亦都係任何餐廳老闆可以有嘅最有用起點。
AI 助手實際上點樣揀邊間餐廳嚟推薦？
AI 助手推薦餐廳靠兩個完全獨立嘅機制：模型喺訓練期間吸收咗嘅嘢（佢嘅「記憶」），同埋佢搜尋時從網上即時抓取返嚟嘅嘢。呢兩者獎勵嘅係完全唔同嘅嘢，對其中一邊有效嘅招數，對另一邊幾乎冇作用。
當我哋叫 Kimi K3 解釋佢自己嘅香港選擇時，佢異常坦白：「我冇評估過呢啲餐廳——我唔識試味，亦去唔到任何地方。實際發生嘅係，某啲訊號令呢啲名字喺我嘅訓練數據入面統計上特別突出。」
呢個分別，比呢篇文章入面任何嘢都重要。如果你淨係優化你個網站，你只係玩緊兩場遊戲入面嘅一場。
AI「識」嘅嘢同佢即時搵返嚟嘅嘢有咩分別？
參數化知識係模型喺訓練期間吸收咗嘅嘢——佢唔使搜尋都答到你，但啲資料凍結咗喺訓練嗰刻，而且偏向被寫得最多嘅嘢。檢索則係助手喺答緊嘅途中搜尋即時網絡，抓取現時嘅網頁、商戶登錄同評價。
| 模型本身已經「識」嘅嘢 | 佢即時搵返嚟嘅嘢 | |
|---|---|---|
| 來源 | 訓練數據：文章、榜單、論壇、指南 | 即時網絡搜尋、商戶登錄、評價網站 |
| 咩會贏 | 多年累積嘅提及數量同重複度 | 準確度、結構、新鮮度、評分 |
| 改變速度 | 慢——以年計，靠傳媒報道同引用 | 快——幾日到幾個星期 |
| 邊個用 | 冇開瀏覽功能嘅 ChatGPT、離線模型答案 | Perplexity、Google AI Overviews、開咗搜尋嘅 ChatGPT |
大部分餐廳今個季度都實際做得到嘅，係推動第二欄。第一欄係長線戰——但都唔係冇希望，我哋下面會講。
AI 每次查詢實際會推薦幾多間餐廳？
AI 助手每條查詢通常淨係講三至五間餐廳，而根據 Uberall 2026 年 5 月一份關於 AI 餐廳發現嘅基準報告，83% 嘅餐廳分店從來冇喺 AI 生成嘅推薦入面出現過——即使當中有 86% 喺 Google 上有登錄。
呢個係 AI 搜尋最重要嘅結構性事實：冇第二頁。 喺傳統 Google 結果入面，排第十一都仲係存在——有心嘅食客可以碌落去。喺 AI 答案入面，做到第六最匹配就即係冇被提及，功能上等同唔存在。
同一份報告發現 ChatGPT 大約推薦 1.2% 嘅分店，而 Google 本地搜尋結果組（local pack）入面出現嘅有 35.9%。Gemini 大約去到 11%，Perplexity 大約 7.4%。
餐廳要幾多星評分先會被 AI 推薦？
唔同 AI 平台似乎採用唔同嘅評分下限。ChatGPT 傾向推薦平均 4.3 星或以上嘅餐廳，Perplexity 嘅門檻大約 4.1，Gemini 大約 3.9。一間 4.0 星嘅餐廳喺 Google 上仍然可以排得好好，但已經跌落 ChatGPT 用嘅那條線之下。
呢個係一種真正全新嘅失敗模式。喺傳統本地 SEO 之下，一間 4.0 星、鄰近度同相關性訊號都強嘅餐廳，競爭力完全冇問題。喺 AI 推薦之下，同一間餐廳可以喺比較都未開始之前，就已經被靜靜雞篩走。
實際含意就係：評價平均分唔再係虛榮指標，而係入場資格關卡。 如果你停喺 4.1，你同 4.3 之間嘅差距，就係「出現喺 ChatGPT 答案入面」同「喺入面唔存在」之間嘅差距。
一間餐廳最初點樣入到 AI 模型嘅記憶入面？
餐廳要進入模型訓練所得嘅知識，靠嘅係長時間內喺好多獨立來源上重複出現——被不斷引用嘅獎項、上到「最佳」榜單，以及論壇上持續嘅討論量。重點唔係任何單一次提及，而係同一個名字喺同一個語境入面，重複出現，年復年。
當我哋追問啲模型解釋佢哋嘅香港選擇時，有四個具體訊號浮現：
獎項重複，加一個易讀嘅記憶點。 Kimi 首先提到呢樣：「『意大利以外第一間攞到米芝蓮三星嘅意大利餐廳』係香港飲食寫作入面最常被重複嘅事實之一。呢個單一、易讀嘅資歷被不斷引用。」 獎項固然重要，但同樣重要嘅係，佢可以壓縮成一句可以不斷重複嘅說話。
上到排名榜單。 啲模型引述咗具體嘅上榜紀錄作為加分——其中一個提到，有間薄餅店之所以排喺同樣出色嘅對手前面，正正因為喺區域性「50 Top Pizza」榜單上有好成績，帶起咗一浪報道。
討論量。 有個模型直接解釋咗一間 casual 意粉吧點解咁突出：佢*「不斷喺日常語境出現——Reddit 討論串、論壇、外籍居民推薦……高討論量會被讀成有份量。」*
年資複利。 老字號餐廳單純累積咗更多文字，而飲食傳媒本身係自我強化嘅：榜單會引用之前嘅榜單。
AI 餐廳推薦入面內建咗啲咩偏見？
AI 餐廳推薦帶住佢哋來源嘅偏見：過度側重英文飲食傳媒、中環商業區、酒店餐廳同名廚餐廳，而本地語言圈嘅心水同啱啱開嘅新店就被低估。模型亦落後於現實——佢可以因為一個幾年前已經走咗嘅廚師而推薦一間餐廳。
呢點我哋唔使自己推斷。Kimi 主動講咗出嚟：「我嘅圖像好大程度由 SCMP、Tatler Asia、Time Out Hong Kong 同 Michelin 塑造——佢哋偏好中環位置、酒店餐廳同名廚坐鎮嘅場所。喺廣東話圈子入面備受喜愛嘅本地心水就被低估咗。」
佢仲更進一步，主動指出自己嘅時效問題：「知名度嘅壽命長過現實。」 佢亦直白咁指出上游嘅扭曲：「有公關同酒店市場預算嘅餐廳被報道得更多。我係繼承咗呢個偏見，唔係修正緊佢。」
對經營者嚟講有兩個啟示。如果你係一間冇 PR 預算嘅街坊餐廳，訓練記憶呢場遊戲真係唔公平——正因如此，下面即時檢索嗰場遊戲，先係你花力氣回報最快嘅地方。而如果你係一間已經好知名嘅餐廳，就唔好以為模型對你嘅印象仲係最新。
有咩會令一間餐廳出現喺 AI 即時搜尋嘅答案入面？
對於有搜尋輔助嘅答案，AI 系統倚賴嘅係同 Google 本地結果一樣嘅本地信任訊號：完整而準確嘅商戶檔案、全網一致嘅名稱、地址同電話號碼，以及近期嘅真實評價。喺呢度，準確度同一致性比市場推廣預算更重要。
你嘅 Google Business Profile 係地基。 唔止係認領咗——要完整。正確嘅分類、最新嘅營業時間（包括假期）、真實相片、準確嘅描述，以及一條可以用嘅訂座頁連結。
NAP 一致性係信任層。 喺各大引用來源上名稱—地址—電話數據一致嘅商戶，出現喺 Google 本地搜尋結果組嘅機會大約高 40%，而核心欄位完整準確嘅目錄檔案，互動量亦遠高於資料過時嗰啲。AI 平台需要呢種一致性，先夠信心相信所有呢啲登錄講緊嘅係同一間真實存在嘅商戶。
評價嘅新鮮度同數量，唔止係平均分。 由兩年前嘅評價砌出嚟嘅 4.5 分，同呢個月穩定流入嘅評價砌出嚟嘅 4.5 分，讀落係兩回事。
餐廳做 AI 搜尋需要邊啲 schema 標記？
餐廳應該實作 Restaurant schema（LocalBusiness 嘅一個子類型），加上 Menu 同 FAQPage 標記。Restaurant schema 繼承 LocalBusiness 嘅所有屬性，再加上餐廳專用欄位，包括 servesCuisine、hasMenu、acceptsReservations、priceRange 同 openingHoursSpecification。
值得做啱嘅欄位：
name、address、telephone——要同你嘅 Google Business Profile 完全一致servesCuisine——「邊度最好嘅意大利菜……」呢類查詢嘅直接答案priceRange——「抵食」同「高級」類查詢就係靠呢個篩選openingHoursSpecification——包括假期例外acceptsReservations同hasMenu——要配一份真正嘅 HTML 餐牌，唔係 PDF 或者圖片aggregateRating——喺真正適用嘅情況下
有一點值得直白講清楚：schema 標記唔保證你會被納入 AI 答案。佢係消除歧義，令機器可以有信心咁講出關於你嘅事實——呢個係被推薦嘅前提條件，唔係買到被推薦。
點解 Reddit 不斷喺 AI 餐廳答案入面出現？
喺 ChatGPT、Perplexity、Gemini 同 Claude 嘅 LLM 引用入面，大約 40% 都引用咗 Reddit，而喺 Google AI Overviews 嘅引用入面佔大約 21%——係嗰度被引用得最多嘅單一來源。原因係結構性嘅：Reddit 係全世界最大嘅公開存檔，收藏住針對人哋問 AI 嗰啲問題、具體而基於親身經驗嘅答案。
當有人問一個城市入面最好嘅意大利菜，Reddit 上就有真實食客連原因一齊比較具體餐廳嘅討論串。冇任何一間餐廳自己嘅宣傳頁面爭得贏，因為一間餐廳嘅網站只可以可信咁話自己一間餐廳好食。
呢樣唔代表你應該喺 Reddit 上砌假評論造勢。假推薦會被偵測、被刪除，而且可以永久損害一間餐廳嘅聲譽。佢真正代表嘅係：
- 喺已經存在、講緊你區或者你菜系嘅討論串入面，做到值得被提起
- 如果你真係有參與本地論壇，就以老闆身份透明咁去做
- 喺 Reddit 用戶唔多嘅市場，本地 Facebook 群組、飲食論壇同社區討論區餵養緊同一個訊號
喺香港同東南亞，邊啲目錄最重要？
喺亞洲，淨係靠 Google Business Profile 並不足夠。區域性發現平台喺即時檢索同訓練數據兩邊都有相當份量：香港、澳門同新加坡嘅 OpenRice；面向華語食客嘅 Dianping；適用時嘅 Michelin Guide；面向遊客嘅 TripAdvisor；以及針對訂座意圖查詢嘅 Chope、Klook 同 Eatigo。
一致性規則適用於每一個平台。同一個餐廳名，同一個串法，同一個地址，同一個電話號碼。同一間餐廳有兩個地址唔同嘅登錄，會主動破壞緊你想建立嘅實體可信度。
喺印度，Zomato、Swiggy Dineout 同 EazyDiner 扮演同等角色，而且係即時訂座渠道，唔止係被動嘅登錄。
冇米芝蓮星，可唔可以令 AI 推薦你間餐廳？
可以——但你需要一個「記憶點」：一個具體、可重複、可查證嘅說法，飲食寫手同食客可以一句話講返出嚟。模型會浮現嗰啲附帶住可壓縮事實嘅餐廳，而唔係淨係好食嘅餐廳。「出色嘅手工意粉」唔係記憶點。「全城唯一一間自家做撒丁島 fregola 嘅餐廳」先係。
呢點直接源自啲模型話畀我哋聽嘅嘢。米芝蓮三星嘅資歷之所以有效，係因為佢可以收縮成一句不斷被重複嘅說話。你冇辦法自己頒星畀自己，但你可以建立一個有同樣結構特性嘅說法：
- 你嗰區同類型餐廳入面營運最耐、從未間斷嘅一間
- 全城唯一一間供應某道特定地方菜嘅餐廳
- 一位有具體、可查證履歷嘅廚師
- 一個真正嘅首創：第一個引入某種特定食材、全區第一間零廚餘廚房
測試好簡單：一個記者可唔可以唔加保留咁一句話講返出嚟？如果可以，佢就傳播得開。如果要一整段背景先講得清，就唔會。
餐廳 AI 能見度 12 點清單
- 用你嘅類別同地區去問 ChatGPT、Gemini 同 Perplexity 邊間餐廳最好——記錄你有冇出現。呢個係你嘅基準線。
- 對照平台門檻檢查你嘅評價平均分（4.3 / 4.1 / 3.9）。如果低過，呢個就係你第一優先。
- 填晒 Google Business Profile 嘅每一個欄位，包括假期營業時間。
- 審核你搵得到嘅每一個登錄嘅 NAP 一致性，修正或者刪除重複項。
- 認領並填好你嘅區域目錄登錄——OpenRice、Dianping、TripAdvisor，以及你市場用緊嘅訂座平台。
- 喺你個網站加入 Restaurant schema，連同
servesCuisine、priceRange、openingHoursSpecification同acceptsReservations。 - 用真正嘅 HTML 文字發佈你嘅餐牌，唔好用 PDF 或者圖片。如果你嘅餐牌係一張相，機器係讀唔到嘅。
- 加一版 FAQ 頁，回答食客真係會問嘅問題，每條答案 40 至 60 字，直接放喺問題下面。
- 設定自動化嘅餐後評價邀請，令評價流持續而唔係零零星星。
- 回覆評價，包括負評——回覆模式係一個看得見嘅質素訊號。
- 定義你嘅記憶點，並確保佢出現喺你自己個網站、你嘅目錄描述，以及任何傳媒推廣入面。
- 每季重做第 1 步。AI 答案會變，而你想比對手更早知道。
Bistrochat 點樣幫到手
上面清單有幾項，係一個訂座系統要麼幫你做好、要麼阻住你做嘅嘢。Bistrochat 會發送自動化嘅餐後評價邀請，令評價數量同新鮮度保持穩定，而唔係靠有人記得去問。嚟自 Google Reserve、OpenRice、Dianping 同 Michelin Guide 嘅訂座，會同你嘅直接訂座一齊落喺同一張即時平面圖上，所以出現喺呢啲平台唔會製造對帳問題。而因為營業時間喺同一個後台設定、一致咁傳送去每一個渠道，客人見到嘅時間就係你真正營業嘅時間——而呢個正正就係 AI 系統喺度檢查緊嘅一致性。
呢啲全部都取代唔到好嘅食物。佢只係移除咗令一間好餐廳保持隱形嘅營運原因。
FAQ：AI 搜尋同餐廳推薦
AI 搜尋會唔會取代 Google 成為搵餐廳嘅途徑？ 仲未，但佢喺度搶佔份額。Google 嘅本地搜尋結果組仍然浮現得出遠多於任何 AI 助手嘅餐廳。實際做法係將 AI 能見度當成一個有自己規則嘅額外渠道，而唔係本地 SEO 嘅替代品。
要幾耐先會出現喺 AI 推薦入面？ 即時檢索方面嘅改善——檔案準確度、schema、目錄登錄——可以喺幾個星期內見效。要入到模型訓練所得嘅知識就耐好多，因為呢個取決於跨多個來源累積嘅報道，以及未來嘅訓練週期。
我可唔可以畀錢出現喺 ChatGPT 或者 Gemini 嘅推薦入面？ 唔可以。呢啲自然推薦入面冇廣告位。正因如此，獨立餐廳喺呢度同連鎖店競爭，比喺付費搜尋入面更加有效。
AI 助手知唔知我間餐廳已經結業或者換咗廚師？ 好多時唔知。用較舊數據訓練嘅模型，經常根據過時資料推薦餐廳——我哋測試過嘅其中一個模型自己都指出咗呢一點。保持即時登錄資料準確，就係你修正紀錄嘅方法。
喺我個網站放一個訂座 widget 對 AI 能見度有冇幫助？
間接但有實質作用。acceptsReservations 係 AI 系統會讀取嘅一個 schema 欄位，而一間可以網上訂座嘅餐廳，對「今晚可以喺邊度訂位」呢類問題嚟講，係比一間要打電話嘅更好嘅答案。
AI 推薦喺唔同語言之下會唔會唔同？ 會，而且分別好大。主要用英文來源訓練嘅模型帶住英文傳媒嘅偏見，所以一間喺廣東話或者泰文報道入面備受讚譽嘅餐廳，喺英文答案入面可能完全隱形，反之亦然。
我應唔應該寫網誌內容嚟爭取被推薦？ 只有喺內容真係回答到食客會問嘅問題時先值得。被引用嘅內容通常都有結構——清晰嘅問題、第一句就直接答、簡短嘅佐證事實——而唔係一堆講你對待客之道有幾熱情嘅宣傳文字。
最先要做、影響最大嘅一件事係咩？ 對照門檻檢查你嘅評價平均分。如果你喺比較開始之前已經被篩走，其他所有嘢都係白費力氣。
如果你間餐廳樣樣都做得啱，但食客問 AI 去邊度食嘅時候你仲係唔出現，聯絡我哋——我哋會同你逐項睇下，關於你嘅資料究竟有咩係真係睇得見。
