Cloudflare 觀測到非人類流量過半：企業官網該怎麼為 AI 代理人準備

Cloudflare 在 2026 年 7 月發布報告，依其網路資料指出，非人類流量已經超過五成。另一個值得注意的數字是：截至 2026 年 6 月，在 Cloudflare 能辨識用途的爬蟲請求中，52% 用於 AI 訓練，2025 年春季時是 22%。

這兩個數字常被簡化成「AI 機器人已經比人多」，專業判讀需要再多走一步。Cloudflare 使用的是 non-human traffic，範圍包含傳統機器人、自動化服務、搜尋爬蟲與 AI 相關流量。它不等於 AI 代理人單獨占全網過半，也不是各家獨立驗證後的全網定論。

即使把範圍說清楚，企業仍然要正視一個變化：網站的讀者與使用者，正在增加大量機器角色。它們會搜尋資料、比較產品、摘要內容、回答問題，未來也可能代表客戶採購或呼叫企業提供的服務。

企業官網因此多了一項任務：除了讓人看得懂，也要讓機器讀得準、判斷得對，並在清楚的權限內取得資料。

適合誰

• 正在規劃企業官網、品牌內容或數位轉型的經營者與主管

• 負責產品資料、網站營運、搜尋流量或內容治理的行銷與資訊團隊

• 想評估 AI 搜尋、AI 採購與代理型商務會如何影響企業的決策者

• 擁有大量專業內容、產品型錄、技術文件或產業資料，卻還沒有整理成一致知識資產的企業

你會得到什麼

• 一個正確判讀「非人類流量過半」的範圍與限制

• 一套企業內容與資料的四層盤點框架

• 一條 90 天試點路線，協助團隊從盤點走到可驗收

• 五個衡量指標，判斷企業內容是否真的能被 AI 找到、讀懂與正確引用

網站的使用者正在增加一種新角色

過去企業經營網站，主要面對兩類對象。

第一類是人。客戶、供應商、投資人、求職者與媒體進入網站，閱讀品牌介紹、產品資訊、案例與聯絡方式。

第二類是搜尋引擎。搜尋爬蟲讀取網頁，建立索引，再把人帶回企業網站。

現在出現了第三類角色：AI 系統。

AI 系統可能讀取網站完成不同任務：

• 搜尋與摘要企業資訊

• 比較產品規格、價格與服務條件

• 回答使用者對品牌、產品與產業的問題

• 讀取技術文件或 API，協助完成工作

• 代表使用者篩選供應商與準備採購資料

這些任務會直接影響企業被怎麼理解。

當產品資訊散落在 PDF、舊網頁與不同部門的簡報裡，AI 可能抓到過期版本。當同一項服務有三種名稱，AI 可能把它們理解成三個產品。當網站只有形象文案，缺少規格、適用情境與限制，AI 很難判斷什麼客戶真正適合。

這已經超過單純的搜尋排名問題。它牽涉品牌資訊、產品資料、知識治理與數位營運。

從注意力經濟走向機器決策

過去二十多年，網站常見的價值循環很清楚：

1. 企業或媒體公開內容。

2. 搜尋引擎帶來訪客。

3. 訪客看廣告、訂閱、詢價或購買。

4. 流量轉成商業成果。

AI 搜尋與代理人改變了中間環節。使用者可能直接在 AI 的回答裡取得摘要、比較與建議，不再逐一打開來源網站。企業內容仍被讀取，回到原站的人流可能減少。

Cloudflare 的報告將這個變化放進出版、零售、軟體、資訊服務與金融等產業脈絡。對一般企業來說，最重要的問題可以收斂成三個：

1. AI 能否正確理解我們是誰、提供什麼，以及適合哪些客戶？

2. AI 讀取的是最新且經過核准的資訊嗎？

3. 哪些資料可以公開讀取，哪些資料需要限制、授權或收費？

企業現在可以先回答這三題。按次付費與內容授權市場仍在早期，資料與權限的整理已經可以開始。

企業需要盤點的四個層次

第一層：內容層

內容層處理的是「企業到底說了什麼」。

企業至少要有一組能被一致理解的核心資料：

• 公司提供的產品與服務

• 各產品的適用情境與不適用情境

• 規格、條件、價格或詢價方式

• 常見問題與正式回答

• 案例、證據與可公開引用的成果

• 內容更新日期與負責部門

很多企業官網有品牌精神與形象故事，產品規格卻藏在業務簡報、型錄 PDF 或個人電腦。人可以透過詢問業務補足脈絡，機器只能依它讀到的內容判斷。

第一步是把重要資料整理成可維護、可查證的企業知識資產。

第二層：結構層

結構層處理的是「機器能不能穩定讀懂」。

企業可以依序檢查：

• 網頁是否使用清楚的標題與段落層級

• 產品名稱、分類與欄位是否一致

• 網站是否提供網站地圖與可索引頁面

• 重要資料是否只有圖片，缺少可讀文字

• 結構化資料是否能正確描述公司、產品、文章與活動

• API 或技術文件是否有清楚的版本與使用說明

robots.txt、網站地圖、乾淨的 HTML 與 Schema.org 結構化資料，都是較成熟的基礎。llms.txt 可以當成實驗性入口，協助 AI 找到重點內容，目前還不適合取代既有的搜尋與網站結構。

第三層：治理層

治理層處理的是「哪些機器可以讀什麼」。

企業可以把資料分成四類：

1. 公開且希望被找到：公司介紹、公開產品資訊、正式新聞與公開案例。

2. 可以讀取但要標明用途：技術文件、研究內容、專業文章。

3. 需要授權或付費：高價值資料集、完整研究、API 與專業工具。

4. 禁止外部讀取：客戶資料、內部策略、個資、合約與機密資訊。

接著為每一類資料指定負責人、更新週期與存取政策。

Cloudflare 的 Pay Per Crawl 已讓封閉測試用戶對 AI 爬蟲設定存取價格。Monetization Gateway 也在規劃透過 x402，讓網頁、資料集、API 與 MCP 工具採用按次計價。這些機制仍在發展中，現階段更實際的工作是先建立資料分級與存取邊界。

第四層：營運層

營運層處理的是「企業怎麼知道做了有沒有用」。

傳統網站常看瀏覽量、停留時間、跳出率與轉換率。機器流量增加後，企業還需要補幾種觀測：

• 哪些爬蟲與 AI 服務正在讀取網站

• 它們主要讀取哪些頁面

• AI 回答是否正確引用企業資訊

• 錯誤答案源自哪個過期頁面

• 產品資料更新後，外部 AI 多久才反映

• 被讀取的內容是否帶來詢價、合作或 API 使用

目前還沒有一組適用所有企業的標準答案。企業可以先建立自己的基準線，固定用同一批問題測量不同 AI 的回答，再觀察三個月的變化。

企業可以怎麼開始：90 天試點

第 1 到 30 天：盤點一項高價值主題

先選一項重要產品、服務或專業主題，不要一次整理整個網站。

完成三件事：

1. 列出目前所有公開資料與版本。

2. 指定唯一核准來源與更新負責人。

3. 寫清楚產品、適用情境、限制、規格與常見問題。

完成判準：行銷、業務、客服與資訊團隊引用的是同一份核心資料。

第 31 到 60 天：改善機器可讀性

把第一階段整理的內容做成清楚網頁，補上標題層級、文字版本、網站地圖與必要的結構化資料。

另外準備十個客戶真的會問的問題，交給三種可連網的 AI 服務測試。每次記錄日期、工具、是否真的讀到網站、引用頁面與回答內容。

完成判準：AI 能找到正確頁面，並依核准內容回答核心問題。

第 61 到 90 天：建立治理與複查

盤點網站與伺服器紀錄中的機器流量，辨識主要爬蟲與讀取行為。依資料分級決定允許、限制、封鎖或後續評估授權。

固定每月複查：

• 是否出現新的錯誤答案

• 哪些頁面已過期

• 產品資料是否前後矛盾

• 爬蟲政策是否符合目前目標

• 是否有值得進一步產品化或授權的高價值資料

完成判準：企業知道誰負責內容、誰負責技術設定、誰決定存取政策，以及用什麼證據判斷成效。

五個驗收指標

企業可以先用以下五項指標建立基準：

1. 回答正確率：固定問題中，AI 回答正確且沒有混用舊資料的比例。

2. 來源可追溯率：回答能連回企業正式來源的比例。

3. 內容一致率：官網、型錄、FAQ 與業務資料使用相同定義的比例。

4. 更新時差：企業資料更新後，外部搜尋與 AI 反映新版本所需時間。

5. 權限覆蓋率：重要資料是否都已標明公開、限制、授權或禁止讀取。

這五項數字不需要一開始就設定高目標。先量出現況，才能知道真正的問題在內容、結構、索引、權限或更新流程。

現在不必急著做的三件事

第一，不急著把大量舊內容全部重寫。先選一項高價值主題，跑完一次盤點、整理、測試與複查。

第二，不把按次付費收入列進短期預算。Cloudflare Pay Per Crawl 仍是封閉測試，Monetization Gateway 也在候補階段。企業可以觀察市場，同時先把有價值的資料整理好。

第三，不用單次 AI 測試做結論。不同工具的連網能力、索引來源與快取時間不同。固定問題、固定記錄方式與跨月份比較，才看得到趨勢。

結語

Cloudflare 的觀測提供了一個明確訊號：企業網站的使用者組成正在改變。

人依然重要。搜尋引擎依然重要。AI 爬蟲與代理人正在加入，開始參與資訊搜尋、產品比較與任務執行。

企業可以趁現在整理四件事：內容要一致、結構要可讀、權限要清楚、成效要能衡量。

當 AI 代表客戶尋找答案、比較供應商或準備採購時，它讀到的內容，會影響企業能不能進入候選名單。官網因此逐漸成為企業提供給人與機器共同使用的知識入口。

第一步很小：選一項重要產品，確認 AI 能不能正確回答「它解決什麼問題、適合誰、限制是什麼、下一步怎麼聯絡」。

這四題答得準，企業就有了一個可以繼續擴大的起點。

參考來源與查證邊界

本文引用的流量數據來自 Cloudflare 自有網路與 Cloudflare Radar。Cloudflare 表示其網路涵蓋超過 20% 的網站，樣本具有規模，但仍不代表所有網路服務商觀測到的結果完全一致。

• Cloudflare：Content Independence Day, one year on：https://blog.cloudflare.com/agentic-internet-bot-report/

• Cloudflare：What is Pay Per Crawl?：https://developers.cloudflare.com/ai-crawl-control/features/pay-per-crawl/what-is-pay-per-crawl/

• Cloudflare：Monetization Gateway：https://blog.cloudflare.com/monetization-gateway/

• x402 官方文件：https://docs.x402.org/introduction

• HUMAN：2026 State of AI Traffic & Cyberthreat Benchmark：https://www.humansecurity.com/wp-content/uploads/HUMAN_Report_2026-State-of-AI-Traffic-and-Cyberthreat-Benchmark.pdf

• Fastly：AI Traffic Grew 6.5x Faster Than Human Traffic This Year：https://www.fastly.com/blog/ai-traffic-grew-6-5x-faster-than-human-traffic-this-year

文中的四層盤點、90 天試點與五項驗收指標，是我依公開資料與企業 AI 導入經驗整理的實務框架，不是 Cloudflare、x402、HUMAN 或 Fastly 的官方方法論。

我是江江教練

隱性知識提煉師、AI 應用規劃師

我關注 AI 如何進入真實工作流程，也協助個人與組織把專業、判斷與經驗整理成 AI 能理解、能使用的知識資產。

如果企業正在評估 AI 導入，可以先從一項高價值流程或產品資料開始。把內容、規則、權限、更新責任與完成證據寫清楚，會比一次更換整套工具更接近真正的起點。