重點摘要
- LinkedIn 新推出的「AI 劣質內容 (AI slop)」舉報功能，在短短兩週內便累積了百萬名用戶的使用回饋，顯示使用者對低品質內容的厭惡已達臨界點。
- 數據指出，被平台定義為「AI 劣質內容」的貼文，整體瀏覽量已下降 40%。這不僅是個人化的動態調整，更是平台演算法對負面使用者訊號的直接回應。
- 此舉與 Google 的「實用內容更新 (Helpful Content Update)」邏輯高度相似，核心目標是獎勵具備真實經驗、專業與洞察 (E-E-A-T) 的內容，而非全面封殺 AI 工具。
- 對於行銷人員，這意味著 LinkedIn 的內容策略重心必須從「量產效率」轉移至「深度價值」。將 AI 定位為優化語言與結構的輔助工具，而非取代人類觀點的內容產生器，才是確保長期演算法可見度與商業轉換的關鍵。
百萬名用戶，兩週時間，一個新增的舉報按鈕。這些數字不僅僅是 LinkedIn 的一項產品更新日誌，在我看來，這更像是一場正在專業社群網路上演的演算法革命。當生成式 AI 的便利性以驚人的速度普及，隨之而來的便是大量缺乏靈魂、觀點與實質價值的「AI 劣質內容 (AI slop)」。LinkedIn 這次的行動，看似只是一個簡單的功能更新，實則揭示了一個深刻的趨勢：平台正在將使用者回饋的「質化」訊號，轉化為影響內容分發的「量化」權重。這不僅是社群媒體的治理問題，更是搜尋與推薦引擎演進的必然路徑。
百萬次點擊的背後: 使用者訊號如何重塑 LinkedIn 內容生態？
首先，我們必須精準定義 LinkedIn 官方口中的「AI slop」。產品負責人 Sam Corrao Clannon 解釋，這並非指所有使用 AI 輔助的內容，而是那些「外表精緻，但缺乏實質內容」的貼文。換言之，它們沒有提供任何獨特的經驗、個人觀點或深刻洞察，只是為了佔據版面、博取眼球而存在的空洞文字。這項舉報功能，本質上是 LinkedIn 賦予用戶一個強而有力的「負面訊號」發送器。
過去，演算法判斷內容品質多依賴「正面訊號」，如按讚、留言、分享與觀看時長。然而，這些指標容易被操縱或因標題聳動而失準。現在，LinkedIn 直接向用戶徵求「這篇內容很空洞」的明確回饋。百萬用戶在兩週內的使用數據，不僅僅是幫助他們個人化自己的動態消息，更重要的是，這形成了一個龐大、高品質的標註資料庫 (labeled dataset)。每一筆「AI slop」的舉報，都在訓練 LinkedIn 的機器學習模型，使其未來能更自動、更精準地識別並降低這類低價值內容的觸及。
不只是個人化: LinkedIn 正在訓練它的「實用內容演算法」
身為長期關注搜尋引擎演算法的分析師，我看到 LinkedIn 的策略與 Google 近年來的核心方向如出一轍，尤其是「實用內容更新 (Helpful Content Update, HCU)」。Google HCU 的核心精神，就是打擊為了搜尋引擎排名而生產的內容，並獎勵為「人」而寫、充滿真實經驗與專業的內容，也就是我們熟知的 E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) 原則。
LinkedIn 正在做的，可以視為一個社交平台版本的 HCU。當用戶舉報一篇貼文為 AI slop，他們實質上是在告訴演算法：「這篇內容缺乏 Experience (經驗) 和 Expertise (專業)」。當大量用戶對同一位創作者或同一類型內容產生共識時，這個訊號的權重就會被放大，進而影響該內容的整體分發，最終導致了那驚人的 40% 瀏覽量下降。這代表內容的能見度，不再只由創作者的網路規模決定，更取決於其內容的「價值密度」。LinkedIn 正在從一個純粹的「社交圖譜 (Social Graph)」平台，加速向一個強調內容品質的「價值圖譜 (Value Graph)」演進。
當「專業」可被量化: 演算法如何影響品牌信任度
這 40% 的瀏覽量降幅，對 B2B 行銷人員來說是個嚴肅的警鐘。在 LinkedIn 這個以專業形象為核心的場域，內容即是品牌的延伸，更是建立信任、通往潛在客戶的橋樑。許多企業可能被 AI 生成內容的「效率」所誘惑，認為可以快速產出大量看似專業的文章來維持曝光。然而，最新的數據證明，這是一條高風險的捷徑。
當你的內容被演算法歸類為「低價值」，損失的不僅是觸及率，更是無形的品牌資產。試想，一位潛在客戶在動態上看到一篇由你公司發布、卻言之無物的 AI 貼文，他會怎麼想？他不會認為是 AI 的問題，而是會質疑你公司的專業能力與投入程度。長期下來，這種策略侵蝕的是客戶的信任感，而信任正是 B2B 業務成交的基石。反之，那些堅持分享第一手經驗、獨到產業分析、或是實際案例剖析的內容，不僅能獲得演算法的青睞，更能在大數據的驗證下，被標記為「值得信賴的專家」，進而提升潛在客戶的轉換意願。
從 SEO 到 GEO (Group Ecosystem Optimization): 台灣 B2B 企業的生存指南
對於正在經營或考慮投入 LinkedIn 的台灣企業而言，這次的更新提供了一個清晰的戰略方向。台灣擁有許多在特定領域具備深厚實力的隱形冠軍，無論是半導體、精密機械還是生技醫療，我們的「專家知識 (domain knowledge)」正是對抗 AI slop 最強大的武器。行銷人員不應再將思維停留在如何用 AI「生成」一篇貼文，而應思考如何用 AI「優化」來自專家的真實洞見。
具體來說，策略應轉向一種我稱之為 GEO (Group Ecosystem Optimization，社群生態系優化) 的思維。首先，內容的核心必須源自內部專家，例如研發工程師的專案筆記、業務團隊的客戶成功案例、或是創辦人對產業趨勢的獨特觀察。其次，利用 AI 工具進行語言潤飾、調整格式、生成摘要或提供不同角度的標題建議，讓專家的硬核知識能以更易讀、更易傳播的形式呈現。最後，發布後積極觀察社群反應，將有價值的討論與提問，作為下一篇深度內容的素材。這種正向循環不僅能持續產出符合 E-E-A-T 原則的高品質內容，更能圍繞品牌建立起一個活躍、專業的生態圈，這才是演算法與真實客戶都樂見的結果，也是通往有效轉換的康莊大道。