AI Mode里买了广告，AI就会引用你吗？5万商业词说三条通道各走各的

摘要：五万个商业词的实测里，AI模式的广告出现率是29.45%，但这个分母是被预先筛过的——全都是常规搜索里本来就会出广告的词。真正难受的是另外三个数字：广告主域名进入被引来源的只有11.53%，精确到网址只剩1.95%，还有约八成五的广告主在同一批词的自然结果里根本找不到。同一块屏幕，三条通道各走各的，买了其中一条不会顺带送你另外两条。

这项研究到底测了什么，样本经得起看吗？

2026年6月30日，有人把五万零三十二个商业关键词在美国的AI模式结果里跑了一遍，覆盖二十个细分行业，每个行业大约两千五百个词。

采集口径写得挺实在：只看AI回答里的文字广告，商品轮播那类形态排除在外。这个取舍很关键，后面很多误读都出在没注意它。

先说这份数据能回答什么。它能告诉你广告在AI模式里铺到了什么密度、什么样的词更容易被铺、以及广告位和其他位置之间是什么关系。

它回答不了的也很明确：单日快照，没有时间序列；美国结果，设备口径没交代；AI模式本身在不同会话之间还会飘。这份关键词层面的AI模式广告实测自己也把话说在前头，称结果描述的是这个特定数据集里的规律，未必适用于每个关键词、每个细分领域、每个地区或每个时间点。

这种自陈式的设限，在厂商研究里算是难得的坦白。多数同类报告只会把结论加粗，把边界写进脚注，甚至干脆不写。

判断一份厂商研究值不值得当依据，保哥习惯先看三件事：结论指向谁的钱包、有没有第三方能复现、以及它主动承认了什么。这份研究在第三条上给了分，第二条暂时空着——目前还没有别的机构用同样口径跑过一遍。

所以下面所有数字，都请当成一个有明确边界的观测，而不是行业定律。

那个29.45%，分母其实不是所有商业查询？

这是全篇最该拧过来的一处。

29.45%的算法是：五万零三十二个词里，有一万四千七百三十三个在AI模式里返回了文字广告。看上去像是“每三个商业查询就有一个带广告”。

但那五万个词是怎么来的？选样标准写着，全部挑的是会触发网站文字广告的词。

换句话说，这批词在常规搜索里本来就是出广告的。所以这个数字的准确读法是：在常规搜索里本就会出广告的商业词当中，有29.45%在AI模式里也出了广告。

这跟“所有商业查询里有三成带广告”完全是两个量级的说法。后者把分母悄悄换成了整个商业词库，而商业词库里有大量根本没人投的长尾词。

行业里的转述普遍朝放大的方向滑了一格。把它概括成AI模式广告已触及近三成查询的那篇报道标题就是这么起的，中文圈再转一手，“三分之一商业查询出广告”就成了定论。

标题党谈不上，媒体标题本来就要压缩。问题在于压缩之后没人再回去看分母，而做预算的人恰恰是照着标题拍板的。

这里有个实用推论：如果你手上的词在常规搜索里根本没有广告竞争，这份研究的29.45%对你没有任何参考价值。你该先确认自己在不在这个样本框里。

确认方法很土，但有效：把你的核心词丢进任意一个关键词工具，看有没有点击成本数据、有没有广告主在投。没有的话，你面对的是另一张地图，这份研究上的地名对不上。

为什么说读研究先读分母，比读结论更重要？

这不是这一份研究独有的毛病，是整个行业报告生态的通病，值得单拎出来说。

厂商研究的分母通常被三种方式动过手脚，且都不算造假。

第一种是预筛选，也就是这次遇到的。样本先按某个条件过滤，结论却按全体表述。选样时写得清清楚楚，传播时第一个被丢掉。

第二种是可得性偏差。能拿到的数据往往来自厂商自己的客户或工具用户，这批人本身就比行业平均更重视这件事，结论天然偏乐观。

第三种是口径切换。摘要里用一个宽口径讲结论，方法论里用一个窄口径做计算，两者由不同的人写，谁也没说谎，合在一起就变了味。

应对办法只有一个，而且不费时间：看到任何一个百分比，先花十秒钟找它的分母是谁。找不到分母的百分比，一律降级成参考，不当依据。

这条习惯的性价比高得离谱。它拦不住所有错误，但能拦住那些代价最大的——因为最贵的决策失误，往往不是算错了，是把一个不适用于自己的数字当成了适用的。

出广告的那批查询，为什么七成是一次出两条？

出广告的一万四千七百三十三个词里，71.1%返回的是两条广告一起显示，只有28.9%是单条。

这条数据传播得很少，但它改的是画面感。

很多人对AI模式的印象是“广告没那么多”，因为整屏被一大段生成文字占着，广告在视觉上不像传统结果页那样成片排列。可一旦某个词触发了广告，大概率是成对出现的。

换个角度想，广告在AI回答里的密度不是靠数量堆，是靠位置卡。传统结果页顶部塞四条，用户可以一路划过去；AI回答只给你一屏结论，两条广告贴在结论旁边，占的是注意力的绝对值。

这两种形态的差别，值得单独摆一下。

最后一行是对独立站最实在的一条。位置少意味着门槛高，但也意味着一旦进去，你要面对的对手数量比传统结果页少得多。

对独立站的直接含义：在这类词上，你要么进那两个位置，要么就得指望用户看完结论还愿意往下找。中间地带比传统结果页窄得多。

点击成本越高的词，广告出现率为什么跳得这么猛？

按点击成本分档之后，曲线是这样的：单次点击成本低于两美元的词，广告出现率24.33%；两到十美元区间，32.45%；十美元以上，直接跳到53.56%。

最贵那档比最便宜那档高出一倍多，而且跳跃发生在十美元这条线上，不是均匀爬升。

值得注意的是，研究同时提到搜索量和关键词难度都没有表现出同样的相关性。也就是说，能预测广告出没出的是钱，不是热度，也不是竞争程度。

直觉解释是“贵词更值钱所以优先变现”。这个解释不算错，但太省事了。

更站得住的读法是：点击成本本身就是需求复杂度的代理指标。贵的词之所以贵，往往因为它背后是一笔金额大、决策链长、竞争者多的生意。这类需求恰好也是AI最愿意展开长回答的那一类，广告跟着长回答一起进来，是同一个前因导致的两个结果。

这两种解释的差别不是文字游戏，它决定你怎么应对。如果是前者，你该做的是盯紧出价；如果是后者，你该做的是判断自己的品类属不属于复杂决策，然后去补那些能撑起长回答的内容。

这跟站内之前拆过的另一组数据是同一枚硬币的两面。AI概览在商业意图词上的六个月变化里，出价最贵那档词的摘要出现率同样最高。两份互不相干的研究，在不同产品形态上量到了同一个方向。

两处独立观测指向同一结论，可信度比任何单份厂商报告都高。这是读研究时最值钱的一种交叉验证，也是为什么值得把不同来源的数据放在一起看，而不是各读各的。

宠物72.38%对医疗2.64%，这一组为什么能推翻纯按出价排的解释？

行业维度的极差大得离谱：宠物类目72.38%的词出了广告，医疗类目只有2.64%。相差二十七倍。

把这一组和上一节的点击成本曲线摆在一起看，事情就有意思了。

医疗类关键词的点击成本在所有行业里长期名列前茅，保险、法律、医疗历来是最贵的几档。按“贵词优先出广告”的逻辑，医疗应该排在前面才对。

实际它垫底，而且不是小幅落后，是几乎不出。

这说明什么？出价高低决定的是同一约束条件下的排序，而不是要不要放行。医疗涉及健康与安全，属于平台内部管得最严的一类内容，在生成式回答旁边挂广告的合规风险远高于卖猫粮。约束层先把门关上了，出价再高也进不来。

这个交叉验证在原始报告里没有做——它给了点击成本相关性，也给了行业极值，但没有把两者对撞。对撞之后才看得清：广告在AI模式里的分布是双层控制，先过内容约束这道闸，再在闸内按商业价值排队。

对做出海的人来说，这个双层结构比任何单一数字都有用。你该先问自己的品类落在哪一层：是被约束卡在门外，还是在门内排队排得靠后。

两种处境的应对完全不同。被约束卡住的，加预算等于往墙上撞，该做的是把力气挪到内容和被引这条通道上；在门内排队靠后的，才是花钱能解决的问题。

二十个行业中间那一大片，该怎么给自己定位？

公开出来的只有最高和最低两个极值，中间十八个行业的具体数值没有逐一披露。这反而是件好事——它逼你自己去测，而不是照着别人的表对号入座。

可以先用一个粗糙的三问自查，把自己的品类归个档。

第一问：你的品类会不会影响健康、财产安全或法律后果？会的话，大概率落在强约束区，广告出现率天然低，别拿宠物那个数字对标自己。

第二问：用户下单前需不需要看好几家再决定？需要的话，你在复杂决策区，AI更愿意给长回答，广告和被引的竞争都会更激烈。

第三问：你的词有没有明确的采购动作在里面？比如带上型号、规格、比价这类词，这类通常离交易最近，也最容易被广告覆盖。

三问的答案组合起来，基本能判断自己该往哪条通道使劲。全是否定的话，恭喜，你所在的位置竞争压力小，但也意味着这块屏幕上的流量本来就不多，别投入过重。

这套自查的价值不在精确，在于它能在你花任何钱之前，把“该不该打这一仗”先想清楚。

买了广告，AI就会顺带引用你吗？

这是全篇最该被拎出来单独讲的一条。

研究比对了广告主域名和AI回答的被引来源，结果是：只有11.53%的广告主域名出现在被引来源里，精确到具体网址这一层，只剩1.95%。

先把这两个数字的差别说清楚。域名层11.53%的意思是，你的站作为一个整体被引用了；网址层1.95%的意思是，AI引用的恰好就是你投放的那个落地页。

两者差了将近六倍。这中间的落差说明，即便一个广告主的站被AI引用了，被引的通常也是站上另外某个页面，跟投放页不是同一个。

这个落差本身还藏着一条对内容团队很有用的信息。

能被引的那些页面，多半不是销售页，而是解释性的内容页。这跟大家的经验一致：系统在组织回答时要找的是能直接搬进段落的事实，不是转化文案。

推论很直接：广告位买的是曝光，引用位认的是内容，两套评委班子彼此不认识。你付钱让系统把你的落地页摆到回答旁边，不等于系统在组织这段回答时读了你的落地页并决定采信它。

这一点跟传统搜索里那条老误区结构相同，但严重程度更高。经典搜索里，投广告能不能帮到自然排名这件事早有定论：付费和自然是两套系统，钱买不到排名。

到了AI模式，通道从两条变成三条，多出来的那条是被引来源。而它恰恰是决定用户在读结论时看见谁名字的那一条。

说得再直白些：以前你花钱买不到排名，至少还买得到一个明确的位置；现在你花钱买到的那个位置，旁边站着一段没提你名字的结论。

广告主里，为什么有八成五在自然结果里也找不到？

还有一组：约85%的投放词上，广告主的站压根没出现在自然结果里。精确到网址层，只有2.32%的投放网址在同一查询下拿到了自然排名，域名层是15.35%。

这个数字第一眼像是在说“广告主的SEO都很差”，其实反过来读更准。

它说明的是投放词库和自然排名词库在多数公司里是两个几乎不相交的集合。投放团队按转化成本选词，内容团队按搜索量和难度选词，两边各自跑了几年，选出来的词自然对不上。

这事在国内团队里更常见，因为投放和内容常常连汇报线都不是同一条。真要拉通，靠的不是开会，是一份共用的词表。站内那份把搜索、投放、内容三个团队拧到一起的整合简报解决的就是这个问题。

把这85%和前面的11.53%放一起，一张完整的图才出来：多数广告主在AI模式的同一块屏幕上，既没有自然位，也没有被引位，只有一个花钱买来的广告位。

用一句话概括：他们在这块屏幕上只租了一间房，而且随时可能因为停投而搬走。

反过来，这也意味着一个不太拥挤的机会。既有自然位又在投广告的站是少数派，同屏多占一个位置这件事，目前竞争者比想象中少。

同一块屏幕上的三条通道，为什么必须分开算账？

把前面几组数字收拢，AI模式的结果页上其实并排跑着三条互不相通的管道。

这张表最该记住的是中间那一列。三条通道里，只有广告位是花钱开、断钱关的；另外两条一旦建起来，不会因为你这个月预算砍了就消失。

反过来说，另外两条也不会因为你这个月预算加倍就长出来。这是很多团队在季度末最想不通的一件事：钱花出去了，AI还是不提我们。

钱花的地方和不提你的地方，本来就不是同一个地方。

这里还有个时间维度的差别值得记一笔。广告位的效果当天可见，被引和自然位都以月为单位起效。三条通道放进同一张周报里，天然会显得广告最有用——不是因为它真的最有用，是因为另外两条还没到出成绩的时候。

这三条通道各自的入场券，具体长什么样？

知道要分开算账之后，下一个问题是分别该做什么。这三件事的动作差别比想象中大。

• 广告位：先确认自己的品类有没有被内容约束卡住。宠物七成、医疗不到三个点，中间还有十八个行业，先测出自己落在哪一档，再谈出价与素材。
• 被引来源：靠的是内容能不能被拆成可引用的块。结论前置、事实成段、数据带出处，这些动作跟广告账户没有任何交集。
• 自然结果：常规排名那一套照做，但选词得跟投放词库对一次账，否则就是前面那85%里的又一个。

三件事共用的只有一样东西：一份统一的词表。除此之外，执行层面几乎没有重叠。

被引这一条最容易被做成玄学，所以多说两句。它没有那么神秘，判断标准可以很朴素：把你的页面某一段单独摘出来，它能不能作为一个完整答案存在？能，它就有被引的资格；不能，它就只是一段需要上下文才成立的文字。

产品页尤其吃这一条。参数堆在表格里，机器读得到但搬不动；同样的参数写成完整句子并说明适用场景，就成了可以整段引用的材料。

顺带说一句，Google自己也在把广告形态往生成式界面里搬。官方对AI时代搜索广告新一代形态的说明里讲的是广告怎么被生成、怎么贴合对话语境，通篇没有一处暗示投放会影响被引或自然位。

这不是疏漏，是产品边界。把三条通道打通对平台自己也没好处——广告能买到引用，那引用就一文不值了。

广告主是谁那一栏，能读出什么别人读不到的东西？

前面让你记四栏，其中第三栏是广告主是谁。这栏看起来最像流水账，实际信息密度最高。

因为把85%这个数字翻过来看，意味着在AI模式里买广告的这批公司，绝大多数在同一批词上没有自然可见度。

这类玩家通常是三种。

一种是纯投放型，商业模式就建立在买流量上，内容层面几乎不投入，来去都快。第二种是聚合平台，靠品类词批量拿量，单个品牌很难在出价上跟它们硬碰。第三种才是正经品牌，往往是新进入这个品类、想快速买到存在感的那一批。

分清楚这三种，你的应对完全不同。

碰上第一种，别跟着抬价，它们的出价逻辑跟你的单位经济不一样，跟到最后是你亏。碰上第二种，正面抢词性价比很低，绕到长尾和更具体的场景词更实在。只有碰上第三种，才值得认真比一比谁的落地页更接得住。

连续记上一个月，你还能看出另一件事：哪些广告主是常驻的，哪些是来一阵就走的。常驻的说明这条通道对它真的跑通了，值得研究它在做什么；来一阵就走的多半是测了一轮发现不划算——这条信息，比任何行业报告都贴近你自己的成本结构。

被引来源里为什么常常是第三方，而不是品牌自己？

真正测过一轮的人，很快会注意到一件让人不太舒服的事：被引来源里出现频率最高的，常常不是任何一个品牌的官网，而是评测站、垂直媒体、社区和榜单页。

这不是偶然，是机制决定的。

系统在组织一段带判断的回答时，需要的是横向对比过多家的材料。品牌自己的页面天然只讲自己，它可以提供事实，但提供不了比较。

这件事有两层含义，一层让人泄气，一层是机会。

泄气的那层是：你的官网内容做得再好，在某些问法上也进不了被引名单，因为那个位置结构上属于第三方。

机会的那层是：既然第三方内容占着这个位置，那这些第三方在写什么、有没有写到你、写得准不准，就成了可以主动经营的事。这跟传统意义上的外链建设不完全是一回事——外链看的是链接本身，这里看的是你在别人的对比里被怎么描述。

落到动作上，优先级大致是：先确保占据主要位置的那几家第三方内容里，关于你的事实是准的；其次是补上缺失的维度；最后才谈新增合作。

顺序不能反。在一份把你的参数写错了的对比里增加曝光，等于花钱让更多人看到错的版本。

那预算和考核指标，到底该怎么摆？

先说一个反直觉的建议：在这件事上，先别动预算，先动考核口径。

理由是预算调整的反馈周期至少一个季度，而口径错了的话，一个季度之后你拿到的还是看不懂的数据。

具体到动作，有三件事可以这周就开始。

第一件，把投放词库和自然排名词库导出来做一次交集。如果交集低于两成，先别急着增投，那说明两个团队在打不同的仗。

第二件，给核心词单独建一个记录表，每周人工跑一次AI模式，记三样：有没有出广告、广告是谁、被引来源里有没有你。三样分开记，别合成一个“可见度”分数。

第三件，把“AI引用率”从投放团队的考核里拿掉。它不受投放控制，考核一个人控制不了的指标，只会逼出难看的数据。

保哥这些年见过最普遍的一种内耗，就是把三条通道的结果压进一个指标，然后让某一个团队背。压得越紧，越没人愿意说实话。

还有个容易忽略的配套动作：把这三栏数据的解释权也拆开。谁的数谁解释，别让投放的人去替内容的表现找理由，那种会开三次就没人认真准备了。

如果三条通道被同一家同时拿下，会发生什么？

前面一直在讲三条通道彼此独立，容易读出一种消极的味道：既然互不相通，那就只能分头苦干。

但独立还有另一面。正因为互不相通，同时占住两条以上的站，拿到的不是加法效果。

设想一下用户这一屏的阅读顺序：先读那段生成的结论，结论里引用了某家的说法；视线往下，广告位上又是这家；再往下的自然结果里还是它。

三次出现，来源看起来还各不相同——一次是被采信的信息源，一次是花钱的广告主，一次是自然排上来的结果。对用户而言，这不是看见了三次广告，是收到了三种不同性质的确认。

而按实测的分布，能同时占两条的都是少数。约85%的广告主连自然位都没有，被引比例更是只有一成出头。这意味着复合占位目前是一片空地，不是红海。

当然，这不构成“三条都要投重兵”的理由。更合理的读法是：先确认自己在哪条通道上最接近门槛，把那条先做到位，然后看第二条能不能顺势带出来。

通常来说，已经有自然位的站去补被引最省力，因为内容底子在，缺的往往只是形态调整；而只有广告位的站要补另外两条，基本等于从头开始。

这算一个新的投放渠道吗，要不要单独立预算？

做投放的人看到这份数据，第一个实际问题通常是这个。

短答案是：目前它不是一个可以独立开关的渠道，但值得单独看报表。

从产品形态看，这些广告并不是靠新建一个专门的广告系列投出去的，而是既有投放在生成式界面里的一种呈现。你控制不了它在哪里出现，能控制的还是那些老东西：词、出价、素材、落地页。

这带来一个报表上的麻烦：这部分曝光和点击混在常规数据里，很难单独拆出来看效果。所以短期内更现实的做法，不是拆预算，而是拆观察。

具体说，就是给那些已知会在AI模式里出广告的词单独打个标记，单独看它们的转化表现，跟不出广告的那批词做对比。样本攒够之后，你至少能回答一个问题：进入这块屏幕的流量，质量是更好还是更差。

这个问题目前没有公开数据能回答，只能自己攒。而它恰恰是决定要不要为此调整预算的唯一依据——在拿到自己的答案之前，任何加减预算的动作都是拍脑袋。

不买工具的话，怎么自己把这件事测一遍？

这份研究跑了五万个词，你不需要。三十个词就能得出对自己有用的判断。

操作路径是这样的。

先从自己的核心词里挑三十个，要求是覆盖不同的点击成本档位，别全挑最贵的那批，否则结果会系统性偏高。

然后每个词在AI模式里跑三次，不是一次。AI回答在会话之间会飘，跑一次拿到的是一个样本点，不是一个事实。这份研究自己也提到，真实的广告出现率可能比测到的更高，原因正是这种不一致。

每次记四栏：出没出广告、出了几条、广告主是谁、被引来源列表。第四栏最有价值，也最常被跳过。

跑完三轮之后，算三个比值：你的核心词里出广告的比例、你出现在被引来源里的比例、你有自然位的比例。这三个数放在一起，就是你自己那块屏幕的真实分布，比任何行业平均值都准。

整套流程手工做完大概两三个小时，比很多团队花在讨论要不要买监控工具上的时间还短。

做完之后还有个附赠收获：被引来源那一栏会列出一批你可能从没关注过的域名。它们才是你在这块屏幕上的真实对手，跟你在排名工具里盯了三年的那批竞品，重合度往往低得让人意外。

这份数据的保质期，大概有多长？

这是必须说在前面的一条。

采集发生在2026年6月30日这一天，是一张快照。而AI模式的广告形态正在被持续改动，新的广告样式、新的投放方式都还在往里加。

所以这几个数字的正确用法是拿来理解结构，不是拿来做预测。二十七倍的行业极差、十美元线上的跳跃、被引与投放之间的巨大落差，这些结构性判断的半衰期比较长；而29.45%这个具体数值，三个月后大概率就不是这个数了。

判断一份行业研究能用多久，有个简单的办法：看结论依赖的是机制还是当期取值。依赖机制的能放着用一年，依赖取值的过一季就该重测。

按这个标准过一遍，这份研究里真正耐放的其实只有三条：约束层优先于出价层、三条通道互不相通、广告密度靠位置而非数量。其余的都属于会变的那一类。

顺带提一句，什么内容会进入AI回答、相关数据在官方报告里怎么归并，搜索中AI功能的官方说明文档里有口径描述，值得每隔一阵子回去看看有没有改动。这类文档的修订往往比新闻稿更早透露产品走向。

出海独立站该怎么把这件事落到自己身上？

这份数据是美国市场的，做出海的人得先做三重折扣。

第一重是覆盖差异。AI模式在不同国家的开放节奏不一样，欧洲和东南亚的广告形态铺开程度都不同，直接套用美国的出现率会高估。

第二重是行业结构差异。研究里的二十个行业按美国市场划分，跨境卖家常见的那些细分品类往往横跨两三个类目，很难直接对号入座。

第三重也是最容易被忽略的：你的目标市场里，有多少用户已经在用AI模式做购买前的查询？这个比例决定了前面所有数字对你的权重。如果你的主力市场里这个入口还没起量，那先把常规搜索那一仗打完更实在。

做多市场的还有一个额外动作：三条通道的比例要按市场分开建表。同一个品类在两个国家的结构可能完全不同，合并统计出来的平均值谁也代表不了。

另外提醒一句，AI模式和AI概览是两套东西，铺开节奏和呈现方式都不一样，做对照的时候别混着算。这两者的区别站内已经完整拆过一次。

老板问投了广告为什么AI还不推荐我们，该怎么答？

这个场景迟早会来，值得提前把话想好。

最差的答法是“AI的机制很复杂”。这话虽然没错，但在会议室里等同于承认自己也不知道。

比较好用的是一个类比：广告位像是在商场里租了个展台，被引来源像是被导购主动推荐。你付了展台的租金，导购不会因此改口——他推荐谁，看的是哪家的产品资料写得清楚、参数经得起问。

类比之后要跟数据。三个数就够：同一批词上你出广告的比例、你被引的比例、你有自然位的比例。三个数摆出来，对方立刻能看懂这不是一件事。

然后给一个明确的分工建议：广告位这个季度归投放，被引和自然位归内容，两边各自有独立指标，不互相背锅。

最后留一句预期管理：被引这条通道见效以月计，别在第四周就来问结果。把这句话提前说，比事后解释省事得多。

这件事上最常见的三个误判，分别错在哪？

把这几个月接触到的情况归拢，反复出现的判断失误就三种，而且每一种都有个看似合理的外壳。

第一个是把广告位当成可见度。报表上写着AI模式曝光量多少万，看着很像那么回事。但曝光的是广告，不是你这个品牌被系统采信。停投的那一天，这个数字归零，而真正的可见度不该有这种特性。

第二个是把被引当成排名。被引来源是个列表，不是名次，同一个问题问两次，列表的顺序甚至成员都可能变。拿它当排名去做周对比，你会看到一堆毫无意义的波动，然后据此做决策。该看的是一段时间内的出现率，不是某一次的位置。

第三个最隐蔽：把没被引直接归因成内容质量差。有时候确实是，但更多时候是内容形态不对——写得很好，只是不能被整段搬走；或者是那个位置结构上就归第三方，你再怎么写也进不去。归错了因，接下来几个月的力气就白花了。

这三个误判有个共同点：都是拿旧框架去套新界面。旧框架里可见度和排名是一回事，钱和位置强相关，内容好就该被看见。这三条在这块屏幕上都不同程度地失效了。

一个做园艺工具的独立站，是怎么把账算明白的？

去年下半年接触过一个做园艺工具的独立站，主力市场在北美，客单价一百到三百美元之间。

他们当时的困惑很典型：AI模式的广告投了两个季度，投放报表上转化成本还算能看，但市场负责人始终觉得不对劲——竞品在AI回答里被提到的次数明显更多，而自己家花了钱反倒像个隐形人。

按上面那套土办法测了一轮，问题露出来了。

他们的三十个核心词里，出广告的有十一个，自己拿到广告位的有九个，看起来投放做得不错。但被引来源那一栏，三十个词跑三轮总共九十次记录里，自己家只出现过四次，而竞品出现了三十多次。

再往下查，原因不在预算，在内容形态。竞品的产品页把“什么土质配什么工具”写成了独立的成段说明，带具体参数；他们自己的产品页参数堆在规格表里，正文全是卖点式的形容词。

一个能被整段引用，一个不能。系统在组织回答时，自然挑那个能直接搬的。

后来做的调整不复杂：把规格表里的关键参数在正文里重新写成完整句子，每个品类补了一段真实使用场景的说明。三个多月之后再测，被引次数从四次升到十九次，广告预算一分没加。

还有个意外收获。被引来源那一栏里反复出现过两个园艺类的垂直媒体，他们此前从没在竞品分析里见过这两家。后来针对性地做了内容合作，这是测量本身带出来的机会，不在原计划里。

这个案例里最值得记的不是那个数字变化，而是市场负责人的一句话——他说，我们一直以为花钱能买到的是全部，其实只买到了三分之一。

常见问题解答

在AI模式里投广告，能提高被AI引用的概率吗？

目前没有任何数据支持这个说法，实测结果指向相反方向：五万个商业词的样本里，广告主域名出现在被引来源中的比例只有11.53%，精确到投放网址这一层只剩1.95%。广告位由出价和素材决定，被引来源由内容本身是否可检索、可采信决定，两套机制彼此独立。把投放当成提升引用率的手段，预算会花在完全不起作用的地方。

研究说近三成商业查询出现了广告，是不是意味着我的词也有三成会出？

大概率不是。那五万个词全部预先筛选为在常规搜索里会触发文字广告的词，所以29.45%的准确含义是“本就有广告竞争的商业词里，有近三成在AI模式里也出了广告”。如果你的词库里有大量没有广告竞争的长尾词，实际比例会显著低于这个数。判断自己适不适用，先看这批词在常规搜索里有没有广告主在投。

为什么医疗类的关键词点击成本很高，广告出现率却最低？

因为出价决定的是同一约束条件下的排序，而不是能不能进场。医疗涉及健康与安全，在生成式回答旁边挂广告的合规风险高，平台的内容约束会先把这类词挡在门外，出价再高也改变不了。实测里医疗只有2.64%，而宠物达到72.38%，两者差距二十七倍，靠商业价值解释不通，只能靠约束层解释。

我的站在自然结果里排得不错，AI模式的广告还有必要投吗？

值得单独评估，因为这两个位置在同一块屏幕上并不互相替代。实测显示约85%的广告主在同一批词的自然结果里根本不出现，反过来说，有自然位的站去投广告，反而是同屏多占一个位置的少数派。判断依据是这批词在AI模式里的广告出现率有多高，以及你的自然位在生成式回答里还剩多少可见度，而不是简单地二选一。

不买监控工具，能不能自己测出这几个比例？

可以，三十个词就够。挑三十个覆盖不同点击成本档位的核心词，每个词在AI模式里跑三次而不是一次，每次记四栏：有没有出广告、出了几条、广告主是谁、被引来源里有谁。跑完算三个比值——出广告比例、你被引比例、你有自然位比例。整套手工做完两三个小时，得到的分布比任何行业平均值都贴合你自己。

这份研究的数字，多久之后就不能用了？

区分两类结论。结构性的判断半衰期较长，比如行业之间存在数量级差异、点击成本高的档位出现率明显跃升、投放与被引之间落差巨大，这些反映的是机制，一年内大体成立。而29.45%这样的当期取值保质期很短，采集只发生在2026年6月30日这一天，加上生成式回答本身在会话之间会飘，三个月后重测大概率就是另一个数。

出海做欧洲和东南亚市场，这份美国数据还有参考价值吗？

有参考价值，但要打三重折扣：AI模式在各国的开放节奏不同，铺开程度直接影响广告出现率；行业划分按美国市场做，跨境常见品类往往横跨多个类目；最关键的是目标市场里有多少用户真的在用这个入口做购买前查询，这个比例决定了所有数字对你的权重。建议按市场分开建表，不要合并统计。

权威参考资料