AI Mode广告与AI引用：5万商业词实测广告位、被引来源和自然结果的关系

摘要：五万个商业词的实测里，AI模式的广告出现率是29.45%，但这个分母经过预先筛选，全部是常规搜索里本来就会出广告的词。更值得关注的是另外三个数字：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%，另有约八成五的广告主在同一批词的自然结果里找不到。同一块屏幕上的三条通道各自独立，买下其中一条，不会连带获得另外两条。

AI模式广告研究测了什么，样本经得起推敲吗？

2026年6月30日，这项研究在美国的AI模式结果里跑了五万零三十二个商业关键词，覆盖二十个细分行业，每个行业大约两千五百个词。

采集口径交代得比较清楚：只统计AI回答里的文字广告，商品轮播等形态不计入。这个取舍影响很大，后文提到的不少误读，都源于忽略了这一点。

这份数据能回答的问题有三类：广告在AI模式里的铺设密度、哪类词更容易出广告，以及广告位和其他位置之间的关系。

它回答不了的问题也很明确：数据是单日快照，没有时间序列；结果限于美国，未说明设备口径；AI模式本身在不同会话之间也会变化。这份关键词层面的AI模式广告实测自己也事先声明，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。

厂商研究里，这样主动说明适用边界的并不多见。多数同类报告会把结论加粗，把边界放进脚注，或者干脆不写。

判断一份厂商研究能否作为依据，保哥习惯先看三件事：结论对谁的生意有利、有没有第三方能复现、研究主动承认了哪些局限。这份研究在第三条上合格，第二条暂时空缺，目前还没有其他机构用同样口径复测过。

因此，下文所有数字都应视为一次边界明确的观测，不能当作行业定律。

29.45%的分母，为什么不是所有商业查询？

这是全篇最需要纠正的一处。

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。乍看像是“每三个商业查询就有一个带广告”。

但那五万个词是怎么选出来的？选样标准写明，全部选取会触发网站文字广告的词。

这批词在常规搜索里本来就有广告。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。

这和“所有商业查询里有三成带广告”差着量级。后一种说法把分母换成了整个商业词库，而商业词库里有大量没人投放的长尾词。

行业转述普遍把这个数字往大里说了一步。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样写的，中文圈再转一手，“三分之一商业查询出广告”就成了定论。

这谈不上标题党，媒体标题本来就要压缩。问题在于压缩之后没人再回去核对分母，而编预算的人恰恰按标题做决定。

由此可以得出一个实用推论：如果你手上的词在常规搜索里没有广告竞争，这份研究的29.45%对你没有参考价值。你需要先确认自己的词是否在这个样本框里。

确认方法很简单：把核心词放进任意一个关键词工具，看有没有点击成本数据、有没有广告主在投放。如果没有，你面对的是另一套竞争格局，这份研究的结论套不上。

阅读厂商研究时，为什么要先核对分母？

这个问题并非这一份研究独有，行业报告普遍存在，所以单独列出来。

厂商研究的分母通常会以三种方式被改动，而且都算不上造假。

第一种是预筛选，也就是这次遇到的情况。样本先按某个条件过滤，结论却按全体表述。方法部分写得清清楚楚，传播时最先被丢掉。

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。摘要用宽口径讲结论，方法论用窄口径做计算，两部分由不同的人撰写，各自都没说错，合在一起意思就变了。

应对办法只有一个，花不了多少时间：看到任何一个百分比，先花十秒钟找它的分母。找不到分母的百分比，一律降级为参考，不作为决策依据。

这个习惯成本很低、收益很高。它拦不住所有错误，但能拦住代价最大的那一类。代价最高的决策失误，往往不是算错了，而是把一个不适用于自己的数字当成了适用。

出广告的AI模式查询，为什么七成一次展示两条？

出广告的一万四千七百三十三个词里，71.1%同时显示两条广告，只有28.9%是单条。

这条数据很少被转述，但它会改变人们对版面的印象。

很多人觉得AI模式里“广告没那么多”，因为整屏被一大段生成文字占据，广告在视觉上不像传统结果页那样成片排列。但只要某个词触发了广告，大概率是两条一起出现。

AI回答里的广告靠位置占据注意力，数量并不多。传统结果页顶部可以放四条，用户往下滑就能跳过；AI回答只给一屏结论，两条广告紧贴结论，直接和结论争夺注意力。

两种形态的差别可以用下表对照。

最后一行对独立站最有参考价值。位置少意味着门槛高，但进入之后，要面对的对手数量也比传统结果页少得多。

对独立站的直接影响是：在这类词上，要么进入那两个位置，要么只能寄希望于用户看完结论后继续往下找。中间地带比传统结果页窄得多。

点击成本越高，为什么广告出现率跳得越猛？

按点击成本分档后，出现率是这样分布的：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，升到53.56%。

最贵一档比最便宜一档高出一倍多，而且跃升集中发生在十美元这条线上，并非均匀爬升。

研究同时指出，搜索量和关键词难度都没有表现出同样的相关性。能预测是否出广告的是点击成本，热度和竞争程度都预测不了。

常见的直觉解释是“贵词更值钱，所以优先变现”。这个解释没错，但过于简单。

更有说服力的读法是：点击成本本身就是需求复杂度的代理指标。一个词之所以贵，往往因为背后是金额大、决策链长、竞争者多的生意。这类需求恰好也是AI最倾向于展开长回答的一类，广告随长回答一起出现，两者出自同一个原因。

两种解释会导向不同的应对方式。如果是前者，你要做的是盯紧出价；如果是后者，你要判断自己的品类是否属于复杂决策，再去补充能支撑长回答的内容。

站内之前分析过的另一组数据，从另一侧印证了这一点。AI概览在商业意图词上的六个月变化里，出价最高那一档词的摘要出现率同样最高。两份互不相关的研究，在不同的产品形态上测到了同一个方向。

两处独立观测指向同一结论，可信度高于任何单份厂商报告。这是读研究时最有用的一种交叉验证，所以有必要把不同来源的数据放在一起比对，不要分开孤立地读。

宠物72.38%与医疗2.64%，为什么推翻了纯按出价排序的解释？

行业之间的极差非常大：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。

把这组数据和上一节的点击成本分布放在一起看，就出现了矛盾。

医疗类关键词的点击成本长期位居各行业前列，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。

实际上它排在最后，而且几乎不出广告，并非小幅落后。

原因在于：出价决定的是同一约束条件下的排序，决定不了能否放行。医疗涉及健康与安全，属于平台内部管控最严的内容类别，在生成式回答旁边展示广告的合规风险远高于卖猫粮。约束层先把门关上，出价再高也进不来。

原始报告没有做这个交叉比对：它给出了点击成本相关性，也给出了行业极值，但没有把两者放在一起分析。两者对照后可以看出，AI模式里的广告分布受双层控制：先通过内容约束这道闸，再在闸内按商业价值排序。

对出海从业者来说，这个双层结构比任何单一数字都有用。你应该先判断自己的品类落在哪一层：是被约束挡在门外，还是在门内排序靠后。

两种处境的应对方式完全不同。被约束挡住的，加预算没有效果，应该把精力转到内容和被引这条通道上；在门内排序靠后的，才是加预算能解决的问题。

未披露数值的中间行业，如何判断自身的广告竞争强度？

研究只公开了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。这反而促使你自己去测，而不是照着别人的表格对号入座。

可以先用三个粗略的问题给自己的品类归档。

第一问：你的品类是否涉及健康、财产安全或法律后果？如果涉及，大概率落在强约束区，广告出现率天然偏低，不要拿宠物的数字对标自己。

第二问：用户下单前是否需要比较多家再做决定？如果需要，你处在复杂决策区，AI更倾向于给出长回答，广告和被引的竞争都会更激烈。

第三问：你的词是否包含明确的采购动作？比如带型号、规格、比价等字眼的词，通常离交易最近，也最容易被广告覆盖。

把三个答案组合起来，基本能判断应该在哪条通道上投入。如果三个答案都是否定，说明你所处位置的竞争压力小，但这块屏幕上的流量本来也不多，不宜投入过重。

这套自查的作用不在于精确，而在于能在花钱之前，先想清楚这件事值不值得投入。

投放AI模式广告会提高品牌被AI引用的概率吗？

这是全篇最需要单独说明的一条。

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，只剩1.95%。

先区分这两个数字。域名层11.53%，指你的站整体被引用了；网址层1.95%，指AI引用的恰好是你投放的那个落地页。

两者相差将近六倍。这个落差说明，即使广告主的站被AI引用，被引的通常也是站内另一个页面，而非投放页。

这个落差对内容团队还有一层参考价值。

能被引用的页面，多数是解释性的内容页，很少是销售页。这和行业经验一致：系统在组织回答时，要找的是能直接放进段落的事实，转化文案用不上。

推论很直接：广告位买到的是曝光，引用位看的是内容，两套评判机制互不相关。你付费让系统把落地页展示在回答旁边，并不意味着系统在组织这段回答时读过这个落地页并决定采信。

这和传统搜索里的一个老误区结构相同，但后果更严重。在经典搜索里，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，花钱买不到排名。

到了AI模式，通道从两条变成三条，新增的一条是被引来源。用户阅读结论时能看到哪个品牌的名字，恰恰由这一条决定。

更直接地说：过去花钱买不到排名，至少还能买到一个明确的位置；现在花钱买到的位置，旁边是一段没有提到你的结论。

为什么约85%的广告主在自然结果里找不到？

另一组数据是：约85%的投放词上，广告主的站没有出现在自然结果里。精确到网址层，只有2.32%的投放网址在同一查询下获得了自然排名，域名层是15.35%。

这个数字乍看像是在说“广告主的SEO都很差”，反过来读更准确。

它反映的是：在多数公司里，投放词库和自然排名词库几乎是两个不相交的集合。投放团队按转化成本选词，内容团队按搜索量和难度选词，两边各自运行几年，选出来的词自然对不上。

这种情况在国内团队里更常见，因为投放和内容往往连汇报线都不同。要打通两边，需要一份共用的词表，单靠开会解决不了。站内那份把搜索、投放、内容三个团队拧到一起的整合简报处理的就是这个问题。

把这85%和前面的11.53%放在一起，全貌就清楚了：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，只有一个付费购买的广告位。

简单说，他们在这块屏幕上只租了一个位置，一旦停投就会消失。

反过来看，这也是一个竞争不激烈的机会。既有自然位又在投广告的站是少数，同屏多占一个位置，目前的竞争者比预想的少。

广告位、被引来源与自然结果为什么要分开核算？

汇总前面几组数字，AI模式的结果页上并行着三条互不相通的通道。

这张表最需要记住的是中间一列。三条通道里，只有广告位是付费即开、停费即关；另外两条一旦建立，不会因为某个月预算削减而消失。

同样，另外两条也不会因为某个月预算翻倍而出现。许多团队在季度末最困惑的就是这件事：钱花出去了，AI仍然不提我们。

花钱的位置和没被提及的位置，本来就不在同一条通道上。

三条通道在时间上也有差别。广告位的效果当天可见，被引和自然位都要以月为单位才能见效。如果把三条通道放进同一份周报，广告天然会显得效果最好，原因只是另外两条还没到出结果的时候，并不代表广告真的最有效。

这三条通道各自靠什么入场？

明确要分开核算之后，下一个问题是每条通道分别该做什么。三者的具体动作差别比预想的大。

• 广告位：先确认自己的品类是否被内容约束挡住。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，再考虑出价与素材。
• 被引来源：取决于内容能否拆成可引用的片段。结论前置、事实成段、数据注明出处，这些动作和广告账户没有任何交集。
• 自然结果：照常规排名方法执行，但选词要和投放词库核对一次，否则就会成为前面那85%里的又一个。

三件事共用的只有一份统一的词表，执行层面几乎没有重叠。

被引这一条最容易被说得玄乎，所以多解释两句。它的判断标准其实很朴素：把页面里的某一段单独摘出来，它能否作为一个完整答案成立？能，就具备被引的条件；不能，它就只是一段依赖上下文的文字。

产品页尤其受这条标准影响。参数堆在表格里，机器能读到，却难以直接引用；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。

另外，Google自己也在把广告形态搬进生成式界面。官方对AI时代搜索广告新一代形态的说明讲的是广告如何生成、如何贴合对话语境，通篇没有任何地方暗示投放会影响被引或自然位。

这属于产品边界，并非遗漏。三条通道打通对平台也没有好处：如果广告能买到引用，引用就失去了价值。

广告主是谁这一栏，能读出什么竞争信息？

后文的自测方法要求记录四栏，其中第三栏是广告主身份。这一栏看起来最像流水账，信息量却最大。

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

这类广告主通常分三种。

第一种是纯投放型，商业模式建立在购买流量上，几乎不投入内容，进出都快。第二种是聚合平台，靠品类词批量获取流量，单个品牌很难在出价上与之正面竞争。第三种才是真正的品牌方，通常是刚进入这个品类、想快速建立存在感的那一批。

这三种要分开对付。

遇到第一种，不要跟着抬价，它们的出价逻辑和你的单位经济模型不同，跟到最后亏的是你。遇到第二种，正面抢词的性价比很低，转向长尾和更具体的场景词更实际。只有遇到第三种，才值得认真比较双方落地页的承接能力。

连续记录一个月，还能看出哪些广告主长期在投，哪些投一阵就撤。长期在投的，说明这条通道对它确实有效，值得研究它的做法；投一阵就撤的，多半是测试一轮后发现不划算。这条信息比任何行业报告都更贴近你自己的成本结构。

AI回答的被引来源里，为什么常常是第三方站点而不是品牌官网？

实际测过一轮的人很快会注意到一个不太乐观的现象：被引来源里出现频率最高的，常常不是某个品牌的官网，而是评测站、垂直媒体、社区和榜单页。

这由机制决定，并非偶然。

系统在组织一段带判断的回答时，需要的是横向比较过多家的材料。品牌自己的页面只讲自己，能提供事实，但提供不了比较。

这件事有两层含义，一层是限制，一层是机会。

限制在于：即使官网内容做得再好，在某些问法下也进不了被引名单，因为那个位置在结构上属于第三方。

机会在于：既然第三方内容占据了这个位置，这些第三方写了什么、有没有提到你、描述得是否准确，就成了可以主动经营的事项。这和传统外链建设不完全相同：外链关注链接本身，这里关注的是你在别人的对比中被如何描述。

具体执行时，优先级大致是：先确保占据主要位置的几家第三方内容里，关于你的事实准确无误；其次补充缺失的维度；最后才考虑新增合作。

顺序不能颠倒。在一份把你的参数写错的对比里增加曝光，等于花钱让更多人看到错误信息。

AI模式广告的预算与考核指标应该怎么设置？

先给一个与直觉相反的建议：在这件事上，先调整考核口径，暂缓调整预算。

原因是预算调整的反馈周期至少一个季度，如果口径不对，一个季度后拿到的数据仍然无法解读。

具体来说，有三件事本周就可以开始。

第一件，导出投放词库和自然排名词库，求一次交集。如果交集低于两成，先不要增加投放，这说明两个团队的目标并不一致。

第二件，为核心词单独建一张记录表，每周人工跑一次AI模式，记录三项：是否出广告、广告主是谁、被引来源里有没有你。三项分开记录，不要合并成一个“可见度”分数。

第三件，把“AI引用率”从投放团队的考核中移除。这个指标不受投放控制，用一个人控制不了的指标考核他，只会得到失真的数据。

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，再让某一个团队承担。考核压得越紧，越没人愿意如实汇报。

还有一个容易忽略的配套措施：把这三栏数据的解释权也分开。谁负责的数据由谁解释，不要让投放人员替内容表现找理由，这样的会开三次，就没人认真准备了。

同时占据三条通道的站点能获得什么效果？

前文一直强调三条通道彼此独立，容易给人一种消极印象：既然互不相通，就只能分别投入。

但独立也有另一面。正因为互不相通，同时占据两条以上通道的站，获得的效果不止是简单相加。

设想用户在这一屏的阅读顺序：先读生成的结论，结论引用了某家的说法；视线下移，广告位上还是这家；再往下的自然结果里仍然是它。

三次出现的来源性质各不相同：一次是被采信的信息源，一次是付费的广告主，一次是自然排名的结果。对用户来说，这相当于得到了三种不同性质的确认，并不只是看到了三次广告。

按实测分布，能同时占据两条通道的站很少。约85%的广告主没有自然位，被引比例也只有一成出头。这意味着复合占位目前竞争者很少，还不是红海。

当然，这并不构成三条通道都要重点投入的理由。更合理的做法是：先确认自己在哪条通道上最接近门槛，把这一条做到位，再看能否顺势带动第二条。

通常，已经有自然位的站补被引最省力，因为内容基础已经具备，缺的往往只是形态调整；只有广告位的站要补另外两条，基本等于从头开始。

AI模式广告是否需要作为独立渠道单列预算？

投放人员看到这份数据，通常首先会问这个问题。

简短的回答是：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，这些广告并不通过新建专门的广告系列投放，它们是现有投放在生成式界面中的一种展示形式。你无法控制它出现在哪里，能控制的仍然是词、出价、素材和落地页。

这在报表上带来一个问题：这部分曝光和点击混在常规数据里，很难单独拆分评估效果。因此短期内更现实的做法是单独观察这部分数据，暂不拆分预算。

具体做法是：给已知会在AI模式里出广告的词单独打标记，单独统计它们的转化表现，再与不出广告的词做对比。样本积累足够后，至少能回答一个问题：进入这块屏幕的流量，质量更好还是更差。

这个问题目前没有公开数据可以回答，只能自己积累。而它恰恰是决定是否为此调整预算的唯一依据，在拿到自己的答案之前，任何增减预算的决定都只是凭感觉。

不用监控工具，如何自测广告出现率与被引比例？

这份研究跑了五万个词，你不需要这么多，三十个词就能得出对自己有用的判断。

操作步骤如下。

先从核心词里挑三十个，要求覆盖不同的点击成本档位，不要只挑最贵的一批，否则结果会系统性偏高。

然后每个词在AI模式里跑三次，不要只跑一次。AI回答在不同会话之间会变化，跑一次只得到一个样本点，不能当作事实。这份研究也提到，由于这种不一致，真实的广告出现率可能高于测得的数值。

每次记录四栏：是否出广告、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。

跑完三轮后，计算三个比例：核心词里出广告的比例、你出现在被引来源里的比例、你拥有自然位的比例。这三个数放在一起，就是你所在这块屏幕的真实分布，比任何行业平均值都准确。

整套流程手工完成大约需要两三个小时，比很多团队讨论要不要买监控工具花的时间还短。

完成之后还有一个额外收获：被引来源一栏会列出一批你可能从未关注过的域名。它们才是你在这块屏幕上的真实对手，和你在排名工具里跟踪了三年的竞品，重合度往往低得出乎意料。

这份广告研究数据的有效期有多长？

这一点需要提前说明。

采集只发生在2026年6月30日这一天，是一张快照。而AI模式的广告形态仍在持续调整，新的广告样式和投放方式还在不断加入。

所以这几个数字应该用来理解结构，不适合用来做预测。二十七倍的行业极差、十美元线上的跃升、被引与投放之间的巨大落差，这些结构性判断的有效期较长；而29.45%这个具体数值，三个月后大概率会变化。

判断一份行业研究能用多久，有个简单的方法：看结论依赖的是机制还是当期数值。依赖机制的可以用一年，依赖当期数值的过一个季度就该重测。

按这个标准检查，这份研究里真正经得住时间的只有三条：约束层优先于出价层、三条通道互不相通、广告密度取决于位置而非数量。其余结论都属于会变化的一类。

另外，哪些内容会进入AI回答、相关数据在官方报告里如何归并，搜索中AI功能的官方说明文档里有口径说明，建议定期回去查看是否有更新。这类文档的修订往往比新闻稿更早反映产品方向。

出海独立站如何折算这份美国数据？

这份数据来自美国市场，出海从业者使用前要先打三重折扣。

第一重是覆盖差异。AI模式在各国的开放节奏不同，欧洲和东南亚的广告形态铺开程度也不同，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，跨境卖家常见的细分品类往往横跨两三个类目，很难直接对应。

第三重最容易被忽略：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。如果主力市场里这个入口还没形成规模，先做好常规搜索更实际。

做多市场的团队还要多做一步：三条通道的比例按市场分开建表。同一品类在两个国家的结构可能完全不同，合并统计得出的平均值不能代表任何一个市场。

还要注意，AI模式和AI概览是两个不同的产品，铺开节奏和呈现方式都不一样，做对照时不要混在一起计算。两者的区别站内已经完整拆过一次。

如何向管理层解释投放广告后AI仍不推荐品牌？

这个问题迟早会被问到，最好提前准备好答案。

最差的回答是“AI的机制很复杂”。这句话没错，但在会议上等于承认自己也不清楚。

比较有效的是用一个类比：广告位相当于在商场里租了个展台，被引来源相当于被导购主动推荐。你付了展台租金，导购不会因此改变推荐，他推荐谁，取决于哪家的产品资料写得清楚、参数经得起追问。

类比之后要给出数据，三个数就够：同一批词上你出广告的比例、你被引的比例、你拥有自然位的比例。三个数摆出来，对方很快就能看出这是三件不同的事。

接着给出明确的分工建议：本季度广告位归投放团队，被引和自然位归内容团队，双方各有独立指标，互不承担对方的结果。

最后做好预期管理：被引这条通道以月为单位见效，不要在第四周就追问结果。提前说明这一点，比事后解释省事得多。

广告与被引分析中最常见的三个误判是什么？

归纳这几个月接触到的情况，反复出现的判断失误主要有三种，而且每一种看上去都有道理。

第一种是把广告位当成可见度。报表显示AI模式曝光量有多少万，看上去很可观。但曝光的是广告，并不代表品牌被系统采信。停投当天，这个数字就归零，而真正的可见度不应该这样。

第二种是把被引当成排名。被引来源是一个列表，没有名次，同一个问题问两次，列表的顺序甚至成员都可能变化。拿它当排名做周对比，只会看到大量没有意义的波动，还可能据此做出决策。应该看的是一段时间内的出现率，单次位置没有参考意义。

第三种最隐蔽：把没被引用直接归因于内容质量差。有时确实如此，但更多时候是内容形态不对，写得很好却无法被整段引用；或者那个位置在结构上属于第三方，怎么写都进不去。归因错了，接下来几个月的投入就白费了。

这三种误判的共同点，是用旧框架去理解新界面。旧框架里，可见度等同于排名，花钱与位置强相关，内容好就会被看到。这三条在这块屏幕上都不同程度地失效了。

园艺工具独立站案例：如何核算AI模式广告位与被引次数？

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，客单价在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，投放报表上的转化成本尚可，但市场负责人一直觉得不对，竞品在AI回答里被提及的次数明显更多，自己花了钱却几乎没有存在感。

按上面的自测方法测了一轮，问题就暴露出来了。

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，投放表现看起来不错。但在被引来源一栏，三十个词跑三轮共九十次记录，他们只出现过四次，竞品出现了三十多次。

进一步排查发现，问题出在内容形态上，与预算无关。竞品的产品页把“什么土质配什么工具”写成了独立成段的说明，并附具体参数；他们自己的产品页把参数堆在规格表里，正文全是卖点式的形容词。

前者能被整段引用，后者不能。系统组织回答时，自然会选择能直接引用的那一个。

后续调整并不复杂：把规格表里的关键参数在正文中改写成完整句子，并为每个品类补充一段真实使用场景的说明。三个多月后复测，被引次数从四次增加到十九次，广告预算没有增加。

还有一个计划外的收获。被引来源一栏里反复出现两家园艺类垂直媒体，他们此前做竞品分析时从未注意到。之后针对这两家开展了内容合作，这个机会来自测量本身，原计划里并没有。

这个案例中最值得记住的是市场负责人的一句话，比数字变化更能说明问题：我们一直以为花钱能买到全部，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？

目前没有数据支持这个说法，实测结果指向相反的方向：在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%，精确到投放网址只剩1.95%。广告位由出价和素材决定，被引来源取决于内容本身能否被检索、能否被采信，两套机制相互独立。如果把投放当作提升引用率的手段，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。那五万个词全部经过预先筛选，都是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，实际比例会明显低于这个数。要判断是否适用，先看这批词在常规搜索里有没有广告主投放。

为什么医疗类的关键词点击成本很高，广告出现率却最低？

出价决定的是同一约束条件下的排序，决定不了能否进入。医疗涉及健康与安全，在生成式回答旁边展示广告的合规风险高，平台的内容约束会先把这类词挡在外面，出价再高也无法改变。实测中医疗只有2.64%，宠物达到72.38%，两者相差二十七倍，这个差距无法用商业价值解释，只能用约束层解释。

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？

需要单独评估，因为这两个位置在同一块屏幕上不能互相替代。实测显示，约85%的广告主在同一批词的自然结果里没有出现；反过来说，有自然位的站再投广告，属于在同屏多占一个位置的少数。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下还保有多少可见度，不应简单地二选一。

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。挑选三十个覆盖不同点击成本档位的核心词，每个词在AI模式里跑三次而非一次，每次记录四栏：是否出广告、出了几条、广告主是谁、被引来源里有哪些站。跑完后计算三个比例：出广告的比例、你被引用的比例、你拥有自然位的比例。整套流程手工完成约需两三个小时，得到的分布比任何行业平均值都更贴合你自己的情况。

这份研究的数字，多久之后就不能用了？

需要区分两类结论。结构性判断的有效期较长，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。29.45%这类当期数值的有效期很短，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不同会话之间会变化，三个月后重测大概率会得到另一个数。

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；行业划分以美国市场为准，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正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