都说AI把搜索流量吃掉了，可场上没有一个数字能算得到你自己的站上

摘要：同一周里，一份点击流研究说AI让传统搜索查询量掉了9.4%，Google那边说AI功能每周给网站送出数十亿次点击。两个数字都不假，但都回答不了你真正想问的那个问题——我的站到底被吃掉了多少。这篇拆开三类数字各自测的是什么、边界在哪、为什么谁都给不出分母，然后给一套不依赖行业数字的自证口径：三层读数、页面替代梯度表，以及在数字不确定时依然不后悔的那几个动作。

同一周出来两个数字，方向正好相反

2026年7月中旬，行业里前后脚出现了两组关于AI搜索影响的数字。

一组来自学术侧：基于美国桌面点击流数据的研究给出结论，ChatGPT搜索功能开放范围扩大之后，传统搜索的每周查询量平均下降9.4%，二十周之后降幅扩大到17%。

另一组来自Google侧：官方公开表态称，现在光是搜索里的AI功能，每周就向网站送出数十亿次点击。

一个说流失，一个说输送。做这行的人看到这种局面，第一反应通常是选边站——看空的人转发前者，看多的人转发后者。这两种反应都跳过了更值得做的一步：先搞清楚这两个数字各自测的到底是什么，以及它们能不能推导到你自己的站上。

提前说结论：都不能。而这个结论本身，恰恰是最有用的一条信息。

9.4% 这个降幅，到底测的是什么？

先把研究本身说清楚，因为传播过程里它被简化得面目全非。

这项研究来自博科尼大学的研究团队，论文《Answering Without Referring》的arXiv预印本用的是Comscore的网址级桌面点击流记录，覆盖四万五千多个美国家庭，时间窗从2024年10月到2025年7月。选这个窗口是有讲究的——ChatGPT搜索功能是分批开放的，先付费用户、再免费用户、最后匿名访客，这种分阶段推开的过程刚好制造了一个准自然实验：可以比较“已经能用”和“还不能用”的两群人。

关键在于：9.4% 测的是搜索查询量的减少，不是你网站流量的减少。

这两件事完全不是一回事。查询量减少意味着人少搜了几次，而这些少掉的搜索原本会不会点进你的站、点进去会不会转化，研究没有回答，也回答不了。把“查询量降9.4%”读成“网站流量降9.4%”，是这一轮传播里最普遍的一次误读。

5.2% 对31.1%，真正该盯的其实是这一组

同一份研究里还有一组数字，比9.4% 重要得多，却传播得少得多：ChatGPT的对话会话里，产生对外引荐点击的比例只有5.2%；而Google搜索查询产生对外点击的比例是31.1%。

这一组对比才是机制层的答案。它说明的不是“搜索少了”，而是同一个信息需求，走AI这条路，流向外部网站的概率大约只有走传统搜索的六分之一。

为什么这更重要？因为它可以推导。假设某个需求场景整体搬到了AI那边，你能拿到的点击不是打个九折，而是掉到原来的一个零头。前者可以靠优化补回来，后者是渠道结构变了，得换打法。

顺带说一句，这条数据也解释了为什么很多人的体感比统计数字惨烈得多——统计口径看的是全网平均，而你的体感来自你那几类页面，如果它们恰好落在被替代最狠的类目里，感受当然更接近32.8% 那一档（研究里查资料和研究类查询的降幅）而不是平均值。

查询量少了，那些需求都去哪了？

“替代”这个词很容易被读成“需求消失了”，实际上少掉的那部分查询有三条完全不同的去向，对应三种完全不同的应对。分不清去向，就会把力气使错地方。

去向一，同一个需求换了个地方问。用户还是想知道那件事，只是从搜索框换成了对话框。这部分是真正意义上的替代，也是被讨论最多的一条。它的应对是可见度问题——你得让AI在回答这类问题时提到你、引用你。

去向二，需求被前一次对话顺手消化掉了。这条更隐蔽。过去要搜三次才能问明白的事，现在一次对话里追问两轮就完了，后面那两次搜索根本没发生。从统计上看是“查询量下降”，从用户角度看不是转移，是压缩。这部分需求你几乎无从触达，因为它压根没有形成一次独立的检索。

去向三，需求根本没被满足，用户放弃了。AI给了个似是而非的答案，用户接受了，也就不再往下查。对你来说这是最难受的一种——你的内容明明更准确，但用户已经不觉得自己需要它了。

这三条去向的比例，没有任何公开数据能拆开。但它们的存在本身有个实用推论：那个降幅数字里，只有第一部分是你能通过做可见度去追回来的。把全部降幅都当成“能靠GEO打法追回的流量”，会让你高估投入产出比，然后在半年后对着没达标的数据怀疑人生。

降幅从9.4% 走到17%，这条时间线说明什么？

研究里还有一个容易滑过去的细节：降幅不是一次性发生的，而是随暴露时间加深——刚开放访问时是9.4%，二十周之后是17%。

这条曲线的形状比它的终点更有信息量。它说明这不是一次性的冲击，而是习惯迁移的过程：人不会因为出了个新工具就立刻改变行为，是用着用着，某一类问题就默认不去搜索框了。

三个推论跟着出来。

第一，用早期数据做长期外推一定会低估。一个产品刚铺开三个月时测到的影响，不是它的稳态影响。反过来，用二十周的数字去外推两年，同样没有依据——曲线会不会走平、什么时候走平，没人知道。

第二，基线要滚动重设。如果你去年建了一条基线就一直沿用，那条基线正在持续失真。比较合理的做法是每个季度重设一次同比口径，并且在报告里注明基线更新时间。

第三，你自己的曲线也应该是渐变的。如果你的数据显示某一周突然断崖，那多半不是AI替代，而是别的原因——改版、索引问题、算法更新、跟踪代码坏了。替代是慢慢渗的，断崖是别的事。这个判据很实用，能帮你少走很多冤枉路。

这份研究的边界在哪，哪些结论不能外推？

研究团队自己在论文里写了局限，这一段在转发里几乎全部丢失，但它决定了你能不能拿这个数字做决策。

只有美国桌面数据。移动端没有，国际市场没有。做外贸和出海的人要特别注意这一条：你的用户在东南亚用手机搜，和美国家庭在桌面浏览器上搜，行为结构差得很远。

没有收入数据。研究能看到点击去了哪，看不到那些点击值多少钱。少掉的那部分查询里，可能大部分本来就不带来收入。

时间窗到2025年7月。之后一年AI搜索产品形态又变了好几轮，趋势方向大概率还在，但幅度不能直接沿用。

类目差异巨大。研究本身就报告了交易类和娱乐类查询的变化明显更小。拿一个跨类目平均值去预测某个具体类目，方法上就不成立。

所以这份研究的正确用法是：它给了你一个机制方向和一组结构性比例，不是给你一个可以往财务模型里填的系数。

数十亿次点击，为什么是一句无信息量的话？

再看另一边。Google公开表态说，搜索里的AI功能每周单独送出数十亿次点击。这句话每个字都可能是真的，但它作为信息的价值接近于零，原因有三个。

没有分母。数十亿听着很大，问题是相对于什么？Google搜索整体的日均点击本身就在数十亿量级。一个周度绝对数，和一个日均绝对数，放在一起是没法比的——除非你知道总量，否则你不知道这是大头还是零头。

没有定义。什么算一次“点击”？AI概览里的来源链接被展开算不算？引用角标的悬浮预览算不算？不同定义之间的量级差异可以有好几倍。

没有基期。没有说这个数字比去年同期是涨了还是跌了。一个不带趋势的绝对数，无法支撑任何判断。

更关键的是最后一层：就算这三样都给了，它也仍然是一个汇总数字，跟你的站没有任何映射关系。你无法从“全网每周数十亿”里，反推出“我的站这周应该拿到多少”。

为什么Google不给分母？

这里不必做阴谋论解读，有两个更朴素的解释。

一是竞争考量。点击的绝对量和占比是Google最核心的商业数据之一，公开完整口径等于把广告业务的底牌摊开。

二是产品口径本身就在动。Google关于搜索中AI功能的官方说明里，AI概览、AI模式这些形态的数据是按搜索类型合并进现有报告的，并没有单独拆出一套。产品形态每几个月变一次，口径也就跟着变，公布一个会在三个月后自己打脸的数字，对谁都没好处。

理解了这一点，你就不该再等了：官方不会给出让你能算自己那份的数据，这不是暂时的信息滞后，是结构性的。等一个权威数字来解决你的困惑，等不到。

第三方工具给的替代率，可信度排第几？

市面上还有第三批数字——各家可见度工具给出的AI流量占比、引用份额、替代率。这类数字的问题不在于造假，在于外推链条太长。

典型做法是：建一个提示词池，跑一批引擎，统计品牌出现和引用情况，再按某种权重外推到市场份额。链条上每一环都有假设——提示词池代表不代表真实需求分布？跑的那几个引擎的市场份额怎么加权？出现一次和被点击一次怎么换算？

这些工具用来做纵向对比是合适的：同一套提示词池、同一批引擎、每周跑一次，看自己的曲线是升是降，这个用法很扎实。用来做横向的绝对值判断就不合适：说“我们在AI里的份额是12%”，这个12% 的置信区间大到没有意义。

三类数字放一张表上，各自能回答什么？

看这张表要看最后一行和前三行的关系：前三类数字都在回答“世界怎么了”，只有第四类在回答“我怎么了”。而需要做决策的是后者。

与其等一个准确的行业数字，不如自己建一套口径

接下来是可执行的部分。自证口径分三层，按确定性从高到低排，别把三层混着用，混着用就会自欺。

第一层：能直接测的三个读数

读数一，按页面类型拆的展现与点击趋势。在Search Console的性能报告里，把页面按类型分组打标——定义解释型、操作教程型、对比评测型、交易转化型——然后分组看展现量和点击量的走势。Search Console性能报告的官方口径说明里有一点必须记住：AI相关形态的数据是合并计入的，你看到的是合并后的结果，所以别指望能在这里读出纯粹的AI影响，能读出的是“哪类页面在失血”。

读数二，展现涨、点击跌的剪刀差。这是最有信息量的单一指标。展现量稳住甚至上升，点击量却在掉，说明你的内容还在被检索到，只是不再需要点进来了。这个剪刀差的斜率，比任何行业百分比都更接近你的真实处境。GSC里各项指标怎么读才不被带偏，保哥在GSC的数字为什么人人都读错里逐项拆过。

读数三，引荐来源里的AI域名。在分析工具里把来自各家AI产品域名的引荐流量单独拉出来。这部分量通常小得可怜，但它的绝对值不是重点，重点是它的转化率——多数站会发现这批流量的转化率明显高于自然搜索平均，因为用户已经被AI预筛选过一轮。

第二层：只能代理的两个信号

代理信号一，品牌词搜索量。如果AI在推荐你，一部分人会转头去搜你的品牌名。品牌词搜索量的变化能当作可见度的间接证据，但它同时受广告、社媒、线下等一堆因素影响，不能单独拿来归因。

代理信号二，直接访问的异常。没有来源标记的直接访问上涨，可能是AI推荐后用户手动输入网址，也可能只是统计口径的锅。这类信号的正确读法是“值得进一步查证”，不是“证据”。

这两个信号怎么组合成一张分层归因表，保哥在零点击时代的归因怎么补里给过完整的做法，这里不重复。

第三层：只能定性的部分，怎么做到不自欺？

剩下的部分——AI在多少次相关对话里提到了你、提到时说得对不对、有没有把你和竞品放在一起比——只能定性地测。

做法是建一个固定的提示词池，每周或每两周手动跑一遍，记录三件事：有没有出现、出现时的表述是否准确、引用的是不是你自己的页面。关键在于提示词池固定不变，一旦中途改了池子，前后就没有可比性了，而这恰恰是最常见的自欺方式——曲线不好看就换一批提示词。

零点击环境下品牌影响力还有哪些可衡量的维度，零点击搜索拿走了流量，品牌影响力还怎么衡量那篇给了一整套仪表盘，可以直接拿去用。

哪类页面先被替代？一张替代梯度表

这张表是把研究里的类目差异，翻译成你能对着自己站点打标的形态。它的作用是让你知道该先看哪一批页面。

这张表还有一个副作用，值得单独指出来：压力最高的那两类，往往正是过去几年做内容时被当作流量主力的类型。这解释了为什么很多内容站的体感远比行业平均惨——不是行业跌得更狠，是它们的资产结构正好压在替代梯度的顶端。

怎么给自己的站算一个粗略的暴露度分数？

梯度表是定性的，再往前推一步可以变成一个能排序的数字。这个算法很土，但它解决的问题很实在：当老板问“我们受影响大不大”的时候，你需要一个能摆上桌的东西，而不是一句“要看情况”。

三步。

第一步，给页面类型赋权。按上面的梯度表给每一类一个替代压力系数：名词解释类1.0，通用操作步骤类0.8，对比选型类0.5，带地域资质的服务页0.3，交易产品页0.1。这些数字是相对刻度，不是概率，别去纠结它准不准——只要全站用同一把尺子，排序就有意义。

第二步，按自然搜索点击量算权重。取过去90天的数据，算出每一类页面的点击量占全站自然搜索点击的百分比。注意用点击量而不是页面数量——一百个没人看的名词解释页，不该和一个主力页面同等计分。

第三步，加权求和。把各类的占比乘以对应系数再相加，得到一个0到1之间的分数。0.6以上说明你的流量结构重度压在高替代压力的资产上，这件事对你就是战略级的；0.3以下说明短期内影响有限，可以按常规节奏推进，先建口径别急着大改。

这个分数最有价值的用法不是看它的绝对值，是每季度重算一次看它的移动方向。分数在降，说明你的流量结构正在往抗替代的方向迁移，这本身就是一个可以写进汇报的成果指标；分数不动甚至在升，说明你新做的内容仍然堆在最容易被吃掉的那一类上。

要注意一个失真点：改版、季节性和新页面上线都会扰动这个分数，所以算完之后要顺手记一句当期发生了什么。至于GSC里那份生成式AI相关的报告怎么读、屏蔽开关要不要动，保哥在GSC生成式AI性能报告与屏蔽开关怎么用里单独写过，那份报告能给这套算法补一层实证。

一个户外露营装备站的六个月读数

去年帮一个做户外露营装备的独立站看过这件事，他们卖便携炉具和睡袋，主力市场是欧洲和澳洲。老板拿着一堆行业报告来问的第一个问题是：我们该按跌多少来做预算？

这个问题回答不了，所以当时的做法是先把他们自己的读数拉出来。按上面那套页面分类打标之后，六个月的数据呈现出很清楚的分化：科普解释类的页面展现基本没掉、点击掉了将近一半；产品页和分类页几乎没有变化；对比选型那批页面点击小幅下滑，但引荐来源里AI域名的量在同期涨了一截，转化率高于自然搜索平均。

换句话说，行业里那个平均数字，落到这个站上是三种完全不同的走向。用任何一个单一百分比来做全站预算，都会同时高估一部分和低估另一部分。

后续动作也就顺理成章：科普页不再追点击，改成把实体信息、产品内链和佐证材料织进去的枢纽；对比页补进了他们自己在阿尔卑斯做的低温实测数据，这是AI复述不了的东西；产品页那边什么都没改，只把结构化数据和库存状态的准确性重新过了一遍。

需要说明边界：这套读数解决的是“钱该往哪投”，不解决“总量会跌多少”。后面这个问题在数据结构上就没有答案，谁给出精确答案，谁在编。

出海做多市场，这个替代结构会更重还是更轻？

研究只覆盖美国桌面，而做外贸和独立站的人面对的是一堆别的市场和一大半移动流量。这个缺口不能靠猜，但可以按几条已知的结构差异来推方向。

移动端大概率更重，但基数本来就低。手机上的AI入口正在往系统层和浏览器内置里钻，路径比桌面更短，替代发生得更自然。不过移动端搜索的点击率本来就低于桌面，所以从“损失的绝对点击”看，未必比桌面惨。这两个方向相反的效应叠在一起，净结果只能自己测，不能沿用别人的数字。

非英语市场目前偏轻，但这是个正在关闭的窗口。小语种的AI答案质量普遍不如英语——训练语料少、本地实体识别弱、引用的来源经常驴唇不对马嘴。用户被坑过几次之后会退回搜索框。这给做小语种市场的人留了一段缓冲期，但语料在补，缓冲期在缩短。合理的做法是把这段时间用来抢占本地实体和本地佐证，而不是当作可以躺着的理由。

B2B出海的替代压力，结构性低于B2C信息类。采购决策要核实主体、要看资质、要走多人流程，AI在这类场景里更倾向给出处而不是给结论。所以工业品和设备类的独立站，短期内不该把AI替代当成头号威胁——真正该担心的是另一件事：当采购方用AI做初筛时，你在不在候选名单里。

落到操作上只有一条：按市场分开建口径。全球一条曲线是这件事上最没用的图表，因为它把方向相反的几个市场平均成了一条没有信息的横线。至少按主力市场拆三条，每条单独看展现与点击的剪刀差。

还有个便宜的判据可以顺手加上：看某个市场里品牌词点击和非品牌词点击的比值走向。非品牌词的点击在掉、品牌词的在涨，通常说明替代正在发生但你的品牌资产在接住它；两者一起掉，那多半不是AI的问题，是这个市场的整体运营出了别的岔子。

数字不确定的时候，哪些动作在两种情形下都不后悔？

做决策的人真正需要的不是准确预测，是一组“无论替代率是9% 还是30% 都该做”的动作。这样的动作有四个。

一，把可被复述的内容改成不可复述的。替代率高，这么做能保命；替代率低，这么做本来也能提升内容质量。两种情形都对。

二，把实体信息做扎实。官网主体信息、第三方佐证、一致的品牌描述——AI时代它决定你会不会被推荐，传统搜索时代它是E-E-A-T的地基。两边都吃。

三，把测量口径先建起来。建口径的成本很低，价值随时间增长。等你需要向老板解释的时候再建，就晚了半年基线。

四，把渠道结构分散一档。不是让你全面转投别的平台，是别让某一个渠道占到七成以上。这条在任何一种未来里都成立。

反过来，有两个动作是明确该缓的：为了追一个不确定的趋势而大规模重写老内容，以及在没有自己基线的情况下就采购一整套昂贵的监控工具。这两件事都是拿确定的成本，去赌一个不确定的收益。

拿行业数字给老板做预测，会踩什么坑？

最后说几个具体的坑，都是真见过的。

坑一，把查询量降幅当流量降幅报上去。触发条件是转述二手结论时没看原始口径。后果是预测系统性失真，而且失真方向不定——可能高估也可能低估。处理方式很简单：任何要写进汇报的数字，都去看一眼它的原始定义。

坑二，用全球平均值预测单一市场。美国桌面数据推不出东南亚移动端的情况。做出海的尤其容易在这里翻车。处理方式是明确标注适用范围，宁可写“缺该市场数据”，也别拿一个不适用的数字充数。

坑三，把没有分母的绝对数当利好。看到“数十亿次点击”就安心了，这跟看到降幅就恐慌是同一个错误的两面。处理方式是养成一个习惯：任何绝对数，先问分母和基期，两个都没有就当没看见。

坑四，中途更换提示词池。这是自证口径里最隐蔽的自欺。曲线不好看就换一批词，换完曲线漂亮了，但这条曲线已经不代表任何东西。处理方式是把提示词池当合同处理，要改就重新起算基线并留档说明。

坑五，把三层读数混着用。拿第三层的定性观察去回答第一层的定量问题，或者反过来。处理方式是汇报时明确标注每个数字来自哪一层、置信度如何。老板不怕数据有不确定性，怕的是你把不确定的东西讲得很确定，然后在下个季度被现实打脸。

那这件事最终该怎么看？

替代在发生，这一点不用再争了，机制层的证据已经够扎实——同一个信息需求走AI路径，流出到外部网站的概率只有传统搜索的一个零头，这是结构性的。

但幅度不可知，而且大概率会长期不可知。平台没有动机公布让你能算自己那份的数据，学术研究受限于样本和时滞，工具受限于外推链条。等一个权威数字来告诉你该慌到什么程度，这个数字不会来。

能做的是把问题换掉：不问“行业跌了多少”，问“我的哪一类页面在掉、掉的是不是值钱的那部分、我手上有没有一条能自己解释的曲线”。这个问题有答案，而且答案就在你自己的后台里，今天就能开始拉。

常见问题解答

AI搜索到底让网站流量掉了多少？

没有可靠的行业数字，而且大概率长期不会有。公开研究测的多是查询量变化而非网站流量变化，覆盖范围也常限于特定市场和特定设备；平台方公布的是没有分母、没有基期的绝对量；第三方工具的数字建立在自设提示词池外推之上。这三类数字都能说明“替代在发生”，但都无法推导到你的站。可行的替代方案是建立自己的读数：按页面类型拆分的展现与点击趋势，尤其是展现涨、点击跌的剪刀差。

查询量下降9.4% 是不是意味着我的流量要掉9.4%？

不是。这两个指标测的是不同的东西：查询量下降指的是人少搜了几次，而那些少掉的搜索原本会不会点进你的站、点进来值不值钱，数据没有回答。更值得关注的是同一研究里的另一组数字——AI对话产生对外点击的比例约5.2%，传统搜索约31.1%。这说明当一个需求场景整体转移到AI时，流出到外部网站的概率大约只有原来的六分之一，这是结构变化，不是打折。

为什么Google不公布AI搜索的点击占比？

有两个现实原因。一是点击的绝对量和占比属于核心商业数据，公开完整口径等于摊开广告业务的底牌。二是产品形态本身在持续变化，AI相关形态的数据目前是按搜索类型合并进现有报告的，并未单独拆分，公布一个几个月后就会失效的口径对平台没有好处。所以这不是暂时的信息滞后，是结构性的——等官方给出能让你算自己那份的数据，等不到。

在Search Console里能看到AI带来的流量吗？

看不到纯粹的那一份。AI相关形态的数据是合并计入现有报告的，你读到的是合并后的结果。能读出来的是另一件更有用的事：把页面按类型分组之后，哪一类的展现量还在、点击量却在掉。这个剪刀差说明内容依然被检索到，只是用户不再需要点进来。它比任何行业百分比都更贴近你的真实处境。

可见度监控工具的数字能信吗？

看用法。用来做纵向对比是可靠的：固定提示词池、固定引擎组合、固定频率，看自己的曲线走向，这个用法很扎实。用来做绝对值判断就不可靠：说自己在AI里占多少份额，这个数字的置信区间大到没有决策价值。最需要警惕的是中途更换提示词池，换完曲线会好看，但已经不代表任何东西。

哪类页面最先被AI替代？

压力从高到低大致是：名词解释和概念定义类最高，因为答案短、无歧义，一句话就能给完；通用型操作步骤次之，因为步骤能被完整复述；横向对比和选型居中，AI能列表格但列不出真实使用体验；带地域和资质的服务页较低；交易和产品页最低，因为最终必须落到某个具体商家。麻烦的地方在于，压力最高的那两类，往往正是过去几年被当作流量主力来做的类型。

在数字不确定的情况下，现在该做什么不会后悔？

四个动作在任何一种未来里都成立：把可被复述的内容改造成不可复述的（加版本差异、报错处理、一手实测）；把实体信息和第三方佐证做扎实；先把测量口径建起来，成本低而且价值随时间增长；把渠道结构分散一档，别让单一渠道占到七成以上。反过来，两件事该缓：为追不确定趋势大规模重写老内容，以及在没有自己基线之前就采购昂贵的监控工具。

怎么向只看数字的老板解释这件事？

别去争行业数字的准确性，那是一场赢不了的辩论。换个讲法：先承认总量幅度不可知并说明原因（平台不公布分母、研究样本受限），再把自己站的三条曲线摆出来——分类型的点击趋势、展现与点击的剪刀差、AI引荐流量的转化率。然后把结论落在资源配置上：哪类页面不再追点击、哪类页面加投入。老板真正需要的是投哪里的依据，不是一个精确到小数点的预测。

权威参考资料