跳到正文
Kevin Indig (Growth Memo)·· 6 天前精选AI 评分82

Kevin Indig 发布 2026 年 Q4 AI 搜索荟萃分析报告

AI Search Meta Analysis - Q4 2026

AI 导读

Kevin Indig 综合 32 项行业研究发布 2026 年 Q4 AI 搜索荟萃分析,指出 AI 摘要正在侵蚀传统自然搜索点击,其中外链点击降幅在不同实验中达 18.8 至 39.8 个百分点。

推荐理由

该报告系统汇总了多项实证研究数据,梳理出 AI 搜索导致点击率下滑以及品牌从检索到推荐的四层转化路径。

正文 · AI 翻译
本期备忘录已发送给 30,798 位订阅者。欢迎 198 位新读者加入!你可以免费订阅,每周获取最新见解;也可以升级为高级会员,获取专属工具和框架,助你大幅提升效能。顺便提一句,我将在美东时间 12 月 15 日下午 1:30 举办一场短工作坊,主题是《如何衡量并赢得 AI 可见度》。欢迎参加,完全免费!

Growth Memo 依托读者支持运营。如果你希望持续收到新文章并支持我的创作,欢迎成为免费或付费订阅者。

1907 年至 1929 年间,美国家庭通电率从 10% 飙升至 70%。110/120 伏标准插座的普及不仅开拓出全新的消费市场,更催生了洗碗机、搅拌机、剃须刀和电视机等一系列创新产品。

我认为,如今我们面对 AI 也正处于类似的转折点,其影响甚至可能更深远。从自然增长(Organic Growth)的视角来看:AI 正在重塑人们发现、对比和选择品牌的方式,而这一过程往往发生在用户真正进入网站之前。不过,技术与消费者行为都在快速演变,我们今天给出的答案,几个月后可能就完全是另一番景象了。

此前我曾发布过 3 篇元分析:

在本期第四季度更新中,我将梳理自上次分析以来的最新变化。从现在起,我计划每季度发布一篇元分析,以此理清发展脉络,追踪 AI 搜索的发展格局。老规矩,还是要提醒一句:单项研究能说明的问题非常有限,唯有长期积累的一整套系统性研究才具有说服力。

1. 究竟有多少搜索正在转向 AI?

这个问题不应被理解为“有多少人弃用 Google 改用 ChatGPT”,而该问“面对 Gemini、ChatGPT 或 Claude 等 AI 聊天机器人,还有多少人依然选择使用 Google 搜索”。用户的行为路径可能是这样的:先在 Google 上搜索,看一眼 AI Overview 摘要,再去 ChatGPT 比较几个选项,最后又回到 Google 查询某个具体品牌。要理清有多少搜索正在转向 AI,我们必须把“正在使用 AI 的用户”与“他们原本会发起的传统搜索”剥离开来评估。当然,这绝非非黑即白的选择,转变往往是循序渐进的。

在我2025 年针对 AI Mode 的分析中,用户的主动采用率看起来还比较缓慢。而 Google 目前公布的数据显示,其月活跃用户已突破 10 亿。但这两项指标衡量维度不同,无法说明 AI Mode 到底替代了多少传统搜索。我并不认为这 10 亿用户都是主动选择使用的,毕竟 Google 只是把 AI Overviews 整合进了既有的搜索功能中,顺水推舟将更多流量导入了 AI Mode。

AI Overviews 开始覆盖更多商业调研类查询。在我2025 年对 AI Overviews 的分析中,它主要出现在信息类搜索中。而近期,Semrush 追踪了 400 个美国桌面端商业关键词,发现 AI Overviews 的覆盖率已从 2025 年 9 月的 45.75% 飙升至 2026 年 8 月的 88%。该样本涵盖了银行、电商及软件领域的精选查询,并非全部搜索。此外,Profound 对 750 万次美国英文 ChatGPT 对话进行归类后发现,具有商业意图的对话占比在 2025 年 6 月至 2026 年 6 月间从 13.9% 攀升到了 19.2%。

搜索用户似乎越来越依赖 AI 生成的回答。皮尤研究中心(Pew)2026 年对 5119 名美国成年人开展的调查显示,49% 的受访者至少使用过一次 AI 聊天机器人(较 2024 年的 33% 增长了 16 个百分点),24% 每天都在使用,42% 用它来搜索信息。更有 60% 的受访者会阅读搜索结果顶部的 AI 摘要。

谷歌搜索依然稳居核心地位,尽管搜索场景已经广泛分散到各大 AI 平台。贝恩咨询(Bain)2025 年对 1500 名消费者进行的调查显示,56% 的受访者表示通常或始终把搜索引擎作为默认入口,而将聊天机器人作为默认入口的仅占 16%。SparkToro 对 41 家支持搜索的网站开展的另一项分析也显示,在 2025 年第四季度监测到的美国桌面端搜索中,谷歌仍占据了 73.7% 的份额。

结论:由于搜索与 AI 已经深度交融,我们很难给出一个“AI 在搜索中占比 x%”的具体数字。但可以肯定的是,无论是阅读 AI Overviews 还是使用 AI 聊天机器人,消费者都已将 AI 视作一种搜索手段。至于谷歌的使用量是否因此下滑,我目前还没找到确凿证据。

2. AI 回答会减少点击量吗?

如今看来,AI 回答会削减点击量基本已成定局。但在“究竟减少了多少”这个问题上,各方给出的数据却常常互相矛盾。

2025 年 3 月,皮尤对 900 名美国用户组成的上网行为样本库进行了一项开创性研究,其结论表明:在包含 AI 摘要的访问中,用户点击传统搜索结果的比例仅为 8%,而没有摘要时这一比例为 15%(下滑约 50%)。更夸张的是,在包含 AI 摘要的访问里,用户点击摘要内部链接的比例仅仅只有 1%!

此后,Agarwal 和 Sen 以及 Wang 等人通过随机对照实验,进一步证实了 AI Overviews 和 AI Mode 确实会减少对外点击量:

  • Agarwal 和 Sen 在 2026 年的一项现场实验中发现:一旦出现 AI Overview,流向外部的自然点击量下降了 39.8%,而“零点击搜索”增加了 34.5%。这种随机对照设计有力地支撑了因果关系的存在!与此同时,赞助广告点击量和整体搜索频次则基本保持不变。

  • Wang 等人对 1100 名活跃美国受访者进行的现场实验显示,与常规谷歌搜索相比,强制进入 AI Mode 搜索会让外部点击率降低 18.8 个百分点。

在我2025 年针对 AI Mode 的分析中,用户行为研究就已表明用户往往停留在谷歌站内。在我自己的研究中,有 77.6% 的任务会话完全没有产生任何外部网站访问。

Khosravi 和 Yoganarasimhan 以德语维基百科词条为对照组,采用双重差分法(DID)对维基百科词条展开研究,发现 AI Overviews 导致英语维基百科来自外部搜索的引荐流量减少了 5.45%。Ahrefs 分析了 30 万个桌面端关键词后发现,在 2025 年 12 月,展示了 AI Overview 的关键词首位自然排名点击率(CTR)仅为 1.6%,而在模型推算中,若无 AI Overview 则可达到 3.7%,相对降幅达 58%。

不过也有截然相反的发现:Semrush 和 Datos 在 2025 年调研了 20 多万个关键词,指出在 5 月至 10 月期间开始展示 AI Overviews 的关键词子集中,测得的零点击率反而从 33.75% 降到了 31.53%。但需注意,“零点击率”和(偏低的)“点击率(CTR)”并不是一回事。

结论:AI 回答确实可能削减点击量,但具体影响幅度取决于展现形式、查询词类型以及具体使用场景。现有研究并不支持将某一个固定的降幅百分比套用到所有网站上。

3. 决定品牌能否出现在 AI 答案中的关键是什么?

随着 AI 的普及日新月异,一个顺理成章的问题随之而来:品牌该如何在关键时刻、关键节点获得曝光?传统的排名报告只能呈现网页在搜索结果中的位置。而 AI 生成的回答可以检索多个信息源,引用其中一部分,并在最终回复中点名某些品牌。从网页被检索到,再到品牌被推荐,中间经历的环节更为复杂,而每个环节都可能成为品牌赢取或错失曝光的机会。

在我此前针对 2025 AI Mode 的分析中,我重点探讨了品牌实力、相关性与时效性,并建议频繁更新内容。此后的一系列研究,进一步厘清了从“被发现”到“获曝光”之间的各个环节。AirOps 发现,很多被检索到的网页从未被引用;而我和 Semrush 合作开展的研究则表明,网站即使被引用,品牌名称也未必会被提及。

相关研究指出了品牌赢得或错失曝光的四个关键阶段:

发现与检索

当 AI 系统在网络上检索时,能否被发现是第一道关卡。而且,这种检索往往会延伸到原始提示词之外。AirOps 研究了 ChatGPT 检索的 1.5 万个提示词和 548,534 个网页。结果显示,85% 被检索到的网页从未被引用。而在排名前 20 搜索结果且被引用的页面中,有 32.9% 仅出现在后续的“扩散”查询(fan-out query)中,并非源于最初的提示词。

这意味着,仅仅追踪最初的提示词可能会遗漏一部分搜索过程。例如,用户询问关于“最佳 CRM”的问题,可能会衍生出关于价格、系统集成或客户支持的后续搜索。

Chen 和 Koudas 的一项研究也得出了类似的结论:相比 FAQ 模块或 Schema 结构化数据等特征,检索与主题相关性在预测引用情况时更具参考价值。不过,研究人员采用的是 API 重放方式,因此该结果并非直接对完整的消费者端界面进行观察所得。

受控基准测试 SAGEO Arena 则带来了另一个微妙发现:在测试中,重写正文以增加专业术语、插入引文出处或提升语言流畅度,反而降低了检索率;而对包含标题和元描述(meta descriptions)在内的结构化信息进行调整,则提升了检索率。需要注意的是,这些都是基准测试的结果,并非对 Google 或 ChatGPT 线上真实环境的直接实测。

这种区别非常关键,正如 Martinez 的评述所指出的那样,部分生成式引擎优化(GEO)研究是在一开始就直接给模型提供一组页面。这类研究能反映出 AI 如何利用现成提供的网页,却无法说明 AI 最初究竟能否在茫茫网络中找到该网页。

筛选与引用

即使被检索到,也无法确保一定会被引用。AI 仍需要从中筛选合适的信息源。

在我和 AirOps 的研究中,检索结果中排名越靠前的页面,引用率越高:检索排名第一的网页引用率高达 58%,而排在后面的页面引用率仅为 14%。标题与查询意图匹配度更高的页面,引用率同样更高。另一项涵盖 25.2 万次“双文档”试验的对照研究发现,相关性与信息源位置,是决定哪个来源被优先引用的最大影响因素。

还有一些发现也颇有意思,但并不能证明改动页面特定元素就一定会带来引用。SISTRIX 发现,引用量与标题中带有当前年份、包含目录以及采用 Schema 标记等特征存在关联。而在我与 Gauge 合作开展的研究中,符合原创研究标准的 8 个页面平均各获得 11.3 次引用,相比之下,其他页面平均仅有 3.4 次。

此外,对“放之四海而皆准”的优化套路也应保持审慎态度。在 C-SEO Bench 测试中,在 24 种任务与模型组合里,有 19 种情况下加入统计数据反而拉低了文档的平均排名。另一项测试则显示,随着更多竞争对手采用相同的两项修改,这些优化带来的优势会逐渐缩水。需要指出的是,该基准测试是直接将文档输入给模型,因此并没有测试这些改动是否会影响检索阶段。

品牌提及与呈现方式

被模型引用和被指名道姓完全是两码事。AI 给出的回答可能会链接到某个页面,却只字不提背后的品牌;也可能直接提到品牌,却完全不附带其网站链接。在我与 Semrush 合作的研究中,在记录到的 3,981 次域名展示里,有 61.7% 属于“只引用、不提品牌名”。我将这类情况称为“幽灵引用”。同时被引用并提及的占 13.2%,还有 25.1% 则是只提品牌名而未给引用链接。

Ahrefs 对 75,000 个品牌的分析同样发现,全网品牌提及量与 AI 可见度之间存在相关性。不过,品牌规模、既有市场需求以及所在品类都会同时影响这两者,因此该结果并不能证明单靠增加提及量就能直接提升 AI 可见度。

当用户向 AI 询问节日优惠和送礼灵感时,哪些品牌会脱颖而出?本期 Memo 的赞助商 Semrush 针对四家 AI 平台上的 269 个节日购物话题进行了深入分析,涵盖黑色星期五、网络星期一和圣诞节。这项研究揭示了:

  • 专业垂直零售商在哪些领域把知名大牌甩在身后。

  • 哪个品牌的提及量高居榜首,却连一次引用都没拿到。

  • 面对同样的查询,ChatGPT、Gemini 和 Google AI 模式是如何挑出截然不同的推荐名单的。Semrush 企业版

报告中还附有一份针对购物季的可见度核对清单。

免费下载这份研究报告

用户行为与商业转化

最后要探究的,是用户在看到答案后会采取什么行动。在我与 Wynter 开展的调查中,200 名受访者中有 145 人(即 72.5%)表示,在与 AI 对话后访问了供应商的网站。

而在 Profound 的自愿参与者研究小组中,用户在被 ChatGPT 提及某个品牌后的 7 天内,对该品牌网站的访问率比根据其过往行为预测的基准高出 2.07 个百分点。虽然这项研究无法直接证实访问行为必然是由提及所引发,但这依然是一个值得关注的积极信号。

结论:各项研究反复表明,相关性与检索能力至关重要,但没有任何单一的页面特征能稳拿引用。即便拿到了引用,也不代表品牌会被提及、能带来访问甚至促成购买。真正的突破口在于搞清楚:你的品牌在何处露面、以何种形象呈现,以及潜在买家接下来会怎么做。

4. 用户究竟如何使用 AI 推荐?

用户到底只是把 AI 的推荐当作参考选项之一,还是直接将其奉为能找到的最佳答案?

早在我的2025年聊天机器人分析中,就有证据表明AI推荐会左右消费者的备选商品。而近期的多项研究,则进一步揭示了用户获取答案之后的行为路径。在我主导的Wynter研究中,对于心中已有备选品牌的买家,AI成功向他们推荐了新供应商,许多受访者在对话结束后还访问了供应商官网。这说明AI能在丰富备选清单的同时,让采购决策链在其他渠道继续延伸。

这一发现与Growth Memo联合Citation Labs及Clickstream Solutions开展的研究略有出入。该研究组织了48名美国受访者,录制并分析了他们在四个品类中完成的185项购物调研任务。结果显示,许多最终备选项直接来自AI生成的内容,未经外界交叉核实,且AI模式下的零点击率高达64%。我们还发现,在AI模式下137次可编码的观察样本中,排在首位的推荐项成为最终首选的比例达到74%;作为对照的传统搜索样本虽然规模较小,这一比例也高达71%。

在Profound开展的另一项独立研究中,56名受访者完成了224项ChatGPT购物任务,其中221项具备编码分析价值。在相关任务中,有92.8%最终没有产生任何有意义的公网点击跳转;最终入选品牌在回答中的声量份额为24%,而被筛除的品牌仅占11%。数据显示,曝光度与最终选择的相关系数达到了0.57。

但这些现象并不意味着用户绝不脱离AI平台:Attentive在2026年8月针对3054名近期有浏览或购物行为的美国成年人展开调查,在分享近期体验的AI辅助购物者中,有93%表示自己在决策购买时会去外部寻找更多信息或佐证。

另一项包含2012名受访者的预注册实验,在电子书选购场景中测试了商业说服效果。当明确要求对话系统推荐某本赞助图书时,有61.2%的用户选择了该书;相比之下,搜索广告位展示的转化率仅为22.4%,单纯在聊天界面露出也只有26.8%。

Growth Memo与Wynter联合分析了200份用户自述的软件调研经历,发现有145名受访者(占比72.5%)在结束AI对话后访问了供应商官网,96人(占比48%)事后在Google上进行了二次搜索。在心中本已有备选供应商的158名受访者中,有99人(占比62.7%)表示通过AI将新供应商加入了考量范围。而在126名最终确定供应商的受访者里,有78人选中的正是AI在第一轮回答中提及的品牌。

结论:AI既能在单次对话中帮买家精简现有选项,也能在买家原有的备选清单中塞入新面孔。但一次问答并不等于完整的购买旅程。买家依然会跳出AI,前往外部网站完成交易或核实AI的说辞。因此,品牌的机会不仅在于跻身初选清单,更在于同时拿出足够有说服力的理由,让自己不被淘汰。

5. 用户真的准备好让AI代劳购物了吗?

智能体购物眼下正被热炒。“AI购物”既可以指让聊天机器人对比各款电视,也可以指全权委托智能体挑选并下单,二者涉及的控制权截然不同。要弄清消费者和技术到底准备得怎么样,必须把调研、决策、结账和最终成交这几个环节拆开来看。

在我的2025年聊天机器人分析中,我曾预计AI会帮用户接手更多任务,Google也会为搜索引入更多智能体功能。而如今的研究则将两个关键问题区分了开来:用户究竟愿意放权到何种程度,以及AI执行任务的可靠性到底如何。

Gartner 在 2026 年 1 月对 322 名美国消费者展开调查,结果显示:31% 的受访者愿意让 AI 帮自己缩小日用品的挑选范围,28% 的人愿意在个人电子产品上这么做。但在这些决策成本较低的品类中,愿意直接让 AI 做购买决定的比例最高仅为 11%。

Visa 在 2026 年 11 月开展的购物基准测试评估了 22 个模型在 15 个场景下的表现,每个场景重复测试 3 次。总体来看,模型的单次尝试通过率为 57.2%,但在所有“模型-场景”组合中,三次全部通过的仅占 34.2%。测试要求模型挖掘客户需求,并给出合理的购买或放弃建议。该基准测试并未涵盖结账、支付或下单等环节。

沃顿商学院的研究人员利用包含 8 款健身手表的商品网格截图,进行了约 2.6 万次模拟购物测试。结果显示,无论是调整先前的评价、信息源排序,还是改变注入的用户背景信息或工具调用结果的呈现方式,都会改变模型的最终选择,有时甚至会带来颠覆性的改变。

在 Growth Memo 与 Siteline 联合开展的研究中,Claude Sonnet 4.6 智能体针对 100 款 B2B 产品完成了 3 类任务,累计运行 1500 次。在价格与功能方面,基于第一方信源的回答比例为 79%,而在系统集成和安全性方面,这一比例分别达到 93% 和 92%。在价格相关的任务中,若官方未公开实际价格,45% 的测试会引用至少一个第三方信源;而当有明确公开的价格数字时,这一比例仅为 18%。此外,所有测试中有 7% 遇到了访问错误;作者指出,在价格测试中,一旦出现访问错误,求助于第三方的概率高达 77%,而在无错误时仅为 17%。

结论:消费者希望 AI 代劳购物,与 AI 真正具备这种能力之间,依然存在鸿沟。相比让 AI 替自己做决定,人们似乎更愿意把 AI 当作购物助手。多项测试均表明,AI 目前在技术和可用性层面仍面临诸多限制。

核心结论

无论是在 Google 等搜索引擎还是各类聊天机器人中,AI 搜索正在重塑从“发现”到“决策”的消费路径。如今,AI 直接给出的答案会分流网页点击量,但其中的推荐内容也能在消费者访问官网之前,向他们展示新品牌并影响初选名单。

对品牌而言,机遇在于消费者搜寻调研时及时切入,为他们提供辅助决策所需的信息。自主购物目前尚处早期:比起直接让 AI 代做决定,消费者显然更容易接受让它充当助手。

应对策略:

  1. 监测全流程:将自然搜索点击量、AI 提及与引用量、高意向访问量、销售线索和成交量划分为不同的产出指标,分别进行追踪。

  2. 降低决策门槛:为买家和 AI 系统提供清晰明了的价格、功能、竞品对比及背书证明等信息。

  3. 测试品牌曝光度:反复运行核心提示词,检查 AI 如何描述你的品牌,并观察流量与业务转化数据的变化。

研究方法

本文以笔者的研究工作笔记为基础,并参考了学术论文、Growth Memo 的研究成果、行业报告以及平台数据,针对性信源核验截至 2026 年 11 月 13 日。

整份研究综述共引用了 52 项不同的原始研究或分析。本文则围绕五个核心问题,探讨了其中的 32 项。若某项分析在多个章节出现或在多篇出版物中被提及,均只计为一次;文献综述、产品文档及辅助数据文件均不计入。这里统计的是文中所探讨分析的数量,既不代表筛选过的全部信息源,也并不意味着这些分析都基于完全独立的数据集。

这是一篇结构化的研究综述。我并未将各项结果合并为一个单一的统计估算值。文中所引研究覆盖了不同的人群、产品、时间跨度与衡量指标,研究方法涵盖对照实验、问卷调查、浏览行为样本库(browsing panel)、流量模型推算以及智能体仿真等。

许多研究样本仅聚焦于特定网站、提示词或美国桌面端用户。问卷调查衡量的是受访者的主观陈述;监测到的点击反映的是用户在特定情境下的实际行为;而智能体模拟测试,也无法直接说明现实世界中自主采购行为的发生频率到底有多高。

部分提供研究成果的机构本身就销售 AI 搜索或分析类产品。此外,我也投资了 Wynter,本篇综述引用了该机构的问卷数据。

Growth Memo 依靠读者的支持持续运营。欢迎免费订阅或成为付费会员,以便第一时间获取最新文章,支持我的创作。

来源:Kevin Indig (Growth Memo) · growth-memo.com

EVAOO 主站实战落地 · SEO 与 GEO 自然增长

看完情报?回到 EVAOO 主站直接上手工具与完整 SOP

返回 EVAOO 主站