十二个月前，在零售企业的数据分析体系中，AI 引荐是表现最差的渠道：经由 AI 助手进站的顾客，下单比例低于来自付费搜索、电子邮件或联盟推广的顾客。如今，同一条渠道已跃居首位。
2026 年 3 月，美国零售网站上来自 AI 渠道的流量，转化率比非 AI 流量高出 42%，创历史新高；而在 2025 年 3 月，同类流量的转化率还要低 38%。
来源：Adobe Analytics，《2026 年第二季度 AI 流量报告》，2026 年 4 月 16 日 · 基于美国零售网站逾 1 万亿次访问
同一条渠道，相隔十二个月
| 时间 | 结果 |
|---|---|
| 2025 年 3 月 | 低 38% |
| 2026 年 3 月 | 高 42% |
美国零售业 AI 引荐流量相对非 AI 流量的转化表现。两组数字的比较基准不同，要看的是方向。
围绕这份报告流传的“80 个百分点大逆转”，并不像听上去那么严谨，因为两组数字的比较基准并不一致。方向却毫无疑义：短短十二个月，一条渠道就从美国零售业垫底跃居第一，流量规模也随之放大。2026 年第一季度，AI 引荐流量同比增长 393%，这些访客的停留时长比其他访客多 48%，单次访问贡献的收入高出 37%。
零售业最先显现这一变化，是因为零售成交快，一个季度之内就能测出结果。周期长达九个月的企业级销售，没有人发布过可比数据，但底层行为并无二致；在需要反复权衡的采购中，它更难察觉，错过的代价也更高。麦肯锡预计，到 2028 年，美国将有 7500 亿美元营收经由 AI 驱动的搜索实现。这是预测而非实测，但预测与实测如今已指向同一方向。
把其中任何一组数字摆在您自己的自然流量曲线旁，战略问题就换了一副面孔：问题不再是如何夺回点击，而是您手上还有哪些数字能真正衡量需求。对于这个问题，多数高管从未得到过直截了当的答复。
变了什么，忽视它的代价有多大
| 过去管什么 | 如今什么决定成败 |
|---|---|
| 搜索结果页排名 | 出现在您看不见的回答里 |
| 把访问量当作需求信号 | 按来源拆分的转化率与每次访问收入 |
| 把官网当作主要推销阵地 | 大部分不归您掌控的信息源 |
| SEO 由一个职能部门统管 | 两笔预算、两位负责人、两种节奏 |
| 每年一次的渠道复盘 | 按月更新的基线，因为平台改动从不事先通知 |
以上每一项都不是营销技巧，而是管理方式的转变。正因如此，这些事往往被下放到比应有层级低一两级的地方。
您的读者，如今多半是机器
Cloudflare 承接着约五分之一的互联网流量，抵达其网络的每一次请求都在它的统计之内。2026 年 6 月，它自己的测量数据跨过了一道门槛，而其首席执行官此前公开预测，这一刻要到 2027 年底才会到来。
自动化请求首次超过人类请求：在访问网页内容的 HTML 请求中，机器约占 57%，人占 43%。
来源：Cloudflare Radar，数据由首席执行官 Matthew Prince 公布，2026 年 6 月 3 日 · 该网络承接约五分之一的互联网流量
究竟是谁在读网页
| 占比 | |
|---|---|
| 机器 | 57% |
| 人 | 43% |
访问网页内容的 HTML 请求来源构成，Cloudflare 网络，2026 年 6 月。
机器读取您的内容，并不是新鲜事；变的是交换条件。过去二十年，双方大体互惠：爬虫抓走您的网页，搜索引擎回馈您一位读者。
据观测，主流 AI 爬虫的抓取与引荐比从 118:1 到接近 50,000:1 不等，而传统搜索爬虫的这一比例大体平衡。
来源：Cloudflare，Attribution Business Insights，2026 年 7 月 · 基于主流 AI 爬虫的观测比例
每带回一位访客，需抓取多少页面
| 爬虫类型 | 比例 | 备注 |
|---|---|---|
| 传统搜索爬虫 | ≈ 1 : 1 | 大体平衡 |
| 主流 AI 爬虫（低值） | 118 : 1 | 观测值 |
| 主流 AI 爬虫（高值） | ≈ 50,000 : 1 | 训练用爬虫，无引荐机制 |
差距如此悬殊，是因为数据涵盖不同月份的不同爬虫，最极端的那一类是根本没有引荐机制的训练爬虫。这组数字只宜看方向，不宜当作精确值。对出版商而言，这意味着收入模式正在瓦解；对品牌而言，冲击没那么剧烈，却几乎同样棘手：如今阅读您内容的，主要是一类既不会来访、也不会转化、更不会出现在您现有任何报表里的读者。抓取量与流量已经脱钩。仪表盘若仍把前者当作后者的先行指标，描述的便是一种早已失效的关系。
还有一个问题：这些机器到来之后，究竟能读到什么。
在美国零售业，首页的平均 AI 可见度得分为 75%，分类页为 74%，单个商品页为 66%。得分 50%，意味着页面上有一半内容模型无法读取。
来源：Adobe，AI Content Visibility Checker 基准测试，2026 年 4 月 16 日 · 样本页面覆盖美国零售业
每类页面，模型能读懂多少
| 页面类型 | AI 可见度得分 |
|---|---|
| 首页 | 75% |
| 分类页 | 74% |
| 商品页 | 66% |
承载价格、库存与规格的页面，偏偏是全站最难读取的一类。
换言之，承载价格、库存与规格的商品页，是全站可读性最差的页面，而购物助手要读的偏偏就是它。我们在非零售行业的审计中也看到同样的格局：营销页面得分尚可，承载实质信息的页面得分很低，因为后者是为渲染引擎而不是为读者搭建的。这是供给端的问题，内容排期再满也无济于事。
短名单在您察觉之前早已定局
下面这部分，无论您是否在网上销售都同样适用。如果您卖的是需要慎重决策的产品，而不是一双跑鞋，那么最值得盯住的数字并不在上述任何一项中。它来自 B2B 领域，而且远在 AI 搜索成为话题之前就已存在。
94% 的采购小组在首次接触卖方之前，就已排定心目中的首选供应商，且 77% 的情况下最终正是向这家初步首选采购。独立调研与销售接触的比重，已从 70/30 变为 60/40。
来源：6sense，《2025 年买家体验报告》，2025 年 11 月 12 日 · 覆盖北美、欧洲中东非洲（EMEA）及亚太地区逾 4000 名买家
- 94% 的采购小组在首次接触前已排定首选供应商
- 77% 的情况下，初步首选方最终赢单
独立调研与销售接触的比重
| 适用时机 | 独立调研 | 销售接触 |
|---|---|---|
| 过去 | 70% | 30% |
| 当下 | 60% | 40% |
六成的采购历程，在您公司还没有任何人知道这笔商机之前就已走完。
六成的采购历程，在您公司还没有任何人知道这笔商机之前就已走完。这六成之中，每个季度都有更大一部分交给 AI 助手：它读评价、排供应商，最后递上一份短名单。错过这个回答，您便从这份排名中消失，而这份排名押中最终赢家的概率已超过四分之三。
销售日后也无从补救，原因很简单：销售还没被请进门。同一项研究还有一个发现，凡是销售 AI 产品的企业都值得反复细读：89% 的采购涉及 AI 功能，而 58% 的买家之所以提前联系卖方，正是因为供应商没有在任何买家能找到的地方把这些功能讲清楚。
这是一个直接关乎营收的内容缺口，也是本文所列问题中，少数无需他人配合、自己就能补上的一个。
AEO 与 GEO：两笔预算，而非两个说法
这些问题，都不是给 SEO 预算换个名目就能解决的，而行业大体上正是这么做的。如今有两个标签已经叫开。它们有用，但前提是把它们看作两类彼此独立的支出。
答案引擎优化（AEO）作用于您自有的资产：调整页面结构，让机器能从中干净利落地提取答案，并确保产品数据不经浏览器也能解析。这是工程类工作，主要是一次性固定投入，之后只需维护，且完全在您的掌控之中。
生成式引擎优化（GEO）作用于不属于您的资产，目标是在模型作答前查阅的信息源中争得一席之地。两者为何不能共用一个预算科目，一个比例便足以说明。
品牌自有网站在 AI 搜索引用的信息源中仅占 5% 至 10%。在快消品、金融服务等品类中，超过 65% 的信息源来自出版商、用户生成内容和联盟推广网站。
来源：麦肯锡，《互联网的新大门》（New front door to the internet），2025 年 10 月 16 日 · 信息源构成数据来自 Google AI 概览及麦肯锡分析
关于您的回答，出自哪些信息源
- 您的自有网站，占 5% 至 10%
- 出版商、社区、点评与联盟推广网站，占其余全部
照此估算，关于您的回答，约九成内容出自他人之手。在自有页面上下再多功夫，也触及不到这一部分。
AEO 与 GEO 逐项对比
| AEO | GEO | |
|---|---|---|
| 优化对象 | 您的页面，目标是被提取 | 更广的信息源，目标是被纳入 |
| 工作落在 | 网站、产品数据、结构化数据（schema） | 出版商、社区、点评网站 |
| 适合的负责方 | 网站与产品研发团队 | 赢得媒体与传播团队 |
| 见效周期 | 数周 | 两到三个季度 |
| 成本结构 | 先一次性建设，再持续维护 | 持续性投入，更接近赢得媒体 |
| 失败时的表现 | 被引用，品牌却没被点名 | 压根没被检索到 |
您完全可能拿下精选摘要，却在 ChatGPT 的回答里不见踪影。因此，把两者合并为一笔预算，会让一半的失败藏在另一半的成功背后。这一差异背后的机制，包括“被引用”为何不等于“被提及”，我们在此前的文章《AI 引用如何运作，为何重要》中已有专门论述。
钱已到位，能力尚未跟上。
这里的制约不在预算。也正因如此，这场内部讨论比多数 AI 提案更难推进：靠多要钱解决不了问题。
CMO 平均将 15.3% 的营销预算投向 AI 项目，70% 认为成为 AI 领先者是 2026 年的关键所在，但只有 30% 表示自身的 AI 就绪度已经成熟或完全到位。
来源：Gartner，《2026 年 CMO 支出调查》，2026 年 5 月 11 日 · 受访者为北美、英国及欧洲的 401 位营销负责人，多数所在企业营收超过 10 亿美元
- 营销预算中已有 15.3% 投向 AI 项目
- 70% 认为成为 AI 领先者是 2026 年的关键所在
- 30% 表示 AI 就绪度已成熟或完全到位
能力来得比配套的管理纪律更快。
四成企业已在开展生成式引擎优化，而在该调查的往期版本中，这一项根本不存在。
来源：The CMO Survey 第 35 期，杜克大学福库商学院联合德勤与美国市场营销协会发布，2026 年 1 月开展 · 受访者为 308 位美国营销负责人，其中 97% 为副总裁及以上级别
四成在做，三成有能力管好。能力买得比组织消化得快，结果就是只见花钱，不见反馈与纠偏，过去两年的 AI 试点已经把这条路走过一遍。问题暴露在哪里，下面这个数字说得很清楚。
16% 的品牌在系统性地追踪自身在 AI 搜索中的表现。
来源：麦肯锡，2025 年 10 月 · 针对《财富》500 强消费品牌 CMO 的调查，样本约 30 人
最后这个样本只有三十人左右，只能当作信号，不能当作测量结果。它之所以仍留在页面上，是因为与上文所有数据指向一致；况且，如实标注为弱样本的弱样本，胜过建立在弱样本之上的强论断。
四项决策，依次推进
董事会看的数字
先修正董事会看到的那个数字。
答案无需点击就能送达的那一刻起，访问量便不再是需求指标。应按来源报告转化率与单次访问收入，并把 AI 引荐流量从直接流量和自然流量中单独拆出。如果您的分析工具仍把 AI 助手带来的流量记为直接流量，这一错误归因会让您还没开口就先输掉这场争论。
基线
先测基线，再投钱。
拿买家真正会问的问题，到他们真正在用的 AI 助手上逐一测试，记下三种结果：被引用、被点名、两者皆无。钱不花在搭建上，而花在按固定节奏反复重测上；少了这一步，您拥有的只是一张截图，算不上基线。请像编品牌追踪调研的预算那样为它编预算，别把它当成一次性项目。这就是我们 AZIMUTH 方法中 Bearing（定方位）阶段默默在做的基础工作。
两位负责人
拆分预算，指定两位负责人。AEO 交给掌管网站与产品数据的人，GEO 交给掌管赢得媒体的人。两样都交给同一个人，您得到的只会是此人本来就会做的那一半，做得也算称职，另一半则干脆没人去做。
叫停标准
叫停标准要在第一张发票之前写好，而不是等第一个令人失望的季度过去之后。我们在这类合作中的标准大致是：如果一个季度的可见度工作，没能在关键提示词上提升被引用份额与被点名份额，我们就停手，书面说明原因，把预算转到有证据支撑的地方。事先定好何时叫停，渠道才称得上渠道，而不是沦为一块谁都不许质疑的仪表盘。
上文每个数字都标有日期，因为它们大多只有几个月的有效期。检索与引用机制常在未经公告的情况下调整，供应商发布的数据也会修订。我们每月 1 日复核本文，并标注变动之处。勘误请发送至 hello@bearingbridge.com。
