先看两组打架的数字。
一组说 AI 来了。SE Ranking 追踪 101,574 个网站、250 个国家、16 个月，AI 引用流量从 2024 年的 0.02% 涨到 2026 年的 0.32%，两年 16 倍；Similarweb 测到全球每月 7.7 亿次 AI 引用访问，同比 +117.4%。[1][2]
一组说传统搜索还在地板上。同一份 SE Ranking 数据里，自然搜索仍占 42.75% 的访问，比例是 134 : 1；Pew 实测，带 AI 摘要的搜索页，用户点传统结果的概率是 8%，不带摘要的 15%，而点摘要里链接的只有 1%。[1][4]
把两组数放一起，主角就清楚了：这轮变化不是”流量搬家”，是“点击本身在消失”。
从 9 月 13 日到今天，我们把第六期做成了一场 30 天的公开实验：只讲一件事——怎么把内容做成”会被反复找到的存款”，而不是”一次性消耗的推荐”。今天收官，不写新案例，把 30 篇压成一套能直接发出去的框架。
01｜30 天里，被数据改掉的一个判断
实验的起点，是我们自己的后台。
近 30 天（8.11–9.10）累计阅读 1,522、日均 49。剔除爆款后，真实底盘 7→8→9 月是 80→57→28，连续下滑。真正变的是结构：搜一搜占比从 7 月的 8.7% 升到 9 月的 43.8%，推荐从 81.6% 降到 56.2%；最后一周（9/7–9/10）推荐直接归零，全靠搜索撑盘。[13]
外部数据给出的是同一个方向。Conductor 统计 13,770 个域名、33 亿次会话，全部 AI 平台合计只占 1.08% 的会话，但它以年为单位在涨；eMarketer 的数据更尖锐——零售站点的 AI 引用访问 2025 年增长 302%，2026 年上半年再涨 128%，而搜索、社交、邮件、直接访问加起来只涨了 0.8%。[3][14]
一句话：推荐是一次性的（这周有、下周可能没有），搜索是可累积的（旧文能在几个月后继续被翻出来）。
但这里必须泼一盆冷水。Chartbeat 的《2026 Publisher Playbook》显示，Google 搜索与 Discover 的引荐同比下滑 40.2%，而 AI 引用流量只占其客户页面浏览量的 0.01%。也就是说，搜索端丢掉的点击，并没有等量搬到 AI 引用那一栏——很大一部分是被 AI 摘要就地消化掉了，没有成为任何地方的会话。[5]
所以这 30 天我们改掉了一个判断：别再拿”推荐量/点击量”当考卷。新的考卷只有两道题——有没有被找到，有没有被记住。
02｜三层资产：搜索资产不是一篇文章，是一个结构
30 天里最容易犯的错，是把”搜索资产”理解成”多写几篇好文章”。跑完这一期才看清，它其实是三层，缺一层就漏。
L1 · 内容资产：你的自有页面，能不能被判为”信源”。
判据不是文采，是机器能不能直接抽取。Kevin Indig 分析 300 万条 ChatGPT 回答、3,000 万条引用后得出：44.2% 的引用来自页面的前 30%，越往后被引概率越低；含”X 是什么”这类定义句型的段落，被引概率接近普通段落的两倍。同一研究还发现，ChatGPT 平均每个回答只引用约 6.88 个来源，Google AI 概览约 12 个，Perplexity 约 16 个。[11]
内容怎么写才容易被抽？GEO 的开山论文（Aggarwal 等，KDD 2024）实测过九种手法，方向高度一致：加引述约 +41%，加统计数据约 +31%，提升流畅度约 +28%，标明来源约 +27%，而关键词堆砌约 −8%。[6]
还有两条反直觉的发现，能省下不少冤枉钱。第一，光靠 Google 排名进不了 AI 答案：Ahrefs 研究显示，只有约 12% 被 AI 引用的网址同时排在 Google 前十，其中 Perplexity 与自然排名重叠约 28.6%，ChatGPT 等对话式引擎只有 6%–8%。第二，别迷信结构化数据：Ahrefs 2026 年 5 月的对照实验追踪 1,885 个新增 schema 的页面对比 4,000 个对照页，AI 引用变化在统计上与零无异，Google AI 概览甚至下降；Google 官方指南也明确，生成式搜索优化”底层仍是 SEO”，站长不必另搞一套特殊 schema，官方也不用 llms.txt。[8][9]
L2 · 信源资产：品牌在站外的”供养点”。
这一层最容易被忽略，却可能是最关键的。2026 年 9 月，Google AI 摘要在”品牌名搜索”上的出现比例从月初约 26% 升到 80% 以上，而摘要的来源以维基（71.9%）、YouTube（38.6%）、领英（22.8%）等第三方页面为主，品牌自有域名只占引用约 29%。[11]我们此前梳理的多组数据也指向同一件事：自有内容在商业意图类引用里占比约 3%，但一旦被引，寿命更长、拉动更强。
翻译成人话：AI 讲你的品牌时，多半在念别人的稿子。你要主动去”供养”那些第三方节点（词条、媒体报道、榜单、社区问答），让它们说的是对的话。
L3 · 答案资产：品牌在 AI 答案里的稳定呈现。
到此才是”存款”。要看的不是”有没有出现一次”，而是四项：提及率、推荐率、推荐份额、保真度。保真度尤其要盯——WashU/圣路易斯华盛顿大学的 ACM IMC 2026 审计了 55,393 个提问、98,020 条原子事实，发现约 11% 的 AI 摘要对不上它自己引用的页面。[12]
波动也必须写进认知：从业者实测显示，约 30% 的品牌在一条回答里出现，下一条同样问题的回答里就消失了。所以任何单次截图都不算证据，只有趋势才算。[16]
03｜一个循环：每月四个动作，把资产养起来
三层资产不会自己长大，得有节律。30 天里我们把它收成一个循环：诊断 → 干预 → 再测 → 复盘。
诊断：固定一组真实用户问题（覆盖发现、比较、替代、决策四类意图），在 ChatGPT、Gemini、豆包、Perplexity 等平台逐条提问，记录四件事——有没有提你、有没有带链接、有没有被推荐、有没有说错。
干预：把内容按 L1 的判据改（首句直答、加证据、标来源、保持新鲜），并针对 L2 的第三方节点补齐一致信息。
再测：同一组问题、同一批平台、隔 14–28 天重跑，比趋势。
复盘：月度出一张账本，写清”哪个动作动了哪个指标”。
度量这件事，2026 年 9 月的方法论论文（Martinez，arXiv:2609.06811）点破了一个盲点：GEO 分数是”测量设计”的产物，不是关于 AI 答案的一个客观事实。你选哪些问题、用哪个模型、怎么加权、谁来打分，都会改变结果。他称之为”答案市场”——你测的那个市场，未必代表真实需求。同一批问题、同一天，只换模型，某站的自测提及率就出现了 43% 与 5% 的差距。[10]
实操结论只有一句：固定 prompt 面板，记录平台、日期、权重与打分规则，保留回答原文；别只看一个”分数”，要看它是在什么条件下算出来的。能复现，才算证据。
归因也要有耐心。AI 引用带来的访问常被低估——无 referrer 会落进”直接访问”，而 Similarweb 发现约 55.9% 的 AI 影响型访问最后被记成了搜索。这里有个能立刻用上的杠杆：约 60% 的 AI 引用访问落在首页，而自然搜索只有约 17%。也就是说，被 AI 送来的人多半是”第一次认识你”，你的首页要能像一篇文章那样”答得上”，而不只是放一个 logo 和导航。[1][17]
04｜怎么”发出去”：给四个角色各一张纸
收官框架的价值，在于它能在组织里分发，而不是停在方法论层面。同一套东西，四个人看四种版本：
给老板：一页纸 + 五个指标。 结论一句话：搜索是唯一可复利的来源。指标固定为——提及率、推荐率、推荐份额、答案保真度、被引信源多样性。不要”AI 可见度分”总分。
给内容团队：结构模板 + 九项体检。 每段首句直接给结论；每个主要段落至少一个具名数字或事实；来源写出原始机构与年份；每篇至少一段只有第一手接触才写得出的内容。发布后第 30 天、第 90 天各回测一次。
给增长/投放：度量表 + 归因链。 把 AI 引用、品牌词搜索、高意向落地页、留资/试用放进同一张表，按”可见度变化 → 信息变准 → 流量/品牌需求变化 → 转化行为变化”的阶梯逐级验证，绝不从”可见度涨了”直接跳到”营收涨了”。
给服务商与外部合作方：一张验收标准。 报价前先问五句：覆盖哪些平台？能不能把回答原文与引用来源逐条存证？能不能区分”提及”与”带链接引用”？能不能按意图、按竞品拆开？口径与基线写不写得清？给得出可复现数据的是技术型，只能给静态截图的是”报告型”。
05｜边界：这套框架什么时候不适用
把话说在前面，免得又造出一个”万能解”。
第一，AI 引用目前还是个很小的池子。 Chartbeat 显示它在出版方页面浏览量里只有 0.01%，且在 2026 年不升反平。它是”要提前占位”的资产，不是”能立刻救流量”的渠道。别把全部预算押在”AI 可见度”上。
第二，它不承诺排名，更不承诺收入。 平台不公开排序逻辑，任何”保证被推荐、包上首页”的说法都不成立。看的是趋势与份额，不是某一个词的位置。
第三，结构化数据别过度迷信。 官方已说明生成式搜索不需要特殊 schema，llms.txt 也不被采用；schema 该做，是为了让搜索引擎理解页面，不是为了换取 AI 引用。
第四，国内中小、区域品牌的”效果数据”要格外警惕。 这类数字八成来自服务商软文或招商材料，必须至少两个独立来源交叉验证再引用；核不实的，一律标”待核验”。A 栏几篇选题被顺延，就是因为拿不到可核证的国内实操效果数据。
第五，平台与行业差异巨大。 ChatGPT 与 Claude 偏好权威与结构化，Perplexity 强调来源实时性与多样性，国内模型对中文语义密度与本地信源更敏感；B2B、本地服务、消费品被 AI 找到的路径完全不同。框架是共同的，动作要按品类重排。
写在最后
30 天最反直觉的一条经验是：想被 AI 找到，先别想着”讨好 AI”，回到”把事实说清楚、把来源标明白、把旧文养起来”。 推荐会过去，搜索会留下。今天把这套框架交出去，希望它不再是”我们写过的一堆文章”，而是一张能贴进团队工作流、能直接发给同事和合作方的纸。
下期（10/13）我们做最后一件事：复盘这一期里，哪些”内容资产”真的跑通了，哪些还只是自我感动。哪些归零，哪些该留——一并对账。
订阅钩子
这套框架可以落地成一张表。后台回复「体检表」，领取《品牌 AI 搜索资产体检表》（可编辑版 xlsx + 阅读版 pdf），照着三层资产逐条打勾，10 分钟看清你的品牌被 AI 找到了哪一层。
引用与参考资料：
1. SE Ranking AI 流量研究（101,574 网站 / 250 国家 / 2025-01–2026-05；原报告 2026-07-09），经 GeoAura 汇编：https://geoaura.world/blog/ai-search-traffic-report-2026
2. Similarweb 生成式 AI 引用报告（2025-06–2026-05；原报告 2026-09-03），经 SEOMadMan 转述：https://seomadman.com/reports/ai-referral-traffic-by-industry-2026
3. Conductor《2026 AEO & GEO Benchmarks》（13,770 域名 / 33 亿会话 / 2025-05–09），经 NAMEXperts 汇编：https://www.namediaexperts.com/blog-posts/ai-search-traffic-benchmarks-2026-share-conversion-click-data
4. Pew Research Center，AI 摘要与点击行为研究（2025-07-22 发布），经 GeoAura / NAMEXperts 转述（原报告见 pewresearch.org）
5. Chartbeat《2026 Publisher Playbook》，经 Software Marketing Resource 转述：https://www.softwaremarketingresource.com/google-search-referrals-dropped-40-percent-ai-not-filling-gap
6. Aggarwal et al., “Generative Engine Optimization”（KDD 2024），arXiv:2311.09735：https://arxiv.org/abs/2311.09735
7. Ahrefs，AI 搜索与自然排名重合研究（2025-08），https://ahrefs.com/blog/ai-search-overlap/ （经时川国际转述）
8. Google Search Central，生成式 AI 搜索优化官方指南（2026）：https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
9. Ahrefs，结构化数据与 AI 引用对照实验（2026-05）：https://ahrefs.com/blog/schema-ai-citations/
10. Martinez, O., “Optimizing Visibility in Generative Engines”（arXiv:2609.06811，2026-09-06），经 RanketAI 转述：https://www.ranketai.com/en/blog/deep-dive-geo-score-what-it-measures-2026-09-24
11. Kevin Indig，ChatGPT 回答与引用分析（300 万回答 / 3,000 万引用，2026），经时川国际转述：https://shichuan.co/news/geo-aeo-complete-guide-2026 ；品牌名搜索 AI 摘要数据经 DemandSphere / Ahrefs / Search Engine Roundtable 三源交叉，详见本号 2026-10-04 文
12. Washington University in St. Louis / ACM IMC 2026《Measuring Google AI Overviews》（55,393 提问 / 98,020 原子事实），详见本号 2026-10-07 文交叉核验
13. 本号第一方数据：《meitAI 公众号 30 天经营数据深度分析报告》（2026-09-11），`08_data/2026-09-11_meitAI公众号_30天经营数据深度分析报告_V1.md`
14. eMarketer，零售 AI 引用增长（2025 年 +302%、2026 H1 +128%），经 Nexchron 转述：https://nexchron.com/retail/ai-referrals-retail-302-percent-surge-2026
15. 中国信通院《生成式搜索引擎优化（GEO）可信服务能力要求》、T/CGCC 119-2026（2026-07 实施），经艾奇在线行业研究汇编：https://www.27sem.com/article/23764
16. GEO Practitioner Review，AI 可见性度量口径（从业者口径，2026-09-30）：https://geopractitionerreview.com/posts/reporting-quality-standards-for-aeo-platform-procurement
17. Digital Drift，AI 影响型访问归因与口径差异（2026-10-05）：https://www.digitaldrifthq.com/articles/how-much-traffic-does-ai-send/
> 注：第 1、2、3、5、7、10、11、14、16、17 条为第三方研究或从业者口径的汇编/转述；第 6、8、9、15 条为学术论文、平台官方文档或行业标准；第 13 条为本号第一方数据。不同机构样本、口径与统计期内不一致，数字仅作方向参考，不作独立效果背书。第 12 条由本号此前文章交叉核验，源报告为独立学术审计。
免责声明：
本文为营销方法论分析，所引数据与观点均来自公开来源并尽力交叉核验，不构成投资、经营或法律建议。文中提及的第三方机构、平台与产品仅为说明用途，不代表本号立场或为其效果背书。涉及第三方研究口径差异之处已在正文与脚注注明，请读者结合自身品类独立验证。
