这段话最近在外贸圈传得很广:“AI 搜索让独立站流量断崖下降,点击暴跌 39.8%,AI 摘要覆盖率狂飙到 61.43%……”数字很多,结论很重。我们把其中 7 组数据逐一找到原始论文和研究报告核对了一遍。结果是:方向大体没错,但有两处说过了头,一处把两项研究混成了一项。数字的前提条件弄清楚以后,外贸 B2B 网站该做什么,和原文给的答案不完全一样。
一句话:AI 搜索拦下来的主要是“了解型”的点击,不是“采购型”的点击。靠科普文章堆流量的外贸站受影响最大;把参数、认证、产能这些事实写清楚、写出处的网站,反而更容易被 AI 写进答案。
7 组数据逐条核实
下表左列是原文引用的数据,中间是我们在原始出处核实到的数字和需要补充的前提。原文的说法依次是:AI 概览让外部点击暴跌 39.8%;DataForSEO 追踪的 1.9 亿关键词中 AI 摘要覆盖率从 5.93% 涨到 61.43%;谷歌广告点击率毫发无损;SE Ranking 发现 llms.txt 对 AI 引用基本没有影响;AI 助手只贡献 0.28% 流量;Ahrefs 的 AI 访客占 0.5% 流量、贡献 12.1% 注册,转化是普通访客的 24 倍;SISTRIX 证明加入数据、信源和年份能让 AI 引用率提升 30%–40%,关键词堆砌让可见度下降 8%。
| 原文数据 | 核实结果 | 原始出处 |
|---|---|---|
| 点击 −39.8% | 数字准确,要加前提。只针对会出现 AI 概览的搜索;样本是 1,065 名美国桌面 Chrome 用户,2026 年 1 月 7 日至 2 月 10 日。按全部搜索平均,自然点击约减少 18.5% | Agarwal & Sen 随机对照实验(SSRN,2026-06-17 版) |
| 覆盖率 61.43% | 数字准确,口径要说清。61.43% 是 2026 年 8 月、5.93% 是 2024 年 9 月,来自 2,000 万个美国英文关键词的月度样本,每个词只算一次,不代表 61% 的真实搜索。1.9 亿是整份报告的关键词总量 | DataForSEO Search Insider 2026(2026-10) |
| 广告不受影响 | 说过头了。论文写的是赞助链接点击“没有可测出的变化”,但作者同时说明广告点击很少(每次搜索约 0.02 次),样本量很难测出差异。“只切合作伙伴的肉”是原文作者的推测,论文没有这样说 | 同第 1 条 |
| llms.txt 无效 | 准确。近 30 万个域名里只有 10.13% 放了 llms.txt;相关性检验和机器学习模型都没发现它和被 AI 引用的次数有关,把这个变量去掉,模型反而更准 | SE Ranking;SISTRIX 结论相同 |
| AI 流量 0.28% | 数字准确,原文没写出处。出自 Ahrefs:它追踪的 74,752 个网站在 2026 年 3 月的访问里,所有 AI 聊天工具合计占 0.28%,Google 占 28.12%。不带来源信息的 AI 访问会被算成直接访问,实际比例可能更高 | Ahrefs(2026-05-15) |
| 转化 24 倍 | 部分准确。0.5% 和 12.1% 属实,但这只是 ahrefs.com 一家网站 2025 年 6 月前 30 天的数据。Ahrefs 自己写的是比传统自然搜索访客高 23 倍,不是 24 倍,比较对象也不是“普通访客” | Ahrefs(2025-06-16) |
| 引用 +30%–40% | 把两项研究混在了一起。SISTRIX 的研究确实有 48,527 个被引用页面,结论之一是“标题带当年年份”的页面被引用次数是 2.7 倍,但这是相关性。30%–40% 和 -8% 来自另一篇论文:印度理工学院德里分校与普林斯顿大学等作者的 GEO 论文(KDD 2024),而且是实验环境的结果 | SISTRIX(2026-10-22);Aggarwal 等,GEO 论文 |
“点击少了 39.8%”到底在说什么
这是目前关于 AI 概览影响最扎实的一项证据。两位作者用一个 Chrome 插件把参与者随机分组:一组照常看到 AI 概览,一组的 AI 概览被插件隐藏,其余页面完全一样。随机分组排除了“用户本来就不爱点”这类干扰,所以结论是因果关系,不只是相关。
但对外贸企业,论文里还有三个数字比 39.8% 更有用:
- 只在出现 AI 概览的搜索上少四成。实验期间约 41% 的搜索出现了 AI 概览,按全部搜索算,自然点击平均少了约 18.5%。作者也提醒,AI 概览覆盖面越大,总的损失会越大。
- 受影响的主要是“了解型”搜索。在这批样本里,信息查询占全部搜索的 71%,其中 53% 出现了 AI 概览;导航类搜索只有 15%,交易类只有 6%。
- 流失的点击不是“低质量点击”。两组用户点进网站后,返回搜索页的比例、跳出率和停留时间都没有明显差别。也就是说,AI 概览挡掉的是正常访客,不是本来就会跳出的人。
要注意它的边界:样本是美国普通网民,2026 年初,桌面端,搜的大多是日常问题,不是采购商在搜工业品。直接套用到“某个外贸网站会少 39.8% 询盘”是不对的。
我们的判断:AI 在替采购商做初筛
把这几组数据放在一起,我们的判断是:AI 搜索没有让采购需求消失,它改变的是采购商第一次看到供应商名字的地方。
过去,一个海外采购商从“什么是 XX 材料”搜到“XX 材料 manufacturer”,中间会点开好几个网站,外贸站靠科普文章在前半段拿到曝光。现在前半段的问题,AI 概览和 ChatGPT 直接回答了,回答里只引用少数几个来源。到了询价阶段,采购商要比价、看资质、确认交期,还是要点进网站核实,这类搜索出现 AI 概览的比例也低得多。
由此推出三件事:
- 批量科普文章的价值在快速缩水。原文说“AI 杀死了内容农场”,对外贸站来说就是:靠 AI 批量生成“XX 是什么”“XX 有哪些用途”来换流量的做法,点击在减少,也很难被 AI 选为引用来源,因为它说的话别人都说过。
- 被写进答案,比排第几更重要。采购商在 AI 回答里看到的往往只有三五个名字,没出现就不在候选名单上。能被引用的,是有具体参数、条件和出处的内容。
- 剩下的访问更少,但更接近成交。Ahrefs 的 23 倍只是一家公司的数据,不能当行业结论;但“从 AI 回答点进来的人已经做过一轮比较”这个逻辑,对 B2B 采购同样成立。
我们预计未来一两年,海外采购商越来越多地在 AI 回答里形成初步名单,再去搜公司名、看官网核实。官网的任务会从“吸引流量”变成“经得起核实”。
什么内容更容易被 AI 引用:两项研究各自说明了什么
原文第 7 条把两项研究混在了一起,分开看才知道哪些结论能用。
GEO 论文(Aggarwal 等,KDD 2024)是实验室结果。研究者建了 1 万个问题的测试集,用基于 GPT-3.5 的模拟生成式引擎,比较同一篇内容改写前后,在 AI 回答里被采用了多少。结果:加入引语的内容可见度提高约 41%,加入统计数据约 30%,加入可信来源引用约 27%;关键词堆砌反而下降约 8%,在 Perplexity 上的复测中下降约 10%。它证明了“改写方式会影响被采用多少”,但实验环境不是今天的 Google 或 ChatGPT,30%–40% 不能当成你网站的预期。
SISTRIX 研究是真实平台的大样本相关性分析。它在 2026 年第二季度德语区的数据里,拿 48,527 个被 ChatGPT、AI 模式或 AI 概览引用的页面,和同一网站上没被引用的页面一一对比。与引用次数正相关的特征包括:页面目录(1.7 倍)、Article 结构化数据(1.6 倍)、FAQPage 结构化数据(1.5 倍)、带表头的表格(1.5 倍)、带照片的作者介绍(1.4 倍)、可见的更新日期和 10 个以上外部链接(各 1.3 倍)。标题里带当年年份的页面是 2.7 倍,但 SISTRIX 自己说明,年份代表的是内容新近维护过,只改年份有没有用,数据看不出来。
其中两条对外贸网站特别值得注意:在 AI 概览里,产品页被引用的概率只有一半;对网店来说,SISTRIX 认为做一个带 Article 结构化数据的选购指南栏目,比优化产品页更有希望。B2B 网站也一样,能被 AI 引用的往往不是产品页本身,而是选型、应用、标准对照这类把产品事实讲清楚的页面。
落到外贸 B2B 网站:把优势写成 AI 能引用的事实
GEO 的本质,是把企业真实的优势,用 AI 看得懂、能引用的方式写出来;同时在采购商和 AI 会查到的平台上,把企业事实写对。具体到页面,可以按下表自查:
| 你的优势 | 常见写法(无法引用) | 可引用的写法 |
|---|---|---|
| 产能 | 规模大,产能领先 | [X] 条产线,月产能 [X] 吨([年份] 数据),厂房 [X] 平方米 |
| 质量 | 质量过硬,品质保证 | 执行 [标准号];第三方检测报告由 [机构] 出具,日期 [日期],关键指标 [数值和单位] |
| 认证 | 通过多项国际认证 | [认证名称],发证机构 [机构],证书编号 [编号],有效期至 [日期] |
| 交期 | 交货快 | 常规品 [X]–[X] 天,定制品 [X]–[X] 天,取决于 [条件] |
| 适用范围 | 广泛应用于各行业 | 适用于 [工况和参数范围];不适用于 [情况] |
按上面两项研究,写这类内容要注意四点:
- 用一手数据。你自己的检测数据、实测参数、生产记录,是别人抄不走的。AI 在几个说法相似的来源里挑引用时,有具体数字和出处的内容更有优势。
- 写清出处和日期。标准号、检测机构、证书有效期、数据年份都写上;内容更新后改更新日期,不要只改年份。
- 按问题组织内容。用采购商会问的问题当小标题,先给结论再展开;参数用带表头的表格,常见问题配 FAQ 和结构化数据。
- 在第三方平台把事实写对。公司名称、成立年份、地址、认证、主营产品,在官网、B2B 平台店铺、LinkedIn 公司页和展会名录上要一致;发现错误,到出错的平台去改。AI 回答里的企业信息,往往来自这些地方。
具体写法见可被 AI 引用的内容怎么写、外贸产品页怎么写,企业信息的统一方法见企业实体信息怎么做。
llms.txt:我们也放了,但不指望它
原文说塞个 llms.txt 是“偏门捷径”,这个判断有数据支持:SE Ranking 近 30 万个域名的分析没发现它和 AI 引用有关;SISTRIX 的数据里,有 llms.txt 的域名在被引用页面中占 11.7%,在全部域名中占 14.0%,并没有更占优势。Google 也写明,出现在 AI 概览里不需要任何 AI 专用文件。
我们自己的网站也放了 llms.txt,给客户建站时也会做一份。原因很简单:它是一份几百字的文本导读,写清公司是谁、重要页面在哪,几乎不花成本,对读到它的 AI 工具多少有帮助。但我们不把它当成提高引用率的手段,也不会因为做了 llms.txt 就承诺任何效果。时间应该花在页面里的事实上。怎么写见llms.txt 是什么、要不要做。
别只盯着访问量:外贸网站该看什么
原文最后说“放弃对 PV 的执念”,我们同意,但对外贸企业要说得更具体一点:
- 看询盘,不看访问量。了解型的访问少了,如果询盘数量和质量没变,网站就没有变差。
- 看 AI 渠道,但别只看它。GA4 已有“AI Assistant”渠道,Search Console 把 AI 功能里的展示和点击算在网页搜索里。很多 AI 应用打开链接时不带来源,所以这部分数字只是下限,怎么看见AI 流量怎么在 GA4 里看。
- 看品牌词搜索。采购商在 AI 回答里看到你的名字后,常常会再搜公司名。品牌词的展示和点击,是被 AI 提到之后最直接的信号。
延伸阅读:Google AI 概览对外贸网站的影响与应对、AI 概览默认显示 3 条引用、AI 如何选择引用来源、GEO 是什么、GEO 优化服务、谷歌 SEO 服务。
参考资料
- Saharsh Agarwal, Ananya Sen:The Impact of Google AI Overviews on Publisher Traffic and User Experience: Evidence from a Field Experiment(SSRN,2026-06-17 版)
- DataForSEO:Search Insider 2026(2026-10)
- SE Ranking:LLMs.txt: Why Brands Rely On It and Why It Doesn’t Work
- Ahrefs:AI Chatbot Traffic: What It Is, and How to Get More(2026-05-15)
- Ahrefs:Does AI Search Traffic Convert Better Than Traditional Search?(2025-06-16)
- SISTRIX:Citation Worthiness: Which GEO Tactics Hold Up Across 96,418 URLs(2026-10-22)
- Pranjal Aggarwal 等:GEO: Generative Engine Optimization(KDD 2024)
- Google 搜索中心:AI 功能和您的网站
本文由支点网络根据上述原始资料整理(2026 年 11 月查阅),数字以原文为准。各项研究的样本、地区和时间不同,不能直接互相换算,也不代表某个网站的实际效果。