Google AI Overviews

Google AI Overviews 与 Google 搜索共享同一套索引与质量信号，AIO 没有独立爬虫，内容供给就是 Googlebot 的常规抓取——因此常规 SEO 仍是根基，收录与质量信号做不好，没有资格谈被摘要引用。2026-01 换用 Gemini 3 驱动后，选源引入「查询扇出」，引用大量外溢到传统 SERP 之外，长尾子查询与视频内容成为增量抓手。还有一条配置事实要钉死：屏蔽 Google-Extended 只影响 Gemini 训练与 grounding 用数，不影响搜索收录，也不影响 AIO 引用。

没有独立爬虫，意味着什么

AIO 的内容供给是「Google 抓取索引+知识图谱」生成，抓取端就是那只所有站长都认识的 Googlebot。这件事的推论比听起来重要：不存在「AIO 专属收录」「AIO 专属robots」这类操作面，想让摘要引用你，唯一的前置是把 Google 常规 SEO 做对——可抓取、可索引、结构清晰、信号健康。市面上任何「专门提交给 AI Overviews」的服务，都值得先打个问号。

质量信号同源还意味着 E-E-A-T 的投入直接复用：经验、专业、权威、可信这四类信号同时喂给搜索排序与摘要选源，一套投入两处兑现，口径展开见E-E-A-T（经验·专业·权威·可信）。对既在做 SEO 的团队，AIO 不是另起炉灶的新渠道，而是既有资产的一层新变现——这也是它与其他自建索引的 AI 引擎最大的不同。

机制里还有一块常被忽略的底座：知识图谱。AIO 的生成基于「抓取索引加知识图谱」，图谱承担实体口径的角色——引擎先确认「这个名字指谁、属于哪个行业、与谁关联」，再决定引用与转述哪些来源。品牌在开放知识库里的条目、官网的结构化数据、全网上下一致的基础事实，都是这层口径的输入。实体层一旦错挂——同名品牌共用条目、新旧名称没有归并——内容做得再好也会被错误归因，自查方法见知识面板（Knowledge Panel）。这层工作在搜索时代是锦上添花，在摘要时代是地基。

配置层面最容易犯的错是把 Google-Extended 当成「防 AI 开关」。它是 robots.txt 里的控制型 token，管的只有 Gemini 训练与 grounding 数据：屏蔽它，搜索收录与 AIO 出现一点不受影响，失去的只是训练语料那一份；放行它，也不会让摘要更愿意引用你。想退出 AIO，robots 层面没有干净的开关——这层取舍见Google-Extended。把「防训练」与「防摘要」混为一谈，得到的结果往往是两头都没防住。

查询扇出：引用池一年内的再分配

2026-01 的 Gemini 3 换血把选源机制改成了「查询扇出」：把用户的原始查询拆成一批子查询，分别检索、各自选源，再汇入合成。扇出的直接后果是引用池大幅外溢——AIO 引用 URL 落在自然前十的比例，从 2025-07 口径的约 76% 跌到 2026-03 口径的约 38%（据 Ahrefs，未复验），口径与时间线见AI Overviews 引用与自然前十重合度。排名仍是强相关线，但已从充分条件退化为相关条件。

外溢的去向有明确画像，其中最扎眼的是视频：YouTube 以约 5.6% 的份额成为 AIO 最大被引域名，未进自然前 100 的引用里约 18.2% 是 YouTube 视频（据 Ahrefs，未复验），见YouTube 成为 AIO 最大被引域名。视频大量本身不参与传统排名，它们的涌入天然稀释重合度，也把「视频内容」从社媒素材升格为引用资产。可操作的做法已经写在杠杆里：视频描述写全定义、步骤与数据点，加章节时间戳，让转写文本可被摘录——转写文本就是它的正文。

对内容团队的资产盘点口径因此要改：旧盘点问「我们有多少词在前十」，新盘点还要问「我们覆盖了多少真实子问题」「我们的视频与第三方内容里有多少可被摘录的答案块」。子问题清单从搜索联想词、相关搜索、People Also Ask、社区高频小问、客服记录五路来源汇总去重，按「一个子问题一个自含答案」落成内容——与扇出机制同构，是当前增量最大的杠杆。

子查询覆盖也有误用警示：拆分的依据必须是真实存在的子问题，而不是机械地把主词切碎。没有搜索与提问痕迹支撑的碎片页，既没有流量也没有被引价值，还可能触碰低质内容的问题。判断一个子问题是否「真实」，看它有没有独立提问痕迹——联想词里出没出现过、社区里有没有人原样问过、客服记录里是否高频；三路都无痕的「子问题」，大概率是拆词软件的产物，不值得立项。另一个极端同样要防：把所有子答案塞进一个超长页面，答案埋在页面深处照样不可摘录——密度要对齐到小节层级，每个小节自含可懂。

点击账与被引账，分开设

AIO 时代要同时记两本账。点击账是亏的：AI Overviews 出现时，信息类关键词首位自然点击率从 0.073 降到 0.026，额外下降 34.5%（据 Ahrefs，未复验），三个限定词——信息类、首位、额外——砍掉任何一个都会把这条读成夸大，口径见AIO 出现使首位自然 CTR 额外下降。行为侧的独立实测与之咬合：有 AI 摘要时用户点击自然结果约 8%，无摘要时约 15%，点击摘要内链接的仅约 1%，约 26% 的访问在看到摘要后直接结束会话（据 Pew，未复验），见有 AI 摘要时自然结果点击率。两份方法不同的证据方向一致，构成本站零点击叙事的底座。

被引账是新的盈余项：摘要仍然引用来源，被引用与被提及的价值在点击缩水的同时上升。两本账合读才是完整的流量模型——排名守得住是基本盘，进得了引用池才是新账本。算账的颗粒度建议下探到页面类型：教程、科普、定义类页面的 AIO 敏感度最高，品牌词与转化页钝得多，全站一个平均数会把相反趋势互相抵消。

两本账还要防对冲式误读。最常见的错误是拿点击的亏损去否定被引的盈余——「摘要出现后流量跌了，所以 GEO 白做」：点击跌是位置层面的分配变化，被引升是进入答案层面的资产积累，一亏一盈本就是同一枚硬币的两面，决策要合在一起做而不是只看亏的那面。反过来也不成立：被引份额的上升不能直接折算成流量，摘要内的链接点击占比很小，它的兑现路径是认知与后续搜索，不是即时的访问量。给两本账设不同的考核周期与归因口径，是 AIO 时代报表设计的基本功。

监测：GSC 之外要自建被引账

Google 不提供独立的 AIO 报告，GSC 里看不到「摘要引用了我几次」。监测分两层：SERP 层用固定关键词集定期观察 AIO 出现率与占屏形态，GSC 的页面与查询报表辅助看点击位移；被引层只能靠第三方工具或自建抓取，统计固定词集上 AIO 引用了哪些域、自家被引份额多少，做成时间序列。「摘要出现率」值得被例行盯住——它从低变高的那个月，往往就是流量模型需要重算的那个月。

自建被引账的做法不复杂：固定一组与业务相关的问句，覆盖品类、对比与场景；定期抓取同词的结果页，记录摘要是否出现、引用了哪些域名；把引用链接归一化到注册主域后统计自家份额，多轮采样合并成趋势。单次抓取受摘要开合的随机性影响很大，单点数字不足为凭，趋势与同比才有读数价值。设备类型也要分开记：摘要的呈现形态与用户耐心在移动端与桌面端差异不小，混在一起会摊平信号。

引用格局本身会继续漂移：一次引擎换血就能让重合度一年腰斩，今天的外溢画像也是快照不是稳态。把外部数字都带上口径日期使用，自家的被引份额曲线按季度复核——数字会过期，供给结构的分析框架不会。