Ahrefs：AI Overviews 引用与自然排名重合度研究

这份研究回答的是 GEO 与传统 SEO 关系中最要害的问题：把页面做进自然搜索前列，还等于被 AI Overviews 引用吗？Ahrefs 用 86.3 万关键词、400 万条引用 URL 的样本给出的答案是——这个等式正在快速失效：AIO 引用 URL 同时落在自然前十的比例，2025-07 口径约为 76%，2026-03 口径跌至约 38%，一年之内从强绑定滑落成弱相关。据 Ahrefs 报告转述，精确值未逐一复核原文；引用时建议标注“据 Ahrefs，未复验”。

从 76% 到 38%：重合度崩塌的三个读法

第一个读法：跌的不是引用总量，而是“自然前十”在引用池里的份额。38% 仍意味着前十是最大的单一来源池，“排得越靠前越可能被引”这个方向没有变，变的是它从近乎充分条件降级为诸多条件之一。

第二个读法是结构性替代。研究把落在前十之外的引用拆开：约 31.2% 来自自然结果的第 11-100 位，约 31% 来自 100 位之外，而未进前 100 的引用中约 18.2% 是 YouTube 视频。三个数字合起来说明，引用池的增量几乎全部来自传统结果页之外——排在中部的页面、完全排不进来的页面，以及视频内容，共同瓜分了原先属于“前十”的位置。其中 11-100 位这一段最值得玩味：这些页面并非“排不进前列的弱页”，而是命中了扇出子查询的长尾页，它们的存在改写了“内容矩阵只要塔尖”的老策略。

第三个读法关乎机制。2026-01 起 Google AI Overviews 换用 Gemini 3，引用经“查询扇出”（query fan-out）选源：模型把用户的原始查询拆成多个子查询分别检索取材，再合成答案。扇出之后素材自然大量溢出主结果页，这为重合度下跌提供了机制层面的解释，也解释了为什么跌幅集中在换模型之后。这条曲线的完整口径收录在站内数据卡《AI Overviews 引用与自然前十重合度》。

先把指标本身钉死，再谈涨跌。“重合度”的分子是 AIO 实际给出的引用 URL，分母是同一批关键词上的全部引用 URL，“在前十”指的是该 URL 在对应关键词的自然结果里排进前十位。这个定义有两层含义：它度量的是“引用池的构成”，不是“单一页面的被引概率”；它也天然受关键词集构成影响——信息类查询与交易类查询的引用行为不同，关键词库偏哪一边，曲线就偏哪一边。所以两个时间断面对同一批关键词重复测量，才让这份研究的纵向结论站得住：同一把尺子量两次，跌的是世界不是尺子。

排名还有用吗：入场券逻辑取代等价逻辑

从业者最直接的疑问是 SEO 还做不做。这份研究隐含的回答是做，但预期要改。76% 时代的逻辑是“等价”——排进前列基本等于会被引用；38% 时代的逻辑是“入场券”——排名仍显著抬高被引概率，但不再充分，还要看内容是否命中扇出后的子查询、是否是模型偏好的形态。把重合度下降读成“AI 摘要不看重排名”并不成立，成立的只是“排名的充分性在下降”——从“SEO 无用论”滑向另一个极端，与无视这份研究同样危险。

对预算分配的含义可以拆成三层：

• 常规搜索投入不能撤。AIO 与 Google 搜索共享索引与质量信号，收录与页面质量仍是地基，前十依然贡献着最大份额的引用。
• 内容矩阵要按子查询拆。一条头部查询背后是若干长尾问句，用一批各答一个子问题的页面去接扇出检索，比反复强化同一页更可能被命中。
• 视频从可选项变成结构项。YouTube 是这份研究里的最大被引域名，份额约 5.6%；站内卡《YouTube 成为 Google AI Overviews 最大引用域名》给出的路径是：视频描述写全定义、步骤与数据点，并加章节时间戳，让转写文本本身即正文。

子查询从哪里来，研究没有给出操作答案，实践中有三条可落地的来源：一是用户真实提问的措辞，客服记录与社区问题比关键词工具更接近问句原貌；二是头部查询的语义邻域，把“是什么、怎么选、多少钱、哪家好”这类追问拆成独立页面；三是竞品被引页面的标题结构，反推模型在同一个话题下都取了哪些形态的材。三者的共同点是放弃“一个词一页”的旧颗粒度，改用“一个子问题一页”的问答颗粒度。

视频一条线还要多说一句机制。对 AI 摘要这类合成答案而言，可用的“正文”不是画面而是转写文本：模型读的是字幕与描述，不是镜头语言。这意味着视频内容的关键工作全部发生在文字层——描述、章节标题、时间戳、字幕质量，而不是制作规格。不少团队把视频当作品牌资产去拍，却把转写层交给自动生成不管不问，等于把最容易被引用的部分裸奔。把视频文字层当成一份独立的“可摘录文档”来审校，是这份研究之后视频线最该补的基本功。

与 ChatGPT/Bing 证据并排读

把这份研究与站内另一条证据并排，能看出引擎间的选源差异：ChatGPT 的引用与 Bing 首页重合约 87%（据 Seer Interactive 实测，见《ChatGPT 引用与 Bing 首页约 87% 重合》），而 AIO 对自然前十的重合度已跌到约 38%。两条证据合读的含义是：不同引擎对“传统排名”的依赖程度差别很大——ChatGPT 那条路做好 Bing 收录仍是高杠杆动作，AIO 这条路则必须额外补长尾子查询与视频。引擎分层、动作分层，是两份证据放在一起时最应该得出的结论，而不是用其中一个数字去否定另一个。

落到执行排期上，两条路的前置工作几乎不冲突：收录、站点健康、内容质量是共同地基，差别在增量层——Bing 侧重收录与抓取通路，AIO 侧重内容颗粒度与视频线。中小团队若只能先做一头，判断依据不是哪个引擎声量大，而是自家受众的问法集中在哪条检索路径上；这个答案在自家搜索词报表与客服记录里，不在任何行业报告里。

口径边界与引用纪律

读这份研究要留意三个边界。其一，观测对象是出现 AI Overviews 的关键词集合，不能直接外推到全部查询；其二，两个时间断面横跨了 Gemini 3 换代，跌幅里混有机制变化，不宜全部归因于竞争加剧；其三，厂商研究依赖其关键词库构成，绝对值仅供参考，趋势方向比数值本身更可靠。

两种常见误用也要点名。一是拿 38% 去做“SEO 已死”的汇报：前十仍是最大单一来源池，把“充分性下降”说成“相关性消失”，是拿真数据讲错结论。二是把 AIO 的曲线直接套到其他引擎头上：不同引擎选源逻辑不同，ChatGPT 走 Bing 侧路、AIO 走扇出路径，一条曲线只描述一个引擎的一个断面。误用的共同根源是把这份研究当结论用，而它其实只提供机制变化的证据——结论要结合自家分层监测数据来下。

落到监测侧，我们建议把“有没有被引”升级为分层口径：按被引页面是否在自然前十、是否在 11-100 位、是否在 100 位外、是否为视频分别计数。当行业曲线继续下跌时，分层结构能告诉你自己的引用增量来自哪里——排名带来的归 SEO 预算，长尾内容与视频带来的归 GEO 预算，两条线在报表里应当分列，而不是混成一个“被引总数”。对同时经营搜索与问答两类流量的站点，这份研究的价值正在于把两条预算线的边界第一次画清了。