BrightEdge《The Open Frontier of Mobile AI Search》：双端剪刀差

BrightEdge 的《The Open Frontier of Mobile AI Search》把一个被大多数监测流程忽略的事实摆上台面：超 90% 的 AI 搜索推荐流量来自桌面端，尽管整体网页流量以移动为主。数据来自其平台遥测与 Generative Parser（AI 摘要解析工具），经 SEJ/SEL 转引。站内移动与桌面分叉档案把这组发现做成了实操口径，本卡写研究整体：方法、发现与局限。

三组核心发现

第一组是流量剪刀差：AI 推荐流量超 90% 在桌面，而用户整体行为在移动——可见度的计量端与用户的实际分布错位，只按移动思路做 AI 优化、或只看移动报表，都会失真。第二组是形态差：桌面版 AIO 屏幕空间多 80%（1,110px vs 617px），触发关键词多 39%；移动端电商类查询的 AIO 触发率约为桌面 3 倍——双端的触发逻辑本身不同。第三组是内容差：Generative Parser 实测显示，移动与桌面 AIO 给出的引用来源与内容本身不同——不是“同一答案的两种排版”，而是两套答案。教育类查询还有一个补充口径：超 90% 的 AIO 引用不来自传统自然排名前列，与站内 AIO 引用与自然前十重合度下滑的数据互证——引用位是独立于排名的赛道（引擎口径见Google AI Overviews 档案）。

监测与优化的落点

监测侧：AI 可见度审计必须双端分采样、分记账——桌面与移动各建一套答案快照，引用来源分开比对，合并报表会把双端差异全部抹平。优化侧：电商与交易型查询优先顾移动触发逻辑，信息型深度查询优先顾桌面答案的取材面；页面级的呈现一致性（结构化数据、可见文本口径统一）是双端答案不漂移的锚——内容本体只此一份，双端才不会各自取材。

局限与读法

三条边界。其一，服务商单源：数据出自 BrightEdge 自家平台与其客户样本，发布日期站内未锁定（转引自 SEJ/SEL），绝对值无法独立复验，引用时标注“据 BrightEdge”。其二，口径以 Google AIO 为主，外推到 ChatGPT/Perplexity 等对话引擎要谨慎——它们的桌面/移动产品形态与触发逻辑不同。其三，双端答案差异是快照：引擎界面向跨端一致演进的可能性存在，趋势需要按期复测。剪刀差的方向性结论（双端要分开采样、分开记账）不依赖绝对值成立，是可以先落地的部分。