Pew：AI 摘要对点击行为的影响

Pew Research Center 在 2025 年 7 月发布的这项实测，是目前关于「AI 摘要怎么改变点击行为」最权威的口径之一：基于近七万次真实搜索的行为记录，有 AI 摘要时用户点击自然结果的比例约 8%，没有摘要时约 15%——自然点击近乎腰斩；点击摘要内链接的仅约 1%，另有约 26% 的访问在看到摘要后直接结束会话。它是「双轨 KPI」与「少的流量、好的流量」叙事的实证支点，数值留档见有 AI 摘要时的自然点击率数据卡。

这组数字是怎么来的：口径与可信度

Pew 的数据形态在行业研究里属于上乘：不是问卷回忆，也不是实验室任务，而是真实用户在真实搜索场景里的行为记录，样本近七万次搜索。行为数据的优点是绕开了「用户说自己会怎么做」与「用户实际怎么做」之间的落差——问卷里大家常说会跳过 AI 摘要，行为记录里点击率的变化不会说谎。

证据分级上仍要如实标注：本站将这项研究列为公开报道级、未复验，引用时应保留「据 Pew Research」的出处口径。它测的是 Google 系 AI 摘要生态（Google AI Overviews），外推到其他引擎时要留意产品形态差异——摘要的呈现方式、引用的密集程度都会影响点击行为的绝对值，方向性结论比具体点位更可迁移。

点击去哪了：三个去向的解读

8% 对 15% 的落差之外，更有信息量的是点击的结构去向。摘要内链接的点击率仅约 1%：AI 摘要在界面上承接了「引荐来源」的职能，但用户几乎没有跟进引用的习惯——摘要满足了提问，引用列表更像注释而非通道。约 26% 的访问在看到摘要后直接结束会话：这是最纯粹的零点击形态，用户带着一句合成结论离开，没有任何站点从这次搜索获得访问（现象层面见零点击术语卡）。

三层去向合起来是一幅完整的注意力地图：摘要拿走最多的注意力，自然结果分到腰斩后的残量，引用链接只分到零头。对内容方的冷峻含义是：即便成功进入摘要的引用列表，也不能指望它带来像传统搜索排名那样的访问流量——被引用的价值要换一种算法来估。

换算法有三个方向。其一是品牌折算：答案句里出现品牌名的曝光，可比照品牌搜索量或展示量级做保守折算，进不了点击报表的可见度，至少要进品牌仪表盘。其二是线索折算：摘要内链接与引用位次带来的访问虽少，却要单独跟踪其后续行为——这部分访问的意图浓度高，转化口径要单独建。其三是防守折算：摘要若转述了竞品或不准确的信息，损失要用公关口径而非流量口径来估。这套折算的起点是承认：不同位置的可见度价值天然分层——答案正文点名、引用列表挂链、摘要外自然结果，三层的注意力与信任都不同，统一按一次曝光计会失真。分层建账粗糙一点没关系，关键是从此有账可查，而不是把所有价值都记在点击这一个科目下。

流量逻辑换轨：从「多流量」到「好流量」

这份研究之后，继续用「流量」作为 AI 时代搜索表现的主指标已经站不住。正确的换轨方向是「少的流量、好的流量」：AI 引荐的访问量小，但质量口径并不差——据 Seer Interactive 的客户归因数据（服务商单源），AI 引荐的转化价值约为自然搜索的 4.4 倍（口径与样本见AI 引荐流量转化价值数据卡）。量与质的这一反差，让「AI 渠道不值得做」与「AI 渠道只看流量」两种误判同时失去依据。

趋势侧还有一条站内留档的对照：有研究机构预测传统搜索量将在此后数年显著下滑（见Gartner 搜索量预测数据卡）。把点击腰斩（行为层）与搜索量下滑（总量层）放在一起读，结论更完整：这不是一次此消彼长的渠道迁移，而是信息获取方式的整体换轨——存量盘子的萎缩与新渠道的质优量小，会同时发生。提前按这个双线剧本做规划的品牌，比等到报表恶化再应对的从容得多。

KPI 体系要跟着双轨化。品牌层看可见度与被提及——进入答案本身就是一次品牌曝光，其价值不依赖点击发生（指标见 AI SOV 术语卡）；业绩层只认硬归因——AI 渠道实际带来的转化、线索与订单。两条轨道分开设目标、分开考核，混在一张报表里会导致两边都读不懂：用点击考核可见度会系统性低估，用品牌曝光考核转化会系统性高估。

内容侧的反身影响：为「被摘要」而写

点击逻辑退场后，内容的成功标准跟着换位。为点击而写的老手艺——悬念标题、信息后置、翻页追读——在摘要环境里全面失效：引擎摘录的是结论句，不是钩子。为被摘要而写的新手艺则全面生效：结论前置、每节自含、关键事实带出处、品牌名写进答案句。这不是风格之争，而是介质适配——摘要拿走的是「信息满足」，内容能争取的是「被转述时的完整与准确」。

其中「品牌名进答案句」值得强调。零点击会话对品牌不是天然损失——答案句里完整出现品牌名与定位，仍是一次有效曝光；反之，内容被大量引用却从不带名，等于替整个品类做嫁衣。写作时给每个核心论断配一句含品牌名的自含表述，是把零点击会话从损失改造成资产的少数手段之一。

把结论用对地方：三条边界与预期管理

将 Pew 的结论套到自己业务上时，有三条边界要守住。其一，它测的是摘要有无的对照，不是摘要质量的好坏——摘要答得准与答得偏对点击的抑制可能不同，研究没有拆这一层。其二，搜索意图影响落点：信息型查询被摘要满足的比例天然更高，交易型与导航型查询的点击习惯改变较小，品类不同受到的冲击不能一概而论。其三，行为会演化：用户对 AI 摘要的使用习惯仍在形成期，历史测得的点击率不是永恒常数，趋势比点位更值得关注。

对品牌方，我们建议把这份研究用在预期管理上：向管理层解释为什么传统搜索流量下滑未必是内容劣化，为什么 AI 可见度的投入不能即时兑换成访问量。它是一份「换地图」的证据——渠道的计分方式变了，经营动作就要跟着改；至于新地图上的每一步怎么走，靠持续监测自家数据回答，而不是引用一次外部研究就下结论。

监测侧的配套动作也有一页清单：AI 引荐在分析工具里单独设渠道，不并入自然搜索；引荐页面的归因窗口适当拉长，AI 用户的决策链更长、回访更碎；对 AI 渠道的转化单独设目标值，不用自然搜索的转化率去套；工具口径与自家口径定期对表，防止渠道归类漂移把来之不易的「好流量」读丢。预算讨论时把这套口径带上，流量下滑的叙事才能被「质量上行」的证据对冲。