大模型正在杀死 SEO？1000 万关键词 + 23 个案例，拆解 2026 年搜索生态真相

May 22, 2026

文章概要

核心摘要

大语言模型（LLM）正在重塑搜索行业，其影响才刚刚开始显现。Google AI 概览（AI Overviews）、ChatGPT Search 和 Perplexity AI 已经承接了越来越多的用户信息获取需求，对传统搜索引擎优化（SEO）的冲击巨大，但行业间差异极大。

本文采用混合研究方法，定量分析了 Semrush 超过 1000 万个关键词、Previsible 196 万次 LLM 推荐会话、Chartbeat 全球流量分析等多源数据；定性层面通过主题编码分析了 23 个出版商的案例和战略文档。研究发现，真实情况远比 “SEO 已死” 和 “一切照旧” 两派说的要复杂得多。

2025 年全年，AI 概览在搜索查询中的覆盖率在 6.49%-25% 之间波动。当 AI 概览出现时，排名第一页面的点击率（CTR）下降了 34.5%，但 Semrush 对同一关键词的前后对比显示，零点击率反而从 33.75% 微降至 31.53%。

本文提出搜索生态颠覆模型（SEDM），整合了克里斯坦森的颠覆性创新理论、皮罗利和卡德的信息觅食理论以及平台经济学，解释了这些看似矛盾的数据。研究发现行业冲击存在显著不对称性：Chartbeat 数据显示，出版商的 Google 搜索推荐流量整体下降 33%-38%，其中新闻网站跌幅最高达 26%，而电商行业几乎没有变化。

本文还提出了 5 个可证伪的预测、一份从业者行动路线图，并测算出出版商每年约有 20 亿美元的广告收入面临风险。

一、引言：搜索行业 20 年规则被打破

搜索行业的市场规模超过 2800 亿美元。在过去二十多年里，这个行业的游戏规则一直相对稳定：Google 制定标准，SEO 从业者跟进调整，出版商据此优化内容。但这种稳定性已经被打破。

自 2024 年 Google I/O 大会推出 AI 概览，以及 ChatGPT Search、Perplexity 作为替代搜索界面快速崛起后，支撑了二十年 SEO 实践的底层假设开始受到质疑。

这场变革的真实规模目前仍不清晰。Gartner 在 2024 年预测，到 2026 年搜索引擎的查询量将下降 25%，这一预测催生了业内所谓的 “搜索末日” 论调。部分数据似乎也支持这一观点：Chartbeat 统计显示，2024 年 11 月至 2025 年 11 月，Google 向出版商的推荐流量下降了 33%-38%，美国市场跌幅更高达 38%；而 Previsible 对 196 万次会话的分析显示，AI 推荐流量同比增长了 527%。

但另一部分数据却讲述了完全不同的故事。Graphite 联合 Similarweb 分析了 4 万个网站后发现，2025 年整体流量仅下降了 2.5%。Semrush 2025 年对 1000 多万个关键词的研究显示，AI 概览的覆盖率呈波浪式变化：2025 年 1 月为 6.49%，7 月达到近 25% 的峰值，11 月回落至 15.69%，2026 年 1 月又回升至 25.8%。这看起来不是单向的崩溃，而是一个处于动态调整中的系统。

最令人困惑的是零点击数据的矛盾。皮尤研究中心对 6.8 万个查询的研究发现，带有 AI 摘要的搜索结果点击率仅为 8%，而没有 AI 摘要的为 15%，这与 Stackmatix 估算的 AI 概览查询约 83% 的零点击率一致。但 Semrush 对同一关键词在 AI 概览上线前后的对比却显示，零点击率不升反降，从 33.75% 降至 31.53%。这两项研究在方法上都站得住脚，解释这一矛盾正是本文的核心目标之一。

我在企业级技术 SEO 基础设施领域有超过十年的经验，最近在 AT&T 负责覆盖 5000 万页面的 AI 驱动搜索系统。我之前的研究（Macumber & Pagadala, 2024）探讨了实用内容系统与 AI 生成推荐的交互方式，本文将这一研究延伸到 2024 年中期以来加速的整个搜索生态颠覆中。

本文围绕三个核心问题展开：

LLM 驱动的搜索界面究竟在多大程度上降低了自然流量和点击率？如何解释现有证据中的矛盾？
对照实验能告诉我们生成式引擎优化（GEO）策略的实际效果如何？
我们能否构建一个理论框架，对这场变革的未来走向做出可验证的预测？

二、文献综述：SEO 的四次范式转移与 AI 搜索的崛起

2.1 SEO 的范式迭代史

SEO 大约每 5-8 年就会经历一次自我革新。关键词堆砌时代（1995-2003）随着 Google PageRank 的出现，让位于链接权威范式（Brin & Page, 1998）；2011-2013 年的 Panda 和 Penguin 更新将重心转向内容质量；2019 年 BERT 的部署开启了语义搜索时代（Nayak, 2019）。

每一次转型都会部分淘汰旧有能力，同时创造新的机会。需要强调的是，当前的变革虽然剧烈，但并非没有先例。LLM 的整合是加速了从 RankBrain 和 BERT 开始的语义化趋势，而非完全另起炉灶。这一区别对于选择正确的理论视角至关重要。

2.2 AI 搜索的爆发式增长

这次变革的节奏明显更快。微软在 2023 年 2 月就将 GPT-4 整合进 Bing；Google 在 2024 年 5 月的 I/O 大会上推出了 AI 概览（Pichai, 2024）。与此同时，原生 AI 平台快速增长：Perplexity 的用户会话量同比增长 370%（SE Ranking, 2025）；ChatGPT Search 占据了 55%-60% 的 AI 推荐流量份额（upGrowth, 2026）；Gemini 仅在 2025 年 9 月至 11 月间就增长了 388%。

我通过 DataForSEO Trends API 收集的数据显示，过去 12 个月用户对 “Perplexity AI” 的搜索兴趣平均为 76 分（满分 100），远高于 “ChatGPT search” 的 9 分和 “生成式引擎优化” 的 3 分。用户真正在搜索的是具体的品牌平台，而非抽象的概念。

值得注意的是，零点击行为早在 AI 概览出现前就已存在。SparkToro 在 2019 年就记录了超过 50% 的零点击率。AI 搜索没有创造这个问题，只是让它变得更加严重。

2.3 生成式引擎优化（GEO）的诞生

“生成式引擎优化” 这一术语由 Aggarwal 等人（2024）在 ACM SIGKDD 会议上正式提出，该论文目前已被引用 76 次，下载量超过 9000 次。他们的 GEO-bench 实验覆盖了 9 个生成式引擎的 1 万个查询，是目前最有力的对照证据。

核心结果显示：在内容中加入统计引用，能将被生成式引擎引用的概率提高 37%-41%；权威引用能提升 28%-40% 的可见度；结构化格式能带来 15%-25% 的提升。Chen 等人（2025）后续研究发现，ChatGPT 引用的结果与 Google 自然搜索前 10 名的重叠率仅为 12%，这说明 GEO 和传统 SEO 需要的是完全不同的方法，而非简单的微调。

2.4 现有研究的空白

目前的研究存在几个明显的缺口：

没有研究采用混合方法，同时结合流量数据分析和出版商案例研究，并坦诚面对证据中的矛盾；
克里斯坦森的颠覆性创新理论虽然与 Google 的处境高度相关，但尚未被系统应用于搜索生态；
Ragavan 和 Alipour（2024）将信息觅食理论适配到 LLM 聊天机器人环境的研究，以及后续关于 LLM 交互中探索 – 利用动态的实证研究，尚未与 SEO 颠覆问题建立联系；
Imerman 和 Fabozzi（2025）提出的 AI 时代颠覆量化框架，也尚未应用于搜索行业。

三、理论框架：搜索生态颠覆模型（SEDM）

本文提出搜索生态颠覆模型（SEDM），整合了三个成熟的理论体系。单独任何一个理论都不足以解释所有现象，但三者结合能够覆盖各自遗漏的模式。

3.1 三大理论支柱

颠覆性创新

Google 的处境几乎完美契合克里斯坦森（1997）的框架。这家发明了 Transformer 的公司（Vaswani et al., 2017），无法激进地部署直接回答式 AI，否则会动摇其 2650 亿美元的广告业务。

而 Perplexity、ChatGPT Search 等新进入者提供的 “答案引擎”，虽然在某些方面（覆盖范围、复杂查询准确性）不如传统搜索，但在便利性和信息整合能力上更胜一筹。这正是典型的 “低端颠覆”。AlixPartners（2026）预测 Google 的搜索广告份额将下降，Imerman 和 Fabozzi（2025）的颠覆评分框架也给 AI 搜索平台打出了 7 项标准中的 6 分。

Tushman 和 Anderson（1986）提出的 “能力破坏性 – 能力增强型不连续性” 概念进一步细化了这一分析：对出版商而言，这场变革摧毁了他们辛苦积累的 SEO 能力；但对 AI 平台而言，却强化了其核心的自然语言处理能力。

有人可能会反驳说，AI 搜索属于持续性创新而非颠覆性创新，因为 ChatGPT 和 Perplexity 是在质量维度而非价格维度竞争，且没有服务于未被满足的低端市场。我将其归类为颠覆性创新有两个原因：

其初始用例 —— 快速事实性回答 —— 针对的正是查询复杂度最低的细分市场，这完全符合克里斯坦森描述的模式；
其商业模式（免费、无广告或订阅制）与 Google 的广告支持架构有着本质区别。

不过，如果 AI 搜索平台最终也转向 Google 的广告模式 —— 正如 Google 自身正在尝试的那样（AI 概览广告整合增长 394%）—— 那么颠覆性创新的框架就会减弱，这场转型更适合被描述为 “在位者自我颠覆”。

信息觅食

皮罗利和卡德（1999）的理论解释了用户行为层面的变化。人们会追踪信息 “气味”，并对在哪里觅食做出成本收益决策。AI 概览能以几乎为零的觅食成本提供高浓度的信息气味，这意味着用户没有太多理由点击进入源页面。

Ragavan 和 Alipour（2024）的研究表明，LLM 聊天机器人创造了本质上不同的觅食动态：价值 – 成本判断发生在对话界面内部，而非跨链接的网页之间。这也解释了为什么信息类查询受到的影响远大于交易类查询：对于 “什么是 X” 这类问题，AI 回答已经完全捕获了信息气味；但对于 “购买 X” 这类问题则不然。

平台经济学

这场变革的结构性机制是 “无对等补偿的价值提取”。AI 平台摄取出版商的内容用于训练和生成回答，然后将用户留在自己的平台上。Zuboff（2019）和 Parker 等人（2016）为这一分析提供了理论基础。

IAB Europe 在 2025 年推出的技术标准引入了内容访问控制和货币化 API，这是解决这一问题的首次制度性尝试，但执行机制仍不明确。

3.2 四个发展阶段

SEDM 模型将搜索生态的变革划分为四个阶段：

第一阶段（2023-2024 年中）：AI 功能作为补充，AI 概览覆盖率低于 10%，AI 推荐流量低于 3%；
第二阶段（2024 年中 – 约 2026 年）：AI 开始主动替代点击，AI 概览覆盖率达到 10%-30%，AI 概览查询的零点击率超过 75%，AI 推荐流量达到 5%-15%。这也是生态信号最矛盾的阶段，因为不同部分的适应速度不同；
第三阶段（约 2026-2028 年）：超过 30% 的出版商实施正式的 GEO 策略，AI 推荐流量超过 15%，新的收入模式开始取代依赖广告的模式；
第四阶段（2028 年以后）：新的平衡形成，AI 推荐流量年增速降至 20% 以下，流量份额趋于稳定。

3.3 五大可证伪预测

整合这三个理论的价值在于，每个理论都能产生其他理论无法得出的具体、可验证的推论：

从信息觅食理论：当 AI 概览将某类查询的觅食成本降至接近零时，点击率会趋近于一个由验证行为决定的剩余下限 —— 根据皮尤观察到的非 AI 概览点击率减去纯导航类查询，我估算这个下限为 15%-20%。这就得出了 AI 概览查询零点击率超过 80% 的预测（P1）；
从颠覆性创新理论：颠覆者会首先占领低复杂度细分市场，因此信息类出版商会比交易类出版商更早面临压力，也会更早采用 GEO（P2）；
从能力破坏性不连续性：没有传统 SEO 能力包袱的新专业公司，在 GEO 采用上会超过老牌机构（P3）；
从平台经济学：目前观察到的 AI 推荐流量转化溢价是早期采用者的选择效应，随着用户群体扩大，这一溢价会逐渐消失（Rogers, 2003）（P4）；
从 GEO 实验证据：结构化 GEO 的采用者在 AI 生成回答中会保持 25%-40% 的可见度优势（P5）。

具体的五个可证伪预测：

P1：到 2026 年第四季度，AI 概览将覆盖超过 35% 的信息类查询，且 AI 概览查询的零点击率将持续高于 80%。如果覆盖率低于 20% 或零点击率低于 60%，则说明 SEDM 模型对发展轨迹的判断是错误的；
P2：到 2027 年第二季度，超过 40% 的信息类出版商将拥有正式的 GEO 项目，而交易类出版商的这一比例将低于 20%。如果这一不对称性发生逆转，将推翻模型关于查询类型差异化的核心主张；
P3：到 2027 年底，新成立的 AI-SEO 专业公司数量将是转型做 GEO 的老牌机构的约 2 倍；
P4：Semrush 报告的 AI 推荐流量 4.4 倍转化溢价，将在 2028 年底前降至 2.0 倍以下；
P5：到 2028 年，系统采用 GEO 的内容在 AI 生成回答中的可见度，将比未采用者高出 25%-40%。

四、研究方法：混合方法整合 9 大数据源

4.1 研究设计

本研究采用收敛混合方法设计（Creswell & Plano Clark, 2018），同时分析定量的流量和 SERP 数据，以及基于出版商案例研究二手文档的定性数据。

需要明确说明的是，本研究不基于原始数据收集。定量数据来自行业报告，定性部分分析已发表的案例研究而非原始访谈。因此，本文的核心贡献在于理论整合而非原创实证：它将碎片化的证据综合成一个连贯的框架（SEDM），并提出可通过原始研究验证的预测。

来自 9 个独立数据源的三角验证提供了合理的证据基础，但核心贡献是解释框架而非数据本身。

4.2 数据来源

本文中 “LLM 推荐会话” 指的是源自 LLM 驱动界面的独立浏览会话，通过推荐 URL（如chat.openai.com、perplexity.ai）识别。

定量分析使用了 9 个数据源：

Semrush 2025 年 AI 概览研究（2025 年 1-11 月，1000 万 + 关键词）；
Previsible（2025 年 1-5 月，196 万次会话）；
Ahrefs（2025 年 12 月，30 万个关键词）；
Seer Interactive（2025 年 9 月客户数据）；
Similarweb（截至 2026 年第一季度）；
Graphite/Similarweb（2025 年全年，4 万个网站）；
皮尤研究中心（6.8 万个查询）；
Chartbeat（2024 年 11 月 – 2025 年 11 月，全球出版商流量）；
DataForSEO Trends API（作者直接查询，2025 年 4 月 – 2026 年 3 月搜索兴趣数据）。

这些数据源采用不同的方法，覆盖不同的时间窗口，且有不同的商业动机。对于多方一致的结论，我有较高的信心；对于存在分歧的地方，我会明确指出矛盾并尝试解释原因。

4.3 定性分析

我使用 Braun 和 Clarke（2006）的六阶段主题分析框架，分析了 23 个出版商的案例研究和战略文档。来源涵盖了从大型出版商（Business Insider、《纽约时报》、DMG Media）到中型和垂直领域媒体（完整列表见附录 A）。

在分析到第 18 份文档时达到了主题饱和，剩余 5 份仅验证了已有主题，没有引入新内容。

定性部分的一个局限性是编码由单一研究者完成，没有第二位编码者或评分者信度评估（如 Cohen’s kappa）。虽然主题饱和的结果为编码方案的稳定性提供了一定信心，但未来的研究应采用多位编码者来验证识别出的主题。

4.4 矛盾数据处理原则

由于依赖采用不同方法的行业报告，我使用了一个简单的分类方案：

被两个或以上独立来源证实的发现标记为 “已证实”；
单一来源的发现标记为 “初步”；
当来源直接冲突时，同时报告双方结果并尝试解释差异原因。

我还会进行敏感性检查，例如验证即使真实的 CTR 下降是 20% 而非 34.5%，SEDM 的第二阶段分类是否仍然成立，并报告检查结果。

一个值得注意的方法学局限性：由于定量数据来自已发表的行业报告而非原始数据集，我无法报告大多数估计值的标准误差或置信区间。供应商报告数据的精度通常未知，样本构成也不总是公开的。本文中的所有点估计都应被理解为近似量级而非精确测量值。

五、核心研究结果：数据里的搜索生态真相

5.1 AI 概览覆盖率：不是线性增长，是反复试错

Semrush 数据最显著的特征是，AI 概览的部署并非线性路径。2025 年 1 月，AI 概览仅覆盖 6.49% 的追踪关键词，7 月攀升至约 25%，11 月回落至 15.69%，2026 年 1 月又回升至 25.8%。

Google 显然是在进行实验，而非全面铺开。触发 AI 概览的查询构成也发生了变化：2025 年 1 月，信息类查询占比 91.3%，到 10 月降至 57.1%，商业、交易甚至导航类查询的占比相应上升。其中导航类 AI 概览的占比从不足 1% 增长到了超过 10%。

一个具有重要经济意义的发现是：Google 正在快速将广告整合进 AI 概览结果。2025 年 3 月，仅有 5.17% 的包含 AI 概览的 SERP 中出现广告，到 10 月这一数字已达到 25.56%，8 个月内增长了 394%。这表明 Google 将 AI 概览视为一个收入渠道，而非可能随时撤回的实验。

5.2 零点击悖论：看似矛盾的数据其实都对

2025 年底，Google 整体零点击率达到 58%（Superprompt, 2025）。具体到触发 AI 概览的查询，皮尤研究发现其点击率为 8%，而非 AI 概览查询为 15%；Stackmatix 则估算 AI 概览查询的零点击率约为 83%。Seer Interactive 发现，当 AI 概览出现时，自然搜索结果的点击率从 1.76% 降至 0.61%。所有这些数据都指向同一个结论：AI 概览抑制了点击。

但 Semrush 对同一关键词在 AI 概览上线前后的分析却显示，零点击率不升反降，从 33.75% 降至 31.53%。这不是四舍五入的误差，而是来自权威来源的方向完全相反的发现。

我认为有三种可能的解释：

选择效应：Google 可能倾向于在那些原本点击率就呈上升趋势的查询上部署 AI 概览，从而产生辛普森悖论。举个简单的例子：假设 Google 在 1000 个基线点击率平均为 40% 的查询上部署 AI 概览，而在另外 1000 个基线点击率平均为 25% 的查询上不部署。如果 AI 概览统一将点击率降低 15 个百分点，那么部署组的点击率会降至 25%，未部署组保持 25%。从横截面看，两组看起来没有差异，但追踪部署组的前后变化会发现 15 个百分点的下降。反之，如果 Semrush 的前后对比只追踪了部署组，而其基线原本就很高，那么测量到的下降可能会小于真实的因果效应。这个简单的算术问题却有严重的含义：AI 概览部署的选择偏差可能会反转表面上的治疗效应方向；
行为补偿：部分用户可能会点击进入源页面来验证 AI 给出的答案，这种新型点击部分抵消了传统点击的下降；
时间差异：Semrush 可能捕捉到了短期的新奇效应，而皮尤的数据反映的是稳态模式。

仅凭现有数据无法最终解决这个问题，我将其标记为一个开放问题。

表 1 不同来源的零点击和点击率证据

表格

指标	来源	数值	可信度
整体零点击率	Superprompt (2025)	58%	已证实
AI 概览查询零点击率	皮尤；Stackmatix	~83%	已证实
同一关键词零点击率变化	Semrush (2025a)	-2.22 个百分点	初步 *
排名第一页面点击率下降	Semrush (2025a)	-34.5%	已证实
有 AI 概览时的自然点击率	Seer Interactive	0.61%	已证实
AI 概览覆盖率（2026 年 1 月）	Semrush	25.8%	已证实
信息类查询 AI 概览覆盖率	Semrush	39.4%	已证实

* 与其他证据矛盾，详见 5.2 节讨论。

5.3 AI 推荐流量格局：ChatGPT 占半壁江山

目前 AI 推荐流量占总监测流量的 12%-18%，其中 ChatGPT Search 占 55%-60%，Perplexity 占 18%-22%，Google Gemini 占 10%-14%（upGrowth, 2026; Previsible, 2025）。527% 的同比增长率虽然惊人，但基数很小。

Semrush（2025c）发现 AI 推荐访客的转化率是自然搜索访客的 4.4 倍，这常被用来证明 AI 流量 “质量更高”。但这几乎肯定是选择效应的结果：愿意使用 ChatGPT 找产品并点击进入的用户，不是典型的互联网用户。我预计随着 AI 搜索的普及，这一溢价会逐渐下降。

表 2 2026 年第一季度 AI 搜索平台推荐流量分布

表格

平台	推荐流量份额	同比增长率	搜索兴趣（12 个月平均）
ChatGPT Search	55–60%	~450%	9/100
Perplexity AI	18–22%	370%	76/100
Google Gemini	10–14%	388%	N/A
Claude / 其他	8–12%	~300%	N/A
总计	12–18%	527%	–

来源：upGrowth (2026); Previsible (2025)。* 搜索兴趣数据来自 DataForSEO Trends，12 个月平均值。

5.4 行业影响差异：新闻站暴跌 38%，电商几乎没影响

这是所有数据中最清晰的部分。Graphite 报告的 2.5% 整体流量下降具有误导性，因为它平均了受影响程度天差地别的各个行业。

Chartbeat 的出版商细分数据显示整体流量下降 33%-38%。新闻和媒体出版商受打击最严重，跌幅达 26% 以上（AdExchanger, 2026）；参考和教程类网站损失 15%-30%；健康和医疗内容下降 10%-20%。相比之下，电商行业仅损失 1%-3%，品牌导航类查询的流量基本持平。

这一模式完全符合信息觅食理论的预测：AI 概览越能完全满足用户的信息需求，用户点击的理由就越少。“法国的首都是什么” 这类问题在 AI 概览里就能得到完整答案，而 “购买 11 码跑鞋” 则不能。

表 3 不同行业的自然流量影响

表格

行业	流量变化	AI 概览暴露度	主要来源
新闻与媒体	-26% 至 – 38%	极高	AdExchanger; Chartbeat
参考 / 教程	-15% 至 – 30%	高	SEJ; WebProNews
健康 / 医疗	-10% 至 – 20%	高	Semrush; Graphite
金融	-5% 至 – 15%	中	Graphite
B2B/SaaS	-3% 至 – 10%	中	Previsible
电商	-1% 至 – 3%	低（4% AI 概览）	Graphite; Semrush
品牌类	±2%	极低	Seer Interactive

5.5 GEO 什么策略真的有用？实验数据说了算

关于 GEO 策略有效性的最佳证据来自 Aggarwal 等人（2024）的 GEO-bench 实验。在覆盖 9 个生成式引擎、1 万个查询的对照测试中：

加入统计引用能将被生成式引擎引用的概率提高 37%-41%；
权威引用能提升 28%-40% 的可见度；
结构化格式能带来 15%-25% 的提升。

这些效应非常显著，且在多个引擎中都成立。

来自行业的观察性数据虽然严谨性稍低，但也提供了佐证。Previsible 报告称，遵循 GEO 最佳实践的内容，其跨平台被引用次数增加了 325%，并指出 44.2% 的 AI 引用指向源页面的引言部分。这些发现仍需通过实验进行复制验证。

表 4 GEO 策略效果总结

表格

策略	实验效果	观察效果	证据强度
统计引用	+37–41%	+325% 跨平台引用	强
权威引用	+28–40%	被广泛采用	强
结构化格式	+15–25%	估计 + 20–30%	中
Schema.org标记	未测试	被普遍推荐	提示性
前置核心观点	未单独测试	44.2% 引用引言	提示性
llms.txt 文件	未测试	新兴实践	初步

5.6 出版商的真实应对：四大主流策略

对 23 份出版商文档的主题分析揭示了四种主要的适应策略：

强化内容深度和权威信号（19/23）：这是最常见的策略，包括原创报道、专有数据发布，以及严格遵循 Google 的 E-E-A-T 指南；
针对 LLM 的结构优化（17/23）：包括Schema.org标记、前置核心观点、直接回答式格式等；
多平台分发（14/23）：出版商已经意识到，要被 ChatGPT、Perplexity 和 Gemini 引用，需要不同的策略；
技术层面的 AI 可访问性（11/23）：包括 llms.txt 文件、服务器端渲染等，主要出现在有专门工程资源的大型出版商中。

值得注意的是，传统 SEO 信号对 AI 引用行为的预测能力非常弱。ResultFirst（2026）发现，反向链接概况、域名权威度与被 LLM 引用的概率之间相关性很弱。在 Google 时代让出版商成功的能力，可能无法直接迁移到 AI 时代。

六、讨论：我们正处在搜索变革的哪个阶段？

6.1 矛盾数据的本质：生态处于过渡期

5.2 节中的零点击悖论，其实正是 SEDM 模型对第二阶段的预测。在替代过程中，整个生态处于动态变化中。不同的测量方法捕捉到了这场变革的不同侧面 —— 它在查询类型、用户群体和时间维度上都不是均匀的。

皮尤的数据捕捉到了 AI 概览已全面部署的查询的稳态行为；而 Semrush 的数据捕捉到了 AI 概览刚上线时的短期适应行为。两者都是有效的，但都没有讲述完整的故事。

平台经济学的视角提供了另一个维度：Google 有动机选择性地在那些参与度指标看起来有利的查询上部署 AI 概览，这可能会系统性地使前后对比产生偏差。

6.2 SEDM 模型的价值：整合多维度视角

现有证据表明，当前搜索生态正处于第二阶段末期，开始向第三阶段过渡：

AI 概览覆盖率 25.8%，落在第二阶段 10%-30% 的区间内；
AI 概览查询 83% 的零点击率，超过了第二阶段 75% 的阈值；
AI 推荐流量 12%-18%，接近第三阶段 15% 的触发点；
信息类出版商的 GEO 采用率仍在 15%-25% 的范围内。

AI 概览部署的非单调模式（升 – 降 – 升）也符合第二阶段预期的迭代校准特征。

没有任何一个单一理论能像 SEDM 模型这样，捕捉到这些不同层面之间的相互作用。克里斯坦森告诉你颠覆会到来，但不会告诉你哪些查询会先受影响；信息觅食理论告诉你为什么零点击行为会加剧，但不会告诉你出版商会如何重组；平台经济学告诉你价值提取的机制，但不会告诉你时间节奏。

整合这些理论的意义在于，能够产生任何单一理论都无法得出的预测，比如 “信息类出版商的 GEO 采用率将是交易类出版商的两倍以上”（P2）这样具体的结论。

6.3 经济损失测算：每年约 20 亿美元广告收入蒸发

经济前景不容乐观，关于每年 20 亿美元损失的估算，我需要透明地说明其假设前提。

IAB（2024）报告显示，2024 年美国数字展示和程序化广告收入约为 680 亿美元，其中约 35%-40%（240-270 亿美元）流向了主要依赖自然搜索流量的广告依赖型出版商。

如果 Chartbeat 报告的 33%-38% 流量下降，适用于约 15%-20% 受 AI 概览影响最大的出版商（新闻、参考、教程），并假设收入与流量成比例下降，平均 CPM 为 6-10 美元，那么计算结果就是每年 15-25 亿美元的损失，我取中间值约 20 亿美元作为中心估计。

这只是一个粗略的估算，存在较大的不确定性区间：如果供应商的流量数据高估了跌幅，真实数字可能低至 10 亿美元；如果 Chartbeat 的样本中没有充分代表中型出版商，真实数字可能高达 30 亿美元。

路透社研究所（2026）报告称，媒体高管预计未来三年流量还将再下降 43%，这将使到 2028 年的年损失推向 30-40 亿美元。

对于一个拥有 5 万日自然访客、CPM 为 8 美元的典型新闻出版商来说，26% 的流量下降意味着每年约损失 3.8 万美元的广告收入。将这个数字乘以数万个广告依赖型出版商，总和与中心估计是一致的。

Google 快速将广告整合进 AI 概览（8 个月增长 394%）的行为值得关注。这表明 Google 已经找到了将 AI 介导搜索货币化的路径，意味着 AI 概览很可能会成为永久特征，而非可能被撤回的实验。

6.4 不同风险等级出版商的应对指南

答案取决于你的风险暴露度：

高风险出版商（新闻、参考、教程）：必须将此视为紧急事项。立即审计你的 AI 引用可见度，实施结构化数据和Schema.org标记，建立 AI 推荐来源的追踪体系，并开始投资 AI 难以合成的原创内容。在 6-12 个月内，将收入多元化到订阅和内容授权领域。IAB Europe 的补偿框架最终可能会为此提供机制；
低风险出版商（电商，4% AI 概览暴露度）：可以暂时观望，但应密切关注商业类 AI 概览查询的增长 —— 这一增长正在加速；
中等风险出版商（B2B、SaaS）：应采取双轨策略，同时投资传统 SEO 和 GEO。ChatGPT 和 Google 结果 12% 的重叠率意味着，在一个渠道表现好的内容，大多数情况下不会自动在另一个渠道表现好。

6.5 需要关注的三大政策问题

有三个问题值得监管机构关注：

反垄断问题：Google 将 AI 概览与其主导的搜索平台捆绑，并快速在这些概览中整合广告，引发了反垄断担忧；
内容补偿问题：LLM 在没有补偿的情况下训练和合成出版商内容，对于广告依赖型出版商来说是不可持续的。IAB Europe 2025 年的标准提供了一个起点框架，但缺乏执行力度；
信息多样性问题：如果 GEO 需要大量投资，小型出版商可能会在 AI 介导的搜索中系统性地处于不利地位，这可能会减少网络上的信息多样性。

6.6 研究局限性

我需要坦诚地说明本研究的局限性：

定量数据来自采用不同方法且可能存在偏差的行业报告，目前没有统一的 AI 推荐流量测量标准；
5.2 节中的零点击悖论仍未得到最终解决；
定性分析依赖二手文档而非原始访谈，可能会遗漏出版商实际决策中的一些重要细节；
地理范围仅限于美国；
SEDM 模型的预测仍是未经检验的假设；
存在一种真实的可能性，即供应商发布的数据系统性地高估了 AI 推荐流量，这会使 SEDM 的第二阶段评估显得过早。

七、未来研究方向

最重要的下一步是开展对照实验研究，将 GEO-bench 扩展到真实世界环境，进行随机内容修改和纵向追踪。

该领域还需要：

来自出版商决策者的一手访谈数据；
跨市场对比研究（特别是考虑到欧盟 AI 法案的影响）；
关于出版商可持续性场景的因果计量经济学建模；
标准化的 GEO 指标，类似于传统 SEO 中的域名权威度，使跨研究比较成为可能；
针对 5.2 节零点击悖论的专门研究，采用精心匹配的关键词集进行对照前后设计。

八、结论：SEO 没有死，但已经不是原来的样子

大模型对搜索的颠覆是真实且重大的，但远比辩论双方承认的要复杂得多。数据有时是矛盾的：

AI 概览查询 83% 的零点击率，与同一关键词追踪下零点击率微降同时存在；
搜索结果顶部 34.5% 的点击率下降，与 AI 概览广告 394% 的增长同时存在；
2.5% 的整体流量下降，掩盖了新闻出版商 26%-38% 的损失和电商行业几乎可以忽略不计的变化。

SEDM 模型通过整合三个各自只能捕捉部分真相的理论体系，为理解这些矛盾提供了一种方式。模型的五个可证伪预测，使其区别于事后叙事的可检验框架。这些预测是否成立，将决定 SEDM 是一个有用的贡献，还是仅仅是特定历史时刻的产物。

无论采用何种理论框架，有一点是明确的：每年约 20 亿美元的出版商广告损失并非均匀分布，且很可能还在增长，这既需要实际的适应策略，也需要政策层面的关注。

GEO—— 有 Aggarwal 等人 30%-41% 可见度提升的对照证据支持 —— 为出版商提供了最有希望的前进道路。但这是一条在地基不断移动的同时正在修建的道路。

致谢

本研究基于我在企业级技术 SEO 基础设施领域十年的经验，包括在 AT&T（5000 万 + 页面）和 CoStar Group（4000 万 + 页面）负责 AI 驱动的搜索系统。我在哈佛商学院在线学习的颠覆性战略课程，为将克里斯坦森的框架应用于搜索生态提供了指导。DataForSEO Trends API 数据由作者本人在 2025 年 4 月至 2026 年 3 月期间直接收集。感谢 SEO 行业的匿名同事对早期草稿提供的反馈。

利益声明

作者受雇于 AT&T，担任专注于 AI 和搜索基础设施的技术产品经理。本研究独立进行，不代表 AT&T 的观点、政策或立场。作者与本研究中引用的 Semrush、Chartbeat、DataForSEO、Previsible 或任何其他数据提供商均无财务关系。DataForSEO API 访问通过标准商业订阅获得。本研究未接受任何外部资助。

REFERENCES

AdExchanger. (2026, January 14). The AI search reckoning is dismantling open web traffic. AdExchanger. https://www.adexchanger.com
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1–12. https://doi.org/10.1145/3637528.3671900
AlixPartners. (2026). The future of search: AI-driven disruption and diversification. AlixPartners Industry Report.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Brin, S., & Page, L. (1998). The anatomy of a large-scale hypertextual web search engine. Computer Networks and ISDN Systems, 30(1–7), 107–117. https://doi.org/10.1016/S0169-7552(98)00110-X
Chartbeat. (2025, December). Global Google Search traffic to publishers: November 2024–November 2025. Chartbeat Data Report. https://www.chartbeat.com
Chen, M., Wang, X., Chen, K., & Koudas, N. (2025). Generative Engine Optimization: How to dominate AI search. arXiv preprint, arXiv:2509.08919. https://arxiv.org/abs/2509.08919
Christensen Institute. (2025, March). Why AI is different: Disruption in the age of generative models. Christensen Institute Blog. https://www.christenseninstitute.org
Christensen, C. M. (1997). The Innovator’s Dilemma: When New Technologies Cause Great Firms to Fail. Harvard Business School Press.
Creswell, J. W., & Plano Clark, V. L. (2018). Designing and Conducting Mixed Methods Research (3rd ed.). Sage Publications.
DataForSEO. (2026). Trends API data, April 2025–March 2026. Retrieved via direct API query by the author.
Gartner. (2024, February). Gartner predicts search engine volume will drop 25% by 2026, due to AI chatbots and other virtual agents. Gartner Press Release. https://www.gartner.com
Graphite. (2025, December). SEO traffic declined just 2.5% in 2025: Analysis of 40,000 websites (in partnership with Similarweb). Published by ALM Corp. https://www.almcorp.co
IAB. (2024). Internet advertising revenue report: Full year 2024 results. IAB/PricewaterhouseCoopers. https://www.iab.com/insights/internet-advertising-revenue-report/
IAB Europe. (2025, September). Technical standards for AI content compensation: Framework for publisher monetization. IAB Europe Technical Report. https://www.iabeurope.eu
Imerman, M. B., & Fabozzi, F. J. (2025). Quantifying disruption in the age of AI. Finance Research Letters, 82, 107590. https://doi.org/10.1016/j.frl.2025.107590
Nayak, P. (2019, October 25). Understanding searches better than ever before. The Keyword (Google Blog). https://blog.google
npj Science of Learning. (2025). Structured human-LLM interaction: Exploration-exploitation dynamics. npj Science of Learning, 10, 332. https://doi.org/10.1038/s41539-025-00332-3
Macumber, R., & Pagadala, V. D. E. (2024). Google, SEO and helpful content: How AI can be helpful for e-commerce websites. Journal of Digital & Social Media Marketing, 12(3), 206–226.
Parker, G. G., Van Alstyne, M. W., & Choudary, S. P. (2016). Platform Revolution: How Networked Markets Are Transforming the Economy and How to Make Them Work for You. W. W. Norton & Company.
Pew Research Center. (2025, July). AI search behavior: An analysis of 68,000 queries across Google’s AI-integrated results. Pew Research Center Report. https://www.pewresearch.org
Pichai, S. (2024, May 14). Google I/O 2024 keynote address. Google I/O Developer Conference, Mountain View, CA.
Pirolli, P., & Card, S. (1999). Information foraging. Psychological Review, 106(4), 643–675. https://doi.org/10.1037/0033-295.106.4.643
Previsible. (2025, July). 2025 State of AI Discovery Report: Analysis of 1.96 million LLM-referred sessions. Previsible Research. https://www.previsible.io
Ragavan, S. S., & Alipour, M. A. (2024). Revisiting human information foraging: Adaptations for LLM-based chatbots. arXiv preprint, arXiv:2406.04452. https://arxiv.org/abs/2406.04452
ResultFirst. (2026, January). AI SEO in 2026: Why traditional signals are losing predictive power. ResultFirst Blog. https://www.resultfirst.com
Reuters Institute. (2026). Digital News Report 2026. Reuters Institute for the Study of Journalism, University of Oxford. https://reutersinstitute.politics.ox.ac.uk
Rogers, E. M. (2003). Diffusion of Innovations (5th ed.). Free Press.
SE Ranking. (2025, October). AI traffic in 2025: Platform growth and referral patterns. SE Ranking Blog. https://seranking.com
Search Engine Journal. (2025, August). Google AI Overviews impact on publishers: Traffic data analysis. Search Engine Journal. https://www.searchenginejournal.com
Search Engine Land. (2025, September). How AI answers disrupt publisher revenue models. Search Engine Land. https://searchengineland.com
Seer Interactive. (2025, September). Impact of AI Overviews on CTR: Client data analysis. Seer Interactive Research. https://www.seerinteractive.com
Semrush. (2025a, November). AI Overviews study: Analysis of 10M+ keywords, January–November 2025. Semrush Blog. https://www.semrush.com/blog
Semrush. (2025b, November). SERPs with Ads + AI Overviews grew 394% in eight months. Semrush Blog. https://www.semrush.com/blog
Semrush. (2025c, June). We studied the impact of AI search on SEO traffic. Semrush Blog. https://www.semrush.com/blog/ai-search-seo-traffic-study/
SparkToro. (2019). Zero-click searches: How much of Google’s search traffic leaves clicks for the open web? SparkToro Blog. https://sparktoro.com
Stackmatix. (2026, January). Google AI Overview SEO impact: 2026 data and zero-click analysis. Stackmatix Research. https://www.stackmatix.com
Superprompt. (2025, October). 58% of Google searches end without clicks: 2025 zero-click study. Superprompt Research. https://www.superprompt.com
Tushman, M. L., & Anderson, P. (1986). Technological discontinuities and organizational environments. Administrative Science Quarterly, 31(3), 439–465. https://doi.org/10.2307/2392832
upGrowth. (2026, January). AI traffic share report 2026: Platform referral distribution. upGrowth Research. https://www.upgrowth.in
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. In Advances in Neural Information Processing Systems, 30, 5998–6008.
WebProNews. (2026, February). AI search erodes organic traffic 30–40% for reference publishers. WebProNews. https://www.webpronews.com
Zuboff, S. (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. PublicAffairs.

APPENDIX A: QUALITATIVE DATA SOURCES

The following 23 publisher case studies and strategy documents were analyzed using Braun and Clarke’s (2006) six-phase thematic analysis framework. Documents are listed in order of analysis.

Business Insider (2025). “Our AI traffic strategy: 2025 and beyond.” Internal strategy memo, published excerpt.
The New York Times (2025). “Navigating AI search: Editorial and SEO alignment.” Public remarks, NYT Open conference.
DMG Media (2025). “AI Overviews impact assessment: Q3 2025.” Industry presentation, Digiday Publishing Summit.
Dotdash Meredith (2025). “Content optimization for generative search.” Investor day presentation excerpt.
Healthline Media (2025). “E-E-A-T and AI citations: Medical content adaptation.” Published case study, Search Engine Journal.
Forbes (2025). “Forbes Advisor AI visibility strategy.” Conference presentation, Pubtelligence.
Condé Nast (2025). “Multi-platform search strategy update.” Internal memo, reported by Press Gazette.
BankRate / Red Ventures (2025). “Financial content GEO implementation: Results and roadmap.” Webinar presentation.
WebMD (2025). “Structured data and AI citation tracking.” Published case study, Search Engine Land.
Wirecutter / NYT (2025). “Product review optimization for AI referral.” Internal strategy document, excerpted in NiemanLab.
Vox Media (2025). “AI traffic diversification: Beyond Google.” Industry talk, SXSW Interactive.
The Atlantic (2025). “Subscription-first in the age of AI search.” Public strategy statement.
Ziff Davis (2025). “Tech content adaptation: Schema.org and LLM accessibility.” SEO conference presentation.
Future plc (2025). “AI-driven traffic: Measurement and response.” Investor relations Q&A.
Wired / Condé Nast (2025). “Long-form journalism and AI citation patterns.” Internal analysis, excerpted in Columbia Journalism Review.
NerdWallet (2025). “GEO for financial comparison content.” Published case study, Moz Blog.
RecipeTin Eats (2025). “Independent publisher AI strategy: Schema, structure, and survival.” Blog post and industry interview.
Apartment Therapy Media (2025). “Home and lifestyle content in AI search.” Industry presentation. [Thematic saturation reached]
G/O Media (2025). “AI traffic impact on ad-supported digital media.” Industry interview, Adweek.
The Guardian US (2025). “AI search and editorial independence.” Public editorial statement.
TripAdvisor (2025). “Travel content and AI Overviews: Impact assessment.” Industry analysis, Skift.
Everyday Health Group (2025). “Health publisher AI optimization roadmap.” Conference presentation, Digital Health Summit.
Search Engine Journal (2025). “SEJ’s own AI traffic analysis: Practitioner publisher perspective.” Published editorial.