你的客户，正在把搜索外包给 AI

前两天，一个做 B2B 软件的朋友跟我诉苦：官网流量没怎么掉，询盘却少了。关键词排名还在首页，他折腾了半天，百思不得其解。

我问他：你现在查东西，还打开谷歌一页一页翻吗？

他愣了一下。不翻了。打开 ChatGPT，直接问。

对吧。你自己是不是也这样？

这就是我想跟你聊的事：你的客户，正在把「发现、比较、拍板」这一整套动作，外包给 AI。

流量没掉，生意怎么就没了？

先给你几个数。

谷歌自己说，AI Overviews 已经覆盖超过 25 亿月活用户，AI Mode 也破了 10 亿。G2 的一项调查显示，51% 的 B2B 软件买家，开启调研的第一站已经是问 AI，问得比谷歌还勤；而在「谁最能影响供应商入围名单」这件事上，AI 聊天机器人排第一。

再看另一头。今年头四个月，美国 68% 的谷歌搜索，以零点击收场。

零点击。

什么概念？用户问完 AI，事情就办完了，压根没点进任何一个网站。

所以排名、点击量这些老指标，正在失灵。品牌可能在客户打开官网之前，就已经赢了，或者输了。该问的问题变成了：AI 检索到我了吗？把我说对了吗？有没有可信的来源替我作证？它列入围名单的时候，名单里有我吗？

这门新手艺，有个名字，GEO，Generative Engine Optimization，生成式引擎优化。

有人把 GEO 理解成 SEO 的下一招。我看没那么简单。它是一门跨职能的手艺：内容怎么搭、技术怎么配、品牌怎么被人提起、效果怎么量，全都得动。

那这门手艺，现在练到哪一步了？

说实话，还没有标准答案。打法正在被一小撮人，一边做研究、一边造工具、一边拿模型做实验，慢慢写出来。

我给你讲 7 个人的故事。他们是我眼里这门学科目前最强的一批实践者。

七个人，七种手艺

第一个，Kevin Indig。

独立增长顾问，写一份叫 Growth Memo 的行业通讯，专门把大数据拆成营销高管的操作手册。

他今年 7 月做了一项行为研究：找 56 个人，跑 221 个 ChatGPT 购物任务。结果呢？最终被选中的品牌，答案份额是 24%；被略过的品牌，只有 11%。

什么叫答案份额？就是 AI 的回答里，你被提到的占比。

更狠的是，92.8% 的任务，从头到尾没有一次跳出开放网络的点击，直接在对话里办完。

天呐。AI 怎么呈现你，几乎直接决定客户选不选你。

他还拆了 120 万条 AI 答案、18012 条经过验证的引用，发现 44.2% 的 ChatGPT 引用，来自页面最前面 30% 的内容。

一句话：把答案放在开头。别铺垫，别藏着掖着。

第二个，Mike King。

iPullRank 的创始人，技术派里的体系派。他给这门手艺起了个更硬核的名字，Relevance Engineering，相关性工程：把信息检索、内容策略、体验设计、数字公关、度量，拧成一个整体，而不是缩水成改几段文案。

谷歌 AI Mode 背后有个关键技术，叫 query fan-out，查询发散。Mike 是最早把它讲透的人之一，还开源了第一个查询发散工具。他那篇拆解 AI Mode 工作原理的长文，是全行业最早的系统分析之一。

第三个，Josh Blyskal。

讲测量，绕不开 Josh。

他最早在 HubSpot，联合创办了营销 AI 业务，做了第一版 AI Search Grader。后来加入 Profound，成了这家公司的第二个员工，从零搭起整套 AEO 方法论，把 prompt 研究、可见度测量、引用分析，变成企业能重复执行的流程。这套方法论，是他在 300 多个客户身上一个一个压出来的。

他干过两件会被人反复提起的事。

2025 年 5 月，他发布了第一份规模化报告，证明 Reddit 是 ChatGPT 最重要的引用来源之一。几个月后，Reddit 自己在 Q2 股东信里引用了这份数据，说自己是 AI 模型里被引用最多的域名。

研究者写的报告，被被研究者盖章。少见。

今年 6 月，他又用 5000 多万条真实的 ChatGPT 对话，做了第一次大规模的 AI 用户意图分类：37.5% 是生成式意图，让 AI 帮你写、帮你造；导航意图掉到 2.1%；交易型意图，是传统搜索的 9 倍。

9 倍。你想想看，这意味着什么。

第四个，Aleyda Solis。

Orainti 的 AI 搜索优化咨询师，咨询师里最会做系统的人。

她的 AI Search Optimization Checklist，从选 prompt、选客户旅程，一路到可见度诊断、来源分析、落地执行、周期验证，一张清单管到底，今年 5 月刚更新。她还维护着免费的 AI 搜索学习站 LearningAIsearch，YouTube 频道每周访谈一线从业者。

她那个三层测量模型，我特别想让你记住：AI Presence，你在不在；Readiness，你接不接得住；Business Impact，这到底带不带来生意。

有了这三层，你就不会把「被提了一嘴」，误当成「赚到了钱」。

她今年 7 月的分析还有个反直觉的发现：AI 引用的权重，大头来自你官网以外的地方。

所以别光修自己家的墙。出门，广结善缘。

第五个，Chris Long。

Go Fish Digital 的营销 VP，现在在 Nectiv 干活。

他用一段长尾正则表达式，从 Google Search Console 里把「长得像 prompt 的搜索」挖了出来，给团队找到了一条不花钱的 prompt 研究路子。

他还做了个对照实验：给各家 AI 喂同一个 AI Instructions 页面。ChatGPT，48 小时内就引用了。Gemini、AI Mode、Claude，没动静。

你看，同一个动作，不同的引擎，反应完全不一样。这事儿不亲手试，你根本不知道。

第六个，Lily Ray。

Amsive Digital 的 SEO 策略 VP，全场最狠的「找茬研究员」。

她编造了一个假排名，扔出去。24 小时之内，Google AI Overviews、AI Mode、Gemini、ChatGPT，全都采信了。

假的。全都信了。

她 2026 年的 B2B 软件研究，还有个更扎心的数字：AI Overviews 一边引用那些「十大最佳」榜单，一边在 69% 的情况下，不推荐榜单的发布者自己。

被引用，不等于被选择。

这句话，值得裱起来。她后来还发布了 Algorythmic 和一个 Gemini RAG 分析工具，把 AI 到底检索了什么、引用了什么，扒开给你看。

第七个，Jason Barnard。

Kalicube 的创始人。最后讲他，因为词是他造的。

2017 年，他就提出了 answer engine optimization，答案引擎优化，2018 年行业有了独立记载。别人还在争论这个词怎么念的时候，他已经往前走了十年：从「拿到直接答案」，做到「让 AI 理解你这个实体、信任你这个人」。

他把这些整理成 AI Engine Pipeline，一条十道闸门的流水线，从被发现、被收录，一路到被采纳、被推荐。他的 Kalicube Process 和 Entity Home 框架，教品牌先想清楚三件事：我是谁？我做什么？谁能为我说的话作证？

2025 年 6 月，他出了本书，专门讲品牌怎么在谷歌和 AI 里赢。

七个人，讲完了。

道理懂了，具体怎么干？

从这七个人的研究里，我给你提炼几条能落地的。

第一，别写「一整页」，要写「一块一块」。AI 不读你的整篇文章。它把内容切成一段一段的小块，行话叫 chunk，回答问题时，只从千万篇文章里捞最相关的几块。有点像考前不读整本教材，只把最可能考的那几页撕下来。所以每一节，都要能独立成答案。

第二，让你的内容「好拼」。AI 会把好几家的块，拼成一个回答。你的内容结构越清楚、越好提取，就越容易被拼进去。表格、步骤、对比，都是「好拼」的形状。

第三，被捞进来，还要配得上署名。不是每一块被采用的内容，都会被引用。想拿到署名，内容得更准、更新，还得有别人替你说话。Lily Ray 那个 69%，就是反面教材。

第四，广度也是深度。查询发散会把一个复杂问题，拆成十几个小问题，一齐开弓，分头去找。你在整个话题上铺得越全，被捞中的面就越大。

第五，图表和视频，也算数。AI 越来越多地捞图、捞表、捞视频。别只顾着码字。

第六，盯答案份额，别只盯排名。量「AI 的回答里你出现了多少次」，而不是「你排第几」。还记得 Kevin 那组数吗？24% 对 11%。差一倍的答案份额，就是差一倍的胜率。

那用什么干？

市面上已经有专门做这件事的工具。比如 Profound 的 Answer Engine Insights，每天跨 ChatGPT、Perplexity、Google AI Overviews、微软 Copilot 这些引擎跑结构化 prompt，量品牌的引用份额和答案份额，找 AI 眼里的权威缺口；Agent Analytics，盯哪些 AI 爬虫来过你的站、看了什么；Conversation Explorer，让你直接看见真实用户在问 AI 什么，以及各家品牌在回答里怎么被比较。

Josh 的方法论，就长在这些工具上。

最后，回到那个朋友

后来我跟他说：你的流量没掉，是因为人还是那些人。只是他们的第一站，从你的首页，变成了一个对话框。

AI 正在替你的客户，画一份入围名单。

名单很短。短到容不下太多「还行」。

你的品牌，是名单上的那一个吗？

祝你，永远是 AI 开口时，被点名的那一个。