AI 正在重塑获客，但其流量经济仍未定型

Google News 在 2026 年 7 月呈现了一个直截了当的观点：AI 正通过以综合推荐取代搜索结果，改变客户获取方式。这一论点不止于自动化广告或以更低成本生产内容，而是认为企业如今必须先说服一个 AI 中介，才能触达买家。

这一转变带来了令人不安的冲突。Google、出版商、营销公司和独立研究人员都认同，用户的发现行为正在变化；但对于流量、转化质量，以及网站与平台之间交换的经济价值将如何演变，他们存在尖锐分歧。

旧有的获客模式奖励能够带来可衡量访问量的曝光。正在浮现的模式则可能在完全不带来访问的情况下影响决策。一家企业或许会出现在 AI 的回答中，却失去对客户互动的控制，也无法在自身分析数据中看到这种影响。

这并非又一轮搜索优化周期，而是一场流量获取与推荐权威之间的竞争。最终胜出的衡量指标仍未确定，因为 AI 既可能减少点击，也可能提高留存点击背后的意向强度。

Google News 实际呈现了什么

底层报道讨论的是客户行为，而不是 Google 发布了一款新产品。

Google News 的条目指向一篇题为“人工智能如何改变客户获取的经济学”的文章。Performance Marketing Advisors 发布了原文版本，并于 2026 年 7 月 11 日最后更新。

这篇客户获取文章认为，买家越来越多地让 AI 系统替自己评估企业。文中举例包括比较专业服务、选择软件，以及识别具备专业能力的公司。

核心观点很直接：企业过去主要争夺搜索结果页面上的排名，如今还要争夺成为 ChatGPT、Gemini、Perplexity 或 Google Search 生成答案中被推荐的选项。

这一差异很重要，因为排序链接会将大部分评估工作留给用户。AI 推荐则将研究、比较，有时还包括初步筛选，压缩到一个界面中。它能够在企业获得一次访问之前，就塑造买家的初始考虑名单。

不过，这篇文章是营销咨询公司的战略评论。其品牌化的“AI Trust Economy”框架并不是一个已被独立确立的经济学类别。读者应将其视为一个需要通过更广泛证据检验的论点。

该论点也可能夸大传统搜索的衰退。买家仍会使用搜索引擎、零售商网站、社交平台、评价网站、电子邮件和直接推荐。AI 加入了这段混合式旅程，而非一次性取代此前所有渠道。

即便是“AI 推荐”这一说法，也涵盖了多种不同体验。Google AI Overview 位于传统搜索结果上方；ChatGPT 提供对话式回答；Perplexity 强调引用，而购物助手则可围绕用户明确表达的偏好组织产品。

这些界面为归因带来了不同机会。有些会产生可见的引荐流量，另一些则会影响之后的品牌搜索或直接访问。一项推荐可能影响购买，却不会获得最后触点归因——即转化前记录到的最后一次互动。

这一局限使 Google News 的标题比其简洁的呈现形式更具重要性。文章并未记录某一企业事件及其确定的财务结果，而是指出了一个正蔓延至整个营销领域的衡量难题。

因此，这一事件是新获客模式日益公开化的表述。AI 系统越来越多地位于问题与企业之间。营销人员必须决定，无点击的曝光是否有价值，以及应如何衡量这一价值。

压力首先落在高度依赖非品牌搜索的组织身上。这类搜索捕捉的是了解自身问题、但尚未选定服务提供商的人群。如果 AI 回答形成了候选名单，网站便不再控制首次重要比较。

Google News 也是这一更广泛分发环境的一部分。它出现在这则报道中，说明了评论内容触达读者的路径，并不能证明 Google 认可该咨询公司的框架或结论。

这种区分至关重要。聚合能够证明可发现性，不能证明内容已经得到验证。证据必须来自用户研究、平台披露、引荐数据和可衡量的业务结果。

AI 搜索将决策前移至点击之前

AI 通过将评估环节前移，改变了获客经济，而传统分析工具对这一环节的可见度有限。

客户获取成本通常简称为 CAC，指在特定时期内以获客支出除以新增客户数。这个计算看似简单，但在多步骤旅程中分配功劳一直都很困难。

AI 又增加了一个不透明环节。买家可以在访问任何由企业拥有的页面之前询问选项、细化需求、比较取舍并形成偏好。企业只能看到最终访问——前提是访问确实发生。

Bain 的研究说明了这种行为的规模。其 2024 年 12 月调查涵盖 1,117 名受访者，发现 80% 的人在至少 40% 的搜索中使用了零点击结果。

零点击结果会在不将用户引导至其他目的地的情况下回答查询。Bain 估计，这种行为使自然网站流量下降了 15% 至 25%，但不同查询和行业受到的影响各不相同。

同一项零点击调查发现，约 60% 的搜索没有继续进入其他网站。即便是对 AI 持怀疑态度的人，也表示会直接从结果页面获得许多答案。

这些发现描述的是注意力的重新分配，并不能证明每一次流失的访问都会变成流失的客户。快速事实查询、详细产品比较和复杂服务采购，具有截然不同的商业价值。

McKinsey 在 2025 年 8 月对 1,927 名美国消费者进行的调查提供了另一种视角。约半数受访者主动使用 AI 驱动的搜索，而这些用户中超过 70% 会研究品类、品牌、产品或服务。

其AI 搜索分析预计，到 2028 年，AI 驱动的搜索将影响可观的美国收入。预测不应与已完成的交易混为一谈，但它们明确了咨询机构预计购买行为将流向何处。

其机制可分为三个阶段。首先，用户用自然语言描述需求。其次，系统汇总可获得的证据，并推荐一组选项。第三，用户继续研究，或根据这份候选名单采取行动。

过去，前两个阶段会带来多次独立搜索和网站访问。AI 界面可以将它们合并为一段对话。这种压缩减少了不在推荐名单内的企业可获得的机会数量。

它也可能提升剩余流量的质量。一名已经比较过功能、限制和替代方案的访客，可能带着更明确的目的到来。如果这些访问承载着更强的意向，即便会话数量较少，仍可能带来可观收入。

这给营销人员带来了分母问题。自然访问量可能下降，而转化率可能上升。表面上的获客成本取决于分析是只将功劳归于最终访问，还是认可此前的 AI 互动。

AI 引荐还带来了第二个衡量缺口。引荐标头可以识别部分来自对话服务的直接访问，但无法捕捉每一位阅读 AI 回答后再到 Google 输入品牌名称的买家。

因此，品牌搜索可能吸收原本在其他地方产生的归因功劳。直接流量也是如此。如果没有受控实验或客户调查，营销团队可能会将归因变化误认为需求变化。

这对销售周期较长的业务尤其重要。评估企业软件的买家可能会咨询 AI 助手、分享候选名单、参加演示并联系推荐人。尽管最初的回答没有获得最终转化功劳，它在经济上仍具有相关性。

同样的原则也适用于本地服务。消费者可能使用 AI 摘要比较资质、声誉和位置。最终的电话咨询可能通过地图列表而非被引用的来源到达。

结果并非客户获取的消失，而是说服过程的迁移。产品数据、独立评价、可信评论、社区讨论和客户体验，都可能在企业意识到买家存在之前影响答案。

Google News 遇上流量与信任之争

主要竞争不再是排名对排名，而是可衡量流量对推荐权威。

传统搜索营销提供了一种易于理解的交换模式。网站发布有用内容，搜索引擎将其编入索引，排名则创造访问机会。广告则增加了一条付费路径，提供更清晰的展示位置和报告。

AI 回答改变了这种交换，因为平台可以在自己的界面内满足请求。来源提供信息，但由此产生的注意力可能仍留在中介平台。

一篇发表于 2026 年 7 月的工作论文利用美国桌面端点击流数据研究了这一问题。作者比较了 Google 的信息搜索活动与 ChatGPT 会话，并研究了 ChatGPT Search 访问权限扩展的影响。

这项引荐经济学研究发现，5.2% 的 ChatGPT 对话会话产生了外链点击。研究还估计，更广泛的访问权限使传统搜索使用量减少了 9.4%。

这些发现存在局限性。该论文是预印本，并非最终共识性结论。桌面端点击流数据无法捕捉所有移动端互动、应用跳转、购买行为或线下行动。

不过，它的框架很有价值。AI 搜索并不只是提供规模更小的 Google 引荐流。论文发现，外链访问更倾向于专业化目的地，而较少流向依赖广告支持的网站。

这种模式表明存在集中效应。一个 AI 系统可以参考许多来源，却只展示少数引用或推荐。企业必须争夺进入被压缩答案的机会，而不是在众多可见链接中争夺一个位置。

通过 Google News 呈现的咨询文章将这场竞争描述为信任之争。这个词需要更精确的界定。语言模型并不会以人类意义上的方式信任某家公司；它根据训练内容、检索材料、指令和模型行为生成回答。

“推荐权威”是更合适的操作性描述。它指系统在回应相关请求时，点名、引用或正面描述某个组织的可能性。

权威性可以来自公司网站之外分散存在的证据。独立报道、客户讨论、产品文档、目录、评价和结构化数据，都可能影响 AI 系统最终检索到的内容。

这削弱了围绕单一受控落地页制定的策略。再精美的页面也无法抹去其他渠道中相互矛盾的信息。当系统依赖营销人员无法控制的来源时，它也无法保证品牌一定会被纳入结果。

这种局面同样令付费获客承压。广告依然有用，因为它能带来可预测的触达。然而，AI 生成的候选名单可能影响买家之后搜索哪些品牌名称，以及哪些广告看起来更可信。

这形成了一条新的竞争链路。自然积累的声誉能够塑造候选名单，随后付费媒体则强化某个选择，而非首次介绍它。只衡量最终广告触点的公司，可能会高估付费触点的价值。

反过来的错误同样可能发生。即便没有带来合格需求，营销人员也可能把每一次 AI 提及都视为有价值。只有当可见度改变了考虑、转化、留存或收入时，它才具有经济价值。

因此，类似曝光量的 AI 可见度评分仍不完整。一个品牌可能频繁出现在低价值提示词中，却缺席于购买前的关键提问。提示词选择本身也成为衡量方法的一部分。

企业需要以真实客户语言为基础的查询集。销售电话、客服对话、研究访谈和丢单记录，能够揭示买家真正会问的问题。可搜索的销售知识工作流可以帮助团队关联这些信号，而不是将每一次提及一视同仁。

实际分析的单位应是决策旅程，而不是单个关键词。团队可以追踪自己是否出现在问题发现、比较、异议处理、价格考量和实施顾虑等环节。

Google News 依然重要，因为它能够将权威报道引入这一信息环境。但出现在聚合器中，并不会自动建立推荐权威性。不同系统在时效性、检索来源和引用行为上各不相同。

因此，最有力的方法是保持证据一致性。产品主张应与文档相符；客户案例应包含具体成果；独立来源应支持重要陈述；过时页面不应与当前能力相矛盾。

这项工作同时类似于声誉管理、内容运营和技术搜索优化。它的范围大于发布更多 AI 生成文章。更多内容可能增加不一致性，进而加剧底层的权威性问题。

转化数据无法定论的问题

AI 引荐访客的表现可能偏弱，也可能很有价值，具体取决于产品、数据集和归因窗口。

关于 AI 获客最响亮的一种说法是：通过对话式工具引荐而来的访客具有更强的购买意图。现有证据并未一致支持这一主张。

一项经过同行评审的 Marketing Science 研究考察了在线大语言模型向电商网站引荐流量的情况。研究将其转化率、平均订单价值和每次会话收入，与成熟渠道进行了比较。

其电商引荐研究发现，AI 引荐效果会随着网站和品类特征而变化。AI 流量并不是自然搜索、电子邮件、引荐或直接访问的通用替代品。

该研究发现，高复杂度网站的结果更为有利。在这些场景中，AI 引荐的转化率超过了若干其他渠道。平均订单价值的差距也有所缩小，而每次会话收入则更接近自然搜索和付费搜索。

这一结果支持一种特定机制：当买家面临复杂选择时，AI 辅助似乎更有价值。系统能够通过解释规格、识别取舍、缩小令人困惑的商品目录范围，降低研究成本。

简单购买的受益空间较小。买家无需进行长时间对话，就能选择熟悉的标准化商品。便利性、可得性、品牌认知和配送可能比综合推荐更重要。

其他数据集得出了相互矛盾的结论。一些行业分析发现，AI 引荐的转化率低于成熟渠道。另一些分析则报告称，通过对话式工具到访的用户转化率异常高。

这些差异并不一定意味着存在不当行为。研究可能覆盖不同的行业、时期、归因方法、设备以及 AI 流量定义。在许多数据集中，引荐量仍然较小，因而容易产生不稳定的比较结果。

狭义的引荐定义会遗漏那些先受影响、随后通过其他渠道到访的访问。过于宽泛的归因模型则可能在证据不足的情况下将功劳归给 AI。两种错误都会扭曲表面上的经济效益。

Google 对“流量崩塌”叙事提出了最有力的公开反驳。2025 年 8 月，该公司表示，来自 Search 的自然点击总量同比总体保持相对稳定。

在Google 对流量的回应中，该公司还表示，平均点击质量有所提高。它将高质量点击定义为用户不会很快返回 Search 的访问。

Google 认为，AI Overviews 推动了更长、更复杂的查询，并让用户接触到更多链接。该公司承认，快速回答类查询可能不会带来访问，但坚持认为更深入的研究仍会产生点击。

这些说法需要谨慎看待。Google 能够访问大多数观察者无法获得的聚合 Search 数据。它也直接有动机维护 Search 与开放网络之间的价值交换。

Google 及其批评者都可能在方向上正确。总体流量可以保持稳定，但特定出版商、信息类网站或企业仍可能损失大量访问量。新增查询量可能以不均衡的方式抵消网络各处的下滑。

稳定的总量对于某一家公司的客户获取也说明不了太多。营销人员关注的是相关访问、合格线索、新客户、客户终身价值和利润率。数十亿次无关点击无法回答这些问题。

关键的不确定性在于，更高意图的流量是否能弥补数量下降。这取决于贡献利润率、销售承接能力、购买复杂度，以及获得 AI 可见度所需的成本。

企业可能会在技术内容、声誉项目、公共关系、结构化产品数据和衡量工具上投入更多。这些支出都应纳入获客经济性，即使形成的可见度被描述为自然流量。

AI 内容生产可以降低创建初稿和变体的成本。但它也可能让渠道充斥相似材料，从而提高建立可信度所需的投入。低成本生产并不保证低成本获客。

当平台将推荐层商业化时，经济问题会变得尤为复杂。对话式体验中的赞助位置，可能会在更紧凑的界面中重现付费搜索竞争。

少量推荐位置可能引发激烈竞价。如果买家更信任这些回答，商业展示位就会更有价值；如果赞助损害信任，平台自身也会面临信任问题。

监管和披露规则进一步增加了不确定性。用户需要能够区分赞助建议与独立结果。企业也需要明确，哪些主张、数据源和商业关系影响了推荐。

与此同时，隐私变化也使衡量更加复杂。跨站追踪的减少，使得跟踪买家从 AI 研究、搜索、网站活动到购买的全过程变得更困难。新的中介者出现之际，旧有归因工具正在弱化。

没有任何单一转化基准能够终结这场争论。企业需要按品类、客户类型和旅程阶段进行匹配比较，也需要足够长的观察时间，以区分真实需求与新鲜感流量。

审慎的结论并不是 AI 推荐没有价值，而是可见度、引荐和收入是不同的衡量指标。将它们视为可以互换，会产生看似自信、却缺乏经济意义的报告。

AI 改写获客方式后，谁将承压

依赖泛化发现流量的企业面临的压力最大，因为 AI 可能在这些企业被看见之前就缩小了市场范围。

中小型和区域性企业面临特殊挑战。与全国性品牌相比，它们通常缺乏足够数量的独立报道、评价和结构化参考资料。因此，AI 系统可供检索的证据可能更少。

这并不意味着最大的广告主会自动获胜。大型品牌也可能带着过时描述、不一致的产品信息和公开可见的客户投诉。小型企业则可以凭借具体、最新且与本地相关的证据参与竞争。

专业服务面临另一种张力。其服务涉及专业能力、声誉和信任，因此适合进行 AI 辅助比较。然而，许多重要差异无法被简化为公开可得的事实。

模型可以总结资质和评价，却无法可靠评估人际契合度、执行质量，或每一项客户成果背后的具体情况。对于重要决策，买家仍需要直接沟通。

出版商和评测网站则面临不同压力。它们的报道和评价帮助系统构建回答。如果这些回答减少了访问量，为原创信息提供资金的组织可能失去收入。

这为 AI 系统带来了供给问题。高质量回答需要最新证据。削弱原创出版的经济基础，最终可能减少可供检索和训练的信息。

Google 的模式试图在 AI 回应中保留链接。对话式服务在许多场景中也会显示引用。经济问题在于，这些引用能否带来足够有价值的注意力，以维持信息来源的生存。

营销机构必须更新自己的承诺。排名提升和流量增长仍然可衡量，但它们已无法涵盖每一次发现互动。机构需要解释 AI 可见度意味着什么，同时避免凭空制造确定性。

销售 AI 可见度工具的软件供应商也面临类似审视。提示词追踪可以揭示品牌是否出现在抽样回答中。但结果会随模型、地点、账户、提示词措辞和时间而变化。

仪表盘本身无法将这种可变性转化为收入。它应将抽样可见度与引荐会话、品牌需求、销售管道创建、赢单率和客户研究联系起来。

搜索广告平台同样面临证明增量效果的压力。增量效果衡量的是由广告促成的结果，而不是原本无论如何都会发生的结果。

如果 AI 推荐在付费点击前就创造了需求，品牌搜索广告可能只是承接了已被说服的客户。广告主需要通过实验，区分是在保护既有需求，还是在创造新增需求。

社交平台仍是发现环节的重要竞争者。创作者、社群和客户讨论提供了买家重视的第一手证据。AI 系统可以总结这些材料，但用户仍可能寻求原始声音。

零售型市场平台仍保有另一项优势：它们将发现、库存可用性、履约、评价和支付整合在一起。通用 AI 助手可以推荐产品，但市场平台掌握着关键的交易数据与执行能力。

因此，新兴格局并非 Google 与某一个聊天机器人的对决，而是一场围绕谁掌控研究过程、客户关系、交易以及由此产生的数据的多渠道竞争。

主要对立仍然是流量获取与推荐权威性之间的较量。其他渠道冲突是在支撑这一主线，而非取而代之。每个平台都决定了有多少价值留在其界面内，又有多少能够流向企业。

组织不应以批量生产数千个泛泛页面作为应对。AI 系统和搜索引擎都有动机过滤重复材料。买家同样能识别出那些言之无物、却一味索取注意力的内容。

更好的回应应从真正有助于决策的信息开始。详细对比、局限性、实施要求、证据与原创观察，能让人们获得超越摘要本身的访问理由。

当第一方数据真实反映客户需求时，它才具有价值。常见异议、服务限制、产品兼容性和使用场景，能够说明某项产品或服务适合什么位置。相关主张应保持可验证性，并在各个渠道中前后一致。

企业还需要保护获客过程中的人工环节。当 AI 带来数量更少但信息更充分的潜在客户时，快速响应、专业的销售沟通、清晰的入门流程和可信的客户背书会变得更加重要。

高意向访客会迅速发现不一致之处。如果 AI 的描述承诺了一种体验，而网站呈现的是另一种体验，即使推荐曝光表现良好，转化率也可能下降。

因此，客户获取正变得越来越难以与产品运营分离。当文档、客户体验和外部证据指向别处时，营销无法凭空制造持久的权威性。

将检验 Google News 论点的三个信号

下一阶段将由可衡量的行为决定，而非有多少公司采用了新的营销术语。

第一个信号是来自 AI 引荐和受 AI 影响旅程的渠道级收入。企业应跟踪直接引荐、接触后的品牌搜索、辅助转化、合格销售线索以及已完成购买。

如果这些指标的增长速度快于获得曝光所需的成本，获客论点就会得到加强。如果提及次数增加却没有带来合格需求，推荐权威性仍只是一个品牌指标，而不是高效渠道。

衡量应采用稳定的客户群组和可比时期。团队必须区分新客户收入与复购收入，并排除从未具有商业意图的流量。

第二个信号是 Google、OpenAI、Microsoft、Perplexity 和电商平台如何整合广告。广告位置、披露方式、引用显著性和报告机制，将决定 AI 发现是否会成为另一个由竞价驱动的渠道。

如果付费推荐在不削弱用户信心的情况下获得采用，客户获取支出将更接近答案界面。对少数可见建议的竞争，可能即使在定向能力更强的情况下也会推高成本。

如果用户不信任赞助答案，独立证据和可识别来源将保留更大的影响力。届时，平台需要更清晰地区分商业展示与综合性指引。

第三个信号是总体流量主张与公司层面结果之间的差距。Google 表示整体自然点击量保持稳定，而独立研究指出零点击压力以及引荐流量的非均衡流失。

更透明的报告或许能够调和这些观点。有价值的披露应区分信息型、商业型、本地型和导航型查询，也应区分普通结果、AI Overviews、AI Mode 和对话式引荐。

如果合格点击和收入在商业类别中保持健康，最令人担忧的流量预测将会减弱。如果流量集中到更少的目的地，较小企业将更难克服获客优势差距。

这些信号应结合起来观察。没有带来盈利转化的引荐增长，并不能验证这一模式。缺乏有意义规模的更高转化率，也无法取代既有渠道。

原始的 Google News 条目捕捉到了一场真实转变，但其最强表述仍未得到证实。AI 显然正在改变评估发生的地点。对获客成本的最终影响则取决于产品复杂度、渠道组合和衡量质量。

企业应从一个实际问题开始：在任何人访问你的网站之前，哪些客户决策如今已经发生？梳理这些决策，测试 AI 系统是否准确呈现了你的证据，并将曝光度与业务结果连接起来。

不要因为一则标题预测搜索将衰落，就放弃搜索。也不要因为引荐流量看起来仍然很小，就忽视 AI。应将两者视为同一个不断变化的发现系统的组成部分。

有用的目标不是出现在每一个生成式答案中，而是在相关买家提出重要问题时，成为一个可信的选项。Google News 和 AI 搜索可以带来关注，但只有经过衡量的客户行为才能确立其经济价值。