搜索时长少了9.8亿小时 AI可见度怎么重算
2026-11-08博晓通

搜索时长少了9.8亿小时 AI可见度怎么重算

搜索时长少了9.8亿小时 AI可见度怎么重算 文章配图

截至 11 月 8 日的公开信息,QuestMobile 秋季报告给出了一组方向相反、体量接近的数字:2026 年 9 月搜索引擎行业月总使用时长同比减少 9.84 亿小时,同期 AIGC 行业增加 9.78 亿小时;8 月搜索引擎类 App 月人均使用次数同比下降 21.7%,AI 原生 App 增长 67.1%。对做 AI 搜索可见度的人来说,这不是一条行业新闻,而是一次口径变更:当答案由助手交付、检索由助手代购,品牌被引用的分母已经换了一套算法,沿用旧口径算出来的可见度,会把「没被问到」误读成「没被推荐」。

9.8 亿小时挪到了哪

已知事实未证实需要核实
2026 年 9 月搜索引擎行业月总使用时长同比减少 9.84 亿小时,AIGC 行业增加 9.78 亿小时;同期浏览器减少 2.74 亿小时,综合资讯减少 13.07 亿小时两组接近的数字是否意味着等量迁移,报告本身没有做用户级追踪同一批用户在搜索与助手之间的实际分配比例
2026 年 8 月搜索引擎类 App 月人均使用次数同比下降 21.7%,AI 原生 App 增长 67.1%使用次数下降有多少来自助手替代,多少来自用户减少重复查询各平台的查询量口径能否对齐到同一时间窗
腾讯 10 月 20 日通过腾讯云开放元宝搜索,百度智能云 10 月 30 日推出搜索 API 促销,阿里百炼与火山方舟把联网搜索接入模型调用这些接口的实际调用规模与付费结构接入方是否会把检索请求回传用于引用归因

把三行放在一起看,能读出一个不太舒服的结论:搜索并没有消失,消失的是「用户直接面对搜索结果页」这件事。用户把问题交给助手,助手去采购资料,检索仍然发生,但发起检索的主体变了。对品牌而言,过去一次曝光发生在用户眼前,现在一次曝光发生在模型的推理过程里,而这个过程不产生页面浏览,只产生引用与否的二值结果。

可见度的分母变了

旧的可见度算法默认分母是关键词排名:某个词下品牌排第几、占多少曝光份额。当答案由助手生成,分母变成「这个问题被问了多少次、回答里引用了几个来源、品牌在其中占第几位」。三个变量里有两个是过去不存在的,第三个从「排名」变成了「被引用」。这不是换个指标名的问题,而是分子和分母同时换了定义。

维度旧口径新口径口径变更带来的风险
分母关键词检索量问题被提问次数问题库覆盖不足会把可见度算高
分子排名与曝光份额回答内被引用次数同一条回答里多次提及只算一次
比较对象同词竞品排名同题竞品占位竞品换了题就失去可比性
时间粒度月度排名快照按周甚至按天的回答抽样周度波动会被误判为趋势
证据截图与排名记录回答原文与引用链接缺证据链时无法复核

这张表解释了一个常见误判:团队发现品牌在某个平台的提及率下降,第一反应是内容出了问题,于是改标题、换配图、加关键词,两周后指标回来一半,便认定改动有效。真实原因可能只是这一周的问题样本少了七条,而每条回答在一个几十条样本的题组里就值一个多点,波动本来就在噪声范围内。

一条回答等于多少个百分点

有一个公开的监测样本可以校准这件事:71 组品牌、8 周、16 套固定题目,按周跑,回答原文里出现品牌名或别名即记一次提及。一周跌超 10 个点的共 22 次,其中 21 次出在题量只有 5 到 10 道的题组;跌落当周的回答中位数是 70 条,一条回答约合 1.4 个百分点。也就是说,少七条回答就够跌 10 个点,而这种跌幅在下一周有近一半会自己回来。把这种波动当成优化效果,等于用噪声验证方法。

助手替用户采购资料之后

当助手代替用户去检索,引用来源的结构会发生两步变化。第一步是来源集中:助手倾向于引用能直接支撑结论的页面,长尾内容被跳过的概率上升。第二步是来源分化:不同平台的检索机制不一样,同一个品牌在甲平台被引用、在乙平台完全缺席,属于常态而非异常。把两个平台的平均值当作品牌表现,会把分化抹平成一句「差不多」,从而错过真正需要修的那一端。

引用来源要分层记

可操作的做法是把引用来源分成三层记录:官方信源(官网、公告、产品页)、第三方信源(媒体、评测、行业报告)、平台内信源(问答、评论、短视频脚本)。三层的替换成本完全不同,官方信源改动一周内可见,第三方信源需要几个月,平台内信源几乎不受品牌控制。分层之后,「为什么这条回答引用了他家」这个问题才有答案,而不是笼统地归因为「内容不够好」。

重算的四步

第一步是把问题库当成资产来建,而不是当成一次性清单。问题要覆盖用户真实会问的句式,包含比较类、价格类、适用场景类,并按平台分别记录,因为同一个问题在不同助手里会得到不同结构的回答。第二步是固定抽样条件,把平台、模型版本、检测时间、样本量一起存档,让前后两次比较具备可比性。第三步是分开记录提及、引用与推荐,提及是出现名字,引用是给出链接,推荐是明确建议,三者的商业含义差一个量级。第四步才是优化,而且优化对象应当是信源结构,而不是标题措辞。

这四步不需要新系统,需要的是一致性。QuestMobile 的数字说明用户时间正在迁移,迁移的方向是「少看结果页、多让助手代办」,而品牌能控制的部分只剩下被引用时的证据质量。把可见度重新算一遍,算的其实是品牌在助手眼里有多少可被引用的证据,而不是在搜索结果页上占了多少格子。

  1. 按平台分别建问题库,覆盖比较、价格、适用场景三类句式。
  2. 固定抽样条件,把平台、模型、检测时间与样本量一起存档。
  3. 把提及、引用、推荐分开记录,不要合成一个总分。
  4. 把引用来源分成官方、第三方、平台内三层,按层制定修改动作。
字段示例用途
字段示例用途
平台与模型元宝 2.1区分检索机制差异
问题编号Q-014保证前后可比
样本量70 条换算单条回答的权重
引用层级第三方媒体定位可修改的信源

常见问题

  • 搜索时长下降是否等于搜索需求下降?

    不等于。检索仍在发生,只是发起检索的主体从用户变成了助手。用户时间从结果页转向助手界面,检索次数可能并未减少。

  • 为什么同一品牌在不同平台表现差很多?

    各平台的检索机制、语料来源与抓取策略不同,引用来源结构也不同。把两个平台取平均会掩盖分化,应该按平台分别看引用层级。

  • 提及率一周跌十几个点要不要立刻改内容?

    先看样本量。在小样本题组里,一条回答就值一个多点,跌十点可能只是少了七条回答,且近一半会在下一周自行恢复。先确认波动超出噪声,再动内容。

  • GEO 优化最该先改哪一层信源?

    官方信源。官网、公告与产品页的改动一周内可见,第三方信源需要几个月,平台内信源几乎不可控。先修可控的一层,再谈扩散。

参考资料