截至11月8日的公开信息，CNNIC第57次《中国互联网络发展状况统计报告》显示，截至2025年12月，我国搜索引擎用户渗透率降至69.5%，两年间流失近1亿用户；QuestMobile数据显示，2026年8月搜索引擎App的月人均使用次数降至35.8次，而AI原生App升至85.1次，用户规模5.37亿；CNNIC《生成式人工智能应用发展报告（2026）》则指出生成式AI用户已突破7亿。另有分析提到，购买意图较强的查询中，AI引用的来源约82%是第三方页面，品牌自有官网占比仅3%。用户找信息的起点从搜索框变成对话框，品牌可见度的基线也必须重搭。
基线重搭的三个前提
第一个前提是口径要换。搜索时代看排名与点击，对话时代看品牌是否被提及、被哪条信源支撑、在候选里排第几位。这三个指标与排名没有对应关系，把排名数据直接换算成AI可见度，得到的只是自我安慰。基线必须从问题出发，而不是从流量报表出发。
第二个前提是问题要分层。下单型问题问多少钱、在哪买；比较型问题问两款差在哪；判断型问题问这类供应商怎么选；经验型问题问我这种场景怎么处理。四类问题对应的AI答案结构完全不同，混在一起统计一个总分，会把已经在成交环节缺席的事实掩盖成整体尚可。
第三个前提是监测要能复现。AI回答存在波动，同一问题在不同时间得到的答案可能不同，所以基线必须写明采集平台、问法、时间窗口与样本量，否则第二个月无法判断变化来自内容优化还是模型漂移。
四步搭出可用基线
第一步：把问法写对
问题库要从真实咨询里提取，而不是从关键词工具里生成。客服记录、销售对话、评论区提问都是现成来源，把其中重复出现的问法按四类归档，每类不少于十个问题。问法要保留用户的口语，比如“带老人出门两天怎么安排”比“适老化旅游方案”更接近真实提问。
第二步：分层采集与标注
同一批问题在主要平台分别提问，记录四项信息：品牌是否被提及、引用的信源链接、在候选清单中的位次、竞品是否同现。四项信息缺一项，后续就无法定位问题出在内容、信源还是品类结构。采集时间固定在每周同一天，减少时段差异带来的噪声。
第三步：用引用结构找缺口
如果第三方引用占绝大多数、自有页面占比极低，说明短板不在官网内容量，而在可被引用的第三方页面密度。反过来，如果第三方引用已经很多但品牌仍未被提及，问题往往在表述不一致：同一个事实在不同页面有不同说法，模型没有稳定的依据可用。
第四步：四周一轮复测
复测周期建议四周，短于四周的波动多是采样噪声。每轮输出三张表：问题层的提及率变化、信源层的引用结构变化、竞品层的位次变化。三张表分开看，才能判断是内容在起作用，还是竞品在某个平台加大了投入。
四类问题与对应指标
| 问题类型 | 典型问法 | 核心指标 | 常见误判 |
|---|---|---|---|
| 下单型 | 这款在哪买更便宜 | 是否进入可下单候选 | 用提及率替代成交资格 |
| 比较型 | 这两款差在哪 | 竞品同现时的位次 | 只看是否出现，不看排位 |
| 判断型 | 这类供应商怎么选 | 被引用信源的权威度 | 把软文当权威信源 |
| 经验型 | 我这种情况怎么处理 | 案例与细节被复述的比例 | 用通稿覆盖具体场景 |
四类问题的经营价值不同。下单型直接关联成交，但受平台数据壁垒限制，跨平台比价很难被AI完整回答；经验型最容易被品牌用一手细节占住，因为平台给不出具体场景的答案。资源有限时，先补经验型与判断型，往往比在下单型问题上硬拼更划算。
还要接受一个现实：引用会消失。今天被引用的页面，隔一段时间可能被替换，这属于常态而非异常。基线的作用不是承诺稳定，而是让每一次变化都能被定位，让团队知道该改内容、改信源结构，还是该换问题集。
落地执行的五个动作
基线搭好之后，投入节奏才有依据。搜索流量的迁移是结构性的，但行业之间的速度差异很大，用别的行业的数据做自己的预算，通常会高估短期效果、低估长期投入。先用一轮基线把自家的问题层看清楚，再决定在哪一层加码。
常见问题
搜索用户流失意味着SEO没用了？
不是。排名仍有价值，但AI回答里的提及与引用是另一套指标，需要单独建基线。
为什么自有官网引用占比这么低？
购买意图较强的查询更依赖第三方评测与社区内容，官网在模型看来缺少可比对的外部印证。
问题库要写多少个问题？
四类各不少于十个，且要来自真实咨询记录，问法保留用户口语。
多久能看到变化？
四周一轮复测，通常两到三轮才能区分内容效果与模型波动。
