PenyelidikanCarian AI: bukti perniagaan

Carian AI mengubah nilai sebuah lawatan laman web: apa yang ditunjukkan bukti

Penyelidikan tentang klik carian, rujukan AI, dan keterlihatan kandungan menunjukkan di mana peluang komersial benar-benar ada, serta mengapa kadar petikan bukan unjuran pendapatan.

Diterjemahkan dengan ChatGPT. Belum disemak editor penutur jati. Judul sumber dan tangkapan skrin tetap dalam bahasa aslinya.Baca versi bahasa Inggeris
Jawapan ringkas

Bukti mengarah pada dua perubahan serentak: sebahagian jawapan memuaskan orang sebelum mereka mengunjungi laman web, sementara sebahagian pengunjung dari AI mempunyai nilai yang sangat tinggi. Kedua-duanya tidak bermakna setiap syarikat perlu mengharapkan hasil sama. Penyelidikan ini memisahkan tingkah laku pengguna yang diperhatikan, data transaksi peruncit, eksperimen pengoptimuman, dan peraturan platform terkini untuk menjelaskan apa yang boleh diubah carian AI bagi perniagaan.

  1. 01Lebih banyak keputusan di dalam jawapan
  2. 02Alasan mengklik yang berbeza
  3. 03Bukti membentuk keterlihatan
  4. 04Nilai perniagaan bergantung pada kesesuaian

Dapatan 1: AI sudah berperanan sebagai sumber maklumat dan cadangan

Kajian penggunaan OpenAI pada September 2025 menganalisis 1.5 juta perbualan pengguna. Ringkasan yang diterbitkan mengklasifikasikan 49% mesej sebagai bertanya, 40% sebagai melakukan tugas, dan 11% sebagai mengekspresikan diri. Kira-kira 70% penggunaan pengguna berlaku di luar kerja. Angka ini menggambarkan populasi produk dan tempoh kajian tersebut; bukan bermakna separuh seluruh mesej merupakan carian membeli-belah.

Kerelevanan komersialnya terletak pada tempat keputusan dimulakan. Seseorang boleh meminta penjelasan, membandingkan pendekatan, dan menentukan keperluan sebelum mencari pembekal. Tafsiran saya ialah bahawa syarikat boleh dinilai sebelum muncul kueri jualan yang mudah dikenali. Laman web yang hanya menjelaskan nama syarikat mungkin sedikit menyumbang pada keputusan awal tersebut, bahkan apabila mendapat kedudukan bagi jenamanya sendiri. Ini adalah perubahan perjalanan maklumat, bukan bukti bahawa setiap perbualan memuatkan niat membeli.

OpenAI: How people are using ChatGPT
ChatGPTClaudeGeminiPerplexityCopilot

Catat alat, mod, tarikh, dan lokasi setiap semakan. Logo tidak bermakna sampel di bawah telah diuji pada setiap alat.

Dapatan 2: sumber boleh membantu menjawab soalan tanpa memperoleh lawatan

Pew menganalisis pelayaran 900 orang dewasa AS. Klik hasil tradisional berlaku pada 8% lawatan Google dengan ringkasan AI, berbanding 15% tanpa ringkasan; klik sumber ringkasan berlaku pada 1%. Kajian menggunakan pelayaran Mac 2025 dan hasil yang direkonstruksi dari pengumpulan April. Kajian ini pemerhatian, bukan anggaran rawak tentang bagaimana ringkasan menyebabkan perubahan klik.

Dapatan ini membezakan paparan dari trafik. Dapatan tidak menetapkan nilai kewangan jawapan bagi pengiklan, penerbit, atau penyedia perkhidmatan tertentu.

Pew Research Center: Google users and AI summaries

Dapatan 3: pengunjung yang benar-benar datang boleh bertingkah laku berbeza

Laporan Adobe pada 29 Oktober 2026 memberikan pemerhatian berbeza: pada September, lawatan dari AI ke laman web runcit AS mempunyai prestasi penukaran pembelian 90% lebih baik daripada lawatan non-AI dan menghasilkan pendapatan per lawatan 83% lebih tinggi. Trafik rujukan AI naik 71% berbanding tahun sebelumnya. Analisis runcit dasarnya merangkumi lebih daripada 1 trilion lawatan, 100 juta produk, dan 18 kategori.

Ini adalah perbandingan relatif di antara lawatan yang diperhatikan, bukan kadar penukaran mutlak atau bukti bahawa AI menyebabkan pembelian tambahan. Orang yang mengklik selepas perbualan AI mungkin sudah mempersempit pilihan. Angka tersebut berkaitan dengan runcit AS, bukan kitaran jualan perisian atau keluarga yang memilih penjagaan. Namun begitu, angka itu menunjukkan mengapa jumlah pengunjung dan nilai setiap pengunjung adalah soalan komersial yang berasingan. Arus rujukan yang lebih kecil boleh layak diperhatikan tanpa menjadi sumber trafik terbesar.

Adobe: AI traffic and US retail revenue per visit

Pertentangan yang kelihatan hilang apabila unitnya dipisahkan

Interaksi carian, tayangan jawapan, lawatan rujukan, dan pembelian bukan unit yang boleh dipertukarkan. Kecenderungan lebih rendah untuk meninggalkan halaman jawapan boleh berlaku serentak dengan kadar penukaran lebih tinggi di antara orang yang memang meninggalkannya. Itu bukan dapatan kausal gabungan dari kajian di atas: sampel, tarikh, dan produknya berbeza. Itulah alasan peratusannya tidak boleh didarab menjadi unjuran syarikat.

Bayangkan perniagaan rekaan yang memperoleh lebih sedikit lawatan tetapi lebih banyak perbualan jualan yang sesuai. Perniagaan itu mungkin bertambah baik secara komersial. Perniagaan lain boleh memperoleh lebih banyak petikan tetapi lebih sedikit pesanan menguntungkan. Perniagaan itu mungkin kehilangan nilai. Kedua kemungkinan sesuai dengan dunia di mana jawapan dan laman web menjalankan bahagian keputusan yang berbeza. Pembezaan ekonomi yang berguna adalah antara keterlihatan, permintaan yang sesuai, dan perniagaan yang selesai.

Pertentangan yang kelihatan hilang apabila unitnya dipisahkanCuba ini
Unit yang diperhatikanYang dibuktikanYang masih belum diketahui
Nama muncul dalam jawapan sampelBerapa banyak pembeli melihat atau mempercayainya
Halaman dipautkan sebagai buktiAdakah syarikat disyorkan
Seseorang mencapai laman web yang diukurAdakah lawatan itu merupakan tambahan
Hasil komersial berlakuApa yang akan berlaku tanpa paparan tersebut

Dapatan 4: kandungan boleh mempengaruhi keterlihatan jawapan, tetapi kenaikan terkenal itu bukan unjuran

Kertas kajian GEO yang diterima di KDD 2024 memperkenalkan penanda aras 10,000 kueri dan melaporkan peningkatan keterlihatan hingga 40% menurut ukuran eksperimennya. Kertas kajian menguji perubahan kandungan seperti menambahkan sumber relevan, petikan, dan statistik. Pengaruhnya berbeza menurut bidang. Eksperimen Perplexity berasingan juga menemui bahawa hasil bergantung pada ukuran keterlihatan yang digunakan.

Itu adalah bukti bahawa penyampaian bahan sumber boleh mempengaruhi jawapan. Itu bukan janji 40% lebih banyak prospek, dan sistem eksperimennya bukan setiap produk komersial terkini. Keterlihatan dalam kertas kajian merangkumi ukuran berapa banyak bahan sumber muncul dan di mana ia muncul. Perbezaan pentingnya adalah antara pengendalian kandungan yang mengubah jawapan yang diukur dan program perniagaan yang meningkatkan keuntungan. Kertas kajian membuktikan yang pertama, bukan yang kedua.

Aggarwal et al.: GEO, Generative Engine Optimization

Dapatan 5: carian AI masih bergantung pada web yang ada

Panduan carian generatif Google kini menjelaskan jawapan yang berlandaskan indeks Search dan perluasan kueri: sebuah soalan boleh mencetuskan carian berkaitan sebelum respons disusun. Cadangannya kekal berbentuk maklumat asli yang berguna dan disokong asas carian biasa. Membuat halaman berasingan untuk setiap susunan kata bukan model nilai yang dijelaskan panduan tersebut.

Implikasinya adalah persaingan yang lebih besar pada peringkat penjelasan. Pembeli yang bertanya pembelian kompleks mungkin serentak memerlukan harga, keserasian, risiko, dan bukti pelaksanaan. Halaman berbeza boleh menyediakan bahagian berbeza. Kerana itu, syarikat boleh menyumbangkan fakta berguna tanpa menguasai seluruh jawapan. Sebaliknya, jenama terkenal boleh tidak muncul pada keputusan tertentu jika bahan yang tersedia tidak menjawab syaratnya. Ini adalah tafsiran saya atas tingkah laku pengambilan maklumat yang didokumentasikan, bukan rumus peringkat yang dinyatakan.

Google: Optimizing for generative AI features

Mula dari soalan keluarga yang sebenar

Ubah bandar dan pilih topik. Ini contoh perencanaan, bukan jumlah carian yang diukur atau jawapan AI yang dikumpul.

Topik soalan
Contoh soalan

Pilihan kediaman warga emas mana di London yang sebaiknya dibandingkan keluarga kami?

Yang disimpan bersama jawapan

Simpan jawapan lengkap, tarikh, alat AI, komuniti yang disebut, dan URL sumber yang tepat. Sebutan jenama induk berbeza dengan cadangan pusat tempatan.

Buka perancang prompt

Dapatan 6: keterlihatan carian dan latihan model adalah pilihan berasingan

OpenAI mendokumentasikan OAI-SearchBot sebagai perayap carian dan GPTBot sebagai perayap berasingan yang berkaitan dengan latihan. Perbezaannya tegas: dasar syarikat tentang latihan tidak perlu sama dengan dasarnya tentang muncul dalam carian.

Ini penting secara ekonomi kerana mengehadkan latihan dan kekal boleh ditemui tidak selalu merupakan matlamat yang bertentangan. Ini juga menjelaskan mengapa halaman yang disekat atau dikecualikan tidak boleh dinilai seperti halaman yang boleh diakses tetapi tidak dipilih. Pasukan komersial mungkin melihat ketidakhadiran yang sama di papan pemuka, sementara puncanya berbeza. Kebenaran mahupun perayapan yang berjaya tidak menjamin petikan.

OpenAI: Overview of crawlers

Google kini menyediakan kawalan penyertaan AI yang berasingan

Kawalan Search Console Google untuk ciri AI generatif Search dilancarkan secara global pada 31 Ogos 2026. Penyertaan adalah tetapan lalai, tetapi properti boleh mewarisi pilihan properti induk. Dokumentasi membezakannya dari kawalan latihan dan dari pengecualian Search secara keseluruhan.

Dapatan pentingnya ialah bahawa keupayaan untuk ditemui kini mempunyai lapisan tadbir urus yang kelihatan selain lapisan kandungan. Ketidakhadiran dalam jawapan boleh mencerminkan pilihan penerbit, tetapan yang diwariskan, akses, atau pemilihan sumber. Hasil kelihatan yang sama tidak membuktikan punca asas yang sama. Ini adalah perbezaan kelayakan, bukan bukti bahawa memilih ikut serta meningkatkan peringkat syarikat.

Google Search Console: Search generative AI control

Dapatan 7: pelaporan pihak pertama bertambah baik tanpa menutup jurang atribusi

Laporan khusus Generative AI performance Google, yang dilancarkan secara global pada 31 Ogos 2026, melaporkan tayangan untuk ciri AI Search yang disokong. Paparannya merangkumi halaman, negara, tarikh, dan peranti. Laman web dengan tayangan tidak mencukupi mungkin tidak melihatnya. Ini adalah bukti berguna tentang paparan pautan, bukan rekod lengkap prompt, pelanggan, atau jualan.

Google Search Console: Generative AI performance report

Bing mengukur penggunaan sumber, bukan hasil pelanggan

Pengumuman AI Performance Bing pada Februari 2026 menjelaskan jumlah petikan, URL yang dipetik, dan sampel kueri pengambilan maklumat sokongan pada pengalaman yang disokong. Bing membezakannya dari peranan atau kedudukan halaman dalam jawapan individu. Perkara itu membuat penggunaan sumber lebih boleh diperhatikan tanpa mengubahnya menjadi atribusi jualan. Halaman teknikal yang dipetik dan halaman pembelian yang dipetik boleh melayani keputusan yang sangat berbeza, walaupun masing-masing menyumbang satu petikan pada jumlah.

Bing: Introducing AI Performance

Kesimpulan komersial: peluangnya adalah permintaan yang lebih bermaklumat, bukan pengganda trafik universal

Tafsiran saya atas bukti ialah bahawa carian AI mengubah apa yang dipelajari calon pelanggan dan bila pelanggan memerlukan laman web. Itu membuat maklumat produk dan perkhidmatan yang tepat penting secara komersial bahkan sebelum klik. Itu juga membuat skor petikan mentah menjadi ukuran nilai yang tidak lengkap. Soalan yang belum terjawab untuk setiap perniagaan adalah bagaimana paparan tersebut bersambung dengan hasil yang sesuai dan tambahan pada kos yang boleh diterima.

Saya bekerja di Searchable. Peranan saya sebagai rakan strategik adalah menghubungkan penyelidikan tersebut dengan tawaran, pasaran, dan keputusan pelanggan syarikat yang sebenar: Prompt Universe khusus, bimbingan permulaan secara langsung, dan tafsiran dapatan bersama. Perbualan yang berguna dengan saya dimulakan dari bahagian perniagaan yang boleh memperoleh manfaat dari permintaan yang lebih bermaklumat. Perbualan itu tidak dimulakan dengan peratusan kenaikan yang dijanjikan.

Sumber berguna hanya jika menyokong dakwaan

Gunakan semakan cepat ini sebelum mengulangi angka dalam email jualan atau laman web.

Dakwaan yang tepat

Tulis pernyataan yang tepat. Asingkan trafik, pertanyaan yang diterima, pipeline, pendapatan, dan keuntungan.

Buka buku kerja fakta komuniti

Skop penyelidikan

Disemak 3 November 2026. Ini adalah sintesis penyelidikan primer dan dokumentasi produk rasmi, bukan tinjauan pengguna baharu atau eksperimen pelanggan terkawal. Tarikh dan populasi kajian kekal dipisahkan. Dapatan angka diatribusi kepada penerbitnya; tafsiran komersial adalah milik saya. Pelaporan Google dan Bing mengukur unit berbeza. Tidak ada kajian dalam semakan ini yang membuktikan pengaruh pendapatan universal merentas industri.

Sumber dan rekod

Sumber disemak: 3 November 2026. Rancangan dan contoh merupakan saran, bukan hasil pelanggan yang diukur. Saya bekerja di Searchable. Pautan produknya mencerminkan hubungan tersebut.

1
OpenAI: How people are using ChatGPTRingkasan kertas kajian kerja NBER pada 15 September 2025; 1.5 juta perbualan pengguna. Klasifikasi penggunaan bukan ukuran niat membeli.
2
Pew Research Center: Google users and AI summariesKajian pemerhatian Julai 2025; kaedah dan batasan dijelaskan di atas.
3
Adobe: AI traffic and US retail revenue per visit29 Oktober 2026; hasil runcit AS yang diperhatikan pada September 2026. Perbandingan relatif di antara lawatan rujukan bukan anggaran pendapatan tambahan atau penanda aras bukan runcit.
4
Aggarwal et al.: GEO, Generative Engine OptimizationDiterima di KDD 2024; versi disemak 28 Jun 2024. Metrik keterlihatan eksperimen, bukan hasil prospek atau pendapatan.
5
Google: Optimizing for generative AI featuresPenjelasan rasmi tentang landasan maklumat, perluasan kueri, dan asas carian; disemak 3 November 2026. Implikasi perniagaan adalah analisis penulis.
6
OpenAI: Overview of crawlersPembezaan rasmi antara perayap carian dan latihan; disemak 3 November 2026. Akses bukan jaminan petikan.
7
Google Search Console: Search generative AI controlPelancaran global 31 Ogos 2026. Kawalan penyertaan, tetapan lalai, dan pewarisan; berbeza daripada kawalan latihan model.
8
Google Search Console: Generative AI performance reportPelancaran global 31 Ogos 2026. Tayangan dan dimensi yang disokong; bukan laporan atribusi peringkat pelanggan.
9
Bing: Introducing AI PerformancePengumuman pratonton 10 Februari 2026. Melaporkan petikan dan sampel kueri pengambilan maklumat sokongan di pengalaman yang disokong, bukan hasil pelanggan.
Searchable
Daavid ChristaRakan anda di Searchable

Pelan carian AI anda, dibina bersama

Saya Daavid, rakan strategik anda di Searchable. Kami menukar matlamat perniagaan kepada soalan yang jelas, bimbingan praktikal dan pelan yang boleh dilaksanakan serta disemak bersama.

Lihat kedudukan anda

Apa yang anda terima
Gambaran awal cara AI menyebut perniagaan anda, dengan pasaran, model dan tarikh yang jelas.
Siapa yang terlibat
Anda dan Daavid
Cara Searchable membantu
Bandingkan jawapan disimpan, pesaing dan petikan sumber.

Kita akan bersetuju tentang sokongan, pelan dan jadual semakan bersama. Ciri bergantung pada persediaan anda.