AI摘要拿走39.8%点击，账要重算

结论先说：关于「AI 摘要抢走自然流量」，此前一年多大家手里握着的都是相关性观测——数字在 34% 到 61% 之间跳，谁也说不准里头掺了多少别的因素。

现在有了首份随机对照实验：研究者让一部分用户看到 AI Overview、另一部分看不到，然后测差值。

结果是——AI Overview 出现时自然点击下降 39.8%，零点击搜索上升 34.5%，把 AI Overview 移除后同一批查询的出站点击回升 88%；而用户的满意度没有可测的提升。

摘要拿走了点击，却没让搜索体验变得更好。

这份证据为什么比之前的观测值钱

结论：自然点击降 39.8%、零点击搜索升 34.5%、移除 AI Overview 后出站点击升 88%，这组受控实验的数字比此前观测更值钱。

先补一条时间线。这篇论文（Agarwal et al.，SSRN 工作论文）在 SSRN 上架后，2026 年 9 月 8 日前后被多家行业媒体解读。Exposure Ninja 的解读把核心数字整理成四条：自然点击降 39.8%、零点击搜索升 34.5%、移除 AI Overview 后出站点击升 88%、用户满意度无可测改善；另有一条容易被忽略——付费点击不受影响。

为什么「随机对照」四个字值得单独一节？

因为此前所有观测型研究（Ahrefs 的首位点击衰减、Pew 的 8% vs 15% 点击率对比、Seer 的 561 万查询分析）都面临同一个质疑：出现 AI Overview 的查询，本身可能就是更「适合被摘要」的信息型查询——是查询类型导致了点击低，还是摘要导致了点击低，分不开。

实验设计直接消掉了这类混杂：同一批查询、同一批用户，只随机化「看不看得到摘要」这一个变量。测出来的 39.8% 是净效应。这个思路和我们在排名与引用率那篇里强调的同源：把变量拆干净，结论才敢用。

口径也要交代清楚：这是工作论文的首轮数据，作者自己也提示按「初步发现」对待，不是定论。但它至少把方向钉死了——因果方向与之前所有观测一致，且幅度落在观测区间的中段。

点击消失去了哪：答案页内完成决策

零点击上移，决策在结果页结束

零点击搜索上升 34.5% 的含义很直白：更多查询在结果页内拿到了完整答案，用户没有再访问任何网站。

这和我们在流量拐点那篇里引用的观测数据（引荐占比 6.2%、零点击 68%）是同一个趋势的两种测量——那篇说的是大盘横截面，这篇说的是被摘要直接拿走的那部分。两篇口径不同，结论互相咬合而不是互相重复。

付费位不受影响：损失全部落在自然位头上

实验里另一条安静的数字同样值得注意：付费点击没有变化。广告位没有被摘要挤压，损失是纯自然位的。

对预算分配的暗示相当直接——如果你只用「自然流量会话」这一列来评估搜索渠道的价值，账面会持续难看；但账难看不等于渠道失效，因为被引用带来的曝光和信任不记在点击报表里。

这就是本篇要论证的核心：不是「损失不存在」，而是「损失的性质变了」。

反直觉：把点击下降直接记成渠道亏损，是算错了账

结论：把点击下降直接记成渠道亏损是算错了账，重算账不是发明新指标，而是把本就存在的两段价值分别记上。

流行叙事把这张实验表读成「自然搜索的讣告」。我们的判断相反：这本账的记法本身错了。

同一份实验数据里藏着两个反直觉事实——其一，用户满意度没有提升，说明摘要只是重新分配了注意力，并没有创造更好的体验；其二，移除摘要后点击回升 88%，说明点击量本身是可控变量博弈的结果，而不是用户需求的消失。

用户还在问问题，只是回答的完成地点变了。

所以正确的动作不是躺平（「反正点了也没人看」）也不是恐慌（「SEO 已死」），而是换记账科目：把「AI 引用与品牌曝光」设为与「自然会话」平级的一列，把转化归因延伸到「AI 引荐进入的访客」。

行业里已有的旁证支持这个方向——AI 渠道来的访客转化率高于平均、AI 引荐带来的关键事件增长快于会话数下滑，这些观测我们在AI 劝退效应和决策链路那篇里都提过。

会话变少、单客价值变高，这两个趋势同时成立时，只看会话数的报表必然失真。

我们在服务中看到的情况是：客户头一回看到「AI 引用次数」和「自然会话数」放在同一张周报里时，通常才会意识到自己此前盯的指标缺了一半。

有一家做本地服务的客户，自然流量连月下滑，管理层一度想砍掉内容预算；把口径换成「AI 答案提及 + 留资转化」之后，发现提及量在涨、留资成本反而低于投放渠道——渠道没有死，是报表没跟上渠道的变化。

换个角度理解这件事：传统搜索时代，「被看见」和「被点击」几乎绑在一起——排名即曝光，曝光即点击。摘要把这对绑定拆开了：被看见（出现在答案里）不再必然带来点击，点击也不再是曝光的唯一凭证。

渠道的价值被拆成两段，报表却还按一段在记。重算账不是发明新指标，是把本来就存在的两段价值分别记上。

实际操作里，两段价值的记账周期也不同：自然点击按周可测，引用与提及的积累则要按月看趋势——用同一把周尺去量两段时间跨度，同样会得出「没效果」的误判。

可执行做法：重算流量账的五步

步骤	动作	说明
1	分意图看点击变化	信息型查询受摘要冲击最大，交易型查询保留较多自然点击；全站平均会掩盖结构变化，按意图分组看 CTR
2	把 AI 引用曝光纳入报表	引用次数、品牌提及、被引 URL 与自然会话并列展示，避免单一科目失真
3	交易意图内容保留流量预期	「价格、参数、就近服务」类页面仍有自然点击空间，按流量逻辑继续投入
4	信息型内容转向被引用目标	「怎么选、什么是」类页面的成功标准从会话改为被引用与品牌提及
5	设 60-90 天基线	引用行为随模型版本波动，短周期涨跌不作结论，按季度看趋势

边界与不适用

结论：能信的结论建立在控制住变量的测量上：口径稳定之后趋势才可比较，这也是本次实验本身的启示。

三条边界。其一，这是单篇工作论文的首轮数据，尚未经复刻确认，39.8% 这个数应作量级参考而非精确常量；作者与解读方都提示按初步发现对待。

其二，实验口径是 Google AI Overviews 与英文搜索场景，对国内各 AI 平台不能直接外推——国内产品的答案形态、引用展示与点击路径都不同，方向可参考，数字不可照抄。

其三，「重算账」不等于否定流量本身：交易型与导航型查询的自然点击依然有价值，别用「反正要做引用」当理由放弃基本盘。

还有一条操作层面的提醒：换口径不等于可以不做归因清洗。

AI 引荐访客的识别依赖 referrer 与utm标记，各 AI 平台的跳转方式不同，直接抄平台后台的「AI 渠道会话」数字会高低不一；把识别规则写清楚、口径固定下来，比追求数字精确更重要。

口径稳定之后，趋势才可比较——这一点与实验本身的启示一致：能信的结论，永远建立在控制住变量的测量上。

想看这套衡量口径在真实客户交付里怎么落地，可以看灵曦GEO的服务页。