后台只看到 0.36% 的 AI 流量，GEO 还要不要做？

结论先说：后台里 AI 来源占比低，是归因链路与样本结构的共同结果，不能直接读成「AI 没起作用」。

反过来也成立：它同样不能读成「AI 一定有用」。这个数字的正确用途，是提醒你换一套指标，而不是替它找解释。

下面这组数据是目前少见的、按小企业口径公开的样本。它值得认真读，因为它同时否定了两种偷懒的说法。

现象与数据：43 家企业、30.8 万次会话里的 0.36%

一句话结论：在被追踪的本地服务、工作室与零售小企业里，AI 助手带来的会话占比不到千分之四。

PushLeads 在 2026 年 11 月 1 日公布了自有样本：43 家小企业，2026 年 10 月合计 308,194 次会话。这些企业是本地服务公司、工作室与零售商，不是全国性品牌。

其中来自 AI 助手（ChatGPT、Claude、Gemini、Perplexity、Copilot）的会话是 1,107 次，占 0.36%。

同月 Google 自然搜索带来 81,799 次，约为 AI 助手总量的 74 倍。这个倍数放在任何一份月报里，都会让 AI 那一栏显得可以忽略。

样本的时间序列也给了：2026 年 5 月，30 家企业、342 次 AI 助手会话；到 10 月是 43 家、1,107 次。作者自己注明，增长里有一部分只是因为样本企业变多了。

机制一：归因在三个地方断掉

一句话结论：就算 AI 真的带来了人，分析工具也未必认得出来，至少有三处会断。

没有 referrer 的会话被归入直接访问

部分 AI 客户端打开链接时不传来源头，落地页收到的是一个空 referrer。GA4 遇到这种情况通常归到 Direct，人来了，账记在别处。

应用内打开不带来源参数

在 App 内置浏览器里点开链接，来源信息常被容器截断。移动端占比越高，这一处的漏记越明显。

会话合并把多次访问算成一次

同一个人先在 AI 里看到品牌，几小时后再搜品牌名进站，GA4 往往只记后一次。前一次的贡献被后一次的渠道吃掉。

这三处不修，任何「AI 流量占比」都只是下限。它告诉你至少有多少，不会告诉你实际有多少。

机制二：一家占八成的集中结构

一句话结论：这条渠道高度集中，一个产品的策略变化就能改写整条曲线。

同一份样本里，ChatGPT 单独贡献 896 次，占 AI 助手会话的 81%。剩下四家合计不到两成。

Conductor 的全国基准方向一致：AI 引荐约占网站流量的 1.08%，其中 ChatGPT 约占 87%。

集中意味着两件事。一是监测只需盯住一两个入口就能覆盖大部分；二是这条渠道的稳定性不由你决定，产品侧的调整会直接传导到你的后台。

所以把它当成一条独立渠道去做年度预算，风险偏高。它更像是主渠道旁边的一条侧流。

机制三：数量小，但质量不同向

一句话结论：AI 会话量小，互动率与转化事件密度却明显高于全站均值，两者方向相反。

同一份 10 月样本里，AI 助手会话的互动率是 64%，全站约 30%；每 100 次 AI 助手会话记录 34 次转化事件，全站约 12 次。

作者自己给了两条限制：1,107 次是小样本；GA4 单次会话可以记录多个关键事件，所以 34 这个数不能当转化率用。

即便打折看，方向仍然清楚：从 AI 答案里点进来的人，通常已经带着具体问题，落地页匹配得上就容易往下走。

这也解释了为什么很多企业主觉得「后台没量，但咨询变准了」。两个观察可以同时为真。

反直觉：AI 流量不该填进流量报表

结论与常见做法相反：把 AI 来源做成流量报表的一栏，既低估它，又会诱导出错误的承诺。

低估的原因在上面三处断点。错误承诺的原因在另一边：一旦这一栏被当成增长指标，它就会逼着人去优化一个自己控制不了的数。

被引信源的月度更换比例在四到六成之间，这个波动幅度比多数投放渠道都大。用它做月度 KPI，结果只会是每个月都在解释为什么掉了。

更稳的做法是换成结构指标：页面有没有被检索到、答案里有没有你的实体、同一个问题连续三个月是否稳定出现你。这三件事你能改，也能复核。

把「AI 可见度」换成这五种指标，可得性差很多

指标	数据来源	可得性	适合回答什么
AI 引荐会话占比	GA4 渠道分组	低（三处断点漏记）	至少有多少人从 AI 过来
引用条数与引用份额	固定问题集定期抓取	中（需固定口径）	你的页面有没有被当信源
品牌提及率	同上，只看文字提及	中（需固定问法）	品牌有没有被认识
品牌词搜索量	站长平台 / 搜索后台	高（免费且稳定）	AI 曝光有没有外溢到主动搜索
AI 会话的转化事件密度	GA4 事件 + 渠道交叉	中（样本小时波动大）	来的人质量如何

五项里，品牌词搜索量是最容易被忽略的一项。它不依赖任何 AI 平台的取数接口，也不受 referrer 影响。

Google 系答案平均引用 8.5 个来源、ChatGPT 答案平均 4 个，这个差异也说明：同一个问题，你在不同平台能占的位置数量本就不同，用一个统一的「曝光量」去横比没有意义。

月度自查怎么做：4 个步骤

1. 先修归因：给落地页加 UTM 兜底，把无 referrer 的落地会话单独打一个自定义渠道组，别让它默认掉进 Direct。
2. 固定一组问题：挑 20 到 30 条客户真会问的问题，每月同一天、同一批平台、同一批问法各跑一遍，结果原样存档。
3. 只比占比，不比绝对值：每条问题记「你的引用条数 / 该答案总引用条数」，跨月看这条比例的走向。
4. 补一个站外指标：把品牌词搜索量与引用份额放同一张表里看，两者同向才算真的起效。

常见问题

AI 来的流量这么少，是不是说明 GEO 没用？

不能这么推。0.36% 是会话口径的下限，三处归因断点会漏记；而且这个数字只覆盖本地服务与零售小企业，不覆盖长决策链的采购场景。

为什么我的后台里 AI 来源大多显示为直接访问？

多数情况是客户端没传来源头，或者应用内浏览器截断了参数。可以在落地页加 UTM 兜底，并把这类空来源会话单独分组建档，先看清量级。

老板要一个投入产出数字，怎么给？

给可核验的过程数，不给承诺数：覆盖了多少条客户真问题、其中多少条答案里出现了你的页面、结构改了几项、品牌词搜索量怎么走。这些都能复核。

做 GEO 之后流量一定会涨吗？

不承诺。AI 答案的点击率本身很低，被引用更多影响的是决策前的认知，而不是点击量。指望它把流量拉起来，方向就错了。

小企业和大企业的 AI 流量占比一样吗？

不一样。小样本里 0.36%，全国口径的 AI 引荐基准约 1.08%，差异来自行业、客单价与移动端占比。跨规模直接比没有意义。

该按月看哪些数？

四组就够：引用份额、品牌提及率、品牌词搜索量、AI 会话的转化事件密度。前两组看是否被采信，后两组看有没有外溢到生意上。

数据与来源

• Incredible Roots / Jeremy Ashburn（PushLeads），含 2026 年 10 月自有 GA4 样本：43 家小企业、308,194 次会话、AI 助手 1,107 次占 0.36%、Google 自然搜索 81,799 次、ChatGPT 896 次占 81%、互动率 64% 与 30%、每 100 次会话 34 与 12 次转化事件；2026-11-01 发布。原文
• Conductor 基准（经 Passionfruit 统计汇总引述）：AI 引荐约占网站流量 1.08%，ChatGPT 约占其中 87%。原文
• eMarketer，FAQ on GEO/AEO，2026：Google AI Mode 与 ChatGPT 被引信源月度更换 40%-60%。原文
• Foglift Research，GEO Statistics Report 2026，2026-10-30 重估：64,042 条答案、379,273 条引用，五引擎均值 5.92 条引用/答案。引述

边界与不适用

一句话结论：这份样本的结论边界很清楚，跨过行业或规模就要重算。

样本只有 43 家企业、1,107 次 AI 会话，作者本人也提示只作方向参考。任何精确到小数点的推论都超出它的承载力。

行业覆盖偏窄：本地服务、工作室、零售，决策周期短、客单价中低。工业品、B2B 大额采购的 AI 参与度不能用这组数推断。

地域也不适用。样本来自海外市场，国内豆包、DeepSeek、千问、元宝的引荐占比与转化结构需要单独测。灵曦 GEO 在给郑州本地客户做月度复盘时，会把归因口径差异写进报告附注，不拿海外均值直接套用。

结语

看到 0.36% 就停手，和看到 0.36% 就说「AI 是未来」一样草率。真正该做的是先修归因，再换指标。

想看清全站级的占比与零点击结构，可以看6.2% 引荐占比与 68% 零点击那篇；想知道站长后台的 AI 报表能证明什么，GSC 的 AI 报告里有逐项拆解。

需要一套按行业重算的可见度口径，可以看灵曦 GEO 的生成式引擎优化服务，里面写了月度复盘交付哪些数、怎么复核。

河南灵曦文化传媒有限公司 · 灵曦 GEO