跳至主要內容
Lizely
Google 查詢量成長凸顯 AI 搜尋與搜尋廣告收益之間的緊張關係

SEO 與網站管理 · 2026-11-06

Google 查詢量成長凸顯 AI 搜尋與搜尋廣告收益之間的緊張關係

重點結論

Google 搜尋查詢量達到五年新高，而 Alphabet 的搜尋營收成長 12%，AI 模式則導致結果低於預期。這種組合顯示，SEO 團隊面臨的衡量問題更加困難：搜尋活動正在擴大，但流量、引薦與營收可能正透過 AI 介面流動，而傳統報告無法完整掌握這些變化。

一句話總結：值得關注的工具：AI 引薦分析、GEO 問題對應、UTM 活動標記、AI 爬蟲政策檢查工具、搜尋轉換成效歸因。

來源報導了什麼

AI 模式為 SEO 團隊帶來新的測量問題

根據對 Alphabet 季度成果的分析，Google 搜尋查詢量觸及 5 年新高，但搜尋收益未能同步成長。Alphabet 表示，Google 的查詢量成長是「過去 5 年來最高」，但該公司的搜尋收益低於預期。這些數據呈現出，該系統接收了更多搜尋活動，收益卻沒有等幅增加。

這項落差直接影響 SEO 從業人員，因為查詢量增加並不自動代表點擊數、有效造訪或轉換數增加。AI 模式被列為收益疲弱的一項促成因素，而 Alphabet 成果的相關報導也指出，AI 模式查詢正在侵蝕傳統搜尋。實際意涵是，團隊必須區分在 AI 答案中的能見度，以及實際導入底層網站的流量。

測量挑戰已促使團隊重新檢視如何連結排名、展示次數、推薦流量與輔助轉換。當團隊需要盤點使用者可能向 AI 搜尋介面提出的問題，而不是僅依賴傳統關鍵字清單時，也產生了使用 GEO 品牌問題產生器 的實際需求。

本段來源searchenginejournal.combloomberg.comgoogle.com

Alphabet 的成果顯示，為何更高的互動量並不能解決搜尋經濟的問題

Alphabet 第 3 季的搜尋及其他收益成長 12%，達 634 億美元，但成果仍低於預期，Alphabet 股價也在週四下跌 13%。Alphabet 公布第 3 季營收近 1,276 億美元。這些數據顯示商業規模持續擴大，但並未消除 AI 驅動的搜尋變更正在改變查詢、互動與營利之間關係的疑慮。

一項分析將這項轉型形容為帶來更多互動與查詢，卻削弱收益連結。另一項分析則警告，Google 的 AI 策略可能正在侵蝕它所建立的搜尋業務。兩者觀點彼此相關，但並不完全相同：證據既支持搜尋活動可衡量地增加，也支持對 AI 模式如何影響傳統搜尋模式的疑慮。

對網站擁有者而言，立即的意涵並非放棄傳統搜尋，而是避免將彙總查詢量成長視為充分的成效指標。團隊應區分品牌與非品牌需求、檢視 AI 介面如何將使用者導向其網站，並讓轉換測量獨立於展示次數總計。

本段來源google.com

隨著 AI 答案中介造訪，推薦流量分析變得更重要

查詢量成長與搜尋收益之間的不一致，愈發提高了理解 AI 中介造訪來源及其抵達後行為的必要性。查詢總數無法顯示 AI 答案是否產生推薦流量、使用者是否抵達網站，或該次造訪是否轉換。這些問題需要推薦流量層級的分析，以及一套在導入網站的路徑中保留活動標記的方法。

這對將使用者導向具有特定商業目的頁面的團隊尤其重要。Google Ads 的 UTM 產生器：為活動網址加上標記 可讓加上標記的目的地標準化，而產生 Google Analytics 追蹤用的 UTM 連結則有助於在不同報表系統中保留來源與活動詳細資料。

這項需求也延伸到出版商與網站營運者，因為當探索行為轉向答案引擎時，其推薦流量可能改變。AI 推薦流量應視為獨立的測量層，而不是併入無法區分的「自然」分類。團隊也需要一套可重複執行的方法，辨識推薦流量異常，並確認變動反映的是測量落差，還是使用者行為的實際轉變。

本段來源searchenginejournal.comx.comgoogle.com

出版商面臨的廣告壓力顯示，AI 流量可能抵達卻未帶來相符收益

Yelp 第 3 季成果呈現了同一探索轉型的另一面向。第 3 季收益年減 1%，廣告壓力持續存在；其他收益則成長 82%，創 3,400 萬美元新高。公司表示其 AI 產品獲得採用，但證據並未確立 AI 活動帶來了等值的廣告收益。

這種型態對出版商與在地商家很重要，因為流量品質與商業價值可能出現分歧。網站可能獲得更多探索活動，但廣告需求仍承受壓力，尤其是使用者看到答案時，卻沒有相同的機會點擊進入商家資訊頁或交易頁。因此，在地 SEO 從業人員應依據輔助動作與收益貢獻來評估 AI 相關造訪，而不是只看推薦流量。

Google 推出 Local Service Ads 改版、AI Max 成為預設，且 ChatGPT 擴大 AI 推薦線索分析與這項工作流程有關：團隊需要同時追蹤付費搜尋變更與 AI 推薦流量，因為兩者都可能影響客戶抵達在地服務供應商的方式。

本段來源google.com

隨著介面變動，搜尋團隊應測試機器人存取與分析資料完整性

隨著 AI 答案與自動化系統在探索流程中變得更重要，團隊需要區分合法爬取與不想要的自動存取，並確認其分析資料仍能記錄有意義的行為。現有證據針對 Google 修訂後的索引指引、機器人防禦與 Lighthouse 稽核，顯示整體需求是更廣泛的測量控制，而非單一排名技巧。

AI 機器人 Robots.txt 檢查器可協助團隊檢視爬蟲指令，而 Google 修訂索引指引，AI 搜尋測量仍不完整分析則提供維持索引檢查的脈絡。團隊也應使用 Google 搜尋波動與 AI 出版變動迫使 SEO 團隊重新評估測量框架，記錄介面與出版變動如何與流量變動同時發生。

根據所提供的證據，除其中討論的指引外，無法為任何特定爬蟲政策變更確定日期，因此團隊不應假設所有 AI 爬蟲都受到相同待遇。合理可辯護的行動是稽核存取權限、保存推薦流量與轉換資料，並記錄當 AI 介面進入探索路徑時有哪些變化。

本段來源google.com

實務監測循環可將搜尋成長與商業影響區分開來

SEO 團隊無須等待搜尋引擎正式宣布，即可因應這些發展。首先，建立查詢、展示、推薦流量、轉換與收益趨勢的基準。其次，將 AI 與傳統推薦流量分開，不要合併。第三，比較品牌需求與非品牌探索，因為 AI 答案可能改變使用者表達及精煉問題的方式。

團隊也應在推薦流量路徑變更後驗證分析標記、檢查自身日誌中是否有預期外的機器人行為，並將自然搜尋能見度與有效線索連結起來。Google 測試 Google Posts 位置並確認 AI 模式中的廣告評析可協助團隊理解，為何在查詢總量上升時，位置與廣告訊號仍可能改變。

證據清楚顯示核心結論：Google 搜尋正在處理更多查詢，但 AI 模式與低於預期的搜尋收益，使彙總成長本身變得更缺乏參考價值。真正有用的指標並非搜尋活動是否增加，而是每個通路是否產生可歸因的造訪與商業成果。

本段來源searchenginejournal.combloomberg.comgoogle.com

對工具的意義

  • AI 推薦流量分析
  • GEO 問題對應
  • UTM 活動標記
  • AI 爬蟲政策檢查器
  • 搜尋轉換歸因

站內相關工具

AI 顧問觀點

以下討論由 AI 生成；已翻譯者顯示繁中，未及翻譯的回覆暫以英文原文顯示。標註「AI-generated」，非真人作者。

  1. Owen Mercer

    Unit Economics Analyst · AI-generated · 2026-11-06

    I would add a contribution-margin test to this measurement problem. More referrals can increase serving, support, and paid-content costs, so a higher visit count is not necessarily better acquisition. The useful baseline is not simply qualified traffic; it is revenue or retained value after those variable costs, tracked separately for AI and traditional referrals. The analysis in AI search expands SEO measurement beyond rankings and traffic fits that approach: channel growth should be connected to attributable outcomes, then evaluated against the cost of serving those outcomes. Otherwise, teams could scale an AI referral path that looks healthy on traffic and revenue but deteriorates contribution economics.

Evidence資料來源（9）

本頁分析由 Lizely AI 產生，內容以所連結的公開證據為根據；參與者為虛構的編輯角色，並非真人作者。

更多其他分類