AI 與自動化

54 家廣告主、1.4 億 session:AI 拿走 10.5% 流量,補回來的只有 6%

2026.08.31 · 60 次瀏覽
54 家廣告主、1.4 億 session:AI 拿走 10.5% 流量,補回來的只有 6%

Brainlabs 把整份客戶名單的 GA4 數據交出來,被瘋傳的「335% 成長、轉換率高 1.5 倍」少做了一個除法——而那個「轉換」包含捲到頁尾

分享:

8 月 25 日,Digiday 公布了行銷集團 Brainlabs 交出來的一份少見數據:不是抽樣、不是問卷,而是它整份客戶名單的 Google Analytics 原始數字——54 家廣告主、19 個產業,橫跨 2025 年 1 月到 2026 年 4 月共 14 個月,累計超過 1.4 億次 session。結論一行講完:自然搜尋 session 從 1 億 4,010 萬掉到 1 億 2,540 萬,少了 10.5%;同期來自 AI 平台的導流成長 163%,AI 帶來的「key event」成長 335%,而且 AI 來源的 key event 發生率是自然搜尋的 1.5 倍

這組數字會在 48 小時內被整個 GEO 圈轉貼,不是因為那個 -10.5%。掉流量大家早就有心理準備:Ahrefs 用 30 萬組關鍵字的 Search Console 資料做過對照,AI Overviews 出現時,頂端排名頁面的點擊率最多掉 58%;美國市場的零點擊搜尋比例在 2026 年初已經來到 68%。真正被瘋傳的是後半句:流量變少,但品質變好。這句話對整個 AEO/GEO 工具類別形同救命稻草。過去 18 個月這個類別燒掉的資金不小——Profound 在 2026 年 2 月以 10 億美元估值成為獨角獸,Peec AI 拿下 2,100 萬美元 A 輪,Semrush 與 Ahrefs 兩家老牌工具也各自加開 AI 可見度模組——但它一直回答不了 CMO 的同一個問題:可見度到底換不換得到錢。「1.5 倍」看起來就是那個答案。

跟同類研究比,這份資料的取樣方式確實比較誠實。Ahrefs 那份是關鍵字層級的 CTR 對照,Similarweb 那類是面板推估,兩者都看不到轉換;廠商自製的案例研究則幾乎一定挑贏的客戶講。Brainlabs 的做法是整份名單全上,包含表現差的——54 家裡有 46 家流量下滑,它照登。代價是換來另一種偏誤:這 54 家全部由同一家代理商操作,24 家在美國、24 家在英國、6 家在其他市場,其中 29 家員工數超過 1,000 人。這不是「網際網路的樣本」,是「大品牌的樣本」。

台灣的中小企業和接案工作室該在意的,不是那 10.5%,而是 1.5 倍能不能複製到自己身上。答案很可能是不行,而且原因跟你努力不努力無關。以下拆解:完整數字、三類讀者今天就能做的事、監測工具怎麼選、這份報告刻意沒做的那個除法,以及不花訂閱費怎麼自己算一份出來。

事件細節:14 個月、1.4 億 session 的完整拆解

先把 Brainlabs 這份資料的骨架攤開。

  • 期間:2025 年 1 月至 2026 年 4 月,共 14 個月
  • 樣本:54 家廣告主客戶,24 家美國、24 家英國、6 家其他市場;29 家員工數 ≥ 1,000 人;橫跨 19 個產業,含 16 家零售商
  • 分水嶺:2025 年 9 月,AI Overviews 在美國搜尋結果頁的覆蓋率突破 30%,Brainlabs SEO 資深經理 Sam Paez 把這個月定義為「拐點」
  • 自然流量:從 1 億 4,010 萬 session 掉到 1 億 2,540 萬,−10.5%;月均從約 2,000 萬掉到不足 1,500 萬
  • AI 導流:成長 163%,拐點後月均約 20 萬 session
  • 轉換:AI 來源 key event 成長 335%,發生率是自然搜尋的 1.5 倍
  • 產業差異:健身、金融科技、保險、民生消費品跌最兇;零售、美妝、娛樂跌最少,AI 導流增幅也最高

誰受損很清楚:靠「先查資料再決定」這段流程吃流量的產業。Paez 的說法是,AI Overviews 目前壓倒性地由教育型、資訊型、探索型關鍵字觸發,才剛開始往交易型滲透。這也解釋了零售為什麼跌最少。

誰受益就模糊得多。Brainlabs 自己在文中埋了一個免責聲明:AI 導流的估計值可能偏保守,因為有些使用者會另開瀏覽器分頁再輸入網址,那些 session 會被 GA4 記成 direct。這句話被普遍當成「所以實際更好」來讀,但它同時意味著另一件事——如果 AI 流量有一部分被記進 direct,那自然搜尋的「流失」也可能有一部分只是被重新歸類,不是真的消失。同一個測量瑕疵,兩個方向都成立。

三類讀者的立刻行動

品牌主/中小企業老闆

  • 先別急著把預算搬去做 GEO。打開 GA4 看「工作階段主要管道群組」過去 14 個月的趨勢,確認自然流量到底掉了幾 %。掉幅明顯小於 10%,你的產業八成還沒被掃到。
  • 把關鍵字分成「資訊型」和「交易型」兩堆。資訊型的價值正在被 Google 內化,別再投資源做十篇「XXX 是什麼」;交易型那堆才是地基。
  • 要求行銷或代理商每月給一個絕對數字:AI 來源帶來幾次真實成交。不是成長率,是次數。低於兩位數,這條通路對你還不是通路。

行銷/SEO 操作者

  • 今天就在 GA4 建自訂管道群組,把 chatgpt.com、perplexity.ai、copilot.microsoft.com、gemini.google.com 歸成「AI Referral」,否則你根本沒有基期可比。
  • 審一次 key event 清單。裡面若有 scroll、page_view、engaged session,你的「轉換率」是灌水的。GA4 官方文件把 key event 定義為「對商業成功特別重要的動作」——門檻是你自己設的,不是 Google 設的。
  • 把「AI 引用率」和「AI 導流」拆成兩個指標追。被引用不等於被點擊,被點擊不等於有成交。

開發者/接案商

  • 撈 server log,用 User-Agent 篩 ChatGPT-User、PerplexityBot、GPTBot、ClaudeBot、Google-Extended。抓取頻率是「被引用」的先行指標,而且不用付訂閱費。
  • 幫客戶把 FAQ、規格、價格做成結構化資料。LLM 抓得走結構化欄位,抓不走藏在圖片裡的價目表。
  • 把「AI 可見度基線報告」做成接案的第一階段交付。三小時的工,可獨立報價,也是後續合約的鉤子。

AI 可見度工具比較表

工具定位公開起價(月)適用情境
Profound企業級 AI 可見度與答案分析約 US$99 起(僅 ChatGPT),實務約 US$399+已有專責團隊、需要多引擎與多地區切分
Peec AI歐系輕量監測,價格透明約 €89–199,加引擎每個 €20–30中型品牌、只想先建立基線
Scrunch AI多 LLM 覆蓋 + 代理商多客戶管理約 US$250–300代理商同時管多個品牌
Semrush AI Toolkit既有 SEO 訂閱的加購模組約 US$99 加購(需既有方案)已在用 Semrush,不想換工具
Ahrefs Brand Radar基於真實使用者 prompt 語料庫約 US$199/引擎起想看真人提問而非合成測試題
自建(GA4 + server log)只做導流與爬蟲監測,不做引用率一次性設定成本月流量 10 萬以下的中小企業

價格為各家 2026 年公開方案的概略區間,實際以官網為準。共通限制:這六個選項裡,只有最後一個能告訴你「AI 來的人有沒有買東西」,前五個大多停在「你有沒有被提到」。

這份報告不會告訴你的事

第一,那個沒人做的除法。自然流量月均少了約 500 萬 session;AI 導流成長 163% 後月均約 20 萬。就算把這 20 萬全算成淨增(實際上回推基期約 7.6 萬,淨增約 12 萬),補回來的也只有流失量的 4%;再樂觀地套用 1.5 倍 key event 率,換算成等效自然流量約 30 萬,也就是 6%。每流失 100 個 session,AI 補回來的效果大約等於 6 個。「流量變少但品質變好」在這個比例下不是安慰,是把一個 94% 的缺口講成一個管道機會。

第二,1.5 倍是倖存者偏差,不是通路優勢。能從 AI 答案裡點出來的人,是已經讀完摘要、還想再確認一次的人——這是被過濾過的後段漏斗族群。把他們拿去跟「全部自然搜尋流量」(其中大半是資訊型查詢)比轉換率,等於拿決賽選手跟報名名單比勝率。要公平比,分母應該是自然搜尋裡的交易型流量,而那個數字報告沒給。

第三,key event 的定義本身就會灌水。Brainlabs 自己寫明 key event 包含「購買、訂閱電子報,或只是捲到頁面底部」。AI 導流通常落在單一內容頁,讀者讀完就捲到底——這在多數 GA4 設定裡直接觸發一次 key event。而電商的自然流量會落在分類頁、篩選頁、購物車,捲到底的比例天然較低。1.5 倍很可能量到的是頁面型態差異,不是購買意圖差異。

第四,沒有對照組。14 個月裡發生的不只 AI Overviews:多輪核心與垃圾內容更新、SERP 版面改版、同意模式與 GA4 資料建模調整,全都會動到 session 數。把 −10.5% 全部歸因給 AI Overviews,是挑一個時間點當拐點,不是統計上的結構斷點檢定。而且 54 家裡有 8 家流量沒掉,報告沒解釋為什麼。

不花 SaaS 訂閱:自己算一份同樣的報告

Brainlabs 用的工具你全部都有:GA4、Search Console、伺服器 log。差別只在有沒有人坐下來設一次。

  • 建 AI Referral 管道群組:GA4 管理 → 資料顯示 → 管道群組,新增自訂群組,來源比對 chatgpt|perplexity|copilot|gemini|claude|you\.com,即時生效但不回溯,所以愈早建愈好。
  • 重新定義 key event:把 scroll、engaged session 之類的行為指標從 key event 清單移除,只留「送出詢問表單、完成結帳、撥打電話、加入 LINE」四類。灌水的分子拿掉,數字才有談判價值。
  • 切出交易型基線:在 Search Console 用查詢篩選(含「價格、推薦、比較、哪裡買、費用」)匯出交易型關鍵字點擊數,這才是拿去跟 AI 導流比轉換率的正確分母。
  • 爬蟲 log 監測:access log 用 grep -E "GPTBot|ChatGPT-User|PerplexityBot|ClaudeBot" 每週統計抓取次數與被抓的 URL。哪幾頁常被抓,就是你在 LLM 眼中的代表作。
  • 人工引用率抽查:列 20 組最想被推薦的問句,每月手動問一次 ChatGPT 與 Perplexity。40 次查詢、一小時做得完,而這正是多數工具月費在賣的東西。
  • 結構化資料補齊:FAQPage、Product、Offer、LocalBusiness 四種先上,成本一次性,效益持續。

要把這套設定變成客戶每月看得懂的報表,或想評估自家產業被 AI 內化的程度,歡迎聯絡:

常見問題 FAQ

我的網站流量掉了,怎麼判斷是不是 AI Overviews 造成的?

看兩個東西的交集。第一,在 Search Console 把查詢分成資訊型與交易型,如果曝光數持平但點擊數掉,代表你還在排名、只是沒人點,這是 AI Overviews 的典型指紋;如果曝光數也掉,那多半是排名問題,跟 AI 無關。第二,比對 Google 確認過的更新時間表。兩者對不上,就別把責任推給 AI。

GA4 要怎麼把 AI 來的流量分出來?

預設不會分,ChatGPT 通常被歸到 referral、有時被歸到 direct。要在管理介面自訂管道群組,用來源網域比對規則抓出來。注意管道群組不回溯歷史資料,今天建、今天才開始有數;另有相當比例的 AI 流量會因使用者另開分頁而被記成 direct,目前沒有乾淨解法,只能承認誤差存在。

「AI 流量轉換率高 1.5 倍」對台灣中小企業也成立嗎?

大機率不成立。那份樣本裡 29 家員工數超過 1,000 人,全部是有品牌實體(brand entity)的大公司——LLM 推薦它們,是因為訓練語料裡有大量關於它們的第三方文本。一家沒有維基頁面、沒有媒體報導、沒有討論串的本地公司,被引用機率不在同一個量級。先解決「有沒有人在網路上談論你」,再談轉換率。

那我到底要不要買 AI 可見度監測工具?

用一個門檻判斷:你每月自然搜尋 session 是否超過 10 萬。低於這個數,工具量到的樣本太小,月報上的波動大多是雜訊,不是趨勢,手動抽查 20 題就夠了。超過這個數,而且你有人能根據報告改內容,工具才開始划算。買了沒人看的儀表板,是這個類別最常見的浪費。

我的觀點

主流解讀是:流量會掉,但 AI 帶來的人更值錢,所以要趕快把 GEO 加進 KPI。我的判斷相反——到 2027 年中,「AI 流量品質較高」會被重新歸類成一個測量假象,而不是通路優勢。

三根支柱都會鬆動。第一,key event 定義正在被各家收緊,捲到頁尾不會永遠算轉換。第二,隨著 AI 助理開始處理交易型查詢,點出來的人會從「已決定的少數」變回「還在比價的多數」,1.5 倍自然回歸到 1.0 附近。第三,OpenAI 已在測廣告與導購,一旦 AI 答案裡的位置可以用錢買,「自然被引用」那批高意圖流量會先被廣告吃掉。

更不討好的推論:GEO 工具的商業模式建立在「可見度是可持續優化的變數」。但如果引用主要由品牌實體強度決定,而品牌實體強度由公關、媒體、口碑決定,那 GEO 工具賣的其實是一個公關問題的儀表板——量得到,改不動。

對 ScriptWalker 的啟示很具體:不要去搶「AI 可見度監測」這個已經擠滿融資公司的市場,要搶它們交付完之後留下的空白。工具告訴客戶「你在 12% 的提問裡被提到」,然後就沒了。真正能收費的是下一步——把被引用的那幾頁改成能成交的落地頁、把 FAQ 與規格轉成結構化資料、把 GA4 的 key event 從灌水改成可信。這是一次性專案加月度維護的組合,技術門檻在我們的射程內,而且不需要跟拿了 10 億美元估值的公司比工程規模。

資料來源

第一手

第三方

分享:
AI 與自動化 返回文章列表