作者｜晨星行銷 陳俊鳴執行長（網路流量操盤手・企業行銷顧問）
打開 Google Search Console，你看到的可能是這樣一組數字：曝光量比去年同期還漲了一點，關鍵字排名幾乎沒動，有幾個字甚至還往前爬了一兩名。但點擊數在掉，而且掉得很穩定，一個月比一個月少。
這是我這一年來最常被問到的狀況。而且來問的人通常都已經自己查過一輪了，查到的答案不外乎「AI Overview 讓點擊率下降七成」「零點擊時代來了」這類說法。那些說法不能算錯，但它們回答不了企業主真正想知道的事：我的網站實際上會少掉多少人進來？我手上這一整個部落格的文章，是全部都完了，還是只有某一類完了？
這篇文章要處理的就是這兩個問題。我會把目前全世界唯一一份用因果推論設計、真正量測出 AI 摘要對網站流量影響的研究拆開來看；也會很明確地告訴你，那個數字為什麼不能直接套到你的網站上——這件事跟數字本身一樣重要。
先說結論：影響是真的，但「會掉多少」這個問題問錯了
我把結論放在前面。
AI Overview 對網站流量的排擠效果是真的，而且現在已經有嚴謹的因果證據，不再只是大家的感覺而已。但如果你想要的是「所有網站平均會掉百分之幾」這種答案，我必須老實說：那個數字不存在。任何給你這種數字的人，都是在把一份特定樣本的研究結果亂用。
真正有用的問法是：我的內容裡，哪一部分是「一段話就能講完」的？ 那一部分就是最先被取代的。這個判斷跟你的產業無關、跟你的公司規模也無關，只跟你內容的性質有關。
不過在往下講之前，有件事得先釐清，否則後面所有數字都會被誤讀。
搜尋總量、點擊率、網站流量，是三件不同的事
很多人卡住的地方就在這裡：一邊看到「AI 讓搜尋流量崩塌」的報導，一邊又看到 Google 財報說搜尋業務成長、查詢量創歷史新高。到底哪個是真的？
答案是兩個都是真的，因為它們講的根本不是同一件事。
| 指標 | 在量什麼 | 2026 年的實際走向 | 誰該在意 |
|---|---|---|---|
| 搜尋總量（queries） | 市場上總共發生了幾次搜尋 | 上升。Google 表示查詢量創歷史新高，每年處理超過 5 兆次搜尋，2026 年第二季搜尋營收年增 17% | Google 自己 |
| 點擊率（CTR） | 同一個排名位置，被點到的機率 | 明顯下降 | SEO 操作者 |
| 網站實際流量 | 真正走進你網站的人次 | 下降，但幅度依內容類型差很多 | 你，企業主 |
這三個指標可以同時往不同方向走，一點都不矛盾。搜尋的人確實變多了，但其中越來越高的比例，在搜尋結果頁上就把答案拿走了，根本沒有往下走。中間那一層被攔截了。
換個好懂的說法：這就像一家開在轉角的店，門口的人潮確實變多了，但騎樓下多了一個攤子，會先把路過的人攔下來，把他們要的東西直接遞過去。人潮數字很漂亮，你的店門口卻越來越安靜。
系列的第一篇，我談的是中間那一層——同一個排名位置被點擊的機率變化。這一篇要談的是最後一層，也就是實際走進你網站的那些人。這兩件事會一起發生，但它們不是同一個數字，掉的幅度也不會一樣。
目前唯一的因果研究：維基百科每天少了約 15% 的流量
先講這份研究為什麼重要。
市面上關於 AI 摘要影響流量的數字，絕大多數談的是「相關性」——看到 AI 摘要出現了，同時流量掉了，於是說是 AI 造成的。可是那段期間 Google 演算法也在改、季節在變、內容也在老化，你根本沒辦法確定到底是誰造成的。
2026 年 2 月，Mehrzad Khosravi 與 Hema Yoganarasimhan 兩位研究者發表了一份論文（arXiv 編號 2602.18455，同年五月完成最終修訂），第一次用雙重差分（difference-in-differences）這種因果推論設計來處理這個問題。
他們的做法很聰明：拿英文維基百科當「被影響組」，因為 AI Overview 當時已經在美國推出；再拿印地語、印尼語、日語、葡萄牙語版本的同一批條目當「對照組」，這些語言版本在觀察期間還沒有被 AI Overview 覆蓋。同一篇條目、同樣的內容、連背後影響大家搜尋行為的世界大事都一樣，唯一的差別就是有沒有 AI 摘要。兩組之間的落差，就是 AI 摘要造成的效果。
樣本規模是這樣的：52,262 個英文條目頁、161,382 組條目－語言配對，總共 46,534,093 筆觀察值。觀察期間從 2023 年 10 月 28 日到 2024 年 8 月 14 日，AI Overview 在美國開始測試的 2024 年 3 月 22 日是分界點。
結果：英文維基百科每篇條目每天平均少了約 220.5 次瀏覽，相對降幅約 15%。 換算到整個樣本，大約是一年少了 42.1 億次造訪。
為什麼這份研究比一般的「流量統計」可信
我用一個生活化的比喻來說明雙重差分到底在幹嘛。
假設你想知道某家店裝了新招牌之後生意有沒有變好。最笨的做法是比較裝招牌前後的營業額——但中間可能剛好過年、可能隔壁開了停車場、可能景氣變了，你分不出來哪些是招牌的功勞。
比較聰明的做法是：找一家各方面都很像、但沒有裝新招牌的同業，看同一段期間兩家的變化。過年、景氣這些因素會同時打在兩家身上，互相抵銷掉，剩下的那段差距，才是招牌真正的效果。
這份研究的巧妙之處在於，它的對照組不是別家店，而是同一批文章的其他語言版本。內容一樣、主題一樣、連時空背景都一樣，唯一的差別就是有沒有被 AI 摘要覆蓋。這個對照組的乾淨程度，比一般拿不同網站互比的研究好太多了。
研究者也做了幾道自我檢驗。最關鍵的一道叫「平行趨勢檢定」，白話講就是先確認在 AI 摘要出現之前，兩組的走勢本來就是同步的；如果本來就在分岔，那後面的差距就不能算到 AI 頭上。他們的檢定結果顯示，事前的趨勢差異很小，在統計上跟零沒有區別。此外他們也排除掉測試期間重算一次、只取高流量條目算一次、改用週資料再算一次，方向都沒有變。
不過也要誠實說它沒做什麼：這份研究沒有使用三重差分設計，也沒有做正式的安慰劑檢定，量的是每日總瀏覽量，沒有拆到不重複裝置。所以它是目前最好的證據，但不等於無懈可擊——這個分寸，我覺得引用它的人都該一起講出來。
一個幾乎沒人提的關鍵：15% 是三個估計值裡最高的那個
這一段是我認為整篇文章最值得你花時間看的地方。
同一份論文裡，研究者其實不只報告了一個數字。他們用三種不同的統計規格算了同一件事，結果是這樣：
| 統計規格 | 估計降幅 | 說明 |
|---|---|---|
| 主要規格（水準值） | −15% | 被引用最廣的那個數字 |
| 加權對數規格 | −8.1% | 依處理前的流量重新加權 |
| PPML（卜瓦松擬最大概似） | −3.5% | 處理對數轉換偏誤的常見做法 |
從 −3.5% 到 −15%，中間差了四倍以上。
三種規格都是正當的統計方法，研究者把它們全部誠實報告出來，本身就是很專業的做法，這反而是這篇論文可信的另一個證據。但幾乎所有的二手引用——中文的、英文的都一樣——只拿最高的那個 −15%，另外兩個提都不提。
我把這件事講出來，不是要說 AI 摘要沒有影響。三種規格都是負的，方向非常一致，影響確實存在。我要說的是另一件事：當一個數字被端到你面前時，它背後往往還有一整組數字沒被端上桌。 而在這個案例裡，沒被端上桌的那些，全部都比較溫和。
所以下次再看到有人斬釘截鐵地說「研究證實會掉 15%」，你可以合理地追問一句：是哪一個規格算出來的 15%？
但這個 15% 不能套在你的網站上，研究作者自己就這樣寫
先給結論：這份研究測的是維基百科，不是你的網站，而且作者本人明確表示不能外推。
我看過太多中文文章把這份研究寫成「研究證實 AI Overview 讓網站流量下降 15%」。這是誤讀，而且是會害人做錯決策的那種誤讀。
研究作者在論文裡寫得很清楚：維基百科在兩個方面都很特殊——它一方面是資訊型查詢的標準答案庫，另一方面又是 AI 摘要最常引用的網站之一。因此，很難把這個效果外推到其他類型的網站。
我把這句話翻成白話就是：維基百科是這件事的極端值，不是平均值。
想想維基百科的內容長什麼樣子。「大熊貓的壽命多長」「巴洛克時期是哪幾年」「某某人是誰」——這些問題的共同點是，答案就是一兩句話，讀者拿到那一兩句話之後就沒事了，不需要再看別的。這種內容天生就是 AI 摘要最容易吃掉的。
那你的網站呢？如果你是醫美診所，讀者搜「音波拉皮多久要做一次」，AI 摘要確實可以給他一個大概的答案。但他接下來要問的是「那我這個狀況適合嗎」「誰做的」「在哪裡做」「多少錢」——這些問題，一段合成的摘要回答不了，也不敢回答。如果你是律師事務所、是那種需要長期建立信任的專業服務業，這個落差會更明顯。
所以，把 15% 套到醫美診所、律師事務所或電商網站上，在方法上就是錯的。這不是我在替誰緩頰，是研究作者自己劃的界線。
而這個限制本身，才是這份研究對台灣企業主最有價值的部分——因為它反過來告訴你，什麼樣的內容是安全的。
哪些內容最先被取代？答案藏在研究的分類別差異裡
真正好用的東西不是那個平均值，而是研究者把維基百科條目分類之後看到的差異。
| 內容類別 | 相對降幅 | 內容特徵 |
|---|---|---|
| Culture（文化） | −19.6% | 人物、作品、事件的基本事實，一段話就能講完 |
| Geography（地理） | −16.6% | 位置、人口、面積這類單一數值查詢 |
| History & Society（歷史與社會） | −9.9% | 需要脈絡與因果，一句話講不清楚 |
| STEM（科學技術） | −7.4% | 概念之間有結構，讀者常需要看完整說明 |
最高與最低之間差了2.6 倍。同一個 AI Overview、同一批使用者、同一段時間，打在不同性質的內容上，效果差這麼多。
研究者自己的解讀是：當簡短的合成答案就足以滿足資訊需求時，替代效果就更強。
從數字裡提煉出來的一句判斷
我不建議你去背那四個百分比，因為它們是維基百科的數字，不是你的。真正該帶走的，是背後那個機制：
> 一段話講得完、而且講完讀者就沒有下一步需求的內容，替代性最高。 > > 需要脈絡、需要判斷、需要對照自身條件才有意義的內容，替代性最低。
這句話的好處是它可以直接拿去用。你不必等台灣出現本地的研究數據（老實說，目前一份也沒有），現在就可以拿這把尺去量自己網站上的每一篇文章。
把這套判斷框架，套到台灣中小企業的內容上
我把常見的內容類型照這把尺排了一次。這個分級不是從哪份研究直接抄來的數字，而是把上面那個機制套用到台灣企業官網常見內容上的判斷——我把推論的依據也寫在旁邊，你可以自己檢查我推得對不對。
| 替代性 | 內容類型 | 為什麼 | 建議怎麼處理 |
|---|---|---|---|
| 最高 | 名詞解釋、「X 是什麼」、單一數值查詢、法規條文複述 | 答案就是一段話，讀者拿到就走 | 不必刪，但別再期待它帶流量；改成建立信任與被引用的角色 |
| 高 | 通用型教學、步驟流程整理、懶人包 | AI 摘要很擅長把步驟條列出來 | 加入判斷條件與例外情境，讓它不只是步驟 |
| 中 | 比較型內容（A 方案 vs B 方案）、選擇指南 | 摘要能列出差異，但讀者仍需要有人幫他決定 | 加重「什麼情況該選哪個」的明確判斷 |
| 低 | 在地服務資訊、實際案例與經驗判斷、需要信任的高單價專業服務內容 | 涉及個別條件、地點、責任，摘要不敢也不該替讀者決定 | 這是該加碼投資的地方 |
實際的畫面大概長這樣：假設一家開了幾年的診所官網，部落格裡有三十篇文章。其中十幾篇是「某某療程是什麼」「某某成分的作用」這類名詞解釋，這批文章的搜尋流量會最先、也最明顯地掉下來。另外幾篇是「這個療程適合什麼樣的人、什麼狀況不建議做」，這批掉得慢很多。而「診所位置、醫師背景、實際療程規劃怎麼進行」這類頁面，受到的影響最小。
同一個網站，三種命運。如果你只看網站整體流量的總數字，就只會看到一條往下的線，完全不知道問題出在哪一批內容上。
皮尤研究中心（Pew Research Center）在 2025 年做過一次實際瀏覽行為追蹤——注意，是真的裝追蹤器記錄 900 多人一整個月的瀏覽行為，不是發問卷——他們發現，以「誰／什麼／為什麼」開頭的問句型查詢，有 60% 會觸發 AI 摘要；而只有一到兩個字的查詢，觸發率只有 8%。同一份研究也顯示，當 AI 摘要出現時，使用者點擊傳統搜尋結果的比例是 8%，沒有 AI 摘要時則是 15%。
換句話說，你的內容是在回答一個「問句」，還是在回應一個「意圖」，決定了它會不會被攔截。
在地服務業要小心：安全的不是你的產業，是特定那一類查詢
這一段我原本想寫成好消息，查完資料之後決定改寫，因為實情比大多數人以為的複雜。
在地搜尋研究機構 Whitespark 在 2025 年 5 月做過一份研究，蒐集了 540 組查詢，範圍是美國三個都會區（休士頓、鳳凰城、丹佛），涵蓋六個產業——水電、人身傷害律師、牙醫、驗光師、醫療診所、房仲。這個產業組合跟台灣不少在地專業服務業重疊得相當高，所以特別值得看。
他們把查詢分成三類，結果差距非常大：
| 查詢意圖 | 例子 | AI 摘要出現率 |
|---|---|---|
| 純在地意圖 | 「鳳凰城 家醫科診所」（地區＋服務） | 15% |
| 資訊意圖 | 「驗光檢查要多久」 | 92% |
| 混合意圖 | 「請人身傷害律師要多少錢」 | 97% |
同一份研究裡，傳統的地圖區塊（local pack）在純在地意圖查詢的出現比例是 93%。
看出問題了嗎？
「在地服務業比較安全」這個說法，只有在純在地意圖查詢上才成立。真正麻煩的是：商業價值最高的那一批查詢，恰恰就是覆蓋率最高的。 一個人搜「牙醫 中山區」，他心裡已經決定要看牙醫了，只是在挑一家，這種查詢確實還好；但一個人搜「植牙費用大概多少」「人工植牙跟活動假牙怎麼選」，他正在決定要不要花這筆錢、要花在哪裡——這種混合意圖的查詢，AI 摘要的出現率接近百分之百。
也就是說，AI 摘要並沒有放過在地服務業，它是繞到更前面去攔截：在客人還沒決定要找哪一家之前，先在「這件事該怎麼做、大概多少錢、我該選哪一種」這個階段就把人接走了。等到客人真的搜你的店名、或是搜「地區＋服務」的時候，他其實已經被別的東西影響過一輪了。
這也跟另一份資料的方向一致。Semrush 分析了 60 萬組以上的關鍵字，比較 2025 年 11 月到 2026 年 4 月這半年的變化，發現商業意圖的搜尋結果頁出現 AI 摘要的比例成長了 71%，金融類更是成長超過兩倍。戰線確實正在往有商業價值的地方推進。
⚠️ 上面這幾份都是北美與國際樣本，台灣目前沒有任何一份針對本地市場的 AI 摘要流量因果研究。方向可以參考、機制可以借用，但別把國外的百分比當成台灣的現況——回到台灣，仍然要以你自己 GSC 裡的實際數據為準。
出版商掉了六成，一般企業官網也會這樣嗎？
你可能看過這組數字，2026 年 3 月流傳得很廣：
| 出版商規模（每日瀏覽量） | 搜尋推薦流量變化 |
|---|---|
| 小型（1,000–10,000） | −60% |
| 中型（10,001–100,000） | −47% |
| 大型（100,000 以上） | −22% |
這是流量分析公司 Chartbeat 的面板數據，比較的是 2024 年 12 月到 2025 年 12 月這一年。同期間，Google 搜尋帶來的瀏覽量下降 34%，Google Discover 下降約 15%。
（附帶一提，有些二手報導把這組數字寫成「過去兩年」的變化，跟 Chartbeat 官方寫的一年區間對不起來。引用的時候要留意時間範圍。）
看到 −60% 很難不緊張。但這組數字要正確理解，有兩件事必須先知道。
Chartbeat 自己踩的煞車，比那個數字更值得看
第一件事：這是出版商的數據——媒體、新聞、內容網站。這類網站的流量結構跟一般企業官網完全不同，他們高度依賴大量資訊型文章帶來的搜尋流量，正好落在替代性最高的那一格。你的公司官網如果主要靠品牌字、產品頁和在地搜尋，結構完全不一樣。
第二件事更有意思，而且幾乎所有轉述這組數字的文章都跳過了：Chartbeat 自己並不把這個降幅歸因於 AI。
他們那篇文章的標題直接就叫「Pageviews are down, but AI’s impact is complicated」（瀏覽量在掉，但 AI 的影響很複雜）。內文裡他們指出：
- 整體瀏覽量年減只有大約 6%，遠小於搜尋推薦流量的降幅
- 部分差異可能來自政治行事曆的自然波動（2024 年有多場重大選舉，2025 年相對平靜）
- 流量並沒有消失，而是從搜尋重新分配到站內頁面，以及 dark social 這類追蹤不到來源的分享管道
- ChatGPT 帶來的推薦流量成長超過 200%，但聊天機器人佔出版商全部推薦流量仍然不到 1%
他們的結論是：AI 不是搜尋流量的替代品，它是一個正在浮現、值得理解與準備的新管道。
我想特別點出這件事的意義。Chartbeat 是靠賣流量分析工具維生的公司，把「AI 正在毀掉你的流量」講得越可怕，對他們的生意越有利。結果他們拿到 −60% 這個數字，卻主動說「整體只掉 6%，別急著全推給 AI」。
這種克制，反而讓這份數據更值得相信。 這也是我判斷一份資料可不可信的方式之一：看它有沒有在對自己不利的地方誠實。一份只給你聳動數字、卻不告訴你樣本限制與其他可能解釋的報告，不管數字多嚇人，我都會先打個折。
順帶一提，這件事在國際上已經不只是行銷圈的討論了。根據 Digiday 等產業媒體報導，出版商對 AI 摘要的反制同時走上訴訟與遊說兩條路；歐盟執委會在 2025 年 12 月，對 Google 將出版商內容用於 AI 用途一事開啟了正式調查，巴西的競爭主管機關也在 2026 年 4 月重啟相關調查。另一方面，根據 MediaNama 報導，美國法院在 2026 年 3 月駁回了其中一件由地方報業者提出的反壟斷訴訟，理由涉及原告未能充分證明相關市場的壟斷地位。這些報導呈現的是同一件事：爭議正在被正式處理，但還遠遠沒有定論。 我把它放在這裡當背景，不是拿它來證明前面的判斷——判斷的依據是那些研究數據，不是官司的輸贏。
「2028 年自然流量掉一半」這種預測，該信幾分？
這個數字你大概也看過。它來自 Gartner，說法是「到 2028 年，品牌的自然搜尋流量將下降 50% 或更多」。
這句話被引用了無數次，通常擺在文章開頭當恐嚇。我想帶你看看它底下是什麼。
Gartner 這則預測發布於 2024 年 2 月 19 日，證據基礎是2023 年 8 月一份 299 位消費者的問卷——其中 79% 表示預期一年內會使用 AI 強化的搜尋，70% 表示對生成式 AI 的搜尋結果至少有一定程度的信任。
我不是要說 Gartner 亂講。299 人的問卷在市場研究裡是合理的樣本規模，Gartner 也是有分量的機構。但你要清楚自己手上拿的是什麼：這是一個根據「消費者說他們打算怎麼做」推導出來的預測，不是一個量測到的結果。 人說的跟人做的，中間永遠有落差。
同一份新聞稿裡，還有一個已經到期可以驗收的預測
這才是有趣的地方。
同一則 Gartner 新聞稿裡，還有另一個預測：「到 2026 年，傳統搜尋引擎的量將下降 25%，搜尋行銷的市佔將流失給 AI 聊天機器人與其他虛擬代理。」
現在就是 2026 年。所以這個預測，可以直接驗收了。
實際發生的是：2026 年第二季，Google 搜尋營收 633 億美元，年增 17%。Sundar Pichai 表示查詢量創下歷史新高，Google 每年處理超過 5 兆次搜尋。AI Mode 的月活躍使用者達到 10 億。Google 甚至表示，在會出現 AI 摘要的查詢類型上，整體搜尋使用量還增加了超過 10%。
搜尋量不但沒有掉 25%，還創了新高。方向是反的。
我把這件事寫出來，不是要嘲笑 Gartner——做預測本來就會失準，而且 Search Engine Land 早在當年就提醒過，分析機構的預測很少在事後被檢驗，Gartner 自己也曾經收回過「2025 年前半數消費者會放棄社群媒體」這個預測。
我要說的是另一件事，而且這件事對你的公司比較重要：連全球最大的市調機構，在方向上都可能整個弄反。所以不要把公司的內容決策，建立在任何單一的預測數字上。
那 Google 自己怎麼說？
既然講到誰的話該信幾分，Google 官方的說法也該一起放上檯面。
2025 年 8 月 6 日，Google 搜尋副總裁 Liz Reid 在官方部落格發文表示，Google 搜尋導向網站的整體自然點擊量「年度間相對穩定」，而且「送出的品質點擊比一年前還略多一些」。她對「品質點擊」的定義是：使用者點進去之後不會很快就退回來，通常代表這位使用者對該網站有興趣。同一篇文章也表示，第三方報告「不準確地暗示了劇烈的下滑」。
我把原文找出來核對過，這確實是 Google 的正式立場，不是媒體轉述。但有一件事必須一起講：這篇官方文章沒有附上任何圖表、百分比或年度對照數據。 它提到「我們看到的數據」，卻沒有公開任何一個數字。
所以你手上現在有三種說法：一份有 4,650 萬筆觀察值、公開全部方法與三種估計規格的學術研究；一份主動說明自己數據限制的第三方面板；以及一份沒有附任何數據的官方聲明。這三者要怎麼加權，我想你心裡已經有答案了。
我把這篇文章用到的資料，照可信度排一次給你看：
| 證據等級 | 類型 | 本文用到的例子 | 能拿來做什麼 |
|---|---|---|---|
| 最高 | 因果推論研究 | 維基百科 AIO 研究（4,650 萬筆觀察值，方法與多種規格全部公開） | 確認因果關係存在、理解影響機制 |
| 高 | 實際行為追蹤 | 皮尤研究中心瀏覽器追蹤 | 了解使用者實際怎麼做 |
| 中高 | 流量面板數據 | Chartbeat 出版商樣本 | 了解特定族群的現況 |
| 中 | 產業大樣本掃描 | Semrush 60 萬關鍵字、Whitespark 540 組查詢 | 觀察趨勢方向與變化速度 |
| 低 | 利害關係方自我陳述 | Google 官方部落格（未附數據） | 了解對方立場，不能當事實 |
| 最低 | 機構預測 | Gartner 2026／2028 預測 | 參考方向，不能當事實 |
把最上面那一列和最下面那兩列放在同一篇文章裡並列引用，讓讀者以為它們一樣可信——這件事本身就是誤導。而中文圈談這個主題的文章，幾乎都在這樣做。
你掉的流量到底是不是 AI 造成的？打開 GSC 就能分辨
講了這麼多數據，回到最實際的問題：你要怎麼知道自己的網站到底發生了什麼事？
這件事不需要買工具，Google Search Console 就夠了。我在跟客戶交付成效的時候，習慣直接把 GSC 後台打開給對方看，因為所有判斷的依據都在裡面，不需要任何人轉述。以下是我實際會看的幾個動作，你也可以自己做。
第一步：把「曝光」和「點擊」分開看。 不要看整站總流量，那個數字什麼都告訴不了你。改成看單一頁面、單一查詢的曝光與點擊走勢。如果曝光持平或上升、點擊卻在下降，代表你的排名還在、被看到的次數也還在，是「被看到之後沒有被點」——這才是 AI 摘要攔截的典型訊號，也就是我先前完整談過的零點擊搜尋。如果曝光跟著點擊一起掉，那是排名掉了，跟 AI 摘要沒關係，你要查的是完全不同的東西。
第二步：把查詢照長度和句型分群。 根據皮尤的觸發規律，問句型與長查詢觸發 AI 摘要的機率高得多。把你的查詢清單分成「一到兩個字的短查詢」和「問句型查詢」兩群，分別看點擊走勢。如果衰退集中在問句型那一群，就跟 AI 摘要的行為模式對得上。
第三步：把查詢照「意圖」分群，這一步最容易看出問題。 照前面 Whitespark 那張表的邏輯，把你的查詢分成三堆：純在地意圖（地區＋服務）、資訊意圖（怎麼做、要多久、是什麼）、混合意圖（多少錢、怎麼選、適不適合），分別看這三堆的點擊走勢。如果衰退集中在混合意圖那一堆，那你遇到的正是最麻煩、也最花錢的那一種——因為那一堆才是會帶來詢問與成交的查詢。
第四步：把頁面照內容類型分群。 用前面那張分級表，把你的頁面標上「名詞解釋型」「教學型」「比較型」「在地服務型」，再分別看各群的走勢。如果衰退集中在名詞解釋那一群，而在地服務型那一群穩定，那你看到的就是替代性差異，不是全站性的問題。這時候該做的是調整內容配置，而不是恐慌。
先排除掉不是 AI 的那些原因
這一步我覺得比前面幾步都重要，因為它最容易被跳過。
流量下滑有非常多種原因，AI 摘要只是其中一種。在把帳算到 AI 頭上之前，請先確認：
- 內容是不是老了？ 三年前寫的文章，資料過期、競爭對手寫了更完整的版本，排名自然會退。
- 技術面有沒有出事？ 網站改版、網址結構變動、速度變慢、行動版體驗變差，這些都會影響。
- 是不是季節性？ 你的產業本來就有淡旺季，要跟去年同期比，不要跟上個月比。
- 排名是不是真的掉了？ 這是最常見的誤判。曝光跟著掉就是排名問題，不是 AI 問題。
- 有沒有外部事件？ Chartbeat 提到的政治行事曆效應就是個好例子——2024 年選舉多、2025 年安靜，光是這個就會讓內容網站的流量出現落差。
我看過不少把所有下滑都推給 AI 的情況，結果真正的問題被蓋住了。AI 摘要是個方便的代罪羔羊，但如果你的問題其實是內容老化或技術債，怪錯對象等於白白多浪費半年。
順帶一提，如果你的 SEO 是委外給廠商做的，這也是一個很實用的檢驗方式：直接要求對方開放 GSC 權限給你，自己看曝光與點擊的走勢。數據就在那裡，誰都改不了。你不需要具備操作能力，只需要看得懂這兩條線的關係。看不懂沒關係，但不能不看——這是委外之後，你唯一還握在手上的驗證工具。
所以內容還要不要寫？我的答案很明確
要。但要換一種寫法，而且要換一種期待。
我知道有些人期待這裡出現「兩條路各有優缺點，看你的情況決定」這種收尾。我不打算這樣寫，因為那等於沒有回答。
我的建議是：把內容分成兩堆，用兩種完全不同的邏輯去經營。
第一堆是高替代性內容（名詞解釋、定義、通用教學）。這批東西不要刪，但要改變它存在的目的。它們的任務要從「帶來搜尋流量」改成「建立專業信任、成為被 AI 引用的來源」。判斷它有沒有效的指標也要跟著改——不要再拿工作階段數去衡量它，那個數字只會一直往下，看了徒增焦慮。它真正的價值在於：當有人在 AI 摘要裡看到你的名字、或是從別的管道進到你的網站時，這批內容證明了你真的懂。
寫法上要改的是：不要只寫「這是什麼」，要加上「什麼情況下不適用」「哪些人常誤會這件事」。因為前者一段話就被取代了，後者不會。
第二堆是低替代性內容（在地服務、實際判斷、需要對照個別條件的內容）。這批要加碼，而且我認為現在就該把預算往這邊移。
而在這一堆裡面，我會優先處理混合意圖那一塊——也就是「多少錢」「怎麼選」「我這種狀況適不適合」這類問題。理由前面已經講過：那是 AI 摘要覆蓋率最高（將近百分之百）、同時商業價值也最高的地方。你不可能靠躲避它來解決，因為那正是客人決定要不要花錢的那一刻。能做的是讓你的內容站在那個位置上，提供摘要給不出來的東西：實際的條件判斷、不同狀況之間的差異，以及願意講出「什麼情況下不建議做」的誠實。
原因很實際：同樣一筆內容預算，投在高替代性內容上，你要跟一個免費、即時、而且直接長在搜尋結果最上方的摘要競爭；投在低替代性內容上，那個摘要幫不了讀者，他還是得找一個人。這不是勇敢或保守的問題，是同樣的錢放在哪裡比較有機會回收的問題。
粗略估一下這筆帳。假設一家企業原本的內容預算平均分配在這兩類上，而高替代性那一半的自然流量正以每年兩三成的速度流失（照目前國外出版商與維基百科的量級推估，實際數字視內容性質而定）——那麼繼續維持原本的分配，等於有將近一半的預算，投在一條逐年縮水的管道上。把配置調整過來，通常不需要增加總預算，效果差別卻是好幾倍的量級。注意這是從流失趨勢推導的估算，不是保證的成效，你的實際狀況要用自己的 GSC 數據去驗證。
最後補一句我認為最重要的話。
這一輪變化真正淘汰的，不是「做 SEO 的人」，而是「只會生產那種可以被一段話取代的內容的人」。如果你的內容本來就建立在真實的專業判斷、實際的服務經驗，以及只有你這個位置才給得出的建議上，AI 摘要反而會讓你跟那些內容農場之間的差距被放大——因為它會先把那一批吃掉。
盤點一次你的內容，把每一篇放進上面那兩張表。這件事你今天下午就可以自己做完，不需要任何工具。做完之後，你會很清楚該把力氣放在哪裡。如果盤點完發現要調整的幅度比想像中大，或是不確定該怎麼重新配置，晨星行銷可以協助你做一次完整的內容盤點與策略評估。
FAQ
AI Overview 會讓我的網站流量掉多少？
目前沒有一個適用於所有網站的數字。唯一一份用因果推論設計量測的公開研究，估計英文維基百科的每日流量相對下降約 15%，但研究作者明確表示這個數字難以外推到其他類型的網站。你的實際影響取決於內容性質：越是「一段話講得完、講完讀者就沒有下一步」的內容，受影響越大；需要判斷、需要對照個別條件的內容，受影響小得多。
那個 15% 是唯一的數字嗎？
不是，而且這一點很少被提到。同一份論文用三種統計規格算過同一件事：主要規格是 −15%，加權對數規格是 −8.1%，PPML 規格是 −3.5%。三種方法都正當，研究者也全部誠實報告，但幾乎所有二手引用只拿最高的那個。三個估計值的方向一致（都是負的），所以影響確實存在，但幅度的不確定性，比一般的引用方式所呈現的大得多。
所有網站都會掉 15% 嗎？
不會，而且這是最常見的誤讀。那個 15% 是維基百科的數字，而維基百科是資訊型內容的極端值——它既是資訊型查詢的標準答案庫，又是 AI 摘要最常引用的網站之一。研究作者自己在論文裡就寫明很難外推到其他類型的網站。同一份研究裡，不同類別的降幅從 −19.6% 到 −7.4% 都有，差了 2.6 倍。連維基百科內部都這麼不平均，何況是跟它性質完全不同的商業網站。
哪一種文章最容易被 AI 摘要取代？
一段話就能回答完、而且讀者拿到答案之後就沒有下一步需求的內容。具體來說是名詞解釋（「X 是什麼」）、單一數值查詢、法規條文複述、通用型步驟教學這幾類。研究中降幅最大的是文化類條目（−19.6%），特徵正是「人物、作品、事件的基本事實」；降幅最小的是 STEM 類（−7.4%），因為概念之間有結構，讀者往往需要看完整說明。
我是做在地服務的，會受影響嗎？
會，但受影響的位置跟多數人想的不一樣。國外一份涵蓋牙醫、醫療診所、律師等六個產業、540 組查詢的研究顯示：純粹的在地意圖查詢（地區＋服務）只有約 15% 觸發 AI 摘要，地圖區塊仍然出現 93%；但資訊意圖查詢的觸發率是 92%，而「要多少錢」「怎麼選」這類混合意圖查詢更高達 97%。也就是說，客人已經決定要找你這類服務時相對安全，但在更前面的「這件事該怎麼辦、大概多少錢」階段，他幾乎一定會先遇到 AI 摘要。這是美國樣本，台灣情況仍需以自己的 GSC 數據驗證。
搜尋量不是變多了嗎？為什麼我的流量還是掉？
因為這是兩個不同的指標。搜尋總量指的是市場上發生幾次搜尋，Google 表示這個數字創下歷史新高、每年超過 5 兆次；而你在意的是有幾個人真的走進你的網站。中間隔了一層「點擊」，AI 摘要攔截的正是這一層。搜尋的人變多、但其中越來越高的比例在搜尋結果頁就把答案拿走了，這兩件事可以同時為真，並不矛盾。
Google 說網站點擊量沒有明顯下滑，該信誰？
Google 搜尋副總裁 Liz Reid 在 2025 年 8 月的官方部落格中確實表示，導向網站的整體自然點擊量「年度間相對穩定」，甚至送出「略多的品質點擊」（定義是使用者點進去後不會很快退回）。這是官方正式立場沒錯，但該文並未提供任何圖表、百分比或年度對照數據。相對地，維基百科那份研究公開了完整方法、樣本與三種估計規格。兩者都該看，但在證據等級上並不對等——一方是有利害關係的當事人自我陳述且未附數據，另一方是可被檢驗的公開研究。
怎麼分辨流量下滑是 AI 造成的，還是我自己排名掉了？
打開 Google Search Console，把「曝光」和「點擊」分開看。如果曝光持平或上升、點擊卻在下降，代表排名還在、也還被看到，是被看到之後沒被點——這是 AI 摘要攔截的典型訊號。如果曝光和點擊一起掉，那是排名問題，跟 AI 摘要無關。在把原因歸給 AI 之前，也請先排除內容老化、網站改版、季節性與外部事件這些更常見的原因。
陳俊鳴
網路流量操盤手．企業行銷顧問
操盤SEO與網路行銷實戰逾15年，2014年創辦晨星事業有限公司（晨星行銷），從SEO網站架設、關鍵字策略到銷售漏斗與變現模式一手包辦。現為智信科技、瞻新資訊等多家企業的常年行銷顧問，也獲頒過亞洲十大卓越名師金像獎，把每一次流量成長都當成自己的事業在打。曾是馬來西亞象棋、圍棋國手，拿過亞洲盃第二名。