流量买不起了，AI 推荐成新战场

流量买不起了，AI 推荐成新战场

一家开了十几年的婚纱影楼，靠买流量活到了今天——现在它连打广告重启的钱都拿不出来了。

这不是个例，而是大量中小企业的真实处境。与此同时，ChatGPT、Claude、Perplexity 这些AI工具正在成为新的推荐入口。数据已经说明变化的速度：OpenAI 在2025年10月宣布 ChatGPT 周活跃用户达到8亿；Perplexity 官方披露其月处理查询量在2024年中已超过7.8亿次；Adobe Analytics 的数据显示，2024年7月至2025年2月，美国零售网站来自生成式AI的推荐流量暴涨了1200%。旧的流量游戏越来越贵，新的入口正在打开——这不是预测，是已经发生的事。

📉 流量枷锁：不买等死，买了慢死

流量的尽头，是替平台打工。

先看那家婚纱摄影店。故事线很完整：一开始靠门店引流，做得挺好；后来发现互联网买流量见效更快，于是广告不打了，甚至门店也关了，省下来的钱全部砸进买量。再往后，流量费用涨到利润撑不住——这时候就算想回头开门店、做广告，预算也被买量吃光了。这个死循环是：关店砍广告省预算 → 预算全押买流量 → 流量价格持续上涨 → 无钱再建自有渠道 → 永久困在租来的流量里。

这就是典型的'流量枷锁'：不买流量马上死，买流量是慢慢地死。

贵到什么程度？有公开数据可查。据多家券商和财经媒体测算，阿里巴巴的年度获客成本从2015年前后的约50元，攀升至2020年的600元以上，五年涨了十倍以上；京东、美团的线上获客成本同期普遍翻了数倍。而在需求端，CNNIC 第55次《中国互联网络发展状况统计报告》显示，我国网民规模11.08亿，互联网普及率已达78.6%——新增网民接近见顶。增量没了，存量竞价，价格只能往你的利润上限走。美团、天猫、京东这些流量商人已经能把流量的价格精确到你的承受边界：你赚多少，它就知道收多少。

问题出在哪？出在'你是谁'这个最原始的问题没回答。鸿星尔克在2021年因捐款事件单周销售额暴涨超过一倍，但此后两年又淡出主流视野——没有持续的定位支撑，爆发性流量留不住。流量能给你曝光，给不了你身份。就像那个比喻：一个粉丝可以和刘亦菲拍照，但和刘亦菲拍过照片的人何止千万，你的独特之处在哪？

'借势'也是一样。雷军是顶流IP，2025年两会上周云杰和雷军并排出现，迅速火出圈——但前提是他是海尔CEO。小米车主里跟雷军合过影的人不少，有几个成名了？

产业判断：流量依赖症的本质，是企业把'被看见的方式'外包给了平台。获客成本五年十倍的公开测算，和普及率78.6%的见顶数据，说明这个模式在流量增量耗尽的今天已经走到头了。

🤖 AI 推荐，正在成为新的入口

用户不再搜索，开始'提问'——这是一次入口级别的迁移。

Social Media Examiner 最近专门写了一篇长文：How to Get AI to Recommend Your Business。核心议题只有一个——怎么创造内容，让 ChatGPT、Claude、Perplexity 这些AI工具主动引用和推荐你的生意；怎么优化网站结构，让AI系统把你的企业当成可信来源。

注意这篇文章的措辞：不是'让AI看见你'，而是'让AI推荐你'。

这两者差别巨大。传统SEO时代，你的网页排在结果页第几位，用户还是要自己点、自己判断；而AI推荐时代，AI直接替用户做了筛选和背书，答案里引用了谁，谁就拿到了流量。入口从'十条蓝色链接'变成'一段对话'，曝光位从十个变成两三个。

这不是小圈子里的猜想，学术界和行业数据都在给出同样的信号：

• 学术验证：2023年，普林斯顿大学、乔治亚理工、艾伦人工智能研究所等机构的研究者发表题为《GEO: Generative Engine Optimization》的论文，首次系统定义了生成式引擎优化。实验数据显示，应用GEO方法后，内容在生成式引擎答案中的可见度最高可提升40%，其中引用具体来源、加入统计和引语的效果最明显；
• 点击迁移：SEO工具商 Ahrefs 在2025年发布的研究显示，谷歌AI Overviews出现后，搜索结果第一名的平均点击率较此前下降约34.5%——传统搜索入口本身就在缩水；
• 转化更高：多家分析机构（包括 Semrush、Similarweb）的早期数据均指向同一个结论：来自AI助手的推荐流量目前总量虽小，但访客带着明确问题而来，转化率显著高于传统搜索，部分案例达到2到4倍。

这张表的最后一行是关键。买量买的是租来的流量，GEO做的是AI'欠'你的推荐。

产业判断：入口迁移的历史规律是——每一次流量分发机制的更换，都会重新洗牌一批品牌。PC搜索到移动App是一次，信息流到直播是一次，现在从搜索框到对话框，是第三次。而且这次的节奏更快：Adobe数据里1200%的流量增速，只用了一年时间。

⚖️ 新流量格局：谁在牌桌上，谁被清出去

所有的生意，最后都是位置生意。

把当下的获客方式摆到一张图上，格局会看得非常清楚。横轴是内容与技术的专业门槛，纵轴是长期商业价值：

看清楚这张图，你会明白三个残酷的事实：

第一，竞价买量在左下角，且会一直待在那。 它门槛最低——只要有钱谁都能买，所以永远卷不出差异，也永远沉淀不出资产。婚纱影楼就是被锁死在这个象限里。

第二，KOL投放比买量好一点，但本质还是借势。 回到那个问题：借势的时候你是谁？雷军身边的合影者成千上万，火的是有身份的那个。没有自身定位的借势，热度来得快去得更快。

第三，右上角的两样东西——品牌内容资产和GEO优化——才是下一阶段的胜负手。 它们的共同特征是：前期投入重、见效慢，但一旦形成，AI和搜索会持续为你工作，而不是持续向你收费。

对照现状：目前多数中小企业的营销预算，仍有六成以上押在平台买量上，投给自有内容和GEO的加起来通常不足四成。这张预算的分配比例，和上图的位置分布，几乎完全重合。

产业判断：未来两三年，右上角的位置会被先知先觉者占满。等大多数人反应过来'原来要被AI引用'的时候，可信信源的位置已经不多了——就像2010年没人抢关键词，2015年抢不到了。

✍️ AI 写内容可以，AI 替你做人不行

当所有人都用AI生产内容，'像个人'反而成了稀缺品。

入口在变，生产方式也在变。Social Media Examiner 另一篇文章同样值得注意：How to Use AI on LinkedIn While Sounding Human——怎么在 LinkedIn 上用AI创作内容，又不被平台标记、不丢掉可信度。文中给出的路径是：把AI策略性地嵌入内容生产的每一个阶段，而不是一键生成、原样发布。

这背后是一个正在成形的悖论：

• AI让内容生产成本趋近于零，于是信息流被AI味内容淹没；
• 平台和受众开始反向识别、过滤'批量生成感'；
• 结果是，真正的稀缺资源从'生产能力'变成了'可信的真人视角'。

这对想被AI推荐的企业是一记提醒。前述GEO论文的实验数据恰好印证了这一点：AI模型在决定引用谁时，最偏好'引用来源'、'统计数据'、'专家引语'这三类人类经验信号的内容——这些恰恰是批量生成的AI味内容最缺的。如果你用AI批量灌水，指望AI反过来推荐你，那就是用最廉价的方式去竞争最稀缺的位置，南辕北辙。

正确的打法是分四步走：AI做素材与初稿 → 真人补观点与案例 → 结构化沉淀到官网 → AI模型抓取并引用。AI负责效率——查资料、搭框架、做变体；人负责信用——下判断、给经验、背书。生产可以外包给模型，可信度必须自己长出来。

产业判断：内容营销正在从'产量竞赛'切换到'信任竞赛'。未来衡量一个内容团队的标准，不是发了多少篇，而是有多少篇被AI和搜索引擎当成了'可引用源'。

🛠️ 落地打法：从'买流量'到'被引用'

知道方向不难，难的是把预算从左下角搬到右上角。

综合三份素材，给愿意转型的企业一份90天行动清单：

第1—15天（诊断期）：

• 盘点自有内容资产：官网、公众号、案例库，哪些页面结构清晰、可被机器抓取；
• 动手测试：在 ChatGPT、Perplexity、豆包 里提20个本行业客户会问的真实问题，记录AI回答中引用了谁——这既是现状基线，也是对手名单。

第16—45天（建设期）：

• 重构官网：把服务介绍、真实案例、行业数据做成结构化页面，每页回答一个具体问题、标注数据出处；
• 建立内容生产线：AI出初稿，真人补案例、数据与判断，参照 LinkedIn 打法分阶段嵌入。

第46—90天（迭代期）：

• 每月复测一次AI回答的引用变化，追踪自己的品牌是否进入了'可信集合'；
• 将买量预算按季度递增转移（例如首季度转出10%—15%），投入内容与GEO建设，而不是一次性砍掉买量断血。

几条原则性的话，说重一点：

第一，先回答'你是谁'，再谈流量。 无论是借势雷军、还是让 ChatGPT 推荐你，前提都是你有一个可被识别、可被记住的独特定位。没有这个，一切优化都是在给沙子打地基。

第二，不要把门店和广告的钱全部押给买量。 素材里那家影楼的教训是结构性的：一旦失去自有渠道的预算能力，就永久失去了对流量的主权。预算里必须留出一块，专门用来沉淀'关掉投放后依然存在'的东西——内容、信源、品牌。

第三，把AI用在两个完全不同的地方。 对内，用AI提效生产（分阶段嵌入而非一键生成）；对外，优化结构让AI引用你。一头是生产工具，一头是分发渠道，别混为一谈。

第四，用可验证的事实喂养AI。 前面所有数据都指向同一点：GEO研究里效果最好的三类内容——引用来源、统计数据、专家引语——全部是'可验证的事实'。Perplexity 这类工具引用的就是有出处、可核查的内容。行业数据、真实案例、清晰的结构化页面——这些才是AI时代的'关键词'。

小结：流量主权，正在重新分配

把全文的数据串起来看，图景已经足够清晰：

需求端，网民规模11.08亿、普及率78.6%，流量增量见顶（CNNIC）；供给端，头部平台获客成本五年涨十倍以上（券商公开测算），买量这条路的经济模型已经算不过来了。与此同时，ChatGPT 周活8亿，AI推荐流量一年增长1200%（Adobe），传统搜索第一名的点击率被AI Overviews拉低34.5%（Ahrefs），而GEO方法被同行评审研究验证可将AI引用可见度最高提升40%。旧的入口在贬值，新的入口正在被定价——而且尚未被充分定价。

流量枷锁的解法，从来不是找到更便宜的流量，而是拥有不依赖任何单一入口的资产。当用户从搜索框走向对话框，'被AI推荐'正在成为新的、且尚未被充分定价的入口。竞价买量的左下角会越来越挤，被引用的右上角还空着大半。未来十二个月，谁先把内容做成AI眼里的可信信源，谁就在下一轮流量分配里拿到了座位——这个窗口，不会一直开着。

主要数据与来源：

• CNNIC第55次《中国互联网络发展状况统计报告》（2025年1月）：网民规模与互联网普及率
• 阿里巴巴等平台获客成本测算：综合券商研报及界面新闻、36氪等财经媒体公开报道
• OpenAI官方公告（2025年10月）：ChatGPT周活跃用户8亿
• Adobe Analytics（2025年）：生成式AI为美国零售网站带来的流量增长1200%
• Aggarwal et al., GEO: Generative Engine Optimization, Princeton / Georgia Tech / Allen Institute for AI, 2023：GEO方法提升可见度最高40%
• Ahrefs（2025）：AI Overviews导致搜索第一名点击率下降约34.5%
• Social Media Examiner：How to Get AI to Recommend Your Business；How to Use AI on LinkedIn While Sounding Human

（注：文中部分行业数据为公开报道与第三方研究的测算口径，用于说明趋势量级，具体数值随统计时点会有差异。）