SEO 要预算，别再只晒流量了

搜索引擎正在替用户直接给答案，点击越来越像中间产物。当 CFO 在预算会上追问「这些流量还值钱吗」，还在拿排名截图和流量曲线说事的 SEO 团队，已经先输一局。Search Engine Journal 近期两篇文章指向同一个判断：SEO 的商业论证方式必须重写，而且重写的底层能力是实验纪律。

📉 流量话术，正在失去说服力

先看几组可以公开查证的数据，它们共同指向同一件事：AI 正在系统性地抽走点击。

• Pew Research Center 2025 年 3 月发布的一项基于真实用户浏览行为的分析发现：当 Google 结果页出现 AI 摘要（AI Overview）时，用户点击任一链接的比例约为 8%，而没有 AI 摘要时约为 15%——出现 AI 摘要后，点击率几乎腰斩。
• Ahrefs 2025 年 3 月对约 30 万个关键词的分析显示：在 AI Overview 出现的结果页里，排名第一页面的平均点击率从 22.2% 降至 13.14%，跌幅约 34.5%。
• SparkToro 与 Datos 基于 2024 年美国点击流数据的研究测算：约 58.5% 的 Google 搜索以零点击结束，用户要么改写问题、要么在结果页上直接得到满足。
• 咨询公司 Bain & Company 在 2025 年的报告中估计，消费者约 40% 的搜索已经依赖零点击结果完成，并判断这可能导致部分站点自然流量下滑 15%–25%。

（以上四条均为公开可查的行业研究与调查数据，具体数字以各机构原始报告为准。）

把这些数据放进上一节那张链路图里，含义很直接：AI 摘要把「回答」前置后，搜索引擎的角色正在从「流量分发器」滑向「答案生成器」，点击不再是 SEO 的终极产出。

“【信源观点】Search Engine Journal 专栏作者 cshel 在《The Business Case For SEO Is Changing》一文中的核心观点是：AI 时代的 SEO 预算论证必须与业务价值对齐，而不是停留在流量叙事——SEO 的价值没消失，但价值的计量单位变了。

“【作者推断】继续汇报「流量涨了」，等于在一条越来越细的管道上汇报水流量，而不汇报这条管道通向的水库。结合上面 Pew 与 Ahrefs 的数据，流量叙事的说服力衰减不是个别公司的问题，而是行业级趋势。这是新账本的第一页。

💰 新账本：收入、风控、基建、业务价值

账本换了，科目就要跟着换。

“【信源观点】cshel 在文中给出了四个预算论证支柱：与收入生成对齐（revenue generation）、风险降低（risk reduction）、基础设施（infrastructure）和业务价值（business value）。

“【作者整理】翻译成操盘手的语言，这四个支柱可以写成四个直接放进预算申请书的问题：这笔钱带来多少可归因收入？它帮公司抵御什么波动？它沉淀下什么技术资产？它为其他渠道节省了什么成本？下表是作者基于这四个支柱做的操盘手视角整理，并非信源原文。

这张表的四栏，每一栏都能找到公开数据做支撑：

• 风险栏：Ahrefs 测到的 34.5% 点击率跌幅意味着，过去依赖单一信息类关键词排名获取流量的页面，其流量基本盘在 AI Overview 覆盖的查询里已被结构性削弱——这正是「波动缓冲」需要写进预算申请的原因。
• 收入栏：Bain 的测算表明即便总搜索量稳定，零点击比例的抬升也会让自然流量的边际产出缩水 15%–25%，只有把论证单位从「访问量」换成「归因收入」，才能看清渠道的真实产出。
• 基建与业务价值栏：Gartner 在 2024 年初预测，到 2026 年传统搜索引擎的搜索量将因 AI 聊天机器人减少 25%。搜索入口的多元化意味着，站点能否被抓取、能否被 AI 引用，正在变成一项长期资产而非一次性投入。

“【作者推断】这张表背后是一个产业级判断：SEO 正在从「渠道预算」变成「基础设施预算」。渠道预算的逻辑是买流量，每一期都要重新证明 ROI；基础设施预算的逻辑是建资产，考核的是资产的长期产出和抗风险能力。前者在 Pew 和 Ahrefs 的数据面前节节败退，后者反而因为 AI 需要高质量的引用源而升值。

🧪 六个坑：你的 SEO 实验可能白做

新账本要有说服力，前提是里面的数字可信。这就引出第二篇文章。

“【信源观点】Search Engine Journal 另一篇由 SequinsNsearch 撰写的《Test Like A Scientist》指出了 SEO 实验中六个常见错误，主张用科学思维设计实验、解读结果、做决策。

“【作者推断】文章没有逐一展开细节，以下六个坑的「画像—解法」是作者结合行业实践做的展开，供对照自查：没有对照组就下结论、样本量不足以支撑显著性、混杂变量没隔离（季节性、算法更新窗口）、实验没跑完就提前叫停、把相关性当因果、用单页结论外推全站。

每一个坑都对应一个解法：

实验纪律能改写预算结论，这不是理论推演，有一个经常被引用的真实案例：2013 年，eBay 的研究团队联合学界暂停了 Google 上的付费搜索广告做对照实验，随后发表在《American Economic Review》上的研究发现，品牌词广告的增量效果远低于归因模型的估计。这个实验直接改变了 eBay 对这部分预算的判断——它说明「归因叙事」和「实验验证」之间可能存在巨大落差，也说明只有实验才能把落差暴露出来。（注：该实验针对付费搜索，此处用于说明实验纪律的价值，而非直接类比 SEO 技术操作。）

“【作者推断】为什么实验纪律在 AI 时代突然变得如此致命？因为波动变大了。算法更新频率提高、AI 答案改写搜索结果页、用户行为在迁移——背景噪声越大，不科学的测试就越容易产出「看起来显著、实际上荒谬」的结论。而每一个错误结论，都会变成一条错误的预算申请；一次被业务方拆穿的实验，会让整个 SEO 团队的论证信用打折。实验纪律不是学术洁癖，是预算话语权的抵押品。

🔬 实验纪律，就是预算话语权

把前两节拼起来，才是完整的打法：四栏账本负责「论证什么」，实验纪律负责「凭什么可信」。

一个成熟的证据链应该长这样：用科学的 A/B 实验确定某个改动对转化的净效应 → 把净效应乘上业务规模算出收入贡献 → 沉淀进四栏账本 → 写进预算申请。缺任何一环，这套论证都会被财务和业务方挑战得体无完肤。

“【作者推断】下图是作者基于前文数据对各论证方式的定位，坐标轴和点位均为作者主观判断，仅供讨论参考：流量曝光类玩法的贬值有 Pew 与 Ahrefs 的点击数据背书；AI 答案优化方向与 SparkToro、Gartner 的趋势判断一致，但行业度量方法尚未成熟。

这张象限图说清楚了三件事。第一，左下角的「流量曝光汇报」短期最省事、长期最贬值，在零点击比例逼近六成的现实下（SparkToro 数据），是典型的存量玩法。第二，右上角的收入归因和长期技术基建，是领跑者所在的位置——见效慢，但每一分钱都有证据背书。第三，AI 答案优化处在潜力股区域：方向与各大机构的趋势判断一致，但度量方法还不成熟，恰恰最需要上一节讲的实验纪律来补课。

🚦 操盘手的转型清单

那么，具体怎么转？给三条可落地的动作（以下均为作者基于两篇文章观点整理的操作建议）。

第一，重写 KPI 字典。把团队内部的目标从「排名、流量、点击」迁移到「归因收入、防御覆盖率、被 AI 引用次数」。改 KPI 不是文字游戏，它决定了团队每天优化什么。

第二，搭实验基建。哪怕从最简单的对照页面测试开始，也要建立「假设—实验—数据—结论」的标准流程，并把算法更新、季节因素标记进实验日志。eBay 的案例已经证明，没有实验基建的归因叙事经不起检验；没有这套基建，四栏账本永远是手填的估计值。

第三，重写预算文书。把预算申请从「我们需要投入做 SEO」改成「过去 12 个月自然渠道贡献 X 收入、抵御了 Y 次波动、沉淀了 Z 项资产，下一期投入用于放大 A、补齐 B」。可以预见，随着 Gartner 预测的搜索量下滑逐步兑现，预算科目从「渠道推广」向「搜索资产」迁移会成为更多公司的选择——这是作者的判断，尚待时间验证，但汇报口径向收入与资产靠拢，已是确定性最高的动作。

🧭 结语

两篇文章，一组数据，一个信号：SEO 的困境不是流量没了，而是论证框架停留在流量时代。收入、风控、基建、业务价值是新的四栏账本（信源观点），科学的实验方法是让账本可信的记账规则（信源观点），而零点击率、AI Overview 点击率跌幅、搜索量下滑预测这些公开数据，则给这本新账本提供了外部验证。SEO 没死，死的是那套要钱的方式。

主要信源与数据出处（具体数字请以各机构原始报告为准）：

1. Search Engine Journal：《The Business Case For SEO Is Changing》（作者 cshel）、《Test Like A Scientist》（作者 SequinsNsearch）

2. Pew Research Center（2025.03）：AI 摘要对用户点击行为影响的分析

3. Ahrefs（2025.03）：约 30 万关键词的 AI Overview 点击率研究

4. SparkToro & Datos（2024）：美国零点击搜索研究

5. Bain & Company（2025）：AI 搜索对流量的侵蚀测算

6. Gartner（2024）：2026 年传统搜索量将下降 25% 的预测

7. Blake, Nosko & Tadelis（2014）：《American Economic Review》，eBay 广告实验