AI的冲击跑得比测量快：H1 2026信任与归因缺口，独立站卖家必须读懂

大家好，我是Neo。

今天这篇想跟老板们聊一个扎心但特别重要的话题：AI 的冲击力，已经跑在了我们测量能力的前面。

这句话不是我说的，是 Kevin Indig 说的。Kevin Indig 是谁？前 Shopify 增长负责人、前 Gartner 搜索产品总监，现在做独立顾问，服务过 Meta、Airbnb、Reddit 这类公司。他每半年发一份《AI 年中/年终报告》，上上周刚发布了 H1 2026 版，Search Engine Journal 第一时间做了深度解读。

报告开头就一句话定调了整个上半年：

“AI 的影响一直在增长，但人类测量它的能力，一直在落后。”

这个“影响与测量之间的缺口”，就是 2026 上半年真正的故事主线——比任何单个产品发布、任何一次财报都重要。今天这篇文章，我把报告里最有价值的几个数据点挖出来，加上 SEJ 的解读、英国 CMA 的全球首例监管裁定，给老板们整理成一份能直接指导下半年决策的综述。

先说结论：如果你的 AI 搜索监测还停留在“看一个排名工具”，那你看到的可能只是真相的 9%。

一、最震撼的一个数字：91% 的 AI 引用只出现在单一平台

Kevin 的调研里有一个数据，我建议所有做 AI 监测的人都打印出来贴在墙上：

91% 的 AI 引用（citation），只出现在 ChatGPT、Perplexity、AI Overviews 中的某一个平台里——永远不会同时出现在两个以上。

换句话说：ChatGPT 引用了你的页面，不代表 Perplexity 或谷歌 AI Overviews 也会引用你。 各平台之间几乎没有重叠。

这意味着什么？你只盯一个平台的排名，等于盯了个寂寞。 用 Kevin 的原话：“在一个引擎上追踪，几乎等于一个都不追踪。”

这背后的原因也不难理解：每个 AI 平台的模型不同、推理方式不同、个性化程度不同、更新节奏不同，连输出都有随机性（stochastic variability）。测量维度碎片化到这种程度，传统的“关键词排名第几”思维彻底失效。

那应该怎么测？Kevin 的答案：像做民意调查，而不是像查排名

Kevin 提出一个关键的方法论转向：

Prompt 追踪（prompt tracking）应该更像民意调查（polling）和焦点小组（focus group），而不是 SEO 排名追踪。

传统 SEO 排名追踪是“确定性的”——查一次就知道第几名，第二天再查一次。但 AI 搜索是概率性的、非线性的——同一个问题，今天问和明天问，答案可能完全不同；换个人问、换个登录状态问，答案又不一样。

所以正确做法是：建一个 prompt 面板（prompt panel），横跨 ChatGPT、Claude、AI Overviews、AI Mode、至少一个开源模型，用一批固定问题反复测，然后像统计民调一样看待结果——看的是分布、趋势、比例，而不是单次快照。

Kevin 的原话：“把结果当成样本看待，而不是当成 SERP 看待。”

二、品牌提及（mentions）比引用（citations）更值钱

这是报告里另一个反直觉但极其重要的结论：

AI 回答里的“品牌提及”，比“引用”更能驱动真实业务结果。

多数独立站卖家现在的 KPI 是“我被 AI 引用了多少次”。但 Kevin 认为，引用只是塑造答案的材料；真正影响消费者决策的，是你的品牌有没有在答案里被点名、被正面提及、被推荐。

他给的判断标准特别实用，老板们可以直接抄作业：

  • 引用（citation）：你被列为一个信息源——对某些业务重要，但对大多数卖家来说，不是最关键的
  • 提及（mention）：你的品牌名出现在 AI 答案里——这才是大多数卖家要盯的
  • 推荐（recommendation）：你被明确排在竞争对手前面推荐——这是终极目标

监测的重点应该是：在一组 prompt 面板里，你出现的频率有多高？出现在什么语境里？情绪是正面的吗？有没有排在你竞争对手前面？

SEJ 的解读文章补充了一个更狠的细节：谷歌自己的 Search Console 数据，在这个新格局下据说有 75% 是不完整的。 也就是说，连“官方数据”都只能给你看四分之一的真相——那些还在用 GSC 当唯一 AI 测量工具的人，看到的是严重残缺的拼图。

三、信任是 AI 搜索里最贵的货币

报告里有一条消费行为数据，对做品牌的人是个强心针：

大约 3/4 的消费者，会直接选 AI 给出的第一项推荐——除非列表里出现一个他们已经信任的品牌，这时他们会转而选择那个信任的品牌。

翻译成人话：在 AI 短名单里，信任可以打败“第一名”的默认优势。

另一组数据：88% 的时间里，用户接受了 AI Mode 的产品推荐，认为“这就是最好的”；而在 AI Overviews 里，用户会点击、比较、评估——那是传统搜索行为。聊天机器人场景里，用户几乎不比较，直接信。

这对独立站卖家意味着两件事：

  1. 品牌建设的 ROI 被重新定义了——过去你没法量化“品牌资产”，现在可以：当 AI 列出五家供应商时，用户会不会因为认识你而选你？
  2. 内容要“被信任地提及”——AI 为什么会提你？Kevin 的答案是：独特信息 + 直接易懂的表达 + 去掉废话 + 网站技术层面快且易访问。这些“基本功”决定了 AI 是否愿意把你放进答案里。

Kevin 有一句话说得特别透彻：

“AEO/GEO 是伪装成效果渠道的品牌渠道。AI 推荐塑造的是需求（demand），不是引用。优化的单位是：AI 是否点名你、信任你、推荐你。”

四、Meta 一个月烧掉 73.7 万亿 token：AI 泡沫的微观样本

报告里我最喜欢的八卦，其实是最有警示意义的案例：Meta 内部的“Claudeonomics”排行榜。

事情的经过是这样的：

  • 有 Meta 工程师搞了个内部排行榜，给 85,000+ 名员工按消耗的 AI token 数量排名
  • 员工们为了冲榜，故意让 AI agent 空转、跑无用任务，就为了拿“Token Legend”（Token 传奇）这种头衔
  • 结果：Meta 工程师 30 天内烧掉了 73.7 万亿 token——没有人能说出这笔钱换来了什么 ROI
  • 4 月份 CFO 们踩了刹车——因为发现年度 token 预算 4 个月就烧光了
  • 排行榜第一名平均消耗 2810 亿 token，按标准 API 价格算价值超过 140 万美元
  • 最终这些排行榜在 4 月被关停，公司口号从“TokenMAXXXING”改成了“valueMAXXXING”

这个案例有多讽刺？黄仁勋（Jensen Huang）年初还在说“一个 50 万美元年薪的工程师，如果一年不消耗 25 万美元的 token，我会深感不安”——结果公司们用实践证明了：无脑烧 token 不等于创造价值。

但硬币的另一面

Kevin 也诚实指出，这波 token 海啸并非全是浪费：

  • Claude Opus 4.5/4.6 的发布，把大量普通人推进了“每天用 AI”的习惯——比任何营销 campaign 都有效
  • 这波使用量增长，顺着产业链传导到了基础设施公司（比如 Supabase 这种被 Claude 推荐的 infra 公司）——这种二阶效应，财报电话会上永远看不到

Neo的解读：

这个案例对独立站卖家最大的启发是：“用了多少 AI”和“创造了多少价值”是两回事。 别学 Meta 冲量。你的团队在用 AI 时，应该问的是“它帮我省了几小时、多赚了多少钱”，而不是“我今天跑了多少个 token”。KPI 盯价值，别盯消耗。

五、软件股跌 30%：市场在为叙事定价，不是为基本面

报告里另一个值得玩味的观察：上半年软件股整体跌了接近 30%。

但 Kevin 的数据显示，这轮下跌几乎完全跟随市场对“这家公司会不会被 AI 颠覆”的感知，而不是跟随公司实际业绩：

  • 软件股最差的四分之一拖垮了整个板块
  • 而中位数和最好的四分之一，跑赢了整个 ETF
  • 换句话说：这是一场关于叙事（narrative）的抛售，不是基本面的抛售

同样扭曲的还有“AI 裁员”叙事。Challenger, Gray & Christmas 的数据显示：截至 5 月，有超过 87,000 个岗位把 AI 列为裁员原因，约占 2026 年所有已公布裁员的 1/5。

但 Kevin 的追踪（从 H1 2025 报告就开始预测）证明：AI 裁员大多是 PR 叙事，真实原因往往是疫情期过度招聘、资本开支纪律、经济波动。更讽刺的是：一些把裁员归咎于 AI 的公司，转头又悄悄开始重新招人。

Neo的解读：

对出海老板来说，这是“信息差红利”：当海外媒体都在喊“AI 取代一切”的时候，真实的商业世界远没有那么线性。别被叙事裹挟着做决策——无论是恐慌性转型（放弃所有传统 SEO），还是机会主义跟风（无脑 all-in 某个新概念），都要回到数据基本面。你的对手盘不是 AI，是恐慌本身。

六、模型格局大变天：ChatGPT 份额从 78% 跌到 56%

报告里还有一个所有做 AI 优化的人都必须知道的格局变化：

平台 2025年7月 2026年7月
ChatGPT 78% 56%
Gemini 15% 30%
Claude 2% 10%

一年之内，ChatGPT 的份额丢了 22 个百分点，Gemini 翻倍，Claude 涨了 5 倍。Kevin 的判断是：谷歌现在是 AI 消费市场最有可能的赢家——ChatGPT 在 AI 搜索领域对谷歌的“显著性”已经丢失。

背后还有几个值得注意的点：

  • OpenAI 在转向企业市场（企业收入约占 40%，目标 50%，为 IPO 做准备），砍掉了 Sora、ChatGPT 里的视频功能、Instant Checkout 等消费者功能
  • 据 Ed Zitron 报道，OpenAI 每月花 28 亿美元，只赚 11 亿——烧钱速度惊人
  • 开源模型（Kimi K3、GLM 5.2、DeepSeek V4）正在给美国大厂施压
  • 大厂在疯狂补贴 token：SemiAnalysis 发现，200 美元的订阅套餐实际给到 8,000-14,000 美元价值的 token

Neo的解读：

模型选择已经变成真实的商业风险（Kevin 原话：model availability has become a business risk）。去年大家只做 ChatGPT 优化，今年你必须同时覆盖 Gemini 和 Claude——因为用户正在迁移。这也是为什么第一部分说的“prompt 面板必须横跨多个平台”那么重要：你不知道用户明年主要用哪个助手，所以你现在就得在所有的助手那里都“被看见”。

七、监管风暴：出版商把战场搬到了法院

如果说前面是商业层面，这一部分是制度层面的变化——而且每一项都直接影响内容生态的未来：

1. 慕尼黑法院：谷歌要为 AI Overviews 的虚假陈述负责

2026 年 6 月，德国慕尼黑一家法院裁定，谷歌必须对 AI Overviews 生成的虚假陈述承担法律责任。 这是全球首例此类判决——AI 生成的错误内容，责任算在平台头上。

2. 400 家报纸起诉 OpenAI 和微软

2026 年 6 月，400 家报纸联合起诉 OpenAI 和微软，指控它们在未经授权的情况下使用内容训练模型。

3. 英国 CMA：全球首例针对谷歌搜索的“行为要求”

这是我认为对独立站卖家影响最深远的一条。2026 年 6 月 3 日，英国竞争与市场管理局（CMA）对谷歌搜索施加了全球首个“行为要求”（conduct requirement），核心内容：

  • 出版商可以阻止自己的内容被用于 AI 搜索功能（如 AI Overviews）
  • 谷歌必须在 AI 生成结果中清晰署名（attribution），用明确链接标明内容来源
  • 出版商可以选择退出内容被用于“微调”AI 模型
  • 谷歌有 9 个月实施期，之后每 6 个月提交合规报告

SEJ 的解读文章还提到一个背景：美国最大家报业集团 USA Today 的 CEO 甚至放话：“我们正在接近全面屏蔽谷歌、放弃传统搜索流量的临界点。”

Neo的解读：

这一节对独立站卖家有三层意义：

  1. 署名权=免费流量入口：当谷歌被强制要求清晰署名时，“被引用”的含金量会更高——前提是你的内容真的值得被引用
  2. 内容授权正在变成一门生意：出版商在把“内容换流量”的模式，改造成“内容换训练许可费”的模式。独立站内容被 AI 爬取的价值，未来可能真的能变现
  3. 合规意识要提前：这些裁定虽然是欧美的事，但谷歌是全球执行的（部分地区除外）。理解 AI 内容的署名、退出机制，将来谈判或维权时用得上

八、H2 2026 的核心判断：智能与“代理权”分离

报告最后，Kevin 给下半年下了一个非常重要的判断，我建议老板们认真读三遍：

“2026 下半年，将把’智能’（intelligence）与’代理权’（agency）分开。”

什么意思？

  • 智能在贬值：随着开源权重模型和 token 价格战，模型能力越来越便宜、越来越商品化——“聪明”不再是稀缺品
  • 代理权在升值：真正被锁死的是“获得许可代表某人行动“的能力——花你的钱、访问你的数据、以你的身份做事——这个权限正在被平台、政府、支付网络、用户自己层层收紧

证据已经出现：出版商的诉讼、英国 CMA 的裁定，都是“收紧代理权”的早期信号。

这跟 SEO 策略有什么关系？关系大了。 Kevin 给出的下半年实操清单，我原样翻译给老板们：

实操一：退休“单一排名工具”思维

建一个横跨 ChatGPT、Claude、AI Overviews、AI Mode + 至少一个开源模型的 prompt 面板，用民调思维看结果，而不是用 SERP 思维。

实操二：报告指标从“引用数”转向“提及+情绪+推荐位”

只数引用的仪表盘，只测量了驱动消费者行为的那一小半。给老板/客户汇报时，它会持续低估你的真实 AI 影响力。改成：提及频率、情绪正负、推荐排名。

实操三：现在就审计你的“代理访问层”（agentic access layer）

这是我认为最有前瞻性的一条，也是独立站卖家可以立刻动手的：

  • 你的产品数据、价格、结账流程，是否结构化到“一个被授权的 AI agent 能替客户完成交易”的程度？
  • 当一个 AI agent 在几个竞争对手之间做选择时，你的品牌是不是那个“被信任、被点名、被允许代表用户行动”的选项？

Kevin 的判断：下半年的赢家，不是被提及最多的品牌，而是被 agent 获准代表用户行动的品牌。

九、Neo 的总结：给独立站卖家的下半年行动清单

最后，我把整份报告浓缩成 5 条可执行建议：

  1. 重建测量体系：别再只看单一排名工具，建一个跨 ChatGPT/Gemini/Claude/AIO 的 prompt 面板，用民调思维分析（本周就能开始）
  2. KPI 从“引用”升级到“提及+推荐”：监控品牌在 AI 答案里的点名频率、语境、情绪、是否排竞品前面
  3. 信任>流量：3/4 用户选第一项、88% 用户直接接受 AI 推荐——被信任的品牌是唯一能打破“第一名默认”的力量，继续投资品牌内容
  4. 覆盖多模型：ChatGPT 份额一年跌 22 个点，Gemini/Claude 在崛起——你必须在每个助手那里都被看见
  5. 为“agent 时代”做准备：把产品数据、价格、结算结构化，让你的品牌成为 agent 愿意“代表行动”的对象

最后说句掏心窝的：

Kevin 报告结尾说，他同意“测量 AI 影响的能力落后于影响本身”这个判断，而且不认为这个缺口会在年底前自己合上。我觉得这是句实话——测量工具永远追不上技术演进的速度。

但这恰恰是机会：当大多数人在用旧尺子量新世界的时候，你先换一把新尺子，你就能看到别人看不到的东西，然后先一步行动。

AI 的冲击跑得比测量快，没关系——你的行动可以跑得比冲击快。