Google 的 AI 搜索数据正在增加，但点击和单条查询仍然缺失
Google 正通过 Merchant Center 和 Search Console 提供更多第一方 AI 搜索数据。但新信号仍没有回答团队最想知道的问题：clicks、individual queries 和 editable competitive context。
Dageno 编辑说明: Dageno AI 编辑团队结构化解读了 Search Engine Journal 的文章“Google’s AI Search Data Is Growing, But The Gaps Remain”，帮助 SEO、GEO、电商和分析团队理解 Google 第一方 AI reporting 能证明什么。
用 60 秒理解这篇文章
- Merchant Center 的 AI performance insights pilot 展示 AI Mode 和 AI Overviews 中的 shopping-related question groups。
- 报告提供 category vocabulary 和 product terms，而不是用户输入的 individual questions。
- 最可执行的用途是补全 popular attributes 缺失的 product data。
- Share of voice 基于 AI impressions 和预设 Merchant Center competitors，可能让 0% 和 100% 产生误导。
- Clicks、CTR、query-level details 和 competitor-set transparency 仍是主要缺口。
Grouped query data 有用，但不是 keyword list
Merchant Center pilot 让 merchants 看到 AI Mode 和 AI Overviews 中出现的购物问题类型和 product terms。
它对 product feed optimization 有价值，但不应当成 classic query data。团队看到的是需求形状，而不是 exact user language。
Attribute completeness 成为 AI 可见性工作流
如果热门属性没有进入 feed 或 product pages，AI 就更难理解产品。
在 Dageno 看来，product data QA 不再只是 merchandising 问题，而是 GEO 工作。
Dageno 判断: 关键是把 AI answer visibility 转化为知识、本地证据、产品数据和 reporting 的执行项。
Clicks 仍是决定性的 missing signal
Impressions 说明产品或页面出现过，但不能说明 AI Mode 或 AI Overviews 是否把用户送到网站。
在 click 和 CTR reporting 到来前，应结合 first-party AI impressions、referral data、branded demand 和 repeated answer monitoring。
应转化为 AI 证据的事实
这些事实应该成为可复用的证据块：短、具体、及时，并且便于 AI 系统检索。
Merchant Center 展示 AI shopping-question signals。
它帮助 merchants 优化 feeds，但不暴露 exact queries。
Product terms 能暴露 missing attributes。
Feed completeness 成为 AI search optimization。
Share of voice 会受低 impressions 或缺失 competitors 影响。
向上汇报前必须解释。
Clicks、CTR 和 query-level reporting 仍不可见。
Visibility 增长，attribution 仍不完整。
团队应如何响应 AI 可见性工作流
AI 可见性取决于知识治理、本地证据、产品数据和第一方 reporting 质量。
| 负责人 | 执行重点 | 监测信号 |
|---|---|---|
| GEO / SEO | 把 AI 答案行为转化为 truth source、本地引用和 AI reporting 工作流。 | Answer coverage、AI citations、entity accuracy、local AIO inclusion。 |
| 内容团队 | 构建 AI 能抽取、比较、引用的决策型信息。 | Decision attributes、FAQ、cost guides、structured answers。 |
| 技术团队 | 让产品、位置、feed 和结构化数据保持一致。 | Schema health、feed completeness、NAP consistency、crawlability。 |
| 分析团队 | 区分增长中的 AI 可见性数据和仍存在的归因缺口。 | Grouped queries、share of voice、click gaps、prompt monitoring。 |
下一步需要监测的信号
衡量应该显示 answer engines 是否准确描述、引用并推荐品牌。
- Merchant Center 中 AI performance tab 是否可用。
- Product terms 与 missing titles、descriptions、attributes、feed fields 的映射。
- 带 competitor-set limits 说明的 AI impression share of voice。
- Search Console generative AI impressions。
把 AI 可见性信号转化为执行。
Dageno AI 连接数据监测、策略、内容生成和结果归因。
Alexa for Shopping