Microsoft 的 AI 演示让点击减少争议更难被忽视
Search Engine Roundtable 报道称，Microsoft 的一次演示把 LLM Web 描述为 AI 会总结结果、从而减少点击和网站访问的环境。对 GEO 团队来说，这不是一张幻灯片的小事，而是 AI 答案界面正在改变可见性经济模型的信号。
Dageno 编辑注: Dageno AI 编辑团队对 Search Engine Roundtable 关于 Microsoft AI 搜索表述的报道进行了结构化解读，帮助 GEO 团队理解流量风险、答案界面可见性和发布者策略。
这篇文章真正值得理解的地方
- Microsoft 把很多人不愿明说的事放在了幻灯片上。 报道称，该演示直接写到 AI 摘要会减少点击和网站访问。
- 这与 Google 的公开表述形成反差。 Google 此前强调点击相对稳定，而 Microsoft 的表述更直接承认了减少点击的机制。
- SEO 正从获取排名转向获取答案位置。 一个页面即使没有获得访问，也可能被 AI 系统用作回答材料。
- GEO 需要新的监测方式。 品牌需要同时看 AI 提及、引用、来源复用、引荐质量和潜在失去的点击。
这篇报道真正说明了什么
报道本身很短，但信号很强。Microsoft 的演示把 LLM Web 描述成一个 AI 会总结结果、因此减少点击和网站访问的环境。这个措辞重要，因为它准确描述了很多发布者和 SEO 团队已经感受到的变化：答案越来越多地出现在点击之前。
过去的搜索策略默认可见性和流量高度绑定。但 AI 摘要削弱了这种关系。系统可以先检索、压缩并呈现页面中有用的部分，而不一定把同等数量的用户送回网站。
核心结论: AI 可见性可以带来品牌曝光，但它不一定带来传统搜索时代同样规模的网站访问。
流量模型正在改变
传统 SEO 的路径相对清晰：获得排名、赢得点击、在站内教育或转化用户。AI 搜索引入了另一条路径，尤其在事实型、比较型和摘要型查询中，答案引擎可能直接满足用户需求。
| 搜索模型 | 价值如何产生 | 对品牌的变化 |
|---|---|---|
| 传统搜索 | 用户浏览链接，选择结果并访问来源页面。 | 排名位置和点击率仍然高度相关。 |
| AI 摘要搜索 | 系统收集证据并生成综合答案。 | 品牌可能影响回答，却拿不到对应访问。 |
| Agentic 搜索 | 系统可能比较选项、筛选供应商，甚至执行下一步。 | 推荐位置的重要性开始接近甚至超过引荐流量。 |
在这种环境中，内容价值不再只由 sessions 衡量，还取决于它是否容易被检索、引用、信任并纳入答案生成流程。
为什么平台叙事很重要
这篇报道暴露了主要搜索平台之间的话术差异。Google 公开反驳过 AI 答案广泛伤害发布者流量的说法，而报道中的 Microsoft 幻灯片对点击和访问减少使用了更直接的表达。
GEO 团队不应该把任何一家平台的话术当成完整真相。不同查询类型表现不同，真正答案取决于意图、市场、品牌强度和来源质量。
发布者的问题不只是流量减少
访问减少只是最明显的症状。更深层的问题是控制权。当 AI 系统总结页面时，发布者会失去展示上下文、品牌叙事、CTA、产品教育和转化路径的空间。
用户可能通过 AI 摘要知道某个品牌，之后再直接搜索或访问网站，但这不会被记录成来自原始 AI 答案的自然搜索流量。
从点击策略转向答案策略
对 GEO 来说，Microsoft 的这张幻灯片提醒我们：优化对象不只是排名，而是答案层本身。目标是进入 AI 生成回答时使用的证据集、比较框架和推荐逻辑。
团队接下来应该衡量什么
- 追踪优先 prompt family 中的 AI 回答品牌提及。
- 区分有引用的曝光、无引用的品牌提及和推荐型表达。
- 观察答案界面曝光后的直接流量、指名搜索和辅助转化。
- 找出 AI 摘要可能直接满足需求、从而减少访问的高风险页面。
- 建设更深的资产，让用户在看完摘要后仍然愿意访问。
GEO 团队下一步应该做什么
按点击风险划分查询
把简单信息查询、商业比较、替代方案和决策阶段 prompt 分开分析。
优化可提取性
使用清晰定义、表格、实体、数据点和答案型段落，让 AI 更容易理解并保留品牌信息。
保护下一次点击
创建工具、计算器、演示、模板、原创研究和产品页面，让用户有理由继续访问。
衡量答案中的声量份额
监控影响需求的 prompt 中，自家品牌、竞争对手和第三方来源出现的频率。
把可见性和流量一起汇报
整合 AI 提及、引用、自然访问、直接需求和转化，给管理层完整视图。
看看当买家提出品类问题时，AI 系统是否会推荐你的品牌。
Dageno AI 是一个完整的执行平台，覆盖数据监测 → 策略 → 内容生成 → 结果归因。
Alexa for Shopping