為什麼 AI 推薦進來的訪客，轉換率是一般流量的 4 倍？

為什麼 AI 推薦進來的訪客，轉換率是一般流量的 4 倍？

重點摘要

根據 Semrush 與 Seer Interactive 的追蹤，有 Google AI Overview 出現的搜尋，頂端自然結果的 CTR 從 1.76% 掉到 0.61%，跌了 61%。而根據 Stella Rising（美國專注美妝、健康與生活風格品牌的數位行銷顧問公司）的報告，通過 AI 推薦進來的訪客，轉換率是一般 organic 流量的 4.4 倍。

這兩件事放在一起看，指向同一個轉變：使用者的搜尋，正在從「主題搜尋」變成「個人化推薦」。

點擊流量已經在最上游被攔截

AEO 的底層仍然是 SEO，做好 AEO 的前提是 SEO 有打好基底。但 SEO 做好不代表不受影響。HubSpot 的有機流量在 2024 年底到 2025 年上半年間掉了 70-80%，CNN 跌了 27-38%，這些都不是 SEO 資源不足的品牌。排名沒動，流量照跌，因為使用者在 AI Overview 那層就拿到了答案。流量縮減是大趨勢，該盯的重點正在從流量大小，移到進來的人準不準。

AI Overviews 現在觸發於 48% 的搜尋結果，60% 的搜尋是零點擊。點擊在 AI 那一層就被攔掉，是結構性的，跟你的 SEO 做得好不好沒關係。

但同一個攔截層，還做了另一件事：過濾。會穿過 AI 摘要、被推薦說服、然後真的點進你網站的人，意圖跟隨手點一條藍色連結的人差了一個量級。ChatGPT 對外導流在 2025 年成長 206%，這批人總量不大，但每一個都離成交更近。

流量變少和訪客變準，其實是同一個攔截機制造成的。

為什麼 AI 推薦進來的轉換率，是一般流量的 4 倍以上？

因為使用者先把個人條件交給了 AI，AI 過濾完才把人送來，落地的訪客條件已經吻合。Stella Rising 的兩波問卷（2025 年 8 月、2026 年 1 月）發現，32% 的 prompt 夾帶個人屬性：尺寸、職業、健康狀況、人生階段。AI 拿這層資料先過濾一輪品牌，這就是 4.4 倍的來源。

prompt 沒有變長。三分之二的 prompt 在 15 個字以內，跟傳統關鍵字搜尋同一個量級。變的是形狀：SEO-keyword 形狀的 prompt，佔比從 8 月的 50% 掉到 1 月的約 30%，五個月掉了 20 個百分點。

同一個需求，兩代搜尋習慣長相很不一樣。

以前在 Google，會打「工作鞋 推薦」，拿到十條連結，自己比較。現在跟 AI 說的是：「我每天站著工作、腳偏寬、預算三千，風格偏低調，推薦什麼鞋。」

以前為什麼不會這樣問？不是大家以前沒有這些條件，是輸入介面接不住。關鍵字框塞不下「久站、腳偏寬、預算三千」這一整串，硬打進去搜尋引擎也沒辦法用，只能自己拆成「工作鞋 推薦」這種短關鍵字，剩下的條件留在腦袋裡自己比對。現在 AI 能用自然語言一次接住整串條件，還幫你解析，講越多推薦越準，使用者才開始把條件直接講出來。所以變的不是人，是那個輸入框，從只認關鍵字變成能聽懂上下文。

Stella Rising 把這層叫 User Embedding Layer。

再配一個數字，這條鏈就完整了：68% 的使用者表示更信任 ChatGPT 的推薦，理由是細節多、沒有廣告、個人化。被信任的推薦，加上已經配對過的條件，訪客落地時帶著的購買意圖，天生就高一截。

那要如何讓內容接得住個人條件？

把內容結構從覆蓋主題，改成承接條件。關鍵字研究回答的是「大家搜什麼主題」，接不住「什麼樣的人、在什麼情境、帶著什麼條件來問」。

我自己從兩件事開始。第一，從 Google Search Console 撈問句形狀的 query，當作真實 prompt 的代理樣本，看使用者帶著什麼條件在問。第二，挑一個最重要的產品場景，把「適合誰、什麼條件、怎麼取捨」寫清楚，然後拆解成不同的意圖 prompt 去問 AI 反覆測試，看內容接不接得住。

在可預見的未來，會有更大比例的流量在 AI 那層就被攔下。剩下的關鍵只有兩個：怎麼讓自己被 AI 推薦，以及進來的人，轉換率拉不拉得起來？

資料來源