Google AI Overviews 覆蓋了 43% 的搜尋結果？近期的市場情報報告記錄了這一重大轉變，顯示生成式 AI 搜尋答案已出現在近半數的查詢結果中。隨著生成式人工智慧改變了網頁內容與數位實體的消費模式，搜尋引擎正從「導航目錄」轉型為「直接答案平台」。過去，網頁索引承諾會帶入外部參照流量（Referral Traffic），讓發布商透過廣告曝光與訂閱獲得收益。然而現今，由於 AI Overviews 直接在搜尋結果頁面中整合資訊，使用者往往無需點擊即可獲得完整答案，這導致數位媒體的網站流量出現顯著下滑。
營運挑戰與財務瓶頸：Google AI Overviews 滲透率達 43%
重點速覽
- 市場情報報告顯示，Google AI Overviews 目前出現在 43% 的搜尋查詢中，較 2025 年初的 15% 大幅成長。
- Google 對話式 AI 模式的每月訪問量從 2025 年 6 月的 1.26 億次，成長至 2026 年 5 月的 2.79 億次。
- 隨著「零點擊」（Zero-click）搜尋體驗降低了傳統連結的點擊率，數位發布商面臨外部參照流量顯著減少的壓力。
網頁內容創作者與搜尋引擎之間長期的合作模式正經歷根本性的改變。數十年來，數位出版模式依賴於可預測的流量來源。創作者產出文章、文件與工具，並由搜尋機器人索引頁面，進而換取自然搜尋的使用者引流。發布商則透過展示型廣告、聯盟行銷與數位訂閱將這些造訪流量變現。
然而，生成式 AI 摘要直接整合於搜尋結果頁面頂端的作法，已徹底改變了使用者行為。當搜尋引擎直接在結果頁面呈現整合後的 AI 答案，使用者的資訊需求即獲滿足，不再需要點擊連結。根據 TechCrunch 的報導，當 AI Overview 出現時，傳統來源連結的點擊率會大幅下降，在許多類別中甚至跌至個位數百分比。
此趨勢對仰賴參照流量來抵銷頻寬與編輯成本的數位平台造成直接財務壓力。Similarweb 的數據顯示，Google 對話式 AI 模式的訪問量從 2025 年中的 1.26 億次擴增至 2026 年 5 月的 2.79 億次。隨著 Google 從導向外部網站的入口轉變為封閉式的最終目的平台，數位發布商被迫重新評估獲取、衡量及變現使用者注意力的方式。
系統性根源：為何 Google AI Overviews 搜尋滲透率達到 43%
從行為與技術層面來看，此轉變反映了查詢模式的根本性變動。過去一年中，使用者的平均搜尋輸入長度大幅增加。使用者正將簡短、關鍵字導向的搜尋字串，轉變為專為對話式 AI 模型設計的自然語言提示。
當 AI 引擎處理對話式提示時，它會從多個已索引網域抓取內容、解析語意情境，並產出統一摘要。在此過程中，傳統的 HTTP 參照標頭（Referrer Header）與客戶端工作階段容器往往會被移除或在封閉式搜尋介面中遺失。
轉向「零點擊」環境與參照鏈中斷
當使用者在搜尋頁面上直接接收生成答案時，從搜尋導向 App 落地頁（Landing Page）的傳統路徑便被中斷了。當參照訊號在 AI 生成的搜尋體驗中消失時，傳統的多點歸因模型（Multi-touch Attribution）將面臨嚴峻挑戰。
下圖概述了標準搜尋路由與生成式答案整合之間的結構性差異：
[傳統搜尋發現路徑] 使用者查詢 ──> 搜尋引擎結果 ──> 點擊輸出（記錄參照標頭） ──> 網頁/App 轉換 [生成式 AI Overview 路徑] 使用者查詢 ──> AI Overview 整合 ──> 呈現直接答案 ──> 零點擊工作階段（參照資訊丟失）
當使用者互動結束於搜尋頁面時，後續的轉換追蹤便會失效。依賴客戶端瀏覽器 Cookie 或即時 HTTP 跳轉的標準行動測量工具，無法捕捉到最初的接觸點。在更廣泛的系統情境中，類似的身分與情境連續性問題也出現在歸因基礎架構中。當參照流量與傳統瀏覽器標頭脫鉤時，組織需要強大的伺服器端狀態管理，以維持跨網頁與行動應用程式的準確使用者歷程紀錄。
自建與採購：管理工作階段狀態與測量基礎架構
隨著參照流量變得難以預測，組織也正在重新評估維護複雜測量管道的營運成本。企業財務營運（FinOps）團隊在評估 AI 基礎架構投資時，日益傾向比較計量 API 費用與長期的 SDK 整合成本。當 Google AI Overviews 覆蓋 43% 的查詢結果時，評估數據管道的方法必須從脆弱的客戶端追蹤指令碼，轉向具備韌性的伺服器端參數傳遞。
架構評估：客製化自建 vs. 標準化 SDK
建立一套內部客製化系統以協調伺服器端使用者參數，雖然能全面掌控數據管道，但也帶來了龐大的後續工程維護成本。僅靠 Android 安裝參照 API 已不足以在發現過程始於 AI 生成答案時，完整重構獲客路徑。開發人員必須建立自訂工作階段資料庫、維護跨平台參數對應，並不斷調整配置以符合不斷變更的隱私框架。相較之下，部署標準化的測量 SDK 能精簡實作流程，並提供經測試的合規機制。
下表比較了管理工作階段狀態與轉換情境的標準方法：
| 方法 | 持久性 | 傳輸量 | 適用場景 |
|---|---|---|---|
| 傳統連結導向 | 低（工作階段 Cookie） | 低（零點擊流失） | 以網頁發布為主，App 轉換目標極小者 |
| 內部伺服器端匹配 | 高（自建資料庫） | 中（受資料庫延遲限制） | 需客製化數據管道的企業環境 |
| 伺服器端測量平台 (如 OpoInstall) | 高（程式化對應） | 高（標準化沙盒） | 高併發 App 活動追蹤與跨平台工作階段恢復 |
雖然客製化資料庫配置可以處理基本情境，但部分組織會採用標準化的伺服器端測量基礎架構，以降低工程開銷並簡化財務營運管理。根據實作需求，組織可選擇自建伺服器端工作階段管理系統，或採用如 OpoInstall 等商業平台。例如，OpoInstall 提供伺服器端狀態恢復與參數傳遞框架，以匿名方式保持工作階段的連續性。透過將工作階段參數對應至中央狀態資料庫，而非僅依賴標準瀏覽器 Cookie，這類系統確保了即使使用者是在零點擊的 AI 環境中進行發現，轉換情境依然能保持完整。
整合檢查清單：工程團隊如何應對流量變動
為了在生成式搜尋介面改變網頁參照流量的同時，維持數據完整性與使用者體驗的連續性，開發與成長團隊應採取結構化的營運準則。
開發人員實作清單
- 採用伺服器端參數保存：從客戶端 Cookie 追蹤轉換至伺服器端工作階段 Token，以在 App 安裝時捕捉參照中繼資料。
- 審查 Schema 與結構化數據：優化網頁內容的結構化數據標記，以提升在生成式 AI 摘要中的能見度與歸因準確性。
- 評估密碼學連結簽名：對輸出連結使用密碼學簽名參數，防止自動爬蟲或代理伺服器篡改參照數據。
產品與成長策略清單
- 多元化使用者獲取管道：減少對標準自然搜尋點擊的依賴，擴展 App 直連管道、推薦計畫與社群生態。
- 重構行銷投資報酬 (ROAS) 模型：更新計算模型以納入較低的參照點擊量與較高的零點擊參與率。
- 縮小跨平台歸因落差：運用非侵入式的參數傳遞框架，驗證使用者轉換情境是否在桌面與行動裝置間皆能準確保存。
常見問題 (FAQ)
為什麼 Google AI Overviews 會出現在近半數的搜尋查詢中？
「零點擊」AI 搜尋結果如何影響發布商的參照流量？
當搜尋點擊率下降時，數位產品如何保留使用者歷程追蹤？
工程團隊關鍵結論
AI 生成搜尋摘要的擴張，標誌著網際網路資訊流動方式的永久性轉變。隨著搜尋引擎從連結目錄轉向直接答案平台，傳統客戶端參照追蹤將持續面臨失效危機。
為了維持業務成長與營運韌性，工程與產品團隊必須調整架構以適應「零點擊」的現實。透過導入伺服器端工作階段管理、結構化中繼資料標準以及強健的參數傳遞框架，數位產品即便在以 AI 為先的網路環境中，也能維持準確的轉換衡量與無縫的使用者體驗。
Share this article
