先看一个例子
美国一家水管公司曾凭借"怎么修漏水的水龙头"（how to fix a leaky faucet）一词排在 Google 首位，月均访客 1400 人，但转化电话为零。原因在于搜索该词的用户旨在 DIY 维修，而 Google 如今直接在搜索结果页通过 AI 摘要展示了完整的四步维修教程及工具建议，甚至右侧关联了 YouTube 视频。
用户无需进入任何网站即可完成维修。这并非排名下降或算法惩罚，而是关键词本身的性质发生了改变：AI 直接终结了用户的信息需求。
你手上的词，其实分三种
AI 摘要并非均匀地吞噬所有流量，它主要针对"一段文字即可解答"的问题。根据 seoClarity 对 5 亿个美国关键词的追踪研究，可将关键词分为三类：
第一种：被完全替代。定义型、操作型问题（如"什么是 XX"、"怎么做 XX"）。AI 直接给出完整答案，用户无需点击网站，此类流量基本归零。
第二种：部分被截流。对比型、调研型问题（如"A 和 B 哪个好"）。AI 会提供总结，但用户出于谨慎仍会点击 2-3 个网站进行验证。点击量减少，但仍有留存。
第三种：AI 无法替代。本地服务、交易型问题（如"XX 市 24 小时通下水道"）。此类需求的终点是联系真人或服务，AI 无法在线完成交付。虽然本地词也开始出现 AI 摘要，但其形式多为地图和商家列表（名称、评分、地址），本质是指路而非解题。
在本地服务场景中，AI 的作用是决定将用户指向哪家商家，而非替用户解决问题。
纠正一个常见误判
许多从业者认为"排名未掉则不受 AI 影响"，这一观点在当下已不成立。Ahrefs 数据显示，一旦搜索结果出现 AI 摘要，即便排名第一，点击率也会下跌 58%，第十名跌幅达 19.4%。SparkToro 统计显示，近七成搜索呈现"看完即走、零点击"的状态。因此，排名稳定不代表流量安全。
三层框架：把你的词摆进去
基于上述分析，构建关键词价值评估模型：
| 层级 | 什么样的词 | AI 干了什么 | 对生意的价值 |
|---|---|---|---|
| 第一层 | 定义型、科普型（什么是、怎么做） | 完整答完 | 低 |
| 第二层 | 对比型、调研型（A 和 B 哪个好） | 点击变少，但还有 | 中 |
| 第三层 | 本地、报价、行动型（附近、多少钱、预约） | 答不了，必须找人 | 高 |
以牙科诊所为例：
- "什么是牙冠"：AI 三句话讲完，属第一层，商业价值低。
- "牙冠和贴面哪个好"：AI 提供对比，但涉及医疗决策，用户仍需多方验证，属第二层，存在机会。
- "芝加哥 牙冠 多少钱"：用户意在寻找诊所，属第三层，商业价值最高。
在第二层关键词中，虽然 AI 给出了基础对比，但其引用的来源多为专业诊所网站。这意味着企业虽难抢回所有点击，但有机会成为 AI 推荐的可信源。当前最大的策略误区，是将大量预算投入到已被 AI 完全覆盖的第一层内容中。
怎么给自己的词分析
第一步：从 GSC 拉取真实流量词
摒弃工具预测数据，直接使用 Google Search Console (GSC)。提取最近 6 个月按点击量排序的前 20 至 50 个真实搜索词。
第二步：数据筛选与诊断
结合点击量、展示量（Impressions）和平均排名三个维度进行判断：
| 点击 | 展示 | 排名 | 结论 |
|---|---|---|---|
| 下降 | 下降 | 变差 | 真实排名下滑，与 AI 无关 |
| 下降 | 持平或上涨 | 稳定或更好 | 答案被 AI 截流 |
| 下降 | 下降 | 未变差 | 话题热度衰退，无人搜索 |
重点关注第二行情况：排名稳固但点击暴跌，即为 AI 摘要所致。
第三步：人工搜索验证
将关键词逐一放入 Google 搜索，自问："看完搜索结果页，用户还需要点击网站吗？"若不需要，则该词属于第一层。
第四步：压力测试与微调
注意词汇细微差别带来的性质变化。例如"牙冠多少钱"可能指向询价（有救），而"牙冠平均多少钱"则指向信息查询（没救）。分类时需代入用户当时的具体意图。
第五步：流量与线索对标
将关键词带来的访问量与实际询盘、电话数量进行比对。圈出那些"高流量、零转化"的词汇，这通常意味着选词策略错误，而非转化率问题。
第六步：盘点内容分布
统计现有文章内容，评估有多少属于纯科普型（第一层），有多少能直接带来业务（第二、三层）。
第七步：制定执行策略
- 留：对于仍能带来品牌曝光或被 AI 引用建立认知的内容，暂时保留。
- 改：重点优化第二层关键词内容，提升其作为 AI 信源的权威性，此类投入产出比最高。
- 停：对于高流量但零转化、且已被 AI 完全解答的内容，停止资源投入。