搜索正在从排名系统，变成决策系统

本期时间范围：2026-05-18 至 2026-05-24。

这一周，搜索行业的主线很清楚：

搜索正在从“帮用户找网页”，变成“替用户做判断”。

过去，SEO 的核心问题是：我的页面能不能排到前面？

现在，问题变成了：

AI 会不会理解我？

会不会引用我？

会不会把我放进推荐列表？

会不会替用户继续追踪、比较、筛选，最后把用户带到我这里？

这不是一个小版本变化。

它意味着出海品牌、SaaS、工具类产品、内容站，都要重新理解“可见性”。

1. 搜索框不再只是入口，而是在变成任务系统

Google 在 I/O 2026 公布了新一代 AI Search。最关键的变化，不是 AI Mode 用户数超过 10 亿，而是搜索框本身被重新设计。Google 称这是 25 年来搜索框最大的一次升级：用户可以用文字、图片、文件、视频、Chrome 标签页发起搜索，搜索框会扩展成一个更长、更复杂的表达入口，并通过 AI 建议帮助用户把问题说清楚。

这说明 Google 不再只想处理关键词。

它想处理“意图”。

以前用户搜：

best language learning app

以后用户可能会说：

我下个月去日本，只有两周时间，希望找一个适合零基础、每天 15 分钟、最好能练口语的语言学习 App。

这类搜索不再是关键词匹配，而是一个小型决策任务。

对出海团队来说，这会改变内容生产方式。

页面不能只堆关键词。你需要让 AI 快速知道：

你是谁，

适合谁，

解决什么场景，

和其他方案有什么不同，

限制条件是什么，

用户什么时候不该选你。

如果这些信息分散、模糊、只写在营销口号里，AI 很难把你放进答案里。

可以先做一件小事：为核心产品页补一组“决策型内容”。

比如：

• 适合哪些用户
• 不适合哪些用户
• 和竞品的差异
• 典型使用场景
• 常见替代方案
• 价格、限制、兼容性
• 用户选择前最常问的问题

这些内容不是为了讨好搜索引擎，而是为了让 AI 在替用户做判断时，有材料可用。

2. Agent 会减少低意图流量，但可能提高到站用户质量

Google 同时公布了 Search agents。用户可以创建信息代理，让它在后台持续监控网页、新闻、社交内容、购物、金融、体育等实时信息，并在满足条件时给出综合更新。Google 举的例子包括租房、球鞋发售、服务预约等。

这件事对 SEO 很关键。

因为过去用户会反复搜索、点进多个网站、比较信息。

现在，这个过程可能由 Agent 完成。

用户看到的不是 10 个蓝色链接，而是一份筛选后的结果。

这会带来两个结果。

第一，很多泛流量会消失。用户不需要点进你的网站，只需要看 AI 总结。

第二，真正来的用户可能更接近决策阶段。因为 AI 已经帮他过滤了一轮。

Semrush 对 Google 信息代理和 Universal Cart 的解读也提到：Agent 可能减少网站访问量，但到站流量更高意图，优先页面需要承接更接近购买阶段的用户。

这对 SaaS 和工具产品尤其重要。

过去首页可能承担“教育用户”的任务。

未来，AI 已经替用户做过一轮教育。用户进入你的网站时，更可能在问：

能不能马上试？

价格合不合适？

有没有模板？

能不能迁移数据？

和我现在用的工具能不能配合？

有没有我这个行业的案例？

所以，落地页要少一点抽象愿景，多一点决策信息。

一个实用做法是：给每个核心场景做独立页面。

不要只做一个通用首页。

比如一个截图美化工具，不只是写“beautiful screenshots”，而是拆成：

• App Store screenshot maker
• iPhone mockup generator
• social media screenshot templates
• SaaS product screenshot examples
• product launch image kit

Agent 在做筛选时，更容易抓到具体页面，而不是一个什么都说一点的首页。

3. 购物搜索进入“代买”阶段，产品数据会变得更像基础设施

Google 还公布了 Universal Cart。它会把来自多个商家和服务的商品聚合到一个购物车里，并支持价格比较、找优惠、完成购买等动作。Semrush 提到，Universal Cart 将先在美国的 Google Search 和 Gemini 上线，之后扩展到 YouTube 和 Gmail；Google 也在推进 Agent Payments Protocol、Universal Commerce Protocol 等相关能力。

这说明搜索正在靠近交易。

以前是：

搜索 → 点击网站 → 浏览商品 → 加购 → 结账。

以后可能是：

说出需求 → AI 比较 → AI 推荐 → 直接加入统一购物车。

这对电商品牌影响很大，但对 SaaS 也有启发。

因为“被 AI 选中”的前提，不是广告语好听，而是数据足够清楚。

产品名、价格、库存、折扣、配送、评论、规格、适用场景、退换政策，这些都可能成为 AI 判断的一部分。

如果你的产品信息只有漂亮图片，没有可解析的数据，就很难进入机器决策链条。

出海团队可以提前做三件事。

第一，整理结构化产品信息。

第二，把价格、适用场景、FAQ、对比信息写清楚。

第三，开始记录 AI 平台如何描述你的产品。

不要只看 Google Search Console。未来还需要看 ChatGPT、Perplexity、Gemini、Copilot 是否提到你，提到时怎么说。

4. 广告也会进入 AI 答案内部，SEO 与 PPC 的边界继续变模糊

Google Marketing Live 2026 公布了 AI Mode 里的新广告格式：Conversational Discovery ads 和 Highlighted Answers。前者会根据更长、更具体的对话式需求生成广告创意；后者会把广告放进 AI Mode 的推荐列表里。Google 还提到，广告会带有 sponsored 标识，并配有 AI 生成的解释。

这说明广告不再只是搜索结果旁边的卡片。

它会进入答案结构本身。

比如用户不是搜“best diffuser”，而是问：

我想让家里闻起来像高级 spa 或雨后的森林，有没有低维护成本的方案？

Gemini 会理解上下文，再决定展示哪些商品和解释。

这件事有一个长期影响：

SEO、内容、广告、落地页会更难拆开看。

因为 AI 在判断广告是否相关时，不只看关键词，也会看创意、落地页、产品数据、第一方转化信号和上下文相关性。Search Engine Journal 也提到，这会让广告优化更依赖创意质量、落地页内容、结构化产品数据和第一方转化信号。

对小团队来说，不一定马上要投广告。

但你要意识到：未来自然曝光和付费曝光都在同一个 AI 决策环境里竞争。

所以内容资产要能复用。

一篇好的场景页，不只是 SEO 页面，也可能影响广告解释、AI 推荐、品牌引用、销售转化。

5. AI citation 开始可观测，grounding query 是一个值得重视的新信号

Microsoft Clarity 最近开放了 AI Citations 数据，可以看到 Copilot 引用你的网站时，对应的 grounding queries。简单说，用户问的是自然语言，AI 会把问题转换成更短、更可检索的查询，再用这些查询去找网页作为答案依据。

这很重要。

因为它让我们第一次更接近 AI 的“检索中间层”。

过去我们只能看到：

用户搜了什么关键词，

页面排第几，

有多少点击。

现在可以开始看到：

AI 为了回答问题，会把用户意图拆成什么查询，

哪些页面被拿来做依据，

哪些页面明明有排名却没有被引用。

文章里的案例显示，一个网站在 Copilot 中有 36,000 多次引用，并把 147 个 grounding queries 拿去对比 Google 和 Bing 排名。结果是：Bing 几乎都能排到这些查询，而 Google 一个都没有排到。

这给内容团队一个新思路。

不要只问“这个词有没有排名”。

还要问：

AI 会把用户问题拆成什么查询？

我们的页面能不能覆盖这些查询？

页面结构是不是足够清楚，让 AI 能摘取答案？

同一主题下，哪些页面该合并，哪些该拆开？

尤其是工具类产品，可以针对高意图问题建立“答案型页面”。

例如：

• best tools for creating Instagram carousel posts
• how to turn blog posts into social media carousels
• app store screenshot size guide
• AI content repurposing workflow

这些页面要有明确答案、步骤、对比、限制条件、FAQ。

不要写成空泛博客。

AI 需要的是可引用的事实块。

6. LLM 时代的优化不再天然可迁移

Duane Forrester 上周写了一篇很值得读的文章，核心观点是：过去 SEO 的经验可以跨搜索引擎迁移，是因为 Google、Bing、Yahoo 等长期共享了很多底层标准，比如 sitemaps、robots.txt、Schema.org。

但 LLM 不是这样。

不同模型有不同训练数据、不同爬虫、不同检索系统、不同对齐策略。OpenAI、Anthropic、Perplexity、Google 都有自己的 bot 和规则。Google Search 的建议，对 Gemini 有用，但不等于对 ChatGPT、Claude、Perplexity 都有用。

更麻烦的是，即使在 Google 内部，传统排名和 AI 引用也不完全一致。

文章提到，Ahrefs 对 400 万个 AI Overview URL 的分析发现，只有 38% 的被引用页面同时出现在同一查询的 Google Top 10；另有 BrightEdge 分析认为重合度更低。文章还引用了 AI Mode 与 AI Overviews 的差异：两者语义结论接近，但引用 URL 重合很低。

这意味着一个现实问题：

你不能只优化一个平台，然后假设其他平台都会跟上。

未来的 GEO 更像多平台可见性管理。

ChatGPT 怎么说你，

Perplexity 引用谁，

Gemini 抓什么页面，

Copilot 用哪些 grounding queries，

AI Overviews 是否引用你，

这些都可能不一样。

这对小团队确实更累。

但也有机会。

大公司往往会继续用旧 SEO 流程跑一段时间。小团队如果能更早建立“AI visibility audit”的习惯，反而能先看到新的内容空位。

一个简单流程：

1. 选 20 个与你产品强相关的真实问题。
2. 分别在 ChatGPT、Perplexity、Gemini、Copilot 里测试。
3. 记录是否提到你、提到谁、引用哪些来源。
4. 找出反复出现的第三方来源。
5. 补齐你官网缺失的信息块。
6. 尝试进入那些第三方来源，例如评测、目录、社区、教程、榜单、案例文章。

这不是传统意义上的“发更多文章”。

这是在训练整个互联网如何描述你。

7. Core Update 仍然重要，但它已经不是唯一战场

Google 在 5 月 21 日开始推出 May 2026 core update。这是 2026 年第二次 broad core update，预计最多需要两周完成。Google 没有发布新的配套说明，只在状态页说明这是一次核心更新。Search Engine Journal 提醒，不要根据早期波动作内容改动，至少等更新完成后一周，再对比 Search Console 数据。

这类更新仍然重要。

因为传统搜索还没有消失。

但它的重要性正在被重新放置。

过去，核心更新几乎就是 SEO 团队最重要的风险事件。

现在，它只是可见性系统中的一层。

你可能 Google 排名涨了，但 AI Mode 不引用你。

你可能 Copilot 引用很多，但 Google 搜索没排名。

你可能有自然曝光，但 AI 推荐列表里被竞品替代。

你可能拿到流量，但用户已经被 AI 教育完，只剩最后比较。

所以，出海团队不要把所有焦虑都放在 core update 上。

更合理的做法是分层看数据：

• Search Console 看传统搜索表现
• AI citation 工具看被引用情况
• LLM 手动测试看品牌提及
• Referrer 看 AI 平台带来的访问
• 转化漏斗看高意图流量是否承接住
• 内容审计看页面是否适合 AI 摘取

核心更新之后，不要急着改页面。

先判断变化来自哪里。

是排名变了，还是点击率变了？

是 AI Overview 抢走了点击，还是页面本身不再匹配意图？

是单页问题，还是整个主题集群变弱？

如果不拆开看，很容易把所有问题都归因给算法。

结尾：未来的搜索优化，是让机器也能准确理解你

本周这些变化连在一起看，指向同一个方向：

搜索正在进入“机器先读、机器先筛、机器先判断”的阶段。

用户当然还会访问网站。

但在很多场景里，用户访问你之前，AI 已经替他看过一轮。

这对内容团队提出了更高要求。

你不能只写给人看。

也不能只写给搜索引擎看。

你还要写给会检索、会总结、会比较、会推荐的 AI 系统看。

短期可以做这几件事：

1. 把核心页面改成可判断的页面：写清楚适合谁、不适合谁、场景、限制、价格、对比和 FAQ。
2. 建立 AI 可见性测试表：固定测试 20-50 个真实问题，记录各平台是否提到你。
3. 重视第三方语境：Reddit、YouTube、评测站、榜单、教程、社区讨论，都会影响 AI 如何理解品牌。
4. 补结构化信息：产品数据、作者信息、案例、步骤、表格、FAQ，都要清楚可抓取。
5. 不要只看点击：未来很多影响发生在点击之前，引用、提及、推荐位置都会变成增长信号。

SEO 没有结束。

它只是从“争排名”，变成了“争解释权”。

谁能让互联网更一致地描述自己，谁就更容易被 AI 带到用户面前。