Search Engine Land 在 2026 年 6 月 9 日报道，2026 年前四个月，美国 Google 搜索中有 68.01% 没有产生点击。原始 SparkToro 研究 使用 Similarweb 的桌面和移动网页面板数据，结论是 Google 正在把更多搜索行为留在结果页内。
这不等于“SEO 死了”。更准确的说法是：点击量已经不能完整代表搜索价值。SEO 团队仍然要建设可抓取、可索引、有用的页面；GEO 团队还要衡量 AI 答案、Google AI features 和零点击结果是否正确表达品牌。
快速结论
Google 零点击搜索重要，是因为它削弱了“自然流量就是 SEO 价值”的旧汇报方式。当更多用户在 Google 内部得到答案，团队需要更宽的仪表盘：点击、曝光、排名、AI 引用、品牌措辞、辅助转化、直接需求，以及页面作为证据的质量。
| 变化 | 为什么重要 | 接下来衡量什么 |
|---|---|---|
| 2026 年 1-4 月，美国 Google 搜索 68.01% 没有点击 | 很多搜索互动不会变成网站 session | 搜索可见度、答案出现、品牌措辞、点击质量 |
| 2024 到 2026 年，至少一次点击的搜索占比下降 | 流量可能下降，但需求仍然存在 | 转化率、辅助收入、品牌搜索、直接访问 |
| AI Overviews 和 AI Mode 影响答案层 | 用户可能在点击前就形成判断 | AI 引用、supporting links、答案准确性、实体一致性 |
| 研究期内 AI Mode 占比仍很小 | 68% 不是单纯由 AI Mode 造成 | 拆分 AI Mode、AI Overview、传统 SERP 和继续搜索影响 |
2026 年研究到底说了什么
SparkToro 的 2026 年分析显示，2026 年 1 月到 4 月，美国 Google 搜索有 68.01% 没有点击。同一研究提到，2024 年美国 Google 零点击搜索为 60.45%，也就是说，两年内上升了 7.56 个百分点。
研究还显示，2024 到 2026 年，至少产生一次点击的搜索占比下降了 9.51 个百分点。这个口径包含自然结果、付费广告和 Google 自有资产，例如 Maps 和 YouTube，但不包含用户在 Google 内继续搜索。Search Engine Land 也总结到，同期引导用户再次 Google 搜索的占比上升了 7.2 个百分点。
方法边界必须说清楚。SparkToro 说明，2026 年数据来自 Similarweb 的桌面和移动网页面板，覆盖美国 Google 搜索，并假设三分之二为移动端、三分之一为桌面端。研究不包括 Google 移动搜索应用。所以 68.01% 是很强的趋势信号，但不能直接套到所有国家、设备、行业和历史对比里。
为什么这是 GEO 问题，不只是 SEO 问题
传统 SEO 关心页面能否排名、能否拿到点击。GEO 关心品牌是否在 AI 生成答案和答案型搜索体验中被正确呈现。零点击上升后，GEO 变得更重要，因为答案本身可能就是用户第一次理解品牌的地方。
Google AI features guidance 说明，AI Overviews 和 AI Mode 仍然适用基础 SEO 最佳实践。页面需要可索引、有 snippet 展示资格、可抓取、可通过内链发现，并且要有可见文本、图片、视频和与页面内容一致的结构化数据。Google 也说明，AI features 相关流量会计入 Search Console 的 Web search type，而不是一个单独清晰的报表桶。
这就产生了指标缺口。一个页面可能帮助 AI Overview 回答了问题，但用户没有点击；这份内容仍然可能影响品牌记忆。反过来，如果答案引用了竞品，或错误描述了你的产品，单看流量报表也可能低估风险。
新的衡量栈
不要再只看一条自然流量曲线。用四层仪表盘：
| 层级 | 指标 | 为什么要进入报告 |
|---|---|---|
| 搜索需求 | 曝光、品牌 query、非品牌 query 家族、继续搜索 | 判断需求是否仍在，即使点击下降 |
| 点击质量 | session、落地页、参与度、转化率、辅助 pipeline | 区分“点击少了”和“点击变差了” |
| 答案可见度 | AI Overview 出现、AI Mode 链接、ChatGPT/Perplexity/Gemini 引用、品牌提及 | 捕捉零点击影响和引用风险 |
| 实体强度 | 首页清晰度、About 一致性、产品事实、schema、第三方资料 | 帮助 AI 系统把正确事实连接到正确品牌 |
Search Console performance reports 仍然重要，它能看 query、页面、点击、曝光、CTR 和排名。Google Analytics 默认渠道组文档 也有用，因为它能区分 Organic Search、Referral、Direct 等流量来源。但这些工具本身不能告诉你，零点击答案是怎么描述品牌的。
这个月应该做什么
先处理那些零点击会影响业务结果的页面和 query。
- 拆分 query 类型：品牌、本地、高意图交易、战术 how-to、定义、对比和新闻。
- 找出已经有曝光但点击变弱的页面。它们不一定失败，也可能正在成为 AI 答案或零点击结果里的证据页。
- 在 Google AI features、ChatGPT、Perplexity、Gemini 和 Bing Copilot 里测试重点问题，记录品牌是否出现、如何被描述、引用了哪些 URL。
- 重写薄弱来源页，把定义、判断标准、限制、日期、证据和下一步行动放到容易被抽取的位置。
- 把零点击可见度和业务信号连起来：品牌搜索、直接访问、demo 请求、付费搜索抬升、newsletter signup 和辅助转化。
这也是 Convertos.ai 的 AI visibility snapshot、GEO 资源 和 SEO 资源 应该一起看的原因。目标不是替代 SEO 报告，而是补上传统报告看不到的答案层影响。
SEO 仍然在哪些地方有效
零点击趋势不会平均影响所有 query。SparkToro 原文特别提到，部分类型仍然明显受益于 SEO，包括品牌搜索、本地业务，以及高意图交易型或战术型 query。
这些类型仍然需要正常 SEO 工作：可索引页面、清晰内链、好标题、有帮助的内容、良好页面体验和可用的转化路径。同时，它们也需要 GEO 工作：实体清晰、产品事实一致、对比信息可抽取，以及能被 AI 答案引用的证据。
更好的理解方式不是 SEO 对抗 GEO，而是 SEO 负责资格，GEO 负责表达。SEO 让页面能被搜索系统发现和使用；GEO 检查答案层是否准确使用这些页面。
常见错误
| 错误 | 为什么伤害大 | 更好的做法 |
|---|---|---|
| 把 68% 当成所有市场通用数字 | 研究是美国网页面板数据，不包含 Google 移动搜索应用 | 把它当成强趋势信号，再按市场和 query 类型拆分 |
| 只汇报自然 session | 零点击答案可能在 session 前影响需求 | 加入曝光、品牌需求、AI 引用和辅助转化 |
| 放弃 SEO | Google 说 AI features 仍然基于基础 SEO 最佳实践 | 保留技术 SEO 和内容质量工作，但扩展指标 |
| 写泛泛的“最佳”页面 | AI 答案需要标准、限制和证据 | 发布对比表、适配场景、限制说明和证明 |
| 不看品牌措辞 | 错误答案即使没有带来一次点击，也可能伤害品牌 | 监测 AI 和 SERP features 如何描述品牌 |
FAQ
68% 零点击是否说明 SEO 不值得做了？
不是。它说明点击只是价值的一部分。SEO 仍然让页面具备资格和可引用性，GEO 则衡量答案是否正确使用这些页面。
来源信号：Search Engine Land 报道、SparkToro 研究和 Google AI features guidance。
Search Console 能单独看 AI Overview 流量吗？
Google 说 AI features 会计入整体 Search traffic，并在 Web search type 下报告。团队应该把 Search Console 当基线，再额外监测 AI 引用和答案措辞。
来源信号：Google AI features 文档和 Search Console Performance 文档。
出版商是否应该减少内容投入？
不应该。应该减少只为抢点击而存在的内容。真正有用的页面仍然会影响搜索答案、AI 引用、品牌需求和高意图转化。
来源信号：SparkToro response section 和 Google helpful-content guidance。
应该优先保护哪些 query？
先保护品牌、本地、高意图交易、对比和战术 how-to query。这些 query 的点击、答案措辞和转化路径最容易影响业务结果。
来源信号：SparkToro 的类别 caveat 和 Convertos.ai GEO measurement workflow。
内容声明
本文研究时间为 2026 年 6 月 12 日，参考 Search Engine Land 报道、SparkToro 原始研究、Google Search 文档、Google I/O 2026 AI Search 更新，以及 Ahrefs 对 AI Overview 点击影响的研究。零点击比例需要按市场、设备、query 类型和数据源解读，因为不同研究的面板和方法并不完全一致。