品牌词搜索量下降，AI 替代通常只解释其中一部分，而不是全部。 在 MaxAEO 的 42 品牌监测样本里，品牌词搜索指数同比下滑 ≥10% 的品牌中，只有约 19% 可判定为「AI 替代主导」，其余由品类需求下行（33%）、竞品挤压（26%）、季节性（15%）解释。
这篇文章不讨论"AI 会不会杀死搜索"这类口号命题，只解决一件事：当你的品牌词搜索指数掉了 15%，怎么用可复算的方法判断这 15% 里 AI 替代占几个百分点。
归因错了，后面所有动作都会跑偏。真实原因是品类需求下行，你却把预算砸进 AEO 优化，AI 提及率可能真涨了，但生意不动；真是 AI 替代，你却继续加投品牌词 SEM，等于在一个正在萎缩的入口上加价。
值得对照的是，Gartner 在 2024 年曾预测到 2026 年搜索引擎搜索量将下降 25%。这个时间点已经过去，行业实际发生的不是搜索总量塌方，而是特定环节的分流——尤其是"选品牌"这一步。分流是局部的，所以归因必须是局部的。
什么是「AI 替代型下滑」
AI 替代型下滑指的是：用户对你所在品类的需求没有减少，但"先搜品牌名再决策"这个动作被 AI 对话取代，导致品牌词搜索量下降而 AI 提及率不降反升。
判定它需要同时满足三个特征，缺一条都不成立：
- 品类词搜索指数平稳或上涨——需求没跑，跑的是路径；
- 你的 AI 提及率同期上升或至少持平——用户在 AI 里确实看到了你；
- 下滑集中在"了解型"品牌词（品牌名+怎么样、品牌名+对比、品牌名+推荐），而"交易型"品牌词（品牌名+官网、品牌名+旗舰店）相对抗跌。
第三条最容易被忽略，却最有分辨力。AI 接管的是"要不要选它"，接管不了"我已经决定了，现在去哪买"。如果你的交易型品牌词跌得和了解型一样狠，那八成不是 AI 的事，是品牌本身在失血。
在我们的样本里，5 个 AI 替代主导品牌的了解型与交易型品牌词跌幅差在 9 到 21 个百分点之间；而品类需求下行的品牌，这两类词的跌幅差普遍在 5 个百分点以内。跌幅差是最省事的第一道筛子——只需要一次关键词分组，不需要任何 AI 侧数据。
四种成因怎么区分：一张信号鉴别表
搜索量下滑的成因有四种，它们在数据上留下的痕迹完全不同。把品类词、自家品牌词、竞品品牌词、同比同期、AI 提及率这五列并排看，四种成因基本可以分离。
| 主导成因 | 品类词 | 你的品牌词 | 竞品品牌词 | 同比同期 | 你的 AI 提及率 |
|---|---|---|---|---|---|
| 品类需求下行 | ↓ | ↓ | ↓ | 明显低于去年 | 持平或 ↓ |
| 竞品挤压 | → | ↓ | ↑ | 低于去年 | 持平或 ↓，竞品 ↑ |
| 季节性 | ↓ | ↓ | ↓ | 与去年同期形状吻合 | 无明显变化 |
| AI 替代 | → 或 ↑ | ↓ | 多数也 ↓ | 低于去年 | ↑ |
表里最反直觉的一格是 AI 替代下的"竞品品牌词多数也 ↓"。**真正的 AI 替代不是你一家掉，是整条赛道的品牌词一起掉，而品类词不掉。**因为被替换的是"搜索品牌名"这个动作本身，不是某一个品牌的吸引力。
如果只有你在掉、竞品在涨，那更可能是竞品挤压，只不过战场从百度挪到了 AI 对话里。两种情况的应对完全不同：前者要重建监测口径，后者要拆竞品是靠哪些 prompt、哪些引用来源把你挤出去的——先看它们的提及语境是正面推荐还是被动罗列，这决定了你要抢的是排位还是叙事（可参考AI 品牌情感分析的拆解维度）。
五步归因流程：把搜索指数和 AI 提及率放到同一张时间轴
归因不需要复杂模型，需要的是口径统一和顺序正确。按下面五步走，一次完整诊断约需 3–5 个工作日。
- 先证明下滑是真的。 检查统计口径有没有变（GA4 事件改版、指数工具算法调整、地域筛选变化），剔除大促周、公关事件周等异常值。Google 官方的搜索流量下降排查文档把"技术性下滑"和"需求性下滑"分得很清楚，值得先跑一遍。
- 拉三条搜索曲线。 在同一时间轴上放：你的品牌词、2–3 个品类词、Top 3 竞品品牌词。用百度指数的周度值，不要用日度值，日度噪声会盖掉趋势。
- 用同比，不用环比。 季节性只有同比能排除。把今年曲线和去年同期叠在一起看形状，形状吻合、绝对值也接近，就是季节性，到此为止。
- 叠加 AI 提及率曲线。 同样按周粒度，覆盖 DeepSeek、豆包、Kimi、通义千问等主流平台，每个平台至少 40 条固定 prompt。单平台、单次问答的结果不能用——同一个问题在不同 AI 上的答案分歧度很高，单点抽查会把随机波动读成趋势。
- 拆了解型/交易型，再给置信度。 把品牌词按意图分两组算跌幅差，对照上一节的鉴别表定主导成因，并标注证据强度：三条特征全中记为"高置信"，只中两条记为"待观察"，不要硬下结论。
第 4 步是多数团队卡住的地方。搜索侧数据是现成的，AI 侧数据需要主动建立监测，而且必须和搜索侧对齐到同一个周粒度，否则两条曲线没法比对。
顺序不能调换。 先做第 4 步再做第 1 步，会出现一种典型误判：看到 AI 提及率涨、搜索跌，直接下 AI 替代结论，但下滑其实来自 GA4 口径变更。样本里 3 次伪阳性都源于跳过第 1 步。
一手数据：42 个品牌 35 周的交叉观测结果
下面这组数据来自 MaxAEO 的内部监测样本，不是行业普查，仅代表这批品牌在这个时间窗内的表现。
监测方法： 42 个中国市场品牌（消费品 19 个、电商/DTC 11 个、B2B SaaS 12 个），时间窗 2025 年 10 月 1 日至 2026 年 5 月 31 日共 35 个自然周。每个品牌配置 60–120 条固定 prompt，覆盖 DeepSeek、豆包、Kimi、通义千问四个平台，每周抓取一轮。搜索侧同步采集品牌词、品类词、3 个竞品品牌词的周度指数。
样本局限： 42 个品牌不足以做行业外推，B2B SaaS 的品牌词基数普遍偏小（周均指数多在三位数），比例波动天然更大；prompt 集由各品牌团队自行拟定，覆盖偏好不完全一致。这些数字应当当作"判断方向的参照"，不是"可直接引用的行业基准"。
其中 27 个品牌的品牌词搜索指数同比下滑 ≥10%，归因结果如下：
| 主导成因 | 品牌数 | 占比 |
|---|---|---|
| 品类需求下行 | 9 | 33% |
| 竞品挤压 | 7 | 26% |
| AI 替代主导 | 5 | 19% |
| 季节性 | 4 | 15% |
| 混合 / 证据不足 | 2 | 7% |
三个值得记住的观察：
第一，AI 替代主导只占 19%。 把所有下滑都归因给 AI，在这个样本里的错误率约 81%。
第二，"提及涨、搜索跌"是最可靠的信号组合。 5 个 AI 替代主导的品牌中有 4 个，同期 AI 提及率是上升的，涨幅区间 +14% 到 +31%，中位数 +23%。反过来说，如果 AI 提及率和搜索指数一起跌，几乎可以排除 AI 替代——AI 没在推荐你，也就无从替代你。
第三，AI 提及率的拐点平均领先搜索指数拐点 6–9 周（中位 7 周）。 这意味着 AI 提及率可以当先行指标用。等到品牌词搜索指数掉下来再反应，已经晚了一个半月。
三个匿名案例可以看出差别：
- 案例 A（真 AI 替代） 家用净水品牌。品类词"净水器怎么选"周均指数同期 +6%，品牌词 −18%，四平台 AI 提及率从 31% 升到 44%。了解型品牌词 −26%、交易型 −7%，跌幅差 19 个百分点。三条特征全中，高置信。
- 案例 B（伪 AI 替代） B2B 数据中台厂商。品牌词 −24%，看起来最像被 AI 吃了。但品类词同期 −21%，AI 提及率从 27% 掉到 19%，了解型与交易型跌幅差只有 3 个百分点。真实原因是品类预算收缩加自身声量下滑，与 AI 无关。
- 案例 C（竞品挤压） DTC 香氛品牌。品牌词 −13%，品类词 +2%，自家 AI 提及率 22%→20% 基本持平，但两个竞品在"香氛推荐"类 prompt 的提及率从 18% 升到 39%。战场确实在 AI 里，但问题是竞争，不是替代。
案例 B 这类伪阳性在样本里出现了 3 次。共同特征是：团队先有了"肯定是 AI"的假设，再去找支持它的数据。加一条品类词曲线就能戳破。
AI 替代还是「口径失真」：先排除的两类假信号
在四种真实成因之外，还有两类下滑根本不是需求变化，而是测量本身出了问题。它们伪装成 AI 替代的概率最高，必须先排除。
第一类，指数工具口径变更。 搜索指数不是绝对搜索量，是平台算法加工后的相对值。工具侧调整采样源、加权方式或反作弊规则，会让曲线在某一周出现无业务原因的台阶。识别方法：看同一时间点上你的品类词和竞品词是否同向同幅变动——如果整个面板一起下移，那是工具问题，不是你的问题。
第二类，AI 平台模型更新造成的阶跃。 一次模型迭代就可能让某类品牌的提及率整体上移或下移，这种模型更新引发的可见度跳变不是你做对或做错了什么。识别方法：提及率曲线在单周出现阶跃、且同平台内多个对照品牌同向变动，先查当周有没有版本发布，再决定要不要把该周剔除。
这两类假信号的共同处理原则：在归因前先把异常周标记出来，不要让它们参与同比计算。 样本 35 周里，我们剔除了 2 个平台侧异常周和 1 个大促周，共 3 周。
五个把归因带偏的常见错误
用单次问答代表 AI 提及率。 问一次 DeepSeek 没提到你，不等于提及率是 0。同一问题在不同 AI 上的答案差异、同一平台不同时间的答案漂移，都远超多数人直觉。样本量不够，得到的是噪声不是信号。更细的一层是引用来源本身也会随时间从答案里消失，提及率跌不一定是模型不喜欢你，可能是它引的那篇内容不再被召回。
用环比代替同比。 环比看不出季节性。教育品类 7 月掉、家电品类 3 月掉，都是年年如此，和 AI 一点关系没有。
把测试条件当常量。 同一批 prompt 换个提问顺序，答案里出现的品牌就可能变——提问顺序对推荐结果的影响是真实存在的偏差来源。做趋势对比时，prompt 文本、顺序、账号状态都要固定，否则你测的是测试方法的变化，不是品牌可见度的变化。
把搜索量等同于需求总量。 AI 时代有大量高价值但零搜索量的问题，用户只在对话里问，从不在搜索框输入。用搜索指数衡量这部分需求，天然会低估。判断这类低频高价值需求需要另一套证据。
只看提及率数字，不看提及语境。 提及率涨了但生意没动，常见原因是 AI 提到你的场景不是你想主打的场景——被列进"平价替代"和被推荐为"首选"，在数字上没有区别。数字好看、转化不发生，提及率就成了虚荣指标。
判定为 AI 替代之后，该改什么
如果三条特征全中、置信度为高，接下来要改的不是投放策略，是衡量体系。
第一步，给品牌词搜索指数降级。 它从"核心 KPI"变成"辅助信号"。取而代之的主 KPI 是三个：AI 提及率（品类相关 prompt 中被提到的比例）、推荐位次（被提到时排在第几）、引用来源占比（AI 引用的内容里有多少来自你可控的域）。
第二步，把监测粒度从品牌名下沉到决策问题。 不要只监测"XX 品牌怎么样"，要监测"预算 3000 以内的净水器推荐""XX 和 YY 哪个更适合小户型"这类真正影响选择的 prompt。这些问题的答案里有没有你，才是搜索量流向哪里的直接原因。
第三步，给问题排优先级。 长尾 prompt 可以无限列，但预算不能。按商业价值、竞争缺口、可干预性三个维度打分，先做高价值且有缺口的长尾问题，不要平均用力。
第四步，设置领先指标预警。 既然 AI 提及率领先搜索指数约 7 周，就应该在提及率连续 3 周下滑时报警，而不是等季度复盘时看搜索指数。
第五步，明确谁负责。 这套指标横跨 SEO、内容、品牌三个职能，最容易的失败模式是所有人都在看、没有人负责修。上线新 KPI 的同时要指定单一负责人和复盘节奏，AI 搜索可见度的归属划分本身就是个需要提前定的问题。
最小可行的监测配置是什么
最小配置 = 40–80 条固定 prompt × 3 个以上平台 × 每周一轮 × Top 3 竞品对照组。 不需要一上来就铺全量。四项要素展开：
- prompt 集：40–80 条，覆盖品类选择、场景推荐、竞品对比、价格带四类问法，固定不变以保证可比性；
- 平台：至少 3 个，DeepSeek、豆包、通义千问是国内覆盖度基线，B2B 品牌可加 Kimi；
- 频率：每周一轮，与百度指数的周度粒度对齐；
- 对照组：Top 3 竞品用完全相同的 prompt 集监测，否则只有绝对值没有相对位置。
这套配置跑满 8 周就能画出第一条有意义的对照曲线，跑满 6 个月才具备做同比归因的条件——这也是为什么建议现在就开始建，而不是等搜索量掉了再补。
自建还是买工具？ 分界线是平台数和频率：单平台、每月一次的抽查，用脚本加人工可以扛；三平台以上、每周一轮、还要维护竞品对照组，人工成本会在第二个月超过工具成本。评估外部工具时，重点看它是否支持固定 prompt 集、是否保留历史快照、是否能导出原始答案文本——这三项决定了数据能不能做同比，采购时该验的需求清单比功能列表更值得对照。
参考量级：QuestMobile 数据显示，2026 年 3 月国内 AI 原生 App 月活规模已达 4.4 亿，豆包、千问、DeepSeek 分别为 3.4 亿、1.7 亿、1.3 亿。这个体量下，AI 对话已经是一个不能不监测的入口，但它有多大程度替代了你的品牌词搜索，仍然要靠你自己的数据说话。
常见问题
问：品牌词搜索量下降多少才算异常？
同比下滑 10% 以内且品类词同步波动，属于正常区间，不必启动归因。同比下滑超过 15%、且品类词平稳，才值得投入一次完整诊断。单周或单月的波动不构成信号。
问：没有历史 AI 提及率数据，还能做归因吗？
可以做部分归因。用品牌词、品类词、竞品品牌词三条搜索曲线，加上了解型/交易型品牌词的跌幅差，已经能分离出品类需求下行、竞品挤压和季节性三种成因。剩下无法解释的残差部分，是 AI 替代的嫌疑区间，但无法确证。建议立刻开始采集 AI 侧数据，8 周后即可补齐。
问：AI 提及率涨了，品牌词搜索量还是跌，这算好事还是坏事？
取决于生意指标。如果直接访问、店铺搜索、销售线索没有同步下滑，说明用户只是换了发现路径，问题不大。如果这些也在跌，那 AI 提及率涨可能是虚荣指标——被提到了，但没被推荐成首选，或者被提到的场景不对。
问：AI 的推荐结果本身会不会因人而异，导致监测数据不可比？
会有影响，但没到让监测失效的程度。个性化主要影响单次答案，不影响足够大的固定 prompt 集在周维度上的聚合比例——ChatGPT 个性化程度的对照测试显示，同一 prompt 在不同账号状态下的品牌集合有重叠也有差异。实操上用统一账号状态（登录/未登录固定一种）、固定 prompt 集、按周聚合，就足以做趋势对比。
问：品牌词搜索量下降 AI 归因需要多长的数据窗口？
最少 6 个月，理想 12 个月。少于 6 个月无法做同比，季节性排除不掉；少于 3 个月连趋势都算不出来，只能看到噪声。
问：这套方法适用于 B2B 品牌吗？
适用，但要调两个参数。B2B 品牌词搜索量基数小，波动比例天然更大，异常阈值应放宽到 20%；同时决策周期长，AI 提及率到搜索指数的滞后期通常比消费品更长，样本中 B2B 品牌的中位滞后约为 11 周。