把矛盾的两组调研拆开,它们测的本来就不是同一类问题。艾瑞那轮调研里,AI 搜索对用户价值排前三的是「个人效率助手」「复杂问题的整合答案」「理解陌生概念」,全是开放型问题。本地服务那一头变化更陡:BrightLocal 2026 年的调研里,用 AI 找本地服务的消费者一年内从 6% 涨到 45%。用户在分流,不是搬家。
同一个问题按类型分流:确定型留在搜索框,开放型先落到对话框
四、两边的毛病都没消失,只是换了位置
AI 搜索修好了「要自己拼」,带来了几个新毛病。幻觉:模型在不熟的领域会为句子连贯补出不存在的细节,学术参考文献是最典型的翻车区——期刊名是真的,文章查不到。时差:训练数据有截止日期,联网也常抓到旧稿,「AI 给的还是几年前的信息,怎么更新」这句问话本身就说明问题在可控性。答案分岔:有机构统计过 1600 万条 AI 引用,四个模型的信源各有偏好——豆包的前五大信源里三个来自字节系,元宝对公众号可见性更高,DeepSeek 常引知乎和 CSDN,Kimi 偏好公众号长文。同一句话在两个模型里问,措辞、引用的品牌、结论都可能对不上。
传统搜索那头的毛病一条没少:广告挡在结果前面、同质化内容互相抄、答案还得自己拼。一个是你得自己动手,一个是轮不到你动手。
对话式 AI 带来的四个新问题,与传统搜索一直没解决的三个问题:短板不在同一个位置
同一句话,两个模型给出的答案能差出很远
拿一个消费品问句去试:在豆包和 DeepSeek 上各问一遍「XX 这个牌子怎么样」。一个更可能引用到抖音文案、头条文章这类短平快的内容,答案口气偏口语、偏场景;另一个更可能引到知乎的长回答和技术社区的分析,答案偏结构、偏参数。两段答案里的品牌、理由、甚至结论倾向都可能对不上。
这不是某一方出错。模型的检索池不同,从池子里捞出来的片段就不同,组织出来的话自然不同。对品牌来说,这一条直接决定了铺内容的位置要先选哪几个,而不是把同一句话在十几个平台各贴一遍。
五、名额从十个压到两三个,位置的形成方式也变了
传统搜索结果页一页十个位置,排第六也有人看。对话式 AI 给的答案通常两三个名字。名额少到什么程度,SOCi 2026 年的本地可见度指数量过:传统 Google 本地三包覆盖 35.9% 的商家,Gemini 推荐到 11%,Perplexity 7.4%,ChatGPT 只有 1.2%。同一个城市同一批店,能被 AI 说出口的名额少了一个量级。「为什么 AI 推荐的都是大品牌,没有我们这种本地商家」,问的就是这件事。
这两种位置的形成方式也不一样。搜索结果页的名次由排名算法定,排第几都还是个位置;AI 的提名是模型从自己信任的一批来源里,把关于你的说法汇集出来的判断。同一件事在不同地方被说成两个样子,它把你写进回答的理由就少一条。同一个品牌在不同 AI 里待遇可能完全不同——内容落在哪、被谁读到,直接决定它在哪个模型里被提起。
AI 摘要出现时首页点击率掉 58%,答案里的引用链接只有 1% 的人点。「有没有被提到」和「有没有人点进来」已经是两笔账,前一笔的重量在涨。
传统搜索一页十个位置,对话式 AI 的答案里只有两三个名字:没被写进去,这次查询里就不存在
六、回到最初那个问题
不会整体取代,是分流。确定型的查证留在搜索框,开放型的比较和判断先落到对话框,这个迁移还在继续。对品牌来说,入口换了一半,用户手上的判断却没有交出去,而用户判断时看的是有没有能核实的事实。
想让品牌被 AI 准确理解并推荐,企航互联做的就是这件事。