你的官网被AI说错了？先查10个客户真问题

你的官网被AI说错了？先查10个客户真问题

想象一个买咖啡机的顾客：他打开 AI 问了句"哪个牌子不容易坏"，看完回答就下单了，全程没点开任何官网链接。这不是段子。Bain 公司 2026 年 4 月 7 日发布的调研显示，44% 的美国网购者已经从大模型、或者大模型加传统搜索起步找货。样本 1,500 人，数据采集于 2025 年 9 月。

同一份调研还有个更该抄在便签上的数：89% 不带品牌名的提问，答案由第三方信源提供，依据是约 5 亿条引用记录。顾客没点你的链接，但他已经问过 AI 你是谁；AI 回答他时，念的多半是别人写的你。

真正在变的不是流量，是入口。你在不在那份候选名单里，本来是可以被观测的；看不见，只是因为考核表上还没有这一栏。

顾客换了个入口，点击就少了一半

Pew 研究中心 2025 年 7 月 22 日发布的行为观察，把差距量化了：900 名美国成年人、68,879 次搜索里，约 18% 出现 AI 摘要。出现摘要时，点击传统结果的比例是 8%；没有摘要时是 15%。同一次搜索，多了一层回答，链接被点开的概率掉了将近一半。

营销人熟悉的漏斗是曝光、点击、落地页，每一层都有埋点。AI 回答把上半段截走了：用户在提问框里就完成初筛，落地页只在他已经决定之后才被打开。你看到的"流量下滑"，有不少是流量换了个地方发生。

换个说法：以前顾客进店先看货架，现在进门先问导购。导购只报三个牌子，你没在这三个里，等于没上架。区别在于，货架上有没有你，抬头就能看见；导购嘴里有没有你，得去问才知道。

考核表上没有这一栏，就没人去测

AMA 在 2026 年夏天发布《State of Marketing Careers Report》。问卷在 2025 年 12 月到 2026 年 1 月回收，1,412 名营销从业者回答了技能题，误差正负 3 个百分点。他们把"自报能力低于岗位要求"的差距排了序，前三位是证明 ROI（投入产出比，0.41）、客户体验（0.39）、绩效分析（0.37）。

这个排序和"AI 抢活"的叙事不太一样。营销人自己觉得缺的，不是会不会用工具，而是能不能把做过的事换算成可核对的结果。AI 把执行变便宜之后，这件事反而更贵：内容谁都能出，凭什么这笔预算该给你。

缺口值的读法是，受访者对自己的"能力"和"岗位对该技能的重要性"分别打分，两个分数相减；数值越大，自认差得越多。分母是 1,412 人，全部自报，不是能力测试，所以它测的是感受，不是水平。

你上一次给老板汇报，用的是点击量、线索数，还是别人在 AI 里怎么描述你？前两个数后台里有，第三个数多半还没有。据 Salesforce 2026 年 2 月发布的《State of Marketing》第十版，88% 的受访者说自己已经在为 AI 生成的回答做优化。样本 4,450 人，覆盖 26 国，全部自报。这个数出自二手摘要，原文要留资下载，口径核过、逐页没核，看的时候得打个折扣。

岗位在换，不是在关

据 AMA 报告第 9 页转引 Bloomberry 的分析，2024 到 2025 年 SEO 岗位帖减少 15%，内容营销岗减少 11%。这家机构统计了 1.8 亿条招聘帖。同期网红营销岗 2025 年增长 18%，2024 年已经涨过 10%。报告自己的措辞很克制：SEO 没有整体消失，它在往 GEO、AEO 这类新岗位演化。

这组数不能当趋势预言。Taligence 2026 年 11 月 5 日发布的季度报告显示，三季度营销岗在招数量同比回升 9.0%，同期全美岗位是 5.7%；也就是说，报告发布三个月后，现实已经在往回走。两家机构样本不同、时间窗不同，方向有分歧，不能相加，也不能互相证明。

越替代不了的能力，越被自己看轻

同一批受访者还被问了两件事：哪些技能对你现在的岗位重要，以及这些技能在过去一年里变得更重要还是更不重要。答案排出来，是条很反常的线。

报告自己的人工智能能力地图把后四项判在 H4 到 H5：AI 在这些地方可以打下手，但不能独立运转。同一批人却把它们的自评重要性往下调了 4 到 7 个百分点，同时给 AI 加了 14 个百分点。

这套评分叫 Human Agency Scale，从 H1 到 H5，H1 是全交给机器，H5 是离不开人。报告把 35 项技能逐个打分，再按域取平均。从高到低是营销伦理 4.2、核心素养 3.9、战略与规划 3.1、内容与品牌 3.0、渠道与技术 2.4、数据与分析 2.3。离执行越近的分越低，离判断越近的分越高。这条斜线本身就是一份岗位说明书：分数低的那一端拼手速，高的一端拼判断。

另一组数更值得警惕。92% 的人认为 AI 五年后更重要；自评"能力超过岗位要求"的技能占比从 10% 涨到 46%；AI 能力缺口从 0.39 缩到 0.11，排名从第 23 升到第 12。报告给了注解：缺口不是补上的，是全行业的整体自信一起涨了。没量过血压的人，容易觉得自己血压正常。

三个问题，先把数字读对

看到任何一个百分比，先问三句。分母是谁，是 1,412 名受访者、38,964 家公司，还是 241,749 条招聘帖；时间是同比还是环比；这是自报还是观测。招聘帖数量、点击行为、EEG 是观测，"46% 能力超过要求"是自报，自报能测感受，测不了事实。

报告第 5 页有个例子：2026 年一季度"再跌近 7%"。那是同比，Taligence 同一季度的环比其实是涨 10.7%。一字之差，结论从"继续下滑"变成"在回暖"。写营销岗的人如果只看前半句，就会把一份横跨两年的曲线读成一条直线。

再做个除法，感受会具体些。Taligence 的 2025 年报里，全年活跃的全职甲方营销帖 241,749 条，同比下降 8.2%；发布这些岗位的雇主 38,964 家，同比增加 5.3%。两者相除，平均每家 6.2 个岗位，上一年是 7.1 个；平均在招天数从 33 天拉长到 39 天。市场不是关门，是每家店的货架变窄、招聘启事挂得更久。

能被观测的，才值得改

这也是仙踪问道做 GEO 这条线时先落地的一步：不承诺排名，先把客户真会问的 10 到 20 个句子列出来。再拿同一批问题去豆包、千问里查，记录三件事——有没有提到你、怎么描述你、引用了谁。这一步的价值不在于"优化"，在于把一个过去只能靠感觉的话题，变成能被复述的观察。

为什么先查引用源：Bain 的 89% 说明，AI 回答无品牌提问时，主要念的是第三方写的东西。所以诊断要看的不是官网写了什么，而是评测站、行业媒体、社区里怎么写你。被说错不是小概率：参数、价格、成立年份，隔一年就旧了。

换岗之前，先换掉只报点击的习惯

对个人来说，这份报告能落到动作上的部分不多，但有一条很清楚：把"我做过什么"换成"我做的事被谁看见、结果怎么核"。招聘端的信号也在配合——入门级与助理岗减少 8.6%，总监及以上增加 2.1%，平均在招天数拉长到 39 天，企业在用更长的考察期换更少的试错。

具体到内容岗，还有一步是现成的：把一篇官网文章丢进仙踪问道的文章分析，按"能不能被摘出来单独引用"打分。看每一段的结论是否独立成立、数据是否带口径、有没有一句能被直接复述的话。改完再按同一批问题测一遍，前后对比就是可以写进周报的材料。

组织这一层也慢。McKinsey 2025 年 11 月的调查里，只有三分之一的企业把 AI 推到跨团队规模化，62% 还停在试点和验证；营收 50 亿美元以上的公司近半已规模化，1 亿美元以下的只有 29%。个人的技能焦虑，有一半是被组织的速度拖出来的。

说到这里，如果你手头正好有一篇要发出去的官网稿，可以先把这条线跑一遍：列客户真问题、抓各引擎的回答、按可引用度给文章打分、再按问题改写。仙踪问道把这四步做成了四个动作，省掉的是搭表和记录的工夫，省不掉的是你得先知道客户在问什么。

这套办法有天花板

先把边界说清：如果一个问题本来就没有人问，把它优化到能被引用也没有意义，因为没有人会去查。B2B 的长决策链、需要现场体验的品类、已经有稳定第三方口碑的公司，做这件事的边际收益都不高。它解决的是"被问到时的表述问题"，解决不了产品本身的问题，也解决不了渠道预算的问题。

样本这层也要打折扣。AMA 这份问卷 1% 的响应率、受访者以北美和协会会员为主，报告的百分比只能说"在受访者中"；Bain、Pew 都是美国样本，不能直接推成国内运营岗的现状。国内岗位职责边界和 marketing 并不一一对应，对照着看可以，套着用会错。

明天上班能先做的一件事

不用等预算，也不用等工具到位。打开你手边那个客户问得比较多的问题，分别丢进两个 AI 引擎，看它们怎么描述你所在的公司，再翻一眼引用了谁。把这三行字记下来，你就有了一份可以复测的材料。

说到底，能被观测的东西，才谈得上改进；能被复述的结果，才换得来预算。关注这个账号，后面我会继续把这类报告里的数字，拆成明天能用的动作。你所在的公司，被 AI 介绍时说的是不是你们真正的样子？在评论区说说你查到的第一句，出现多的场景，下一篇就写它。