AI平台使用量持續增長，但這種增長並未均等地轉化為網站訪問量。本報告比較了Adobe、SE Ranking、SearchSignal和Similarweb的公開研究，從行業、平台和用戶行為三個維度觀察AI推薦流量的變化。鑑於不同報告的樣本範圍、網站構成以及「AI推薦流量」的定義各有不同，本文主要聚焦於趨勢比較，並未直接匯總不同樣本中的百分比。
研究背景
在過去兩年，談論AI搜尋時，企業經常使用平台訪問量、用戶數或回答數量等指標來衡量其影響力。然而，對於網站運營者來說，更直接的問題是：哪些行業實際上從AI回答中獲得了訪問量？這些訪問來自哪些平台？以及用戶在網站上的行為是否有所不同？
公開研究顯示，AI平台使用量、回答中的品牌引用次數以及可識別的推薦訪問量，這三者並非同步的指標。用戶可能會點擊回答中的鏈接，或者在完成比較後，通過品牌搜尋或直接輸入URL的方式訪問網站。因此，僅在分析工具中觀察AI推薦流量，將會遺漏點擊發生前部分品牌發現和篩選的過程。研究AI搜尋推薦流量，需要同時區分平台使用量、推薦訪問量以及推薦流量佔網站總流量的比例。
AI推薦流量已觸及多個行業，但分佈不均
AI推薦流量已進入零售、旅遊、銀行和科技等行業，但增長率與當前流量份額之間存在明顯差距。根據Adobe於2025年6月發布的一項研究，從2024年7月到2025年5月，零售網站的AI推薦流量增長了35倍，旅遊網站增長了33倍，銀行網站增長了28倍，科技網站增長了13倍。
增長倍數描述的是相對於低基數的變化，並不意味著所有行業都獲得了相同數量的訪問。Adobe的數據顯示，2025年5月，科技行業的AI推薦訪問份額大約是旅遊行業的5倍，零售和銀行行業的約10倍。SearchSignal匯編的2025年公開研究也指出，在其引用的行業樣本中，IT和科技網站的AI推薦流量份額可能高達2.8%，高於其他幾個行業。
這種差異與用戶面臨的問題類型有關。消費電子產品、家居用品、國際旅行和金融服務通常需要比較參數、價格、風險和適用性，這使得用戶更傾向於使用AI來整理信息。Adobe的零售數據還顯示，桌面設備僅佔總體零售流量的34%，但在AI推薦訪問中佔比卻高達82%。這表明一些用戶正在更大的屏幕上進行更深入的研究，但這並不能直接解讀為所有購買場景都在朝同一方向發展。
| 行業 | 觀察期間 | AI推薦流量變化 | 互動指標 | 資料來源 |
|---|---|---|---|---|
| 零售 | 2024年7月至2025年5月 | 增加35倍 | 2025年5月：跳出率降低27%，訪問時長增加38% | Adobe，2025年6月 |
| 旅遊 | 2024年7月至2025年5月 | 增加33倍 | 2025年5月：跳出率降低37%，訪問時長增加25% | Adobe，2025年6月 |
| 銀行 | 2024年7月至2025年5月 | 增加28倍 | 2025年5月：訪問時長增加35% | Adobe，2025年6月 |
| 科技 | 2024年7月至2025年5月 | 增加13倍 | 2025年5月：推薦訪問份額約為零售和銀行行業的10倍 | Adobe，2025年6月 |
AI推薦流量持續增長，但仍處於低基數階段
就網站總流量而言，AI推薦流量目前呈現「增長快但佔比小」的特點。根據SE Ranking於2026年6月發布的一項研究，來自AI搜尋引擎的網站流量比例從2024年的0.02%上升到2025年的0.24%，並在2026年進一步達到0.32%，兩年間增長了約16倍。
同一項研究顯示，2026年，自然搜尋佔樣本網站流量約42.75%，推薦規模約為AI平台的134倍。換句話說，AI推薦訪問現在可以被分析工具持續識別，但它們尚未取代自然搜尋成為主要流量來源。一個平台擁有龐大的用戶群並不意味著所有這些用戶都會點擊外部鏈接。AI可以在回答界面內總結信息、比較產品和篩選候選項，從而在某些情況下降低了訪問第三方網站的必要性。
當前份額的估算在不同研究中也存在差異。在2026年2月更新的一份基準報告中，SearchSignal匯總了Conductor、Ahrefs、SE Ranking等公司的研究，得出AI推薦流量約佔網站總流量的0.1%至1.08%，其中IT和科技行業樣本可能達到2.8%。差異主要源自行業構成、網站規模、地理範圍和流量識別方法。因此，單一百分比與其自身歷史數據相比時更有用，而不是作為所有網站的通用基準。
企業還需要區分三個概念：AI平台訪問量反映的是進入平台的用戶規模；AI推薦訪問量反映的是從平台跳轉到網站的用戶數量；AI推薦流量份額則需要結合網站所有來源進行計算。混淆這三者很容易導致高估或低估AI對網站運營的實際影響。
網站推薦來源從集中於單一平台轉變為多平台增長
目前，海外AI推薦流量仍集中在ChatGPT，但Gemini、Perplexity、Copilot和Claude已成為可持續觀察的推薦來源。根據SE Ranking的2026年樣本，ChatGPT佔AI推薦流量的74.78%，Gemini佔11.56%，Perplexity佔7.23%，Copilot佔3.51%，Claude佔2.62%。
ChatGPT的份額從2025年的79.74%下降到2026年的74.78%，但這並不意味著其推薦訪問次數減少了。SE Ranking數據顯示其實際推薦流量同比增長了27%；份額下降是因為一些較小的平台增長更快。從2025年到2026年，Gemini的推薦流量增長了231%，Claude增長了320%，Copilot增長了約31%。
這些變化表明，平台份額和實際平台推薦量需要分開評估。一個平台份額的下降可能來自於整體市場的擴張，而非其自身訪問量的減少。對企業而言，僅監測單一AI引擎可能無法捕捉到推薦來源結構的演變。
AI推薦流量還表現出週期性波動。SE Ranking記錄到，AI推薦流量佔網站總流量的比例在2025年10月達到0.3511%的峰值，隨後在節日期間下降，並在2026年初恢復。月度環比增減可能受到季節性、產品更新和用戶需求變化的影響，不應直接推斷為長期趨勢。
| AI引擎 | 2026年推薦流量份額 | 同比變化或增長率 | 觀察備註 |
|---|---|---|---|
| ChatGPT | 74.78% | 實際推薦流量增長27% | 份額從2025年的79.74%下降，但推薦量仍在增長 |
| Gemini | 11.56% | 增長231% | 到2026年成為樣本中的第二大推薦來源 |
| Perplexity | 7.23% | 全球推薦流量略有下降 | 份額受其他平台增長率影響 |
| Copilot | 3.51% | 增長約31% | 規模較小，但已形成持續可識別的推薦流量 |
| Claude | 2.62% | 增長320% | 增長率高，但當前份額仍然較小 |
表中的份額來自SE Ranking 2026年研究樣本，僅反映其研究範圍內的AI推薦流量結構，並不代表所有網站或地區的統一市場份額。
AI推薦訪客互動表現提升，但鏈接歸因只能捕捉部分影響
儘管AI推薦訪問量仍然較小，但他們在網站上的互動表現正在接近或超過其他來源。Adobe數據顯示，2025年5月，零售行業的AI推薦訪客與非AI流量相比，跳出率低27%，每次會話時長高38%，每次訪問瀏覽頁數多10%；其每次訪問收入為非AI流量的70%。同期，旅遊行業的AI推薦訪客跳出率低37%，會話時長高25%，而銀行網站的訪客會話時長則高35%。
SE Ranking的2026年研究發現了類似的方向：其樣本中的AI推薦訪客在網站上花費的平均時間比自然搜尋訪客多68%。一個可能的解釋是，用戶在AI對話期間已經完成了基本信息篩選，帶著更具體的問題來到網站。然而，會話時長本身並不能代表轉化；需要結合瀏覽深度、表單提交、交易和後續回訪來評估。
與此同時，可識別的推薦鏈接無法涵蓋AI對購買決策的全部影響。Similarweb從2024年10月到2026年初的趨勢觀察顯示，到2026年初，AI平台的月度訪問量接近15億次，而從2025年中到2026年1月，AI推薦訪問量大致維持在每月2.4億至2.8億次之間。平台使用量持續增長，但外部點擊已趨於平穩，這表明更多的研究和比較可能發生在聊天界面內。
用戶在收到品牌推薦後，也可能稍後在Google上搜尋該品牌名稱，或直接訪問該品牌網站。標準的分析工具通常會將這些操作記錄為自然搜尋或直接流量，無法自動將其與先前的AI對話關聯起來。因此，「AI推薦流量趨平」並不意味著AI對品牌發現的影響已經停止增長。
AI搜尋的影響力正從「帶來了多少次點擊」轉向「在用戶點擊前影響了哪些比較和決策」。
趨勢觀察與行業啟示
AI搜尋對網站流量的影響正從「是否會產生訪問量」的階段，進入一個更細緻的觀察階段。行業間的差異已經顯現：科技和複雜決策場景的推薦份額更高，而零售、旅遊和銀行則在較低基數上持續增長。對企業而言，行業基準比廣泛的全球平均值更有意義。
平台格局也在變化。ChatGPT仍然貢獻了最多可識別的推薦訪問量，但Gemini、Perplexity、Copilot和Claude的份額和增長率各不相同。隨著用戶分散在多個AI產品上，依賴單一平台的數據可能會錯過新的品牌提及、引用和推薦訪問。
同樣，爬取、引用和推薦之間不存在簡單的線性關係。SearchSignal引用Cloudflare於2025年7月的一個固定樣本指出，ChatGPT平均需要爬取1,091個頁面才能帶來一個訪客，而Google的比例是5.4個頁面。這項數據表明，平台閱讀網站內容的規模並不能直接轉化為點擊規模，但也不適合用來判斷特定平台的整體價值。
後續評估需要將AI能見度、引用來源、推薦訪問、品牌搜尋和直接訪問置於同一個觀察框架中。只有在相同的時間間隔內持續記錄數據，企業才能判斷某個變化是由於整體平台增長、行業季節性，還是其自身的內容和網站結構變化所導致。
研究啟示
在觀察AI搜尋效果時，企業可以將關注點從單一的推薦訪問指標擴展到四組指標。
- 追蹤品牌在ChatGPT、Gemini、Google AI Mode、Perplexity和Google AI Overview中的出現情況、回答位置及引用來源。
- 分析AI推薦流量份額、會話時長、跳出率、瀏覽深度、表單提交和交易表現。
- 比較品牌搜尋量和直接訪問量與AI能見度的變化，觀察不同指標之間是否存在時間上的關聯性。
- 按行業、地區、問題類型和平台建立基準，避免使用單一平均值來評判所有市場。
在執行層面，一份GEO審計報告可以幫助企業建立初始的可見度基準；網站結構和Schema檢查可確認關鍵信息清晰可辨；成效監測和持續的數據分析有助於判斷趨勢是否穩定。重點不在於獲得單一回答中的推薦，而在於建立一套可重複的監測方法。
公開數據可以顯示全球AI推薦流量的總體方向，但每個品牌都需要根據其行業、市場和網站數據建立自己的獨立基準。使用aipogeo，您可以在1分鐘內檢查您的品牌在6大AI引擎中的真實可見度，並進一步觀察引用來源和平台差異。
相關問題
2026年來自AI搜尋的網站流量預計佔比是多少？
SE Ranking的2026年樣本顯示，AI搜尋引擎約佔總網站流量的0.32%。SearchSignal匯總的多項2025年研究表明，範圍約在0.1%至1.08%之間，具體結果受行業和樣本構成影響。
哪些行業的AI推薦流量增長最為顯著？
Adobe數據顯示，從2024年7月到2025年5月，零售、旅遊和銀行行業分別增長了35倍、33倍和28倍。科技行業的增長倍數較低，但其2025年5月的推薦訪問份額仍顯著高於這些其他行業。
ChatGPT、Gemini和Perplexity在網站推薦份額上有何差異？
在SE Ranking的2026年樣本中，它們分別佔AI推薦流量的74.78%、11.56%和7.23%。這些數字描述了研究樣本內的推薦訪問結構，並不等同於平台用戶份額。
AI推薦訪客的會話時長和跳出率是否優於自然搜尋訪客？
多個行業樣本都觀察到更長的會話時長和更低的跳出率。SE Ranking數據顯示，AI推薦訪客在網站上花費的平均時間比自然搜尋訪客多68%，但企業仍需結合轉化和收入指標來評估訪問價值。
為什麼AI平台訪問量在增長，而網站推薦流量卻開始趨於平穩？
部分用戶可以在AI回答界面內完成研究、比較和篩選，從而減少了點擊外部鏈接的需求。用戶也可能稍後通過品牌搜尋或直接訪問進入網站，導致AI的影響被記錄在其他流量渠道下。
企業應如何衡量推薦鏈接無法直接歸因的AI影響力？
企業可以同時監測AI能見度、引用來源、品牌搜尋、直接訪問和推薦訪問，比較這些指標在同一時間間隔內的變化。持續監測比單次截圖更適合識別趨勢。
合規說明：本文基於經審查的框架和原始報告大綱撰寫，未添加或刪除任何四項核心發現。結構、兩個表格和六個相關問題均與框架一致。具體數字如35倍、0.32%、74.78%以及互動指標均註明其各自來源（Adobe、SE Ranking、SearchSignal或Similarweb）並附有時間範圍，且已與公開頁面進行交叉核對。本文未承諾具體結果、貶低任何平台或使用廣告法限制用語。strong標籤僅使用一次。CTA使用標準化短語「執行免費GEO審計」和「在1分鐘內檢查您的品牌在6大AI引擎中的真實可見度」。