Tom Capper 分享 AI 搜索测量挑战的实用解决方案

AI 答案可能会推荐你的产品，却不链接到你的网站。之后，客户可能会搜索你的品牌、直接访问网站，或在线下购买。即使分析工具无法将这次购买与之前的答案关联起来，这笔购买对企业仍然很重要。

这正是 STAT 搜索产品战略总监 Tom Capper 在《应对 AI 搜索最大测量挑战的战术解决方案》中讨论的测量问题。

在这场网络研讨会中，Capper 解释了为什么零点击搜索也是归因挑战，而不仅仅是流量问题。他的做法是将可见度与业务成果结合起来进行衡量，而不是期待点击量能够描述完整的客户旅程。

将品牌提及与来源引用分开

Capper 通过一个 AI 生成的汽车推荐说明了这一差异。Audi 是被推荐的品牌，而引用的链接则指向其他网站。如果报告只关注 Audi 的域名是否获得了引用，就会忽略这次推荐本身。

这带来了实际影响：应定义想要追踪的品牌实体，包括相关的子品牌，而不是假设你的域名能够捕捉每一次有价值的出现。对竞争对手也采用同样的方法，以确保比较具有意义。

Capper 直接阐明了这一差异：

“所以，是的，引用都有 URL。这仍然是有价值的战术数据，但我不认为它应该成为你的 KPI。提及对应的是实体。”

在他的测量方法中，被提及或被推荐才是需要了解的结果；被引用的 URL 则有助于解释哪些来源可能正在影响这一结果。

对同一提示的不同答案，并不意味着 AI 可见度无法衡量。Capper 将这种差异视为抽样问题，并将其与 SEO 人员已经在追踪的、因位置和设备而异的搜索结果进行了比较。

一小组提示可能会呈现不稳定的情况，尤其是在企业已经监测大量关键词的情况下。目标并不是复现每个人的精确对话，而是足够广泛地抽样相关场景，从而识别出规律。

这也意味着要提出现实的问题。Capper 提醒，不要只是将关键词列表放入提示跟踪器。他建议可以先从 People Also Ask 问题入手，然后考虑这些问题背后的用户画像、地点、预算和需求。

网络研讨会关于提示测量的讨论还说明了用于收集答案的环境为何重要：Capper 表示，STAT 使用网页界面，因为 API 返回的结果可能不同于用户看到的内容。

降低引用作为核心 KPI 的重要性，并不意味着可以忽略引用。引用可以让营销活动更具体。

Capper 介绍说，他会从竞争对手获得推荐时所引用的页面入手。这些页面揭示了值得调查的第三方来源，例如评论网站或行业出版物。随后，团队可以努力提升自己在相关来源上的表现，并监测这些来源是否会随着品牌推荐的变化而一同出现。

这比“引用次数是否增加”更有用的问题是：哪些来源发生了变化，团队做了哪些工作，以及此后被跟踪的答案如何变化？进行比较时，应将提示词样本和采集背景纳入考量，而不是把某个孤立答案当作全部结果。

Capper 建议采用更广泛的领先指标来支持而非取代传统的绩效报告：

即使自然排名没有变化，最后这一项区别也很重要。Capper 展示了一些示例：排名较低的结果显示在首屏上方，而排名较高的结果却被推到了首屏下方。仅看位置会忽略这种差异。

他还提醒人们谨慎看待情感分数。一张在正面、中性和负面之间大幅波动的图表，可能放大了原本中性答案中的细微差异。提及背后的定性主题，可能比波动不定的汇总分数更有用。

在问答环节，Loren Baker 询问，当多触点归因无法观察到更早期的曝光时，团队如何将这种可见性与客户旅程联系起来。

Capper 的回答是结合多种证据，而不是指望一个分析模型解释一切。购买后调查可以发现那些表示 AI 推荐帮助他们发现或选择某个品牌的客户。活动跟踪则可以单独显示该品牌是否获得了更多推荐。

他建议将调查答案作为一个维度传入分析系统，以便团队比较受访者自述的发现渠道与分析系统归因的渠道。他还提醒，如果调查选项始终以相同顺序呈现，可能会偏向第一个选项。

这是一种更完整的影响分析方式，并不承诺重构每个人的完整路径，也不把所有直接流量都归类为由 AI 驱动。

完整会议通过示例和观众提问，将这些衡量选择联系了起来。要将讨论付诸实践，可以从下一轮报告周期中的几项具体调整开始：

加入我们，seoClarity 的价值赋能副总裁 Chris Sachs 和产品负责人 Aris Vrakas 将展示 AI 代理如何已经决定购物者会考虑哪些产品。