AI Overview 追踪器回答一个 Search Console 无法回答的问题:生成式回答何时出现在你的结果上方,以及它引用了什么。有用的追踪器会针对一组冻结的关键词,按计划测量四件事,并保存原始结果页,以便你日后提出新问题。
我们在 2026 年 9 月 12 日构建了第一份快照,指向 40 个 SEO 关键词、美国、英语、桌面端。其中四个返回了 AI Overview。其余没有,包括业界目前最担心的大多数查询。
这一个数字就重新框定了这项工作。在为你自己的 AI Overview 建立报告线之前,值得先知道它在你真正拥有的查询上出现得多么稀少。
追踪器必须记录什么
仅有存在是一个弱信号,因为引用你的生成式回答与引用三个竞争对手的回答是不同的事件。每个查询每天四个字段就足够起步。
- 存在。 AI Overview 是否出现,是或否。
- 位置。 它在结果列表中的位置,以绝对值计。位置 1 的概览会拿走最顶部的自然结果位。位置 4 的概览不会。
- 引用。 概览引用了多少个来源,以及它们是哪些域名。
- 自然结果重叠。 概览引用的域名是否也排在自然结果前三,以及你是否是其中之一。
第四个字段是团队会跳过、然后就会需要的那一个。没有它,你能看到 AI Overview 增加了,却仍然不知道那是威胁还是免费的曝光。
方法,以及为什么原始载荷很重要
快照来自每个关键词一次 SERP API 请求,使用高级自然结果端点,位置设为美国、语言英语、桌面端、深度 20。我们捕获了每个查询的完整响应而非摘要,因为以后重要的字段正是你今天没想到要提取的那些。
你要找的条目类型是 ai_overview。当它存在时,会作为结果列表中自己的元素出现,带有自己的 rank_absolute 值,与 organic 条目并列。这就是全部的检测规则,也是为什么建立在只读自然结果的抓取器之上的追踪器完全无法回答 AI Overview 问题的原因。如果你已经运行着用于排名的双来源追踪器,这就是同一次数据拉取,多解析一个元素而已,我们在排名追踪 API 构建中讲过。
快照,2026 年 9 月 12 日。40 个 SEO 查询,美国,英语,桌面端。
查询 | AI Overview 位置 | 引用数 | 自然结果前三域名 |
|---|---|---|---|
| 1 | 17 | seobility.net, developers.google.com, keyword-tools.org |
| 4 | 13 | github.com, claude-seo.md, reddit.com |
| 1 | 10 | status.search.google.com, developers.google.com, seroundtable.com |
| 1 | 13 | developers.google.com, npdigital.com, salesforce.com |
40 个查询中有 4 个返回了 AI Overview,即 10%。

分界线跟随的是查询形态,而不是难度。没有哪个点名了工具或 API 的查询返回了概览。
其余 36 个查询有什么共同点
没有 AI Overview 的查询并非随机。它们聚成了类,而这种聚集对任何决定把精力花在哪里的人都是有用的发现。
按查询形态切分这个集合就具体了。40 个查询中有 15 个点名了工具、API 或数据源。其余 25 个是问题、定义和新闻类查询。AI Overview 完全落在这条线的一侧。
查询分组 | 查询数 | 有 AI Overview |
|---|---|---|
点名工具、API 或数据源 | 15 | 0 |
问题、定义或新闻类查询 | 25 | 4 |
工具和 API 类查询一个都没有。 rank tracking api、serp monitor、google search console api、google search console mcp、ai overview checker、ai visibility checker 和 seo mcp server 都返回了标准结果页。这些是商业调查类查询,Google 目前用产品与文档列表而非生成式摘要来回答它们。
窄技术类查询一个都没有。 serp volatility、core web vitals、schema markup checker、keyword difficulty 和 featured snippet optimization 都很干净。我们倾向的解释是,这些查询有一个定义明确的答案,一份排名列表比一段文字服务得更好,在这个样本上 Google 似乎同意。
宽泛的 how-to 和新闻类查询确实有。 被触发的那四个都是宽泛的问题:如何检查排名、算法中变了什么、AI 搜索优化是什么,以及如何用 Claude Code 做 SEO。最后一个之所以有趣,正是因为它是新词汇。AI Overview 出现在了一个答案集合仍在形成中的查询上。
引用是分散的,有两个例外。 在这四个概览中,追踪器收集到跨 24 个域名的 53 个引用位,没有任何域名拿走超过五分之一。YouTube 拿到 8 个引用位,出现在四个概览中的三个里。developers.google.com 拿到 6 个,claude-seo.md 也是 6 个——那是一个只在 Claude Code 查询上出现的、可供 AI 代理读取的文档文件。24 个域名中有 14 个只拿到一个引用位。在这个细分领域里并不存在能稳定赢得 AI Overview 引用的媒体名单,这意味着照抄竞争对手投放位置的引用策略就是在猜。

引用集合是分散的。24 个域名中有 14 个只拿到一个引用位。
这证明了什么,没证明什么
一天、一个国家、一种设备、40 个查询。那是快照而非趋势,诚实的说法是:它建立的是你可以拿来对比的基线,而不是关于 Google 的定律。
有三个具体限制值得写进追踪器本身。
个性化与位置会移动答案。 同一个查询在一个城市可能返回概览,在另一个城市则不会;已登录账号看到的结果与匿名请求不同。在请求中固定位置与设备,把它们记录到输出里,绝不要在其中任何一项发生变化的情况下做对比。
存在不等于影响。 追踪器告诉你出现了概览。它不会告诉你那让你损失了点击。那部分由 Search Console 告诉你,这就是为什么有用的报告要把两者连起来:概览出现、排名保持、点击下降。如果概览就在你上方而点击持平,那这个概览就不是你以为的那个问题。这和把真实下跌与日常波动区分开是同一种纪律。
查询集合定义结论。 我们选择 SEO 关键词,因为那是我们的主题。换一个集合,例如零售中的商业产品查询,会产生高得多的概览占比。如果你公布这个数字,就一起公布查询清单。
构建追踪器的其余部分
快照是容易的那一半。价值在于每天拉取同样的 40 个查询并保存差异。
冻结清单。 在两次运行之间更改关键词会让趋势失去意义,因为占比的变化可能是你清单的变化。要有意地以新分组添加关键词,并保持原分组完整。
先存原始,后做汇总。 每个查询每天的完整响应至少保留 90 天。一张存在与位置的汇总表无法回答你下个季度会有的问题,而那永远是关于构成的问题:哪个来源被引用了,哪个元素移到了首屏之上,视频是否拿走了曾经属于你的位置。
每天记录四个数字。 有概览的查询占比。平均引用数。你被引用的追踪查询占比。自然结果第一名同时被引用的占比。这四个因不同原因而变动,把它们分开能让你不至于对错误的那一个做出反应。
设置复核规则,而不是告警。 本能是存在一变就告警,而这会因与固定排名阈值相同的理由产生噪声:底层数据每天都在动。一次变化要在连续两次运行后再复核,把单日变动当作未确认。我们用于排名信号的区间设计,包括阈值以及它们为什么是按查询而非全局的,都在监控指南里。
Auspia 观点:AI Overview 追踪是一个测量项目,不是一场内容恐慌。我们检查的 SEO 查询中有 10% 有概览,而有的那些都是宽泛的信息类问题。能把这件事做对的团队,是那些能在一张他们信任的表里说出:自己的哪些查询有概览、自己是否被引用、以及点击发生了什么。
常见问题
我怎么检查一个查询是否有 AI Overview? 用 SERP API 请求结果页,在响应中找类型为 ai_overview 的元素。如果你唯一的数据源是 Search Console,你无法直接看到它,不过排名稳定而点击下降通常是指向它的模式。
AI Overview 追踪器应该多久跑一次? 关键词集合小就每天,大就每周。存在的变化频率低于排名,所以每周节奏能以七分之一的成本捕捉大部分变动。我们自己的每日变动数据是单独测量的,它有用地点醒我们:在大集合上做细颗粒度的每日读数,测到的多半是噪声。
为什么这么少的查询有 AI Overview? 在我们的集合里,没有概览的查询是工具、API 和窄技术类问题。有概览的四个是宽泛的信息与新闻形态问题。我们的样本只覆盖 SEO 话题,所以不要把 10% 这个数字推广到其他行业,除非你在自己的查询清单上跑同样的测试。
我应该设法被 AI Overview 引用吗? 被引用是值得拥有的,也很难直接设计,因为我们观察到的引用集合是分散的。更可靠的做法是成为那个用平实语言回答问题的页面,它同时也是排名的页面,并且去测量引用而不是假定引用。
我能追踪竞争对手的 AI Overview 吗? 能,而且比只追踪自己的品牌信息量更大。追踪器会记录每个关键词的被引用域名,所以你能看到哪些竞争对手被拉进概览而你没有,这比单看你自己的引用数更清晰。
作者:Priya Nair,Auspia AI 搜索测量负责人,负责 12,000 条追踪 SERP。她撰写关于 AI Overview 测量、引用模式,以及结果变化与流量变化之间区别的文章。




