AI 抓取增长为何没有带来等量导流?2025—2026 Crawl-to-Refer 数据观察

随着生成式AI扩大网页抓取规模,机器访问量与网站推荐流量之间的差距持续显现。核心问题在于,AI爬虫抓取增长是否能够转化为引用、用户访问及业务转化。基于Cloudflare与SearchSignal公开数据,对训练、搜索索引和用户请求触发等抓取用途,以及ChatGPT、Claude、Perplexity等平台的Crawl-to-Refer数据进行比较。结果显示,大量抓取用于模型训练或索引,不能直接代表内容被引用或用户回访,企业需将抓取、品牌提及、引用、推荐访问和转化分层监测,避免以爬虫请求量单独判断AI搜索

作者: Cayla 发布时间: 2026-08-24 更新时间: 2026-08-12 6 浏览
AI 抓取增长为何没有带来等量导流?2025—2026 Crawl-to-Refer 数据观察

本报告以 Crawl-to-Refer ratio,即每次引流对应的抓取页数,观察 2024 年 7 月至 2025 年末的变化。数据来自 Cloudflare 2025 年 8 月研究及 SearchSignal 2026 年 2 月基准报告;Tow Center 条目因链接重复不单独取数。

研究背景

AI 爬虫可能服务于模型训练、搜索索引或用户请求调用,三类行为都不等于用户点击来源链接。

该比值用抓取页数除以引流次数。上升表示每次回访对应更多机器读取,但不能说明引用或转化结果。

训练抓取占比上升,机器访问与用户访问进一步分离

根据 Cloudflare 2025 年 8 月研究,训练抓取占比从 2024 年 7 月的 72% 升至 2025 年 7 月的 79%,此前六个月平均为 82%;同期搜索用途从 26% 降至 17%,用户动作触发的抓取从 2% 增至 3.2%。

新增抓取中相当一部分服务于训练,而非把用户送回网站。单看 Bot 请求量,容易混淆“被机器访问”与“被用户发现”。

抓取引流比显示,AI 平台的读取量远高于回访量

Cloudflare 固定样本显示,2025 年 7 月 Anthropic 每次引流对应 38,065.7 次抓取;Perplexity 从 1 月的 54.6 次升至 7 月的 194.8 次,增幅 256.7%。同期 OpenAI 为 1,091.4 次,Google 为 5.4 次。

SearchSignal 2026 基准报告按产品名概括为 Google 5.4、ChatGPT 1,091、Claude 38,066。该部分源自 Cloudflare 同期样本,表中保留两种名称,不重复计算或排名。

渠道或平台 统计时间 每次引流对应抓取页数 数据来源 口径说明
Google 2025 年 7 月 5.4 SearchSignal 汇总 Cloudflare
ChatGPT 2025 年 7 月 约 1,091 SearchSignal 对应 OpenAI 口径
Claude 2025 年 7 月 约 38,066 SearchSignal 对应 Anthropic 口径
Anthropic 2025 年 7 月 38,065.7 Cloudflare 不与 Claude 重复计算
Perplexity 2025 年 7 月 194.8 Cloudflare 1—7 月增幅 256.7%

AI 回答可直接满足部分需求,用户未必打开来源页面。AI 抓取量反映内容被机器访问的频率,而推荐流量反映用户是否回到网站,两者并不是同一条增长曲线。

AI 推荐流量增长较快,但占比仍然有限

SearchSignal 汇总 Similarweb、BrightEdge 与 Digiday 等 2024—2025 年研究后指出,AI 推荐流量同比增长 357%;Conductor、SE Ranking 与 Ahrefs 的不同样本则显示,其占网站总流量约 0.1%—1.08%。样本与归因规则不同,该区间不宜合并为市场均值。

Conductor 样本覆盖 13,770 个域名及 33 亿次会话;2025 年 5 月至 9 月,IT 与科技网站的 AI 推荐占比为 2.8%。高增长不等于 AI 已成为各行业的主要流量来源。

趋势观察:需要把抓取、引用与访问分层衡量

Cloudflare 的跨地区新闻样本显示,2025 年 3 月来自 Google 的推荐流量较 1 月低 9%,4 月低 15%。时间上与 Gemini 2.0 更新及 AI Overviews 扩展接近,但不能据此推断因果。

抓取、引用、品牌提及、推荐访问和转化属于不同阶段,不会自然保持同比例增长。

研究启示

企业可记录爬虫主体、用途与页面类型,监测 ChatGPT、Gemini、Google AI Mode、Perplexity 和 Google AI Overview 中的引用或品牌提及,并单独标记可识别的 AI 推荐访问。

结合 GEO 检测、Schema 检查、效果监测及趋势分析,可观察“被抓取—被理解—被引用—产生访问”的路径。

当 AI 抓取、品牌提及与引流不同步时,可分阶段核对数据口径。aipogeo 支持 1 分钟查看你在 6 大 AI 引擎的真实可见度。

跑一次免费 GEO Audit

相关问题

AI 爬虫抓取网站内容为什么没有带来更多流量?

部分抓取服务于训练或索引,并非由用户请求触发;AI 回答也可能直接满足需求。

Crawl-to-Refer ratio 是什么?

它表示每次网站引流对应的抓取页数,不直接代表引用质量或转化。

ChatGPT、Claude 和 Perplexity 的抓取引流比有什么差异?

Cloudflare 2025 年 7 月样本中,三者分别为 1,091.4、38,065.7 和 194.8,需按同一时间解释。

网站被 AI 爬虫频繁抓取后应该关注哪些指标?

可关注抓取用途、引用、品牌提及、推荐访问和转化,以分层定位变化。

分享这篇文章

相关文章

2026 海外营销调查:GEO 投入加速,责任归属与衡量标准仍在形成

2026 海外营销调查:GEO 投入加速,责任归属与衡量标准仍在形成

随着AI生成式搜索进入企业年度预算与营销执行,GEO正从试验性项目转向常态化运营,但组织责任、跨部门协作与衡量标准仍未统一。海外多项营销调查显示,SEO与数字营销团队通常承担执行工作,专职策略及KPI角色仍较少,企业行动速度快于流程成熟速度。衡量机制也从AI转介流量扩展至品牌提及、引用来源、可见度、转化与商机。不同样本的方向性结果表明,企业需明确策略负责人、执行边界、固定监测问题集与复测周期,并结合可见度、访问行为及业务结果建立分层验证框架。

阅读更多
客户问题从哪里找来做 GEO?

客户问题从哪里找来做 GEO?

随着生成式 AI 逐渐参与用户的信息检索、产品比较与采购决策,GEO 内容的问题来源也需要从传统关键词扩展转向真实客户需求。GEO 问题词不应依靠团队主观猜测,而应从销售沟通、客服咨询、客户搜索、网站行为数据及竞品内容中系统整理。SEO 关键词可以作为起点,但需要进一步拆解其背后的选型、应用场景、方案比较和采购决策意图。建立问题池后,还需结合 GEO 检测观察 AI 是否回答相关问题、品牌与竞品是否出现,并结合核心产品、目标客户及真实采购场景判断业务价值,通过持续监测和数据分析动态调整问题优先级。

阅读更多

想了解更多?

获取您的免费 AIPO 分析报告,了解您的品牌在 AI 平台上的表现