Shopify：AI搜索带来增量流量而非取代谷歌

AI搜索正在成为电商新流量入口

随着ChatGPT、Perplexity、Google AI Overviews等生成式AI搜索工具的普及，电商行业最关心的问题之一是：AI搜索会不会颠覆传统的搜索引擎流量格局，让商家失去谷歌带来的宝贵客源？

这三款工具代表了三种不同路径的AI搜索实现方式。ChatGPT基于大型语言模型（LLM），通过插件和联网搜索功能实现实时信息检索——其底层技术是OpenAI开发的GPT系列模型，通过在海量文本数据上进行预训练来习得语言理解和生成能力，而联网搜索功能的本质是检索增强生成（RAG，Retrieval-Augmented Generation）技术的应用，即在生成回答前先从互联网实时检索相关信息，将检索结果作为上下文注入模型，从而克服LLM训练数据存在时间截止点的固有局限。Perplexity从一开始就定位为"答案引擎"，将传统搜索索引与LLM推理能力深度融合，每次查询都会实时抓取网页并生成带引用来源的结构化回答，其技术架构可以理解为将RAG做到了产品核心——它同时维护自己的网页索引和爬虫系统，在响应速度和引用准确性之间寻求平衡；Google AI Overviews（前身为SGE，Search Generative Experience）则是谷歌将生成式AI直接嵌入搜索结果页顶部的尝试，利用Gemini模型对搜索结果进行综合摘要。与前两者不同，Google AI Overviews的独特优势在于它直接建立在谷歌已有的搜索基础设施之上，拥有全球最大的网页索引库和最成熟的网页质量评估体系，这使得它在信息覆盖面和权威性评估上具备天然优势，但也面临着如何平衡AI摘要与传统蓝色链接之间利益分配的内部博弈——毕竟，如果用户在AI摘要中就获得了完整答案，他们点击广告链接的意愿可能会降低，而广告收入占谷歌总营收的近80%。

它们的共同特点是改变了用户获取信息的方式——从"浏览十条蓝色链接"转变为"直接获得综合答案"，这一范式转变正是电商行业密切关注的原因。

电商平台巨头Shopify给出了一个相对乐观的答案。据Shopify方面的观察，AI搜索目前更多扮演的是流量增量角色，为商家带来了额外的访问和销售转化，而不是简单地取代谷歌搜索的地位。这一判断对于数以百万计依赖搜索流量的独立站商家而言，无疑是一个值得关注的信号。

作为全球最大的电商SaaS平台之一，Shopify截至2024年为全球数百万商家提供建站、支付、物流和营销等一站式服务，其平台上的商家年交易总额（GMV）已超过2000亿美元。与亚马逊等marketplace模式不同，Shopify商家运营的是独立品牌站（DTC，Direct-to-Consumer），这意味着他们不依赖平台内部流量池，而是需要从外部渠道——尤其是谷歌搜索、社交媒体和付费广告——自行获取流量。这种模式的核心优势在于商家拥有完整的客户关系、用户数据和品牌资产，但代价是获客完全依赖外部流量生态。据行业估算，独立站商家的获客成本（CAC）中，搜索引擎（包括SEO自然流量和SEM付费广告）通常贡献30%-50%的总流量，谷歌搜索更是其中的绝对主力。因此，任何搜索生态的变化都会直接影响这些商家的获客成本和销售业绩，Shopify对AI搜索趋势的判断具有行业风向标意义。

为什么AI搜索是"增量"而非"替代"

用户搜索意图的分层

AI搜索与传统搜索在使用场景上存在天然差异。传统的关键词搜索往往是用户已经明确知道自己要找什么，而生成式AI搜索则更擅长处理探索性、对比性和咨询性的复杂需求。

例如，用户可能会向AI提问"适合敏感肌的平价保湿霜有哪些推荐"，AI会综合多个来源给出结构化答案，并附带商品链接。这类原本可能不会发生的"发现型购物"，恰恰是AI搜索创造的新流量来源。

要理解这一点，需要回到搜索营销中经典的"漏斗模型"（Marketing Funnel）。该模型将用户的购买旅程分为几个阶段：最顶端是"认知/发现"（Awareness）阶段，用户对需求尚不明确，处于探索状态；中间是"考虑/对比"（Consideration）阶段，用户开始缩小选择范围；底部是"决策/购买"（Conversion）阶段，用户已明确购买意向。传统搜索引擎在漏斗中下部表现突出，因为用户通常带着明确关键词进行搜索——例如搜索"Nike Air Max 90 黑色 43码"的用户显然已处于购买决策阶段。而"发现型购物"（Discovery Shopping）指的是用户在没有明确购买目标的情况下，通过浏览、推荐或对话式交互发现新产品的过程——社交电商（如TikTok Shop、Instagram Shopping）早已验证了这一模式的商业价值。据eMarketer数据，2024年全球社交电商市场规模已超过1.2万亿美元，其中相当大比例的交易源于用户"无目的浏览"时被推荐内容触发的冲动消费。AI搜索的对话式交互进一步降低了发现型购物的门槛——用户不再需要刷视频等待算法推荐，而是可以主动通过自然语言描述模糊需求，AI则充当了一个"智能导购"的角色，将模糊意图转化为具体的产品推荐。因此，AI搜索正是填补了传统搜索漏斗顶端的空白，而非蚕食底部已有的成交流量。

两条渠道并行共存

Shopify的观点暗示了一个关键趋势：AI搜索和谷歌搜索在当前阶段更多是并行共存的关系。用户在AI工具中完成初步的信息收集和品牌认知后，往往仍会回到谷歌或直接访问商家网站完成最终决策与购买。

这一行为模式与营销学中"多触点归因"（Multi-Touch Attribution）的研究发现高度一致：现代消费者在完成一次购买前，平均会经历6-8个不同的触点（如社交媒体广告、搜索引擎查询、邮件营销、KOL推荐等）。AI搜索正在成为这条购买旅程中新增的一个重要触点，尤其是在旅程的早期阶段发挥"种草"作用。这也解释了为什么AI搜索带来的影响难以被简单的"最后点击"归因模型所捕捉——它的价值更多体现在上游的品牌认知和产品发现环节。

这意味着商家面对的不是一个"零和博弈"，而是一个流量入口不断扩张的多元生态。对于善于布局的商家来说，这是抢占新渠道红利的窗口期。

对电商商家意味着什么

内容与结构化数据变得更重要

生成式AI在生成购物推荐时，高度依赖网页的结构化数据、清晰的产品描述以及权威的内容信号。这意味着商家需要重新审视自己的SEO策略，从单纯优化关键词排名，转向让AI能够准确"理解"和"引用"自己的商品信息。

这里所说的"结构化数据"，具体是指使用Schema.org等标准化词汇表对网页内容进行语义标注的技术。例如，一个产品页面通过添加Product类型的结构化标记，可以明确告诉搜索引擎和AI模型：这个页面的主体是一件商品，它的名称、价格、库存状态、品牌、用户评分分别是什么。没有结构化数据的页面，AI模型只能通过自然语言理解来"猜测"页面内容，准确率和被引用概率都会大打折扣。谷歌搜索早已大量使用结构化数据来生成富摘要（Rich Snippets），而在AI搜索时代，这些数据的重要性进一步放大——它们本质上是网页向机器"自我介绍"的标准化语言。

换言之，未来的搜索优化不仅要讨好谷歌的爬虫，也要迎合AI模型的理解逻辑——业内已经开始将其称为"GEO"（生成式引擎优化，Generative Engine Optimization）。

GEO是2024年由普林斯顿大学、佐治亚理工学院和印度理工学院德里分校等机构的研究人员在一篇题为《GEO: Generative Engine Optimization》的学术论文中正式提出的概念。与传统SEO主要关注搜索引擎结果页（SERP）排名不同，GEO的核心目标是提高内容被AI生成式回答引用和推荐的概率。该研究团队搭建了一个名为GEO-bench的评测基准，系统测试了多种内容优化策略对AI引擎引用行为的影响。研究表明，几种关键策略对GEO效果显著：添加权威引用和统计数据可提升被引概率约30-40%；使用清晰的结构化标记（如Schema.org的Product、Review、FAQ等标签）有助于AI模型准确提取商品属性；内容的专业性、经验性和可信度（即谷歌E-E-A-T框架——Experience经验性、Expertise专业性、Authoritativeness权威性、Trustworthiness可信度——所强调的要素）同样是AI模型判断信息质量的重要信号。值得注意的是，GEO并不是要取代传统SEO，而是在其基础上增加一层面向AI模型的优化维度。对电商商家而言，GEO意味着产品页面不能只是关键词的堆砌，而需要成为AI能够"理解"并"信任"的结构化信息源——例如，一篇包含真实用户测评、成分分析数据、与竞品的客观对比以及专业背书的产品页面，远比一个只罗列参数的页面更容易被AI搜索推荐。

平台层面的基础设施支持

作为电商基础设施提供商，Shopify这类平台的态度也颇为关键。当平台方主动优化商品数据的可发现性、与AI搜索工具建立数据对接，商家便能更顺畅地接入这一新兴渠道。

事实上，Shopify已经在多个层面进行布局。在技术层面，Shopify的店铺模板默认生成符合Schema.org标准的结构化数据，包括Product、Offer、AggregateRating等标记，这为AI搜索工具的抓取和理解提供了良好的数据基础。Shopify还在2024年加大了对AI功能的投入，包括AI驱动的产品描述生成工具Shopify Magic、智能客服Sidekick等，这些工具不仅提升了商家的运营效率，也在客观上提高了商品内容的质量和可发现性。从商业战略角度看，Shopify积极拥抱AI搜索也有深层逻辑：如果AI搜索能够为独立站商家创造新的免费或低成本流量来源，就能降低商家对Facebook/Instagram付费广告的依赖——近年来社交媒体广告成本持续攀升，已成为DTC品牌的主要痛点之一。

这也是Shopify乐于强调AI搜索正面价值的商业逻辑所在——帮助商家抓住新流量，本身就是平台的核心价值主张。

需要保持的审慎视角

有意思的是，Shopify作为利益相关方，其表态天然带有乐观倾向。AI搜索对电商流量的长期影响仍处于早期观察阶段，存在若干不确定性：

• 归因难题：AI搜索带来的流量往往难以精准追踪，商家很难量化其真实贡献。具体而言，传统上商家通过UTM参数（一种附加在URL末尾的追踪标签，用于标识流量来源、媒介和活动名称）、Google Analytics的来源/媒介标签以及cookie追踪来判断每笔订单来自哪个渠道。但AI搜索带来了新的归因盲区——许多AI工具在推荐商品链接时不会附带标准的HTTP referrer信息（referrer是浏览器在跳转时自动发送的一个HTTP头部字段，告诉目标网站"用户是从哪个页面跳转过来的"），导致这些流量在分析工具中被归类为"直接流量"（Direct Traffic），与用户手动输入网址的行为混为一谈；用户还可能在AI对话中获得品牌认知后，通过其他渠道（如直接输入网址或品牌词搜索）完成购买，这种跨渠道的间接影响几乎无法被现有的"最后点击"归因模型捕捉。虽然部分AI平台已开始支持UTM参数传递（例如Perplexity的引用链接中已包含来源标识），但整体而言，AI搜索流量的归因标准尚未建立行业共识。这些技术障碍使得商家目前难以准确评估AI搜索的真实ROI。

• 平台掌控力：如果AI搜索工具未来选择直接在对话中完成交易闭环，商家反而可能面临被"中间商化"的风险。所谓"交易闭环"是指用户从搜索、发现、决策到支付完成的全过程都在同一平台内完成，无需跳转到外部网站——这一模式在中国互联网生态中已经非常成熟，微信小程序将社交流量与电商交易无缝连接，抖音小店让用户从短视频/直播观看到下单支付一气呵成，这些案例充分证明了"闭环"模式对用户体验和平台商业价值的巨大提升，但也导致商家在流量分配和数据获取上高度受制于平台规则。在AI搜索领域，类似趋势已初现端倪：ChatGPT在2025年4月底推出了购物功能，可以直接在对话界面中展示商品卡片、价格对比和购买按钮，用户无需离开ChatGPT即可完成商品发现和比较；Perplexity也在测试"Buy with Pro"功能，允许付费用户直接在搜索结果中完成购买。如果这一趋势持续发展，AI搜索工具可能从"流量分发者"演变为"交易平台"，商家虽然获得了销售，但失去了与消费者的直接关系、用户数据和品牌建设机会——这正是亚马逊marketplace模式下众多第三方卖家长期面临的困境。在亚马逊上，卖家无法获取买家的邮箱地址和详细画像数据，无法建立直接的客户沟通渠道，品牌忠诚度归属于平台而非卖家，且随时面临平台政策调整和竞争格局变化的风险。AI搜索若走向闭环化，可能复制这一模式的弊端。

• 流量集中化：AI推荐可能更倾向于头部品牌，中小商家的曝光机会未必如预期般均等。这一担忧并非空穴来风——AI模型在训练过程中接触到的大品牌信息远多于小品牌，而在生成推荐时，模型倾向于输出其"置信度"更高的答案，这意味着在网络上拥有更多内容、评测和讨论的品牌天然更容易被AI推荐。此外，AI搜索的回答通常只列出3-5个推荐选项，远少于传统搜索结果页的10条蓝色链接和大量长尾页面，这进一步压缩了中小商家的曝光空间。这种"赢家通吃"的效应如果持续加剧，可能与AI搜索"创造增量"的乐观叙事形成矛盾——增量可能主要流向已有品牌优势的头部玩家。

因此，"增量而非替代"更适合被理解为当前阶段的观察结论，而非对未来格局的定论。

结语

Shopify的判断为焦虑中的电商行业注入了一针镇定剂：至少在现阶段，AI搜索更像是一个新增的流量入口，而非谷歌的掘墓人。对商家而言，理性的应对之道不是恐慌，而是尽早布局结构化内容、拥抱GEO优化，并在多渠道生态中找到自己的位置。

毕竟，无论搜索的形态如何演变，能够被用户高效发现、并提供真实价值的商品，永远是电商竞争的根本。