大家好，我是Neo。

今天这篇不聊算法，聊一件更要命的事：你报表上那几个数字，是怎么来的。

起因是 Search Engine Journal 上一篇很反常的文章。作者 Duane Forrester（他自己做测量工具 CitationIQ，这一点他在文里主动声明了）写了三条关于2027年的预测，然后花了整个后半篇解释：为什么第四条预测——“你根本没法验证前三条”——比前三条重要得多。

我读完之后的判断是：这篇文章真正的价值不在预测，在于它给了一套判断“数字可不可信”的方法。而这套方法，恰好是独立站老板最缺的。

一、先看那三条预测（很短）

预测一：搜索广告的钱还在涨，但“把人送去你网站”的那部分收入在缩。

Alphabet 在 2026 年 7 月 22 日发布的 Q2 财报里，Google Search 一个季度营收约 633 亿美元，同比 +17%——AI Overviews 全面上线一年多、AI Mode 全球铺开之后，广告业务不但没被吃掉，还在涨。

但看第二行：这个 17% 是六个季度以来第一次减速，CFO 还预告 Q3 的比较基数更难。

作者的说法是：这两件事会同时为真——搜索广告收入总量继续增长，而其中“把用户交给你”换来的那部分占比持续缩小。钱没有离开谷歌，只是离开了那个曾经会给你分成的环节。

（反证条件：连续两个季度搜索收入负增长，且没有明显的宏观原因。）

预测二：排名和赚钱，已经不是一个岗位了。

旧结构很干净：谷歌给你排名 → 排名带来流量 → 谷歌基于这个意图卖广告。每个人都需要那次点击，所以点击才有动力被测量。

答案层打破了这个结构，但没有打破收入：**大部分搜索现在不产生对外点击，广告业务照样增长。**这两件事并排放在一起，就是全部故事。

所以预测是：到2027年，“排名的那一层”和“赚钱的那一层”不再是同一层。排名页大概率会作为“遗留界面”存在（因为广告主和二十年习惯需要它），而真正有决定性的产品决策发生在别处。

对应的行动判断：谁也不会赢，大多数公司会“并行运行”——同时优化一个排名界面和一个答案界面，两套假设、一个预算。这不是过渡状态，对大多数公司来说它是稳态。

预测三/四：到2027年底，这个行业会拿“推出来的数据”做出比过去20年更多的决策，并沿用过去只给“数出来的数据”的自信去汇报。

前三条是茶余饭后，第四条是冷水。

二、核心概念：计数 vs 推断

作者给的定义非常克制，但很好用：

	计数出来的数字	推断出来的数字
来源	在你或你的供应商控制的基础设施上被观测到的事件	从样本外推到一个没人能完整枚举的总体
可以核对吗	可以——你能回去找底层的原始事件	不能——你只能去问供应商的方法，并期待他们公布过
出错时你能做什么	定位、修复、重算	只能怀疑、协商、或者接受

关键在于第二列和第三列：这不是“好数据 vs 坏数据”的排序。

作者明确说了一句很重要的话：**面板研究（panel work）能回答服务器日志根本碰不到的问题。**这是方法差异，不是质量高低。

但它的后果是硬的：当你对一个数字感到意外时，它的来源决定了你能做什么。

• 计数：你可以翻日志，找到那些事件，自己重算一遍；
• 推断：你只能去问方法。而如果方法没公布，你连“它是不是错了”都没法判断。

三、例子一：GA4 里最重要的两个数字，长得一模一样

作者举的例子是 Google Analytics，理由是“它同时包含了这两类数字，而且用同样的方式展示”。

• 会话数（Session）——接近计数；
• 渠道归因——是推断；
• Direct——是推断安静失败时的垃圾桶。

而界面里没有任何东西告诉你哪一列是哪一类。同样的字体、同样的图表、同样的导出、同样的两位小数。

然后是两件事，都发生在2026年：

第一件：5月13日，GA4 给默认渠道组加了 “AI Assistant” 渠道。

这个改动是好东西，也是大家喊了很久的东西。但它同时带来三件事：

• 被识别为 AI 来源的完整名单没有公布；
• 没有说明这份名单以后怎么维护；
• 渠道定义页当时都还没更新。

而且几周之内，实际被报告的平台集合和发布时点名的集合就对不上了——发布公告里点名的是 ChatGPT、Gemini、Claude，而到了6月的活跃文档，列出的是 ChatGPT、Gemini、Deepseek、Copilot、Grok。Claude 反而不在列，Perplexity 从来就没进过（它一直落在 Referral 里），而 Google 自家的 AI Overviews / AI Mode 点击被算进自然搜索。

更关键的是：**这个渠道只向前统计，不回溯历史。**5月13日之前的数据永远留在原来的分类里。

作者对这件事的评价我特别认同：这是一个“计数出来的数字”，它的定义在你不知情的情况下移动了——而这个工具会把结果报到两位小数。

第二件：9月1日，标准报告在大量属性上显示零流量，而实时报告一直显示有用户。

拆解一下这个现象：**采集在正常工作，报告没有。**这是两个独立系统，会独立失败。

• 懂这件事的人，能用一句活跟老板解释那个零；
• 不懂的人，会花一整天去重新检查那些从来就没坏过的埋点。

一周之后，仍然没有公开确认受影响的这些数据会被恢复或回填。

作者说得很客气也很准确：这两件事都不是丑闻，它们很平庸。正因如此才值得学习。

四、例子二：一个只准确了一周的说法，被继承了一年

这是我读完全文最被戳到的一段。

2025年5月 AI Mode 上线时，它的引文链接带了 noreferrer 属性——这会剥掉 referrer，把那些点击丢进 Direct。从业者很快发现了，John Mueller 公开说看起来是谷歌这边的 bug，几天后属性被移除，有署名的从业者确认流量重新归类为自然搜索。

然后，整个2026年，大量供应商内容在断言：“AI Mode 按架构设计剥离归因，是刻意的选择而不是意外，而且没有办法绕过。” 几乎没有任何一篇引用过那次修正。

作者的原话大意是：一个只准确了大约一周的说法，被继承了一整年，并且在传递过程中硬化成了“永久的设计意图”。

他接着补了一句我觉得该打印出来贴在墙上：

不管那个属性今天在不在那些链接上，都不是重点。重点是：几乎没有一个在重复这个说法的人知道答案——因为要确认这件事，只需要打开页面读一下标记，大约90秒。

他们不是在报告一次观测，他们是在复述一次观测。

Neo的解读：这段话说的是AI时代最普遍的一种错误——**把别人的结论当成自己的数据。**你打开十个供应商的文章，八个都在说同一句话，于是那句话在你心里就从“某个人的说法”变成了“行业事实”。而它可能从头到尾没人核对过一次。

五、佐证：两件事可以同时为真

作者的预测一（钱跟流量分家）有一组很好的旁证，也顺手说明了“口径”这件事有多难。

SparkToro 基于 Similarweb 美国点击流面板做的报告：**每1000次美国谷歌搜索，只有232次点击到达“开放网络”。**68%的搜索零点击，32%产生点击——其中66%去开放网络，27%去 Alphabet 自家资产（YouTube、地图、AI Mode），6%去付费广告。

对比2024年的数据（Datos 面板，360次/千次搜索），产生至少一次点击的搜索占比从 41% 掉到 32%。

但请注意这一层：这些数字是不同面板、不同年份拼起来的——2016/2019来自已关闭的 Jumpshot，2024来自 Datos，2026来自 Similarweb，作者自己都说这张跨年图“有点拿苹果比橘子”。

而 Google 那边的口径完全不同：Liz Reid 说自然点击“总量相对稳定”，AI Overviews 主要去掉的是“跳弹式点击”。她讲的是总量，面板讲的是每次搜索的点击率。查询量增长可以抵消点击率下降，于是两个说法都能站住。

这种“两个都能为真的数字”并列出现的地方，就是报表最危险的地带。

六、那该怎么办？他明确拒绝给清单，给了四个提问

这部分最实用，也最反直觉：作者说他认真想过要不要给一份“数据校验测试清单”，最后的诚实答案是——没法给出一个确定版本。

原因有四条，都很扎实：

1. 没有可以打分的基准真相，所以任何你设计的测试永远不会失败；
2. 数据来源常常不披露，任何“先确定总体”的步骤都在供应商的裁量权里失败，而不是在你的能力里失败；
3. 真实数字大多是混合体——先计数，再在同一个数字里做建模；
4. 你的分类会在供应商改方法的那一刻失效，而方法变更通常写在没人看的发布说明里。

所以——“在这里贴一份清单，等于重复这篇文章正在批评的那个错误。”

他给的是四个提问，用在任何数字进入你的汇报之前：

提问	为什么问
这个数字描述的是哪个总体？能给它命名吗？	枚举不出来，就无法判断代表性
这个值是被观测到的，还是被外推出来的？	决定出错时你能做什么
假设外部世界完全不变，什么会让这个数字变化？	揪出定义变更和管道改动
当系统判断不出答案时，那个会话去哪了？	Direct 就在这儿

第四条我再强调一次：**“当系统无法判定时，数据去哪了”——如果答案是“掉出数据集”，那是干净的处理；如果答案是“被安静地塞进某个桶里”，那这个桶以后一定会被人当成结论来读。**Direct 流量就承担了这样一个角色，而它从来不是为此设计的。

Neo的解读：这四问的妙处在于——**它不产出分数，它产出“一个答案”或者“一片沉默”，而沉默本身就是发现。**你哪怕问得很烂，也至少让供应商被问到一个他们本该答得上来的问题。

七、独立站现在该做的三件事

你不用做完整的测量审计，但这三件事今天就能开始。

1. 建立你自己的“计数层”

只有你自己掌控、且能被核对的数据，才算计数层：

• 服务器/CDN 日志——唯一完整、你说了算的事件记录；
• Search Console 你自己的属性——展示、点击、查询（不是第三方工具加工的版本）；
• 你自己的落地页参数 / 自建 UTM 规范——你能决定口径怎么变。

把这三个和 GA4、第三方工具的数字并排放，而不是互相替代。并排放的时候，差异会自己冒出来。

2. 给报表里的每个数字打上标签

不需要很复杂，在内部报表里加一列就行：这个数是“观测“还是”外推“。

只要加了这一列，你会立刻发现一件事：很多进入决策会议的数字，来源是外推，而展示形式是计数。

3. 数字异常时，先分三问（9月1日事件的教训）

采集坏了吗？报告坏了吗？还是口径变了？

这三个问题的排查路径完全不同：

• 采集坏了：去修埋点、修标签、修同意管理；
• 报告坏了：什么都别改，等回填（并且确认会不会回填）；
• 口径变了：找发布说明，记进你的口径变更日志。

大部分人第一反应是修埋点，于是在完全没坏的管道上浪费一天。

顺手再做一件小事：**在 GA4（或其他工具）里对每次口径变更打一个注释（annotation）。**这类注释你今天花两分钟，明年会救你一整天。别再让下一个人把你渠道的突然出现，误读成业绩暴涨。

最后

这篇文章我摘出来写，不是因为它预测得准（它自己说了没法验证），而是因为它给出了一个很少被讲清楚的区分：一个数字能不能被核对，比这个数字是多少更重要。

2027年最值钱的能力，可能不是GEO，也不是提示词工程，而是**“一眼看出这个数字是哪一类”**。

因为接下来一年，你会看到越来越多漂亮的、两位小数的、图表化的、无法核对的数字。而它们和你能核对的那些数字，长得一模一样。