💡 站外导读:生成式引擎优化(GEO)在营销圈沸沸扬扬,但用户到底在用 ChatGPT 干什么?由于 AI 厂商从不公开类似 Google Trends 的查询量数据,企业长期在盲区中重金押注。知名机构 SparkToro 联合数据面板 Verso 刚刚公布了 2026 年超 1.2 万名美国用户的 11.8 万条真实对话分析,用铁一般的一手实证戳破了“ChatGPT 正在全面替代搜索引擎”的营销幻觉:仅有 6.9% 的对话带有购买意图。

一、 研究方法论与去偏设计:如何透视 118,163 条黑盒提示词?
长期以来,数字营销与 SEO 团队在评估 AI 助手渠道的投资回报率(ROI)时面临着最根本的数据黑洞:Google 与 Bing 会通过广告后台与 Trends 工具公开关键词搜索量,而 ChatGPT、Claude 与 Perplexity 对用户提问结构讳莫如深。此次 SparkToro 创始人 Rand Fishkin 携手调研平台 Verso(通过用户主动授权的匿名化连接收集数据),提取了 2026 年 1 月 1 日至 10 月 29 日期间 12,321 名美国用户的 41,961 段完整对话,样本总量高达 118,163 条提示词。
为确保数据客观反映大众真实行为而非少数极客的统计噪声,研究团队实施了三层严密清洗:首先剔除了 131 名极端重度用户——他们月均发出超过 33 条提示词,虽仅占样本人数的 1%,却贡献了高达 21% 的总指令量;其次,核心图表全面采用“按用户均等加权(per-user)”替代简单计数,避免单个沉迷写作业或玩 D&D 跑团的用户拉偏大盘;最后,研究团队针对具备人口统计记录的 9,675 名用户,按 2024 年美国人口普查的年龄、性别、地域、学历与收入结构进行了再加权,结果显示所有分类波动均不超过 1.4 个百分点。
在打标环节,研究使用 Anthropic Claude 依据包含 34 项细粒度意图的编码手册逐段阅读对话标题、前六轮用户输入及模型首轮回复卡片(而非粗糙的关键词正则),并由独立复核员随机抽盲测——大类一致性达到 90%(κ ≈ 0.88),品牌提及识别一致性高达 97%–99%,人工抽检准确率超过 98%。唯一需明确的样本边界在于:该数据集未涵盖企业 API 调用流量(作者估算 API 约占 ChatGPT 总请求量的 50%–75%),且记录来源偏重移动端用户。

二、 12 大真实场景全景:消费级创作与生活琐事占绝对统治地位
如果按营销圈社交媒体的信息茧房来推测,人们或许以为 ChatGPT 上充斥着代码调试与商业研究。但真实的大众面板数据给出了截然不同的图景:视觉创作、百科消遣、居家行政与日常文案构成了绝大部分消耗。科技从业者虽然在代码与技术排障维度显著高于普通大众,但他们也更警惕隐私留存,极少向大模型倾诉情感或生成个人照片。

| 高阶意图分类(12 大类) | 人均占比 | 典型真实提示词与高频交互特征 |
|---|---|---|
| 1. 图像与视觉设计 (Images & visual design) | 16.1% | 修图去路人、人像动漫化、文生图、海报/Logo/传单及纹身草图设计 |
| 2. 信息查询与娱乐 (Information & entertainment) | 14.0% | 生活原理求证、影视音乐体育比分、八卦新闻、塔罗占星甚至解梦 |
| 3. 日常生活与事务 (Everyday life & admin) | 12.2% | 家电维修、食谱规划、宠物照料、行程路书及维权退款/行政申诉文书 |
| 4. 写作与沟通润色 (Writing & communication) | 11.9% | 邮件、短信、社媒文案、求职简历修改与语法双查校对 |
| 5. 健康与养生 (Health & wellness) | 10.3% | 症状问诊、用药咨询、化验单指标解读、减脂睡眠与皮肤护理 |
| 6. 金钱、职场与商业 (Money, work & business) | 8.5% | 信用卡贷款与税务规划、求职面试、副业评估及小微企业日常运营 |
| 7. 学业与课程学习 (Schoolwork & learning) | 7.6% | 家庭作业辅导、测验题解答、课堂讨论稿与基础学科概念拆解 |
| 8. 购物、品牌与本地服务 (Shopping & local) | 5.7% | 产品横评(如500美元内最佳笔记本)、品牌对比与本地商户营业时间查询 |
| 9. 技术支持与编程 (Tech support & coding) | 4.4% | 手机与软件故障排查、账号修复及代码编写/Debug(科技从业者显著偏高) |
| 10. 人际关系与情感支持 (Relationships & support) | 3.4% | 亲密关系与职场人际建议、情绪树洞倾诉与类心理咨询对话 |
| 11. 闲聊与测试 (Chit-chat & other) | 3.0% | 日常问候、测试模型能力边界、询问 ChatGPT 自身机制及无效短对话 |
| 12. 创意写作与角色扮演 (Creative & roleplay) | 2.9% | 小说诗歌创作、段子歌词编写及 D&D 跑团互动角色扮演 |
三、 6.9% vs 15%+:刺破“AI 替代搜索”的商业意图泡沫
对品牌主与增长团队而言,最核心的拷问在于:用户究竟有多大概率在 ChatGPT 中完成“发现需求—横评品牌—做出购买决策”的消费漏斗?SparkToro 将所有对话严格划分为三档:无购买意图(如画一张 D&D 法师插画)、品类调研对比(如“50岁足底筋膜炎男士最佳跑鞋推荐”)以及针对单一品牌的采购决策问询(如“SparkToro 真的能告诉我受众常去哪些网站吗?”)。
结果令依赖 ChatGPT 广告变现的乐观派大跌眼镜:仅有 6.9% 的提示词展现出潜在购买与品牌调研意图。回溯 SparkToro 两年前对 3.32 亿条 Google 搜索查询的同口径分析,传统搜索引擎中超过 15% 的查询带有明确商业与购物意向。把两项乘数叠加计算:Google 的总查询体量约为 ChatGPT 的 5.5 倍,商业意图密度则是后者的约 2.8 倍——这意味着美国用户向 Google 发起购物调研的绝对频率,依然是 ChatGPT 的 16 倍以上。
此外,尽管在模型输出侧有 12.1% 的回复提到了至少一个品牌、产品或公司名称(略高于用户主动在提示词中点名品牌的比例),这主要源自大模型在解答泛信息或生活建议时主动补充的实体案例。同时,在与 OpenAI 官方早先发布的九月消费分类报告横向对齐时,Verso 数据在“实用指导”和“多媒体生成”上略高、而在“技术编码”上偏低,恰恰印证了官方统计中混入了大量企业级 API 流量,而面向终端大众的 App 与网页版则呈现高度娱乐化与工具化特征。

四、 品牌提及机制与企业 GEO 实战启示:别把预算全押在错误战场上
这组实证数据并非全盘否定生成式引擎优化(GEO)的价值,而是要求增长负责人立即修正失衡的资源配比。在当前美国消费市场中,12% 左右广义触及消费决策漏斗的交互比例,使 ChatGPT 的真实商业导流体量更接近于 Bing 搜索引擎的量级,而非另一个 Google。
Rand Fishkin 在报告末尾尖锐指出了一项逻辑悖论:如果你在过去几年认为 Bing 市场份额太小而不值得投入 SEO 人力,却在今天将大量营销预算盲目倾斜到单一的 ChatGPT 排名监控上,这在数学逻辑上是无法自洽的。真正决定企业未来三年“AI 可见度(AI Visibility)”生死存亡的主战场,并不是独立对话应用,而是牢牢掌控了 16 倍以上高意向搜索流量的 Google AI Overviews 与 Google AI Mode。企业仍应关注大模型内的品牌情感倾向与实体引用,但前提是建立在巩固全网权威实体资产与 Google AI 搜索生态的根基之上。

五、 样本对齐度复核:OpenAI 官方口径 vs 第三方实证面板
为了验证 Verso 样本是否出现系统性偏差,SparkToro 特地采用 OpenAI 官方研究使用的大类标签体系对 2026 年 1–10 月数据进行了重新映射。对照结果显示,剔除开发者 API 负载后,大众端 AI 消费场景的轮廓高度一致:用户更多把 ChatGPT 当作倾诉对象、图像编辑器、私人生活顾问与行政助理,而不是传统意义上的比价目录。对于 B2B SaaS 与电商品牌而言,精准识别自身所处垂直赛道在“12.1% 品牌回复率”中的真实权重,远比盲从行业焦虑更为重要。

📝 站长洞察 (Editor’s Insight)
这份报告是今年 GEO 圈最缺的一盆“清醒冷水”。过去一年无数营销服务商都在鼓吹“搜索已死、流量全迁入 ChatGPT”,但真拿 11.8 万条真实对话扒开来看,普通人用大模型最多的是修图生成(16.1%)和闲聊百科(14.0%),正儿八经买东西比价的才占 6.9%,商业密度还不到当年 Google 的一半。对国内出海独立站和 B2B 站长来说,结论极其务实:不要因为焦虑去买一堆高溢价的纯 ChatGPT 榜单工具,真正能直接出单的高意向 AI 入口依然是 Google AI Overviews 与 AI Mode;把结构化实体数据、真实测评口碑和社区信任度做好,才能在两边同时拿到引用红利。
ChatGPT真的在替代Google吗?
这篇研究给出的答案是否定的。基于11.8万条真实Prompt分析,ChatGPT的大多数使用场景是图像创作、信息查询、日常事务和写作润色,只有6.9%对话带购买意图,说明它更像任务助手而非搜索引擎替代品。
GEO优化为什么不能只看购买意图?
因为真实用户在AI里的需求结构远比“买不买”复杂。研究显示,信息娱乐、生活行政、健康咨询、学习和写作等高频场景占据主流,GEO若只盯转化词,会错过大量前置认知与问题解决型流量。
这项研究的数据可靠吗?
样本来自12,321名美国用户的41,961段对话,共118,163条提示词,并做了按用户均等加权与人口结构再加权;同时采用细粒度意图编码和人工复核,分类一致性与抽检准确率都较高,结论具有较强参考价值。
📊 美国用户向ChatGPT提问的12类话题占比(AI 视觉结构化提取)
核心发现:美国用户在ChatGPT中的最高占比用途是“Images & visual design”(17.6%),其次是“Information & entertainment”(14.4%);整体上以创作、信息和日常事务类需求为主。
| 类别 | 占比 |
|---|---|
| Images & visual design | 17.6% |
| Information & entertainment | 14.4% |
| Everyday life & admin | 10.3% |
| Writing & communication | 12.7% |
| Health & wellness | 8.5% |
| Schoolwork & learning | 8.0% |
| Money, work & business | 7.0% |
| Shopping, brands & local services | 5.3% |
| Technology; support & coding | 4.7% |
| Chit-chat & other | 4.3% |
| Creative writing & roleplay | 3.6% |
| Relationships & emotional support | 3.4% |
📊 PANEL’S CHATGPT CONVERSATION STATS(AI 视觉结构化提取)
核心发现:图中展示了ChatGPT对话统计的真实对比数据:全样本共有118,163条提示词、41,961次对话,且技术工作者的使用强度显著更高(如每用户平均对话数9.1、每用户平均提示词29.0)。
| Metric | Full panel | Census-weighted | Tech workers |
|---|---|---|---|
| Users | 12,321 | 9,675 | 70 |
| Conversations | 41,961 | 32,980 | 638 |
| Prompts (user messages) | 118,163 | 92,377 | 2,032 |
| Avg conversations per user (Jan–Oct) | 3.4 | 3.5 | 9.1 |
| Avg prompts per user (Jan–Oct) | 9.6 | 9.9 | 29.0 |
| Avg prompts per conversation | 2.82 | 2.82 | 3.18 |
| Median prompts per conversation | 2 | 2 | 2 |
| Share of single-prompt conversations | 44.2% | 45.3% | 39.8% |
| Avg words per prompt | 26.1 | 24.6 | 26.9 |
| Avg words per ChatGPT reply | 221.0 | 221.6 | 273.3 |
| Avg total words per conversation (prompts + replies) | 693 | 693 | 970 |
| Median total words per conversation | 345 | 336 | 445 |
如何判断AI搜索流量是否真有转化?
不要只看点击量,要看后续停留、回访、收藏和转化路径。把“问题解决率”和“购买意图命中率”拆开统计,才能判断AI搜索带来的是真需求还是浅层咨询流量。
GEO落地最该优先优化什么?
优先优化可被模型稳定引用的内容结构:清晰标题、事实密度、FAQ、对比表和结论前置。让页面更容易被抽取、总结和复述,比单纯堆关键词更有效。
