查询分析

AI 助手会把对话片段发给 Google。一句「yes」、一句「what about gemini」这样的追问、以及面向倾听者而非搜索框提出的问题：这些都会进入 Search Console，看起来完全不像用户亲手输入的关键词，而这正是 AI Overviews 和 AI Mode 查询扩散留下的可见指纹。查询分析按形态而非主题对查询分组，让这类流量不再藏在长尾里。

八种查询形态

每条查询归入它符合的第一种形态；没有任何对话或机器痕迹的，仍算常规关键词。

• 回复残留 – 对话中途单独出现的回复（「yes」「sure」「show me」「try again」）。有人回应了 AI，而这句回复被当成了搜索。
• 转向追问 – 对话中途的比较（「what about gemini」「how about in chinese?」）。搜索者在让 AI 试一个替代方案。
• 对话式提问 – 面向倾听者提出的问题（「can you jailbreak meta raybans」「is it free」「i am using lmstudio…」）。
• LLM 监测探测 – 来自 AI 可见性工具的合成提示，通常带有地点或语言后缀。
• Agent 指令 – 整段机器指令被记成一条查询（「search the web for… do not invent results」）。
• 粘贴文本 – 错误信息、电子表格表头以及其他原样拿去搜索的复制粘贴内容。
• 未分类长查询 – 10+ 个词且没有更明确的标记；先留出来给你阅读，而不是由系统猜测。
• 常规关键词 – 普通的搜索需求。

你能看到什么

• 摘要卡片：AI 形态查询、它们的展示次数与点击次数、零点击占比，以及问句形式查询的数量。
• 形态占比表，列出各分组的查询数、展示次数、点击次数、零点击率和平均排名。
• 潜在 AI Mode / AI Overviews 追问表：合并三种对话形态，并给出命中的信号以及每条查询的主要着陆页。
• 可折叠的分形态表格，以及完整分类或仅 AI 形态查询的 CSV 导出。

随时间变化的趋势

报告底部回答单一周期无法回答的问题：这类流量是否在增长？

可选择 3、6、12 或 16 个月（默认 12），图表按月将点击次数或展示次数堆叠为 AI 形态与常规两类，并以折线标出 AI 形态占比。当月标记为不完整，因为数据仍在累积。该图表放在独立按钮后加载，因为每一根柱都要拉取一个月的查询数据。

为分类器打分

每一行都可以纠正，而这些纠正正是这项功能的意义所在。

• 点赞确认分类；点踩会打开「这条查询其实是……」菜单，列出其他形态。
• 标记漏检查询框用于捕捉被报告归为常规、实则为 AI 形态的查询。
• 反馈按资源存储，并用于训练未来的模型，因此一次纠正会改进所有人的报告，而不是仅仅把某一行藏起来。

如何运行

• 在侧边栏打开 查询 → 查询分析 (Beta)，或使用查询报告页头中的查询分析按钮。
• 选择时间范围，然后点击 运行分析。在你点击之前，不会拉取任何数据。
• 分类在你的浏览器中对所选周期的热门查询执行，支持英语以及另外 26 种语言（法语、葡萄牙语、荷兰语、西班牙语、德语、日语、中文、乌克兰语、意大利语、波兰语、土耳其语、印尼语、瑞典语、丹麦语、挪威语、捷克语、波斯语、斯洛伐克语、罗马尼亚语、匈牙利语、保加利亚语、芬兰语、阿拉伯语、克罗地亚语、希伯来语、俄语）。

把它当作证据，而不是铁证。 分类器判断的是查询看起来像什么，而不是搜索者真正想问什么，因此故意输入的短查询也可能落入对话类分组。Search Console 还会对大量低流量查询做匿名化处理，所以你看到的只是对话流量露出的冰山一角，而非全部体量。请把监测探测和 Agent 指令视为机器流量，不要把它们纳入关键词机会分析。

也可以通过 AI 助手做同样的分析：MCP 服务器 提供 analyze_query_shapes 用于分形态明细，以及 get_query_shape_trend 用于月度趋势。分组体系遵循 Suganthan Mohanadasan 的研究，该研究关注 Search Console 中的 AI Mode 查询。

属于 查询、页面与国家/地区。相关：查询、页面、国家/地区。