如何判断Search Console中的展示次数来自人类还是机器
内容提要
本文介绍如何区分Google Search Console中的机器印象与人类点击。通过脚本按位置分段分析印象，识别AI查询扇出产生的零点击页面。关键步骤包括检查查询列表中的完整句子、指令等机器特征，并与正常页面对比。建议排除此类页面于点击率优化工具外，将其视为检索信号而非读者需求。
延伸解读
机器印象的成因与识别
文章指出，Google的AI模式通过查询扇出技术将用户问题拆分为多个子查询，每个子查询都会产生真实的搜索印象，但无人点击。这些印象在Search Console中显示为高展示零点击，容易被误判为点击率问题。识别方法包括检查查询列表中的完整句子、指令、相似短语重复以及机器痕迹（如占位符、系统提示片段）。
位置分段分析的价值
文章强调，仅看平均位置会掩盖真实分布。通过将印象按位置分段（前3、第1页其余、第2页、第3页+），可以更清晰地观察点击分布。机器印象的特征是所有分段均无点击，而人类流量通常会在各分段产生零星点击。这种分段分析是区分机器与人类印象的关键步骤。
控制页对比的必要性
文章建议使用同一站点上表现良好的页面作为控制组，在相同时间窗口内运行相同脚本进行对比。通过对比，可以排除站点整体标题质量差等干扰因素。控制页的查询通常为短关键词，而疑似机器页面的查询多为完整句子，这种差异进一步证实了机器印象的存在。
处理机器印象的正确方式
文章建议不要对机器印象页面进行标题或元描述优化，因为这些操作针对的是不存在的读者。应将此类页面从点击率优化工具中排除，并将其视为检索信号而非读者需求。同时，文章提醒不要通过robots.txt阻止AI爬虫，因为查询扇出使用的是普通搜索索引，阻止训练爬虫不会影响这些印象。
Q&A
如何判断Search Console中的展示次数是来自机器还是人类？
可以通过分析Search Console数据来区分。具体步骤包括：拉取页面总数据，按位置分段（top 3、首页其余、第2页、第3页+）查看展示和点击分布，检查查询列表中的机器特征（如完整句子、指令、相似变体、机器痕迹），并与已知有人类读者的控制页面进行对比。如果页面在所有位置分段中点击均为零，且查询列表呈现机器特征，则很可能是机器印象。
为什么AI模式会产生零点击的展示次数？
AI模式（如AI Mode和AI Overviews）使用查询扇出（query fan-out）技术，将用户的问题扩展为多个子查询，每个子查询都会在真实索引中搜索。当你的页面被检索到时，Search Console会记录一次展示，但没有人看到结果页，因此不可能产生点击。所以这些展示是真实的，但点击在结构上是不可能的。
如何通过位置分段识别机器印象？
将页面的展示按平均位置分为四个分段：top 3、首页其余（4-10）、第2页（11-20）、第3页及以上。如果所有分段中点击均为零，尤其是top 3和首页其余位置有大量展示却无点击，这就是机器印象的典型特征。人类流量通常会在各个位置产生一些点击，而机器流量则完全无点击。
查询列表中有哪些机器特征？
机器特征包括：1. 完整的自然语言句子，带标点，如“作为北美中型公司的SEO总监，...”这类角色扮演提示；2. 指令而非问题，如“给我5个关键要点...”；3. 同一短语的近似变体，如“ai content citation criteria answer engine optimization”的多种变体；4. 字面的机器痕迹，如“true or false?”、占位符、系统提示片段等。如果一页上出现多种特征，很可能是机器流量。
如何用控制页面来确认机器印象？
选择你网站上已知有人类读者的最佳文章作为控制页面，用相同的脚本和相同的时间窗口运行分析。对比两个页面的位置分段和查询列表。如果控制页面在首页位置有正常点击，而嫌疑页面在所有位置都无点击，且查询列表呈现机器特征，则确认嫌疑页面的展示主要来自机器。
发现机器印象页面后应该如何处理？
不要对页面本身做任何优化，如重写标题或元描述，因为那是在优化不存在的读者。应将此类页面从点击率优化工具中排除，停止将机器印象视为读者需求，而是将其视为检索信号。这实际上是好消息，说明页面被机器选为来源，但需要解决归因和转化问题。
阻止AI爬虫能减少机器印象吗？
不能。阻止GPTBot或Google-Extended等训练爬虫只会影响训练数据的收集，而查询扇出是检索过程，使用Googlebot抓取普通索引，与训练无关。因此，阻止训练爬虫不会减少机器印象，只会让你从训练语料中消失。
Search Console界面能否直接区分机器印象？
部分可以。你可以过滤到单个页面并按展示次数排序查询，能看到句子形状的查询。但界面无法按位置分段展示，而位置分段是区分机器印象的关键步骤。因此，建议使用脚本进行位置分段分析。
