谷歌藏了20年數據，這幫人用3個信號算出了AI搜索量

傳統搜索時代，我們有個奢侈的特權——數據。想知道"最佳AI營銷工具"每月被搜多少次？谷歌關鍵詞規劃師給你精確到個位。但踏進AI搜索的世界，燈突然滅了。ChatGPT、Claude、Gemini、Perplexity，沒有一個平臺開放查詢量API。數千萬用戶每天在這些黑箱里提問，而外面的人只能干瞪眼。

Aditya Mangal，一個做數據產品的工程師，決定自己動手造一盞燈。他的目標：用間接信號估算AI搜索量（AI Search Volume，簡稱ASV），把不可見的變成可見的。

黑箱里的腳印：為什么AI搜索成了測量盲區

谷歌搜索的商業模式建立在數據透明上。廣告主需要知道關鍵詞熱度，SEO從業者需要追蹤趨勢，這套基礎設施運轉了二十多年。但AI搜索的商業模式完全不同——訂閱制、對話式、無廣告位，平臺沒有動力公開查詢數據。

這造成一個荒誕局面：企業想優化AI可見性卻找不到北，研究者想分析趨勢卻無從下手，創業者想驗證需求卻像在霧里開車。Mangal在文章里打了個比方：「每個查詢都在互聯網上留下腳印，我們只是需要收集并解讀它們。」

他的解決方案不碰任何平臺的內部數據，而是向外看——找那些AI查詢會必然觸達的外部痕跡。

五層漏斗：從用戶問題到ASV分數

整個系統像一臺逆向工程的信號解碼器。用戶輸入一個種子查詢，比如"最佳AI營銷工具"，系統先進行語義擴展——不是簡單的同義詞替換，而是理解意圖后的變體生成。營銷工具可能拆成"AI文案工具""自動化營銷軟件""小紅書運營AI"等十幾個方向。

擴展后的查詢群進入多源數據采集層。Mangal沒透露具體用了哪些源，但從技術邏輯推斷，可能包括：公開論壇的討論熱度、社交媒體的相關提及、傳統搜索引擎的關聯查詢建議、以及AI平臺自身泄露的片段信息（比如Perplexity的"相關問題"推薦）。

數據清洗后進入分析模塊，核心是比較信號強度的時間序列變化。最后一個環節是加權評分，不同源的置信度不同，老論壇的帖子和推特熱搜的權重顯然不該一樣。最終輸出一個標準化的ASV分數，大致對應"這個查詢在AI生態中的月度活躍討論量"。

關鍵洞察：ASV不是搜索次數的精確復刻，而是相對需求的可信排序。它回答不了"ChatGPT上被問了100萬次還是200萬次"，但能告訴你"這個查詢比那個查詢熱3倍"。

信號考古學：當測量本身成為產品

Mangal的項目有個微妙之處——它把"測量不可測量之物"本身做成了可售賣的能力。傳統SEO工具賣的是數據訪問權限，ASV工具賣的則是推理方法論。買家得到的不是標準答案，而是一套經過校準的估算邏輯。

這有點像早期谷歌的PageRank。當網頁質量無法直接量化時，用鏈接關系間接推斷。區別在于，PageRank后來成了谷歌的核心資產，而ASV估計器可能永遠只能是第三方補丁——平臺越封閉，補丁越有價值，也越脆弱。

文章發布于2026年4月，Mangal在文末留了句輕松的討賞：「創作者靠咖啡運轉。」但評論區有個問題懸著：如果AI平臺突然開始部分開放數據，這套系統是會貶值，還是因校準了更長時間序列而變得更準？

測量黑箱的人，最終也成了黑箱的一部分。當ASV估計器被足夠多的企業采用，它會不會反過來影響企業的AI優化策略，進而扭曲它試圖測量的原始信號？