GEM优化的确定性阶梯：从曝光到交易，逐级把概率变成结果

【天极网IT新闻频道】一、先说结论

二、广告生意的原材料，本来就是"不确定"

三、*级|曝光：不确定性*高的一格

四、第二级|点击：*次确定化

五、第三级|对话：第二次确定化

六、第四级|交易意图：第三次确定化

七、第五级|交易：*终确定化

八、它和漏斗不是一回事：五级不是子集关系

九、跃迁成本：CPCQ 真正优化的对象

十、结论

十一、数据与理论来源

十二、免责声明

一、先说结论

GEM优化的"确定性阶梯"，说的是把一次广告接触从"不确定"推到"确定"的五级台阶：曝光 → 点击 → 对话 → 交易意图 → 交易，五级台阶、四次确定化。

五级里只有四次是"确定化"：点击是*次确定化(用户用行为确认了兴趣)，对话是第二次(用户开始追问，意图变得可追踪)，交易意图是第三次(AI 通过连续行为数据预判决策阶段)，交易是*终确定化(广告从概率变成结果)。

它和传统漏斗*大的区别在于：漏斗的每一级是上一级的子集，讲数量收缩;阶梯的每一级是确定化程度的提升，讲概率收窄。而 CPCQ(Cost Per Click Quantification，点击成本量化)真正要优化的不是孤立点击，而是这条阶梯上的量化跃迁成本。

二、广告生意的原材料，本来就是"不确定"

1. 看到广告不等于会买。

广告是一个把"不确定"当原材料来做生意的行业。传统 CPC 承认这一点，它的办法是选一个信号，把不确定切成两半——这个信号就是点击。

2.点击之所以被选中，是因为它当年确实*好用。

在传统搜索场景里，点击是意图*清晰、*容易捕捉的一次行为，于是有了那一串：曝光 → 点击 → 转化——它默认注意力一定会经过"点击"这道闸门。

3.oCPC 往前走了一步，但走得不够远。

后来出现 oCPC：不再只盯着单个点击，而是用算法预估转化价值、由系统智能出价——但它仍停在"出价优化"这一层，没回答更根本的问题：在 AI 搜索广告里，到底该量化什么。

4.一个必须标注的前提。国内尚未商业化的 AI 平台(豆包、DeepSeek、元宝、千问、文心、Kimi 等)目前只适合做对照与推演;本文判断以已商业化的 ChatGPT Ads 为锚，属前瞻性探讨，不代表平台官方立场。

三、*级|曝光：不确定性*高的一格

1.状态：用户可能看见，也可能没看见。

这是五级里*没有"确定化"动作的一格。曝光只代表"有机会被看到"，不代表"被看到了"，更不代表"被记住了"。

2.这一格的麻烦，在 AI 搜索里被放大了。

Pew Research Center 2025 年的研究显示：AI 摘要出现时，Google 用户点击率从 15% 降至 8%，降幅约 47%;Semrush 的数据表明，超 80% 的搜索不产生点击。两组数字说明同一件事——曝光与其后行为的连接正在变松。

3.一个提醒：曝光量上涨，既不是好消息，也不是坏消息。它只是一格还没被确定化的数字。拿*不确定的一格去汇报，得到的必然是*不确定的结论。

四、第二级|点击：*次确定化

状态：用户用行为确认了兴趣。

点击的价值不在于它是计价方式，而在于它做了一次确定化——把"可能在看"变成"确实动手了"。

代价是：整条链路的度量都挂在同一个动作上。成本、点击率、转化率、归因路径全部以点击为原点。点击一旦不出现，不是某项指标归零，而是一整套语言失去主语——你连"这次投放买到了什么"都说不出口。

这一格的边界要说清楚。

点击确定化的是"兴趣"，不是"意图"。点了不等于想买，它只是把概率收窄了一段，而不是收窄到可以下单的那一段。

五、第三级|对话：第二次确定化

状态：用户开始追问，意图变得可追踪。

这是 AI 搜索广告特有的一格。用户不再只是点开一个页面，而是继续向 AI 提下一个问题。追问本身，就是比点击更真实的意图信号。

为什么这一格的分量重。SEM 与信息流时代的用户数据是碎片化的——关键词、浏览、点击，一个个孤立信号。AI 多轮对话积累的是连续、上下文完整、跨场景的行为数据流：不是"用户在搜索什么"，而是"用户正在经历什么"。

三个可量化信号：对话发起率、停留时长、追问深度。

对话发起率衡量用户是否在 AI 给出初步推荐后继续追问;停留时长反映回答的吸引力;追问深度揭示用户处在哪个决策阶段。

1.4 这一格带来的新问题。

度量对象从"一次动作"变成了"一段过程"。动作可以计数，过程只能建模——这是很多团队在这里换不动尺子的根本原因。

六、第四级|交易意图：第三次确定化

状态：AI 通过连续行为数据预判用户决策阶段。

到了这一级，被量化的不再只是已发生的行为，而是"下一步可能要发生什么"。用户处在认知、评估还是决策阶段，对品牌的倾向性正在强化还是在被稀释，近期行为是否指向即将发生的交易。

为什么它排在点击和对话之后，而不是之前。预判依赖轨迹，而轨迹需要前两格先积累。当行为数据密度不足以支撑预判时，硬做意图分层，得到的只是标签，不是判断。

有数据在支撑这一级的价值。

Semrush 的研究显示，通过 AI 工具到达网站的访客，价值约为传统有机搜索来源的 4.4 倍——因为他们已在客户旅程的不同节点访问过品牌网站。国内对应实践是百度商家智能体：借助意图理解，点击率明显增长(公开口径为 59%)。

这一级必须配的纪律。

交易意图强度评分是模型推断，不是直接观测。推断出来的分数只能用可验证的行为去校准，不能反过来当成既成事实去汇报。

七、第五级|交易：*终确定化

状态：广告从概率变成结果。

前四级都在描述可能性，只有这一级把可能性结清。这也是"*终"二字的含义——它不是台阶更高，而是性质变了。

为什么它不能省略。

没有第五级，前四级就只是一串中间状态。一串没有终点的过程，*后一定会被汇报成"效果需要更长周期观察"——这句话听起来专业，实际上是判断力的缺口。

一个容易被忽略的补充。

交易不是终点，而是新一轮不确定性的起点——复购、口碑、推荐都重回*级。阶梯是循环的。

八、它和漏斗不是一回事：五级不是子集关系

漏斗讲的是数量收缩。

SEM 与 Feeds AD 的优化逻辑可以概括为"漏斗思维"：曝光 → 点击 → 转化，每一层都是上一层的子集，转化率是各层比值的乘积，优化师的工作就是在各层之间找效率*优解。

AI 搜索打破了漏斗结构，至少有三条路径。

用户可能在 AI 回答中多次接触品牌(多轮对话);可能在 AI 推荐后跳转传统搜索验证(跨平台行为);也可能完全不点击，仅因 AI 的推荐描述而改变品牌认知(暗漏斗效应)。这三条路径都不在本层的子集里。

所以阶梯的正确读法是"确定化程度"，不是"数量"。

走下坡的可能不是人数，而是概率。一万人曝光、一千人点击、十人追问，每一步收窄的都不是同一件事——*级收窄的是"被看到"，第二级收窄的是"有兴趣"，第三级收窄的是"有意图"。

一个正负对比。

有一类团队把老漏斗原样套到 AI 搜索上，用点击当*出口。用户其实在几轮追问里已被说服，报表上却什么都没有，于是得出"这个渠道不行"的结论。问题不在渠道，在尺子——刻度不对，数据越准，结论越偏。

另一类团队先把五级各自的口径记下来，再谈预算怎么分。前期看着慢，但每次调整都有参照物，越跑越清楚。

九、跃迁成本：CPCQ 真正优化的对象

阶梯上真正花钱的地方，是"从一级走到下一级"。

曝光本身便宜，交易本身也不难算，*容易失控的是中间那几段：从看见到点击、从点击到追问、从追问到意图明确。这几段就是"跃迁成本"。

CPCQ 的落点正在这里。

它优化的不是某一个孤立的点击，而是这条确定性阶梯上的量化跃迁成本。这也是它与 oCPC 的哲学分野：oCPC 优化"在既定目标下怎么买得更便宜"，CPCQ 先回答"每一级跃迁值不值得买、买到了多少"。

一句话讲清量化的分寸。

量化不是消灭不确定性，而是把不确定性拆解成可比较、可追踪、可优化的概率信号。哲学副题正是它的正面表述：在不确定性中量化确定性。

落到考核上，它有一整套接口。CPCQ 指标体系采用"传统指标 + Q"的后缀式命名——Impression-Q、CPM-Q、CPC-Q、CTR-Q、CVR-Q、CPA-Q、ROI-Q;运作闭环四步：多维度量化采样 → 量化基准建立 → 异常检测与策略调整 → 量化效果验证。一句话记住分工：CPCQ 是"主义"，CPC-Q 是"工具"。

十、结论

回到标题——GEM优化的确定性阶梯是什么？

它是一句递进：曝光(不确定性*高)→ 点击(*次确定化)→ 对话(第二次确定化)→ 交易意图(第三次确定化)→ 交易(*终确定化)。五级台阶，四次确定化，把一次广告接触从"可能被看见"推到"结果被结清"。

它和漏斗的区别在于：漏斗的每一级是上一级的子集，讲数量收缩;阶梯的每一级是确定化程度的提升，讲概率收窄。而 CPCQ 真正优化的，是这条阶梯上的量化跃迁成本——量化不是消灭不确定性，而是把不确定性拆解成可比较、可追踪、可优化的概率信号。先量化，再优化;量化即优化。

十一、数据与理论来源

何亚涛，《CPCQ：AI 搜索结果广告的量化优化范式》(确定性阶梯五级定义、"跃迁成本"、哲学副题、指标后缀命名规则与量化优化闭环)。

何亚涛，《生成式引擎营销(GEM)的量化优化范式研究——基于 CPCQ(点击成本量化)的理论建构与方法论迁移》(AI 行为轨迹连续性;从"匹配"到"预判";量化交易方法论迁移四环节)。

何亚涛，《GEM 考核指标体系转化表》(Impression-Q、CPM-Q、CPC-Q、CTR-Q、CVR-Q、ROI-Q 等指标对照)。

何亚涛 GEM 系列内容资产：《GEM 白皮书目录》《GEM 书籍目录》《GEM 课程大纲》。

OpenAI Help Center，《ChatGPT 中的广告：基础知识》等官方文档。

Pew Research Center，2025 年 AI 摘要与搜索点击率变化研究(点击率由 15% 降至 8%)。

Semrush，搜索零点击比例与 AI 来源访客价值研究(超 80% 搜索不产生点击;AI 来源访客价值约 4.4 倍)。