用 URL 查询词数诊断自然点击量流失
如何区分查询覆盖流失、排名下滑和搜索结果变化导致的点击率下降。在进入这篇文章之前,我先做了一个关于查询计数的视频——它有 5

如何区分查询覆盖的流失、排名下滑,以及搜索结果变化导致的点击率下降。
在你阅读这篇文章之前,我录了一个关于查询计数的视频——时长 5 分钟,看一下,它会解释这是什么以及如何运作(是的,这是旧版 SEO Stack 界面,我打算很快录一个新的)。
在这里观看视频:
做 SEO 的人都遇到过这种情况:总有那么一个网站,无论你怎么做,似乎都会被 Google 核心更新狠狠打击一次。但并非所有的损失都一样,事实上,我们今天看到的许多点击损失往往来自 CTR 的侵蚀,而不是更传统的原因,比如排名丢失/位次下滑等等。
Google 点击量的下滑可能来自三种不同的变化:
页面覆盖的查询变少了,或者其查询滑落到更低的位置,
或者同样的搜索可见度带来的点击变少了。
或者排名完全丢失
SEO Stack 的 URL Query Count Tool 通过统计某个 URL 在 Search Console 中的查询数量,并展示查询集合在各个位次区间的分布情况,帮助你区分这些模式。
下面的 Bulkco.co.uk 案例说明了为什么除了总量之外,位次构成和点击率同样重要。
把这个工具当作一个诊断视角,而不是对 Google 为何发生变化的定论。查询总数稳定并不能证明排名稳定,而点击率下降本身也不能证明是 AI Overview 造成了损失。

如何使用 URL Query Count Tool
打开 SEO Workspace > Data Tools,选择 URL Query Count Tool,选定项目并输入你想要诊断的确切 URL。URL 变体很重要:确认规范主机名、协议、路径和结尾斜杠与你正在调查的那个 Search Console 页面一致。
• 选择一个既包含下滑期、又包含有效基线的日期范围。使用按月粒度来观察持续性的变动并平滑周度噪音;切换到按周或按日粒度,把某个变化与上线、迁移或已知事件对上。
• 将 Total Queries 与 Clicks、Impressions 一起绘制,然后打开位次区间:1–3、4–10、11–20、21–30 和 31–100。切换线条显示以保持图表可读。图表可能使用不同的坐标轴,所以要读取数值和单位,而不要把线条高度当作同一标尺来比较。
• 检查月度矩阵和查询行。寻找那些消失的查询、从前三名滑到更低区间的查询,或者展现量保持不变但 CTR 下降的查询。查询行提供点击、展现、CTR 和平均位次,便于深入分析单个词。
• 为你所做的改动添加 URL 注释,并把算法更新叠加层当作时间背景。更新标记是需要进一步调查的线索,而不是该更新导致了波动的证据。
工具参考:SEO Stack URL Query Count 介绍了位次区间图表、月度矩阵、查询详情和注释工作流。

Bulkco.co.uk 快照及其含义
截图是 https://www.bulkco.co.uk/ 的 URL Query Count 视图,所选日期范围为 2023 年 2 月 1 日至 2026 年 10 月 14 日,按日粒度。可见的图表以绿色绘制 Position 1–3,以蓝色绘制 Clicks。两条曲线都波动很大,但即便所选范围延续到更晚,绘制的数据明显在 2025 年 5 月左右就停止了。截图时可用的查询矩阵同样只到 2025 年 5 月,因此之后的月份在此视图中是数据覆盖的缺口,而不是表现一直为零的证据。

快照说明:此图中仅选中了前三名区间和点击量。下面的月度数值来自该工具的矩阵;CTR 按点击量除以展现量计算。
同比对比指向排名下滑
将 2024 年 1 月与 2025 年 1 月对比,可以保持日历月份不变。Bulkco 的查询总数上升,而点击量却减少了一半以上。与此同时,位次构成也发生了变化:前三名的查询大幅减少,而若干较低区间则有所增长。

这不是单纯的查询覆盖流失模式:总量增长了 12%。它更有力地说明是排名下滑与点击转化变弱同时发生。Position 4–10 从 449 变为 419,而 11–20 从 251 升至 396,21–30 从 117 升至 200,31–100 从 527 升至 676。这种不断扩大的低位次分布支持了排名下滑的判断。CTR 也从 2.85% 降至 1.11%,因此搜索结果的变化可能起了作用,但这些汇总数据无法确认 AI Overviews 是原因。
想要更有力的验证,就在两个时间段内比较同一组查询。品牌词、产品词、信息型或季节性查询的构成不同,即使单条摘要的表现相似,也会改变汇总后的 CTR。
之后的崩塌看起来也像触达流失
从 2025 年 2 月到 4 月,查询覆盖、前三名可见度、展现量和点击量全部收缩。5 月收复了部分损失,但仅凭一个月还不足以称之为持续性的恢复。

在 2 月到 4 月之间,查询总数下降 44.7%,点击量下降 82.0%,展现量下降 65.7%,前三名数量下降 84.0%。这种组合指向广泛的可见度下滑,其中结果顶部的损失最为严重。
可能的解释包括排名丢失、需求变化、技术或 URL 变更,或内容被降权;仅凭这张图表无法区分它们。
从 4 月到 5 月,查询上升 17.6%,点击上升 68.4%,但两者仍远低于 2 月。在决定修改什么之前,先检查规范标签和索引变化、内部链接、竞争 URL、站点发布、需求以及算法更新时间点。
仔细解读区间计数 在 Bulkco 的月度矩阵中,位次区间计数与 Total Queries 并不是相加关系。这与同一个查询在一个月内因排名变动而出现在多个区间的情况相符。比较每个区间的变化方向并检查查询行;不要把各区间相加来还原总数。
四种模式与下一步调查
当位次 1–3 和点击量同时下降
从排名下滑查起。检查相同的查询是否移到了 4–10 或 11–20。如果这些区间上升,说明查询可能是滑落而不是消失。如果更低的区间也在下降,那么该 URL 可能完全失去了触达。查询级别的对比能显示哪些词发生了变动,以及是否某一个意图群组或页面板块导致了问题。在做改动之前,先审查页面的相关性、时效性、内部链接、竞争页面和当前的 SERP。

当查询总数持平但点击量下降
总数稳定意味着页面仍然出现在数量相近的查询行中;但这并不意味着这些查询保住了排名或搜索需求。先比较展现量和 CTR,再比较位次区间计数和单个查询。展现量稳定、位次稳定而 CTR 下降,指向点击转化率的降低。品牌词与非品牌词的构成变化、设备构成或国家构成的变化,同样会拉低汇总 CTR。

当查询总数进入持续下滑
把这视为可能的覆盖流失或内容降权,而不是一个结论本身。检查下滑是否集中在较低区间——这意味着失去了扩展性的可见度——还是连靠前的位次也消失了。排除季节性需求和查询匿名化的影响,然后核实索引、规范化、重定向、状态码、页面迁移、重叠 URL 以及 Search Console 的数据覆盖情况。与算法更新日期和站点变更做对比,但不要仅凭时间巧合推断因果。

排名稳居 1–3 位,点击却下滑时
如果查询词和展示量保持不变,而点击率下降,那么 AI Overviews 和其他 SERP 功能就有可能是原因之一。在受影响的设备和地区上,检查具体的查询词和真实搜索结果。留意 AI Overviews、广告、购物单元、本地包、精选摘要、People Also Ask 以及视频和图片模块。在 Search Console 中,按搜索外观、设备和国家/地区(如有数据)进行查看。

Google 目前的 GenAI Performance 报告会按页面、国家/地区、设备和日期展示 AI Overviews 与 AI Mode 的展示量;它可以作为曝光信号使用,但该报告记录的指标是展示量,并不能直接解释点击流失。Google 还明确说明,AI Overview 可占据一个排名位置,且用户点击其中的外部链接会被计为一次点击。因此,平均排名稳定既不能排除 SERP 发生了变化,也不能证明 AI Overview 导致了点击率下滑。
有关最新的报告细节,请参阅 Google 的 GenAI Performance 报告文档及其 Search Console 效果指标定义。
做出改动、添加注释,并耐心衡量
用注释把图表变成一份决策记录。在修改页面之前,先保存基线:日期范围、查询词数量、各排名区间的数量、点击量、展示量和点击率。记录 URL、日期、改了什么以及为什么改。在可行的情况下,把无关的改动分开进行,这样下次出现波动时更容易解读。

• 根据证据做出相应改动:查询词全面下滑时,恢复缺失的覆盖面或解决技术问题;排名下滑时,提升相关性和页面支撑;排名与展示量稳定但点击率走弱时,测试标题、摘要或页面价值。
• 等待 Google 重新抓取页面,并等到一个完整的后续周期结束。主要判断使用月度数据,周度或日度数据仅用于了解时间节点。当季节性因素有影响时,比较相似的日历周期。
• 重新核查查询词总数、排名区间、点击量、展示量、点击率以及受影响的查询词群组。记录预期信号是改善、持平还是恶化。
• 不要根据一个短暂、噪声大的区间就判定成功或失败。即使结果中性,也要保留注释;这些历史记录会让后续测试更有价值。
Search Console 数据并非每一次搜索的完整普查。Google 会省略部分稀有或已匿名化的查询词,可能只保留排名靠前的行,并且通常会有短暂的数据延迟。日度数据使用资源所在的本地时区。两个周期要使用相同的筛选条件和数据类型,对小幅变化保持谨慎。参见 Google 的 Search Console 数据说明和效果报告指南。
Search Console 数据说明 · 效果报告指南
让 AI Assistant 评估影响
给助手提供一个 URL、一个对比时间窗和一条具体的注释。让它把数据显示的事实与可能的解释区分开,并指出缺失的证据。例如:
提示词 针对 [URL],比较注释 [名称/日期] 前后各 28 天。查询词总数、排名 1–3 位和 4–10 位的查询词数量、点击量、展示量和点击率是否同向变动?将观察到的事实与可能的原因分开说明。核查算法更新,并指出季节性和数据覆盖的问题。
提示词 针对 [URL],点击量下降,而查询词总数和 1–3 位排名保持稳定。在有数据的情况下,比较查询词级别的点击率、展示量、设备、国家/地区和搜索外观。这种模式是否支持 SERP 功能或 AI Overview 造成的点击流失?还缺少哪些证据?
一份好的分析结论应当列出日期窗口和指标变化量,列出推动变化的查询词,区分观察到的模式与因果结论,并提出下一步核查方向。除非受影响的查询词和 SERP 证据能够支撑,否则 AI Overview 这一解释应始终停留在假设层面。
用 MCP 做可复用的智能体分析
当你希望助手每次都抓取同样的证据、比较多个 URL,或在更长周期内评估注释效果时,MCP 很有用。在 SEO Stack 的 MCP 连接中,一个实用的只读流程是:
• List My Websites,确定 Bulkco 资源以及要使用的 Search Console 数据索引。
• Get Search Console Min Max Date,在比较周期之前确认可用的数据范围。
• Get Metrics Over Time,按月度粒度获取该 URL 的数据,包括查询词数量、排名区间、点击量和展示量。
• 使用 Get Search Console Data Comparison 做同比或改动前后的对比。
• 使用 Get Search Console Metrics Aggregated By Two Dimensions,在支持的情况下查看查询词与页面、设备、国家/地区或搜索外观的组合;查询词加页面的组合还能揭示 URL 之间的重叠。
• 调用 Get Annotations 和 Get Algorithm Updates,为指标变化补充时间背景。
让智能体返回一份简洁的证据清单:对比的周期、绝对变化和百分比变化、新增和流失的查询词、排名区间的变动、点击率和展示量的变化、附近的注释或算法更新、覆盖面流失/排名下滑/点击率影响/混合因素的归类、置信度,以及下一步测试。如果初始日期核查显示存在数据缺口,让智能体停止对比并报告该缺口,而不是把缺失月份当作零处理。
MCP 提示词 分析 https://www.bulkco.co.uk/,对比 2024 年 1 月与 2025 年 1 月,然后逐月分析 2025 年 2 月至 5 月。先验证可用的 Search Console 日期范围。返回按排名区间划分的查询词数量、点击量、展示量和点击率;识别查询词级别的流失和新增;核查注释和算法更新日期;将每个周期归类为覆盖面流失、排名下滑、点击率/SERP 影响或混合因素。将实测事实与假设区分开,并标注数据缺口。
MCP 访问密钥以你的账户身份进行认证,并拥有该账户的权限。请妥善保密该密钥,使用可信客户端,一旦泄露立即吊销。
一条值得记住的实用原则
点击量告诉你结果发生了变化。查询词总数告诉你页面是否仍然出现在相近范围的搜索中。排名区间显示这些查询词是否发生了移动。展示量和点击率显示曝光是否以同样的比率转化为点击。四者结合来看,深入分析发生变化的查询词,为你的修改添加注释,等到一个可比周期结束后再判断哪些做法有效。
来源与定义
• SEO Stack URL Query Count Tool · https://www.seo-stack.io/platform/query-count
• Google Search Console Performance report · https://support.google.com/webmasters/answer/7576553?hl=en
• About Search Console data · https://support.google.com/webmasters/answer/96568?hl=en
• Clicks, impressions and position definitions · https://support.google.com/webmasters/answer/7042828?hl=en
• GenAI Performance report · https://support.google.com/webmasters/answer/16984139?hl=en-GB
Bulkco 的数据取自 SEO Stack URL Query Count 月度矩阵,采集时间为 2026 年 10 月 14 日。本文中的点击率数值根据显示的点击量和展示量计算得出,四舍五入保留两位小数。百分比变化根据显示的月度数值计算。

SEO Stack 创始人
Daniel 是 SEO Stack 的创始人。他在技术 SEO 和搜索数据领域深耕二十余年,在客户项目中一次又一次撞上 Search Console 的同样限制后,他着手打造了 SEO Stack。
Daniel 拥有丰富的 SEO 经验,创办过 SEO 代理机构、审计业务以及一家发展良好的咨询公司。业余时间里,Daniel 喜欢做 SEO 实验并分享实验结果。
发布于 2026年10月14日


