一个让我愣了一下的故事
先说一个我每次想起来都觉得微妙的故事。
Tailwind CSS 的文档做得太好了——好到 AI 智能体可以照着它，替用户把 Tailwind 代码直接写出来。按理说，这是内容团队梦寐以求的成就。可结果呢？它的页面浏览量，崩塌了。
这个故事是 Ian Alton（Airbyte）讲的，也是整份报告里我觉得最锋利的一个隐喻。表面看，像是一次失败；但在我看来恰恰相反——它是以指标看不见的方式，成功了。 Tailwind 一直靠人类浏览量来提供线索，而它的收入模型，压根没准备好迎接这场突然、大规模的“读者换人”。
我现在更愿意接受的一个事实：文档有两个读者
这件事逼着我把一个念头说出口：今天的一份文档，一半是给人看的，一半是给 AI 看的。
过去我们做内容，脑子里只有一个读者——人。所以一切标准都围绕“人读得懂吗”展开：排版清不清楚，语气顺不顺，例子够不够。可现在，越来越多的内容在被读到之前，先经过了 AI 这一道手：它替人检索、替人总结、替人判断，甚至替人把你的产品写进代码里。
所以在我们内部写东西，我会默认有“两类读者”。人，要的是愿意读下去的清晰；机器，要的是能被精确引用、能被稳定解析的结构。这两个要求看着像，其实不一样——前者要耐心，后者要结构。一份只讨好人类眼睛、却让 AI 读得含糊的文档，在今天约等于在客户面前失声。
麻烦的地方在于：给人看的那套测量，正在失效
问题也就从这里冒出来。
我们过去衡量文档好不好，用的全是“给人看”的尺子——访问量、IP/PV、页面停留时间、跳出率。这些指标有一个共同的隐含前提：读者会点进来，会在页面上停留，会留下痕迹。
但 AI 把这个前提拆掉了。当 ChatGPT 或豆包直接把答案说给用户听，用户根本不需要点进你的站点；Google 的 AI Overviews 甚至能在完全不产生访问的情况下满足搜索意图。人没来，PV 当然就“说谎”了——它不是变差了，是它衡量的那件事本身，正在消失。 来源
报告里的数字，正好印证了这种脆弱：四分之一的受访者不追踪任何文档指标，35% 不追踪内部流程指标；真正把文档接到业务结果上的（收入、转化、线索），只有 11–12%。再细看，中型公司（51–300 人）测得最差——32% 什么都不追踪，追踪的团队平均也只盯 1.7 项指标；连最成熟的企业级，也有 18% 什么都不追踪。
一个反例值得记住：74% 的人认为自己的文档对“自助排障”有效——这本来是文档最拿得出手、也最容易测的价值之一。可即便如此，仍有超过三分之一的人，完全不以任何方式去衡量它。人人都想要的那些指标——用户成功了吗？他理解了吗？——答案都在用户离开文档页之后，而大多数团队，没有这种可见性。
从“生命体征”到“AI 可见度”
我不是要否定页面浏览量。ServiceNow 的 Sandeep Medikonda 打过一个我很认同的比方：
“页面浏览量就像把脉——基础，但必不可少。”
把脉能告诉你人还活着，却告诉不了你人健不健康。起步确实不用复杂：盘点内容、看看人们在消费什么、持续分享数据。真正的洞察，往往不来自某一个孤立数字，而来自看见数字怎么变——上线后 PV 飙升、改版后下降、搜索流量稳步爬升。这种“语感”，只有你开始追踪，才会慢慢长出来。
但别停在这儿。当 AI 越来越多地中介用户消费文档的方式，我们得叠进新的尺子：转化追踪、AI 引荐来源、互动深度，以及产品行为信号——比如 Docker 就去追踪“有多少人是从教程页面点进去克隆仓库的”。这些指标不优雅，但它们至少还在衡量一件老问题：人，真的被帮到了没有。
一个正在成形的标准：AI GEO 的可观测性
说到这儿，得聊一个更前沿、也更难的地方。
当读者变成 AI，我们想衡量文档的价值，就得衡量“AI 有没有引用你、怎么引用你”。这在行业里被归到 GEO（生成式引擎优化，Generative Engine Optimization） 的范畴。而 GEO 眼下最大的麻烦，是可观测性缺口：传统搜索引擎会给你 Search Console，告诉你哪些词带来了曝光；但今天的大模型厂商，基本不提供对等的原生监测工具。哪些问题触发了你、你在答案里排第几，很多是“看不见”的。 来源
在这个缺口下，行业正在慢慢收敛出一个替代口径：不去死盯点击，而是测量“可见度”——你的品牌和内容，在生成式回答里被提及的频率与显著度。这里有个很关键的提醒：生成式模型是随机的，单次观测极易误导，可能高估也可能低估你的真实存在感，所以得把它当成一个概率问题反复采样，而不是拍一张快照就下结论。
国内也已经有人把这件事做成了公开、可复核的标准。我最近留意到 知达指数（ZhiDat Index），它给出的是一套“企业对外公开站点成熟度”评估方法：不看内容质量，也不看产品体验，只基于公开可验证的信号，扫描你对外站点的触点覆盖与可发现性——帮助与文档、内容营销、站点基础体验、多语言与出海、站点可发现性等几个维度，汇总成一个 0–100 分，再映射成 A/B/C/D 四档。 来源
让我对它格外有共鸣的，是它把结论说得很直白：对外公开站点成熟度越高，意味着你的知识与内容资产越接近“AI-Ready”——更便于被检索、被引用、被智能助手消费。你看，绕了一大圈，它衡量的其实还是那件事：你的内容，AI 读不读得懂、愿不愿意引。这恰恰是我们做 Baklib 时反复念叨的前提。
一点我自己的体会
这些观察落到我身上，慢慢变成了几个习惯。
我现在看一份文档，第一反应已经不只是“人读得懂吗”，而是“AI 读得懂吗”。因为后者决定了它能不能被检索、被引用——而在这个时代，被 AI 引用，就是被客户看见。
我也不再把“文档效果”简单等同于“流量好不好”。流量是果，不是因；真正该盯的，是内容有没有变成结构良好、可被机器消费的资产。这也是为什么我们一直在推 AI-Ready：内容不光要给人看，还要能直接被 AI 读懂、稳定引用。
所以呢
报告给出的结论很重：测量缺口，是文档领域最大的错失机会。 到今天，仍有近一半受访者（49%）不追踪内部文档指标——虽然比 2025 年的 55% 有进步，但它依然是最常见的答案。谁先想清楚“AI 时代该怎么量文档”，谁在争取预算和编制时，就多一张别人没有的牌。
说到底，页面浏览量没有错，它只是老了。当你的读者一半是人、一半是 AI，用一把只量“人”的尺子，是量不出真相的。
“如果我们没有拿到领导层能看见、工程师能理解、用户也能实际感知到的价值——文档就没有在做它该做的工作。” —— Engineering Leader in Finance Nivenly Foundation Fellow
一句话收尾：当页面浏览量开始说谎，你要学会用 AI 的眼睛，重新看一遍你的文档。
