截至11月5日的公开信息，东方甄选自营产品从2023财年约30%的占比提升到2026财年的52.6%，截至2026年5月31日累计1009个SPU，上年同期为732个；品类从生鲜零食扩到健康保健、纸品、个护清洁、家居家纺与服饰内衣。商品数量几乎翻倍，但用户在AI搜索里问某个品类有什么好选择时，被提到的往往还是那几款烤肠与小笼包。商品扩充与品类可见度之间，并不是线性关系。
商品从七百到一千，AI认识几个
这是GEO里一个很典型的落差：商品页数量不等于可被引用的信息量。AI回答整合的是问题相关的信源，如果某个品类的商品页缺少结构化字段、缺少第三方评测、也缺少行业报道，它在回答里就很难被提起。反而那些被媒体反复报道的单品，即便销量不是最高，也会因为信源密度高而反复出现。
所以判断品类可见度，不能只看商品数量，而要看每个品类在问题库里的被提及率、被引用率与描述准确度。三个指标分别回答三个问题：有没有我、凭什么是我、说得对不对。
三个维度拆开看：覆盖、位置、描述
覆盖指的是在某一品类的问题里，品牌是否出现；位置指的是它出现在回答的第几位、以什么身份出现；描述指的是价格、规格、适用人群这些事实是否准确。三者需要分别统计，因为它们的成因完全不同：覆盖取决于信源数量，位置取决于信源权重，描述取决于页面字段的完整度。
| 维度 | 观察对象 | 数据来源 | 改善手段 |
|---|---|---|---|
| 覆盖 | 品类型问题中的提及率 | 问题库逐条提问 | 增加可引用信源 |
| 位置 | 回答中的出现顺序 | 同批回答横向对比 | 提升信源权威度与相关性 |
| 描述 | 价格、规格、卖点准确性 | 与商品页比对 | 补齐结构化字段 |
| 竞品占位 | 同问题下竞品出现频次 | 竞品对比记录 | 差异化内容供给 |
以服饰内衣这类新品类为例，问题往往不是这个品牌有没有，而是这类商品怎么选。回答里出现的是平台通用选购逻辑，品牌很难挤进去。此时提升覆盖的正确做法不是重复投放品牌词，而是生产能回答选购逻辑的内容，让品牌出现在答案的依据里，而不是结尾的推荐位。
线上线下两套信息，AI引用哪一套
门店信息与商品信息分属两个体系
东方甄选的线下布局包括四家体验店、北京上海各十余个前置仓，以及在北京、上海、合肥落地的小时达业务。门店信息与商品信息是两套体系：前者回答在哪买，后者回答买什么。AI回答把两者混在一起时，就会出现门店有货但线上无货、或者线上在售但门店没有的错位。
同一品牌的多个入口，需要统一口径
品牌同时存在于直播渠道、自有App、第三方平台与线下门店，四个入口的商品信息更新节奏不同。做可见度监测时，应当在记录里标明回答指向的是哪个入口，否则准确率会被口径差异拉低，看起来像模型出错，其实是入口不同。
品类扩张期，竞品占位会怎么变
从食品扩到家居与服饰，等于进入一批已有强势品牌的问题场。在这些问题里，竞品不仅出现得早，还常常作为默认选项被引用。新进入者要做的不是抢首位，而是先进入候选清单：让回答在列举选项时能提到自己，再逐步提升位置。这个过程通常以季度为单位，指望一场活动翻转并不现实。
需要提醒的是，品类扩张会稀释原有的品牌联想。用户原本把品牌与食品绑定，突然出现内衣与家纺，AI回答里可能出现描述混乱，把不同品类的卖点混在一起。监测时应当把跨品类混淆单列一项，作为扩张期的重点观察指标。
常见问题
问：商品数量翻倍，为什么AI回答里还是那几款？
答：因为可被引用的信源没有同步增加。AI回答整合的是问题相关的公开内容，新品类缺少结构化页面与第三方提及，就难以进入候选。
问：品类可见度该看一个总数还是拆开看？
答：要拆。覆盖、位置、描述三项分别对应信源数量、信源权重与页面字段完整度，合成一个数就看不出该改哪里。
问：进入新品类，怎么和已有强势品牌竞争AI回答的位置？
答：先争取进入候选清单，再提升位置。做法是生产能回答品类选购逻辑的内容，而不是重复投放品牌词。
参考资料
- 财中社：俞敏洪剑指千店，东方甄选直面线下盈利考题（腾讯新闻·财中社，2026-11-04）
- 澎湃新闻：新东方好未来的增长回来了，但故事要重新讲（澎湃新闻，2026-11-04）
- 同花顺财经：收入超指引上限，利润率受结构影响（同花顺财经，2026-11-03）
