截至 11 月 5 日的公开信息，即时零售已经成为本轮双十一最大的增量来源：花旗研报显示，剔除即时零售的主要电商平台 GMV 同比增长超过 4%，计入即时零售后升至约 10%；平台的配送站点已铺到全国 300 多个三四线城市的县域核心商圈，商超、医药、生鲜三大品类的三十分钟配送覆盖密度同比提升 70% 以上。当消费者开始用 AI 搜索问“附近哪家店有货”“这个牌子值不值得买”，品牌在 AI 回答里的曝光与引用来源就成了新的货架位置。对做 GEO 的团队来说，这一轮大促提出的问题很具体：你的品牌在 AI 回答中被提到了吗，被谁代表，排在谁后面。
近场大促把问题搬进了对话框
过去消费者做大促决策，路径是搜索框到商品页；现在多了一个入口——对话框。公开报道提到，即时零售的配送网络已经下沉到县域核心商圈，线上即时订单占部分门店总客流的比例超过 40%。这意味着消费者的“去哪儿买”和“买哪个”两个问题，越来越多地被合并成一句自然语言提问，交给 AI 回答。品牌在这个环节里的位置，不在货架上，而在回答里。
三个变化正在同时发生
第一，提问变得更长更具体。用户不再输入“白酒 推荐”，而是问“三百元左右、送长辈、附近能半小时送到，选哪个”。这类问题包含价格带、场景、履约三个约束，AI 回答时必须引用能覆盖这些条件的信息源。第二，回答变得更聚合。一个回答里通常只出现三到五个品牌，被漏掉的品牌等于不存在。第三，来源变得更可追溯。多数 AI 产品会给出来源列表，这为监测引用来源提供了抓手。
为什么大促期间问题库要重做
平时的问题库围绕品类词和品牌词构建，大促期间用户的提问会大量转向促销、价保、库存和配送时效。如果问题库不跟着更新，监测到的可见度会系统性偏低——不是品牌变弱了，而是用户在问的东西没有被覆盖。可行的做法是在大促前两周扩充一轮场景化问题，把“有没有货”“什么时候到”“比平时便宜多少”这类问法纳入监测。
AI 回答里的附近和推荐是两套口径
“附近”类问题考的是履约信息，AI 需要知道哪家门店有货、多久能送到；“推荐”类问题考的是品牌认知，AI 需要判断这个品类里谁值得被提名。两套口径的优化路径完全不同：前者依赖门店信息在平台和地图类页面的结构化程度，后者依赖品牌在媒体、评测、百科类信源中的覆盖密度。用同一套指标衡量两者，会得出错误结论。
| 观察项 | 含义 | 数据从哪来 |
|---|---|---|
| 品牌提及率 | 回答中出现品牌的次数占比 | 问题库重复提问统计 |
| 推荐位次 | 品牌在列举中的排序 | 逐条人工或脚本标注 |
| 引用来源占比 | 来源中官方站与媒体的比例 | 回答附带的来源列表 |
| 竞品占位 | 同类问题中竞品出现频次 | 多品牌横向对比 |
这四个观察项里，引用来源占比最容易被忽视，也最能解释差异。同一个问题在不同 AI 平台上得到的答案不同，往往不是因为模型能力，而是因为各平台抓取的语料结构不同：有的偏重百科与新闻，有的偏重社区问答，有的直接引用电商商品页。品牌若只在一种信源上做内容，在另一类平台上就几乎没有被引用的机会。
引用来源决定品牌被谁代表
AI 回答描述一个品牌时，用的措辞往往直接来自被引用的那篇内容。如果引用的是促销页，回答里就只剩价格；如果引用的是评测，回答里会出现参数对比；如果引用的是官方公告，回答里会有规格和适用人群。这意味着 GEO 的工作不只是“让品牌被提到”，还要“让正确的页面被引用”。监测时把来源按类型分层统计，才能看出品牌的形象是被哪一类内容塑造的。
大促期间能做的三件事
第一是建一份大促专用问题库，覆盖品类、价格带、场景、履约四类问法，每个问题在主流 AI 平台各提问一次并留档。第二是记录回答中的品牌序列与来源列表，形成可对比的基线，没有基线的优化无法验证。第三是把官方商品页、门店信息和媒体评测三类信源的结构化程度过一遍，确保 AI 抓取时能读到规格、价格区间和适用场景，而不是一堆营销话术。
这三件事的成本都不高，难的是持续性。AI 回答会随语料更新而变化，一次抽样只能说明当天的情况。真正有效的做法是把抽样变成周期性的监测，按周记录提及率与来源结构的变化，再结合艾瑞咨询的调研所显示的消费心态变化理解波动——45% 的受访者最在意产品是否适合自己，这类问题恰恰是 AI 回答最容易介入的环节。
大促之后要复盘的指标
复盘时先看品牌提及率的变化方向，再看推荐位次的稳定性，最后看引用来源的结构是否更均衡。若提及率上升但来源集中在一两个促销页，这种可见度是脆弱的，活动结束就会回落；若来源中官方站与第三方评测的比例同时提升，说明品牌的语料基础在变厚，这种变化更可能持续。按星图数据的口径，截至 10 月 31 日双十一综合电商累计销售额 10263 亿元、同比增 2.4%，大盘增速有限，品牌之间争的其实是同一批决策机会，谁在 AI 回答里占住位置，谁就多一次被考虑的可能。
需要说清证据边界：目前没有公开数据能证明 AI 回答中的曝光可以直接换算成成交，各平台也不披露 AI 入口的转化率。因此 GEO 的监测结论应止步于“可见度与来源结构”，不宜外推为销量预测。把这一点讲明白，比夸大效果更有助于团队做长期投入。
常见问题
GEO 和 SEO 到底差在哪？
SEO 优化的是搜索结果页的排序，用户点进链接才算曝光；GEO 优化的是 AI 回答里品牌是否被提及、以什么方式被描述、引用了哪些来源。前者争位置，后者争被引用与被推荐。
AI 回答里的引用来源怎么查？
逐条记录回答中出现的链接与信源名称，按官方站、媒体、电商平台、UGC 分类统计占比。多数 AI 产品会给出来源列表，没有列表的需要人工判断事实来自哪类页面。
多平台可见度怎么对比？
用同一套问题库在各平台重复提问，统计品牌提及率、推荐位次、引用来源构成的差异。不同平台语料结构不同，差异往往来自信源偏好而非品牌本身。
优化后多久能看到变化？
没有统一答案，取决于平台抓取频率与语料更新速度。可先以四周为观察周期，若提及率与来源结构均无变化，再调整内容策略。
