截至 11 月 7 日的公开信息，蚂蚁集团旗下个人智能体灵光上线 6 天下载量突破 200 万，累计接入超过 40 项连接器，覆盖出行、本地生活、购物等场景；灵光 2.0 通过连接第三方服务与商家能力，试图构建以个人智能体为核心的零售与服务生态。对做 GEO 的品牌来说，这条消息的分量不在下载量，而在入口位置：当用户把帮我买一箱牛奶这样的需求交给智能体，品牌要出现的地方就从搜索结果的第三条变成了智能体的候选清单，而候选清单通常只有三到五个名字。
200 万下载量改变的是入口的位置
搜索时代的入口是输入框，用户输入关键词，平台返回十条链接，品牌争的是排名。智能体时代的入口是对话框，用户描述任务，智能体自己拆解步骤、调用服务、给出一个结果。这两者的差别不只是交互形式，而是品牌被比较的次数：搜索页里用户会看到十个品牌并自己挑，智能体给出的往往是一个已经选好的答案。
这也解释了为什么 40 项连接器值得单独看。连接器是智能体能够调用的服务清单，接入意味着在某个场景里被调用成为可能；没有接入，连被比较的资格都没有。对品牌来说，服务接入正在变成和商品页上架同等重要的一件事，而它目前几乎没有被纳入可见度考核。
40 项连接器覆盖了哪些决策场景
从公开信息看，连接器集中在出行、本地生活与购物三类。这三类场景的共同点是需求可被结构化描述：订一张票、找一家店、买一件商品，都有明确的参数与判断标准。越是结构化的需求，智能体越容易直接给出答案而不展示比较过程；越是模糊的需求，智能体越可能给出多个选项并附上理由。品牌的可见度策略，要按场景类型分开设计。
智能体的候选清单比搜索前三名更短
在 AI 搜索场景里，回答中出现品牌名的位置通常只有三到五个，且往往带有比较语。智能体的候选清单更短，因为它要替用户完成任务，选项太多反而增加决策负担。清单变短的直接后果是竞争前移：不是排在第四名还有机会被点击，而是不在清单里就等于不存在。
| 入口形态 | 品牌露出方式 | 可监测指标 |
|---|---|---|
| 搜索结果页 | 链接排名 | 关键词排名 |
| AI搜索回答 | 被写入答案与引用 | 提及率与引用占比 |
| 智能体任务 | 被调用为服务 | 调用次数与替代率 |
三种形态对应三套指标，不能互相替代。关键词排名高不代表会被 AI 回答引用，被引用也不代表会被智能体调用。第三行的替代率尤其值得关注：它衡量的是在同一任务里，智能体选择了竞品而没有选择品牌的频率，这个数字比提及率更接近生意的实际损失。
AI 回答里的品牌描述从哪来
智能体在描述品牌时，依赖两类信息：模型训练时见过的语料，以及任务执行中检索到的公开内容。前者难以直接影响，后者可以优化。品牌官网的结构化信息、权威媒体的报道、第三方评测的对比数据，都是可被检索的内容；反过来，只存在于私域或图片里的信息，很难进入检索范围。
把服务接入纳入可见度监测
现有的 GEO 监测大多围绕问题库展开：列出用户可能问的问题，在豆包、DeepSeek、元宝、Kimi 等平台逐条提问，记录品牌是否出现、出现在第几位、引用了哪些来源。这套方法对 AI 搜索有效，但对智能体场景不够，因为智能体的回答取决于它能调用哪些服务，而不是它能检索到哪些网页。
补上这一块的最小做法，是在问题库里加一层场景任务：把帮我订一间酒店、帮我买一瓶洗发水这类任务单列，记录智能体给出的候选与最终选择，再对照品牌是否在连接器清单内。两个数据放在一起，就能区分两种失败：没接入导致的结构性缺席，以及接入了但没被选中的竞争性失败。前者的解法是商务接入，后者的解法才是内容与口碑优化。
常见问题
品牌没有接入智能体，还有必要做GEO吗？
有必要。AI搜索的回答仍会引用公开内容，用户在被引导到具体服务之前，先形成的是品牌认知，这部分不依赖接入。
连接器数量多，是不是就意味着机会多？
不是。关键看场景与品牌的匹配度。与主业无关的场景即使接入，调用频次也很低，监测时应优先看高相关场景。
替代率多少算正常？
没有通用基准，要看品类竞争结构。更实用的做法是与自己上一周期比较，观察替代率是在收敛还是在扩大。
