双11 AI导购对话涨八成 品牌在AI回答里怎么排

截至 11 月 7 日的公开信息，11 月 6 日新华财经报道了值得买科技在双 11 期间的一组数据：「什么值得买」平台 AIGC 内容发布量同比增长超 5 倍，AI 打标准确率达到 95%，消费智能体「张大妈」App 对话量环比增长 82.37%；旗下「值数 Matrix」全渠道可见性矩阵围绕大促场景新增数百个专题问题，透视 AI 回答 40 万余条。对品牌方来说，这组数字的真正含义不是「AI 很热」，而是消费者的决策入口正在从搜索框挪到对话里，品牌在 AI 回答中被怎么描述、有没有被推荐，第一次可以用问题集数出来。

AI 导购的对话量为什么值得品牌关注

对话量上涨本身只说明用户在问，不说明品牌有没有被答进去。据新华财经的报道，「张大妈」在自有消费大模型基础上新增接入六个主流大模型，围绕商品性能、使用场景、真实口碑、大促价格四个维度生成选购参考，这四个维度恰好就是 AI 回答里最容易出现品牌差异的地方。当用户在对话里问「这台洗烘一体机值不值得买」，AI 给出的答案里出现哪些品牌、按什么顺序出现、引用了谁的页面，这一串结果直接决定了品牌有没有进入候选集。过去这套判断靠搜索排名，现在要靠 AI 回答里的呈现结构，两者的测量方式完全不同。

品牌在 AI 回答里被怎么呈现

问题集决定你能看到什么

同一个品牌，问「哪个牌子的空气炸锅好」和问「某某品牌的空气炸锅怎么样」，得到的答案结构完全不同。前者是推荐决策题，答案往往是一串候选品牌加理由；后者是品牌描述题，答案更关注产品参数和口碑。如果问题集里只有后者，看到的是描述是否准确，看不到自己有没有进入推荐名单。值数 Matrix 在双 11 期间新增数百个专题问题，本质上就是在补这个缺口——把大促场景拆成足够细的问题，才能观测到品牌在不同提问下的位置差异。

打标准确率决定数据能不能用

95% 的 AI 打标准确率是个容易被忽略的数字。AI 回答是自然语言，要统计「是否提及」「是否推荐」「描述是否准确」，必须先把文本结构化成标签，打标错了，后面的可见度分数全部失真。对大促这种高频决策场景，人工全量复核不现实，所以准确率必须抽检加校准，并且把抽检结果和标签体系一起留档，否则下个月的口径就接不上。

40 万条回答背后是采样与打标

40 万余条 AI 回答听起来样本很大，但样本大不等于结论稳。回答数量取决于问了多少问题、每个问题问了几次、覆盖几个模型，这三个变量任意一个变化，总数就会大幅波动。做监测时要把这三个变量连同时间窗一起写进报告，让读者知道这 40 万条是怎么来的。

把采样写清楚之后，接下来是动作。品牌方如果要在下一个大促前把可见度纳入考核，可以按这个顺序做。

1. 先按自己的品类建问题集，覆盖推荐决策题和品牌描述题两类，各不少于 20 条。
2. 固定模型和提问模板，同一批问题在同一个时间窗内跑完，避免跨模型混算。
3. 把「被提及」和「被推荐」分成两个字段，前者看曝光，后者看顺位。
4. 对每条回答记录被引用的来源域名，判断是自有页面、媒体还是社区内容。
5. 把结果和站内搜索词、客服问题对照，找出 AI 回答与真实提问之间的偏差。

品牌自己该补哪几步

从这次公开的数据看，平台侧已经把「对话量—问题集—回答样本—打标」这条链路跑通了，品牌侧的缺口通常在两头：一是问题集照搬平台模板，没有覆盖自己的真实购买场景；二是拿到可见度分数之后，不知道该改页面还是改信源。比较务实的做法是把 AI 回答里的引用来源列出来，看自有页面被引用的比例，再看第三方媒体和社区内容的占比，前者靠结构化信息补，后者靠可核验的事实和权威信源补，两条路径的投入完全不同。

常见问题

• 品牌在 AI 回答里的可见度，用什么指标衡量比较靠谱？

  用回答条数做分母，统计被提及条数与被推荐条数，再单列描述准确率；只看提及次数会高估曝光、低估错误。

• 问题集应该怎么建？

  按推荐决策题和品牌描述题分层，每层不少于 20 条，问法去掉引导词，覆盖真实购买场景而不是平台模板。

• 打标准确率为什么会影响可见度结论？

  AI 回答是自然语言，必须转成标签才能统计，打标错了分母和分子同时失真，所以准确率要抽检并留档。

• 大促期间要不要每天跑一次监测？

  大促价格和库存变化快，建议每日跑核心问题集，全量问题集保持每周一次，避免频率过高导致样本互相覆盖。

数据来源

• 值得买科技：“双11”消费智能体对话量明显增长，AI消费决策需求释放
• 从业务升级到服务创新，值得买科技双11深化“全面AI”实践
• 从业务升级到服务创新，值得买科技双11深化“全面AI”实践
• 值得买科技双11“全面AI”实践（企业官方发布）