截至 11 月 8 日的公开信息，今年双 11 给了一个此前没有的数字：一份被腾讯搜索引述的行业调查显示，79.4% 的消费者会在购物前先问 AI，43.7% 明确承认购买决策被 AI 影响，这个比例第一次超过传统媒体广告的 42.6%。另一份千人调查给出的是使用深度：66.7% 的受访者用 AI 辅助购物，其中 71.2% 把比价、算满减、凑单交给 AI 处理。对品牌来说，这不是「多了一个渠道」，而是决策链的最前一环换了入口，AI 搜索可见度的口径也得跟着换。
决策链前移之后，问题变了
过去衡量品牌在线上的存在感，看的是搜索排名、店铺流量、详情页转化，三段各有各的报表。当 79.4% 的人先问 AI、71.2% 的人让 AI 去比价，这三段的入口被合并成一个对话框。品牌在 AI 答案里有没有被提到、被提到的句子对不对、被引用的是不是自家页面，直接决定了后面还有没有比价这一步。
这也是为什么「可见度」这个词最近被拆得越来越细。只统计是否被提及，会把「提到但说错」和「提到且说对」混在一起；只统计引用次数，又会把「引用了竞品页面」算成自己的成绩。决策链前移之后，监控对象必须从「品牌名出现几次」变成「在哪一类问题里出现、被哪一类页面代表」。
先问 AI 的那一步最难补
搜索框时代，用户必须先把需求翻译成关键词，品牌只要覆盖关键词就有机会。对话框时代，用户直接把场景说出来，AI 负责翻译成商品条件。这意味着品牌要覆盖的不再是词，而是场景问句：什么预算、什么用途、什么限制条件。问题库如果还按关键词建，监测出来的可见度会系统性偏高，因为真正决定成交的那批长问句根本没被覆盖。
三段问题库怎么分
| 决策阶段 | 典型问句 | AI 回答在看什么 | 监测重点 |
|---|---|---|---|
| 问需求 | 预算五千、续航优先怎么选 | 品类框架与候选品牌清单 | 是否进入候选集 |
| 比条件 | 这两款哪个更适合通勤 | 参数、版本、价格口径 | 被比较时表述是否准确 |
| 选下单 | 哪家店便宜、有没有国行保修 | 店铺主体、地区可售、售后条款 | 引用来源是否回到自家页面 |
三段的重心完全不同。问需求阶段争的是候选位，比条件阶段争的是表述准确度，选下单阶段争的是引用来源归属。用一个「品牌提及率」去覆盖三段，结果一定是前两段好看、第三段失控。天猫那边的做法提供了另一种思路：把商品信息做 AI 品质转译与认证打标，让引擎在比条件阶段就有结构化字段可用，高质商品的下单转化率因此提升近 20%。
留存还卡在最后一步
值得注意的是，同一批调查里也有关键的保留项：上海市消保委今年 6 月的报告提到，消费者对一键式 AI 购物有期待，但对完全交给 AI 自主下单仍保持谨慎，更关心推荐的精准度与透明度。这句话对品牌的含义是，AI 可以替用户筛，但替不了用户信。信任要靠可核的事实建立，而可核的事实只能来自品牌自己写清楚的页面。
监测口径要改哪三处
第一处是问题库。按场景问句建库，按决策阶段分组，每组 15 到 25 条，规模不大但可复现。第二处是指标。把提及率、表述准确率、引用来源归属拆开记，不要合成一个总分，否则没法判断问题出在内容还是字段。第三处是复测节奏。大促期间按周，平时按月，且必须固定同一批问句，否则趋势无从比较。
这三处改动的成本都不高，难的是坚持同一套口径。AI 回答实时生成，同一天不同时段问同一个问题都可能得到不同答案，所以任何单次读数都只能当参考，要看连续几轮是否稳定。把这一点写进流程，比追求一个精确到小数点的可见度分数更实际。
竞品对比要放在同一批问句里
竞品的位置只有在同一批问句下才有意义。分别跑自己的问题库和竞品的问题库，得到的排序无法比较；同一批问句里谁被提到、谁被引用、谁被描述得更具体，才是可用的差距。这也是把问题库固定下来的另一个理由。
落地顺序
五个步骤跑完一轮大约三周，产出是一张三段式的问题库加一张按问句排的对照表。它不解决所有问题，但能回答一个此前很难回答的问题：品牌到底是在候选阶段就被筛掉，还是在最后一步被别的页面代表了。
常见问题
79.4% 这个数字可以直接用来做预算依据吗？
可以当方向，不宜当基数。调查口径、样本与问法都会影响结果，做预算前应先看原始方法说明。
问题库要建多大？
按阶段分组、每组 15 到 25 条即可。规模太大无法稳定复测，太小又覆盖不到长问句。
为什么不能只看提及率？
提及率不区分说对与说错，也不区分引用了谁。三段决策链里，后两段恰恰靠这两项判断。
AI 回答每次都不同，怎么比较？
固定问句、固定平台、固定采集时段，看连续三轮的趋势，不用单次读数下结论。
