截至 11 月 8 日的公开信息，叮咚买菜在南京高淳的康乐站 8 月 14 日开业，首月单量逼近 2000 单，目前稳定在每天 1000 单左右，最快 29 分钟送达；行业侧，2025 年中国即时零售市场规模达 8500 亿元、同比增长四成二，2026 年一季度突破 2400 亿元，接入平台的实体门店已突破 150 万家。供给铺得越快，一个新的问题就越明显：当消费者改问 AI「附近哪里能买到新鲜水产」「哪个平台能半小时送到」，品牌的门店与仓配信息能不能被 AI 准确说出来，是另一套需要单独监测的指标。
AI回答里的附近门店 常常是旧的
线下扩张的速度远快于语料更新的速度。一个前置仓从签约到开业可能只要几周，而 AI 回答所依赖的公开信息，往往要等媒体报道、平台页面更新、以及第三方引用累积之后才会变化。这中间存在一个稳定的时滞：新开的站点在 AI 回答里查不到，关掉的站点却还在被推荐。对做即时零售的品牌，这个时滞直接转化成履约失败与差评。
县域市场的落差更大。150 万家门店里，县域与低线城市的占比在上升，但这些门店的公开信息密度远低于一二线城市：没有本地媒体报道、没有点评页、甚至没有独立的地图标注。AI 回答在这类区域的覆盖率天然偏低，品牌投放的线下供给与线上可见度之间就出现了缺口。
本地可见度的三个口径
本地可见度不能用全国口径衡量。同一个品牌在上海的 AI 提及率可能很高，在高淳可能接近于零。合理的拆法是三个口径：城市覆盖率、问题命中率、以及信息准确率。城市覆盖率看的是多少城市能在 AI 回答里被识别到门店，问题命中率看的是「附近哪里能买」这类问题时品牌是否出现，信息准确率看的是出现的门店与时效是否与现实一致。
问题库怎么按城市建
问题库要按城市分层，不能一套问题打全国。一线城市问的是「哪个平台送得快」，县域问的是「哪里能买到某个品类」，两类问题的答案结构不同，前者比时效，后者比供给。同一批问题在同一城市重复提问三次以上，记录品牌是否出现、出现在第几位、引用了什么来源，才能得到稳定的基线。
把仓店信息做成可抓取的页面
AI 回答里缺失的信息，多半是因为它不存在于可抓取的公开页面。前置仓、门店、配送范围、时效承诺，这些信息如果只在小程序里、需要定位授权才能看到，AI 就抓不到。可抓取的做法是给每个门店或仓建一个独立页面，写清地址、覆盖范围、配送时效与可售品类，并在站点地图里登记。这一步不产生营销内容，却是可见度的地基。
| 监测指标 | 口径 | 观察频率 |
|---|---|---|
| 城市覆盖率 | 可识别门店的城市数占比 | 每月 |
| 问题命中率 | 本地问题中品牌出现比例 | 每周 |
| 信息准确率 | 门店与时效表述正确的比例 | 每周 |
三个指标里，信息准确率最容易被忽略，却最影响转化。覆盖率再高，如果 AI 说的是已经关闭的门店，用户到店就会扑空；命中率再高，如果时效说成两小时而实际是次日达，差评只会更多。把准确率纳入监测，等于给可见度设了一个质量下限。
复测周期怎么定
线下网络变化快的品牌，复测周期应该跟着开店节奏走。每月有新店开业的，按周复测；季度性调整的，按月复测。复测时固定同一批城市与同一批问题，记录字段包括是否提及、位次、引用来源与时效表述。周期与字段都固定，趋势才有意义；否则每次复测都是一次新的抽样，无法比较。
常见问题
为什么新开的门店在 AI 回答里查不到？
因为语料更新有时滞。AI 依赖公开可抓取的信息，新站点如果没有独立页面、本地报道或第三方引用，就不会进入语料。建页面并登记站点地图能缩短这个时滞。
本地可见度和全国可见度有什么不同？
全国口径会把一线城市的高提及率摊到全国，掩盖县域的空白。本地口径要按城市拆成覆盖率、命中率与准确率三项，才能看出真实缺口。
AI 回答里的门店信息错了，怎么修？
先修源头：更新门店页面的地址、覆盖范围与时效，再推动本地媒体或平台页更新。语料层无法直接改写，只能通过可抓取页面间接影响。
