截至11月9日的公开信息，豆包在电商侧的角色已经从一个导购入口变成可单独核算的成交渠道：7月起抖音电商把豆包列为独立成交渠道，商家后台可以单独查看豆包订单、GMV与ROI；福建德化一家茶具品牌在7月至8月中旬通过豆包下单的订单量涨了10倍，成交额同比增长约677%新华报业网：豆包重塑电商消费决策。对做AI搜索可见度监测的团队，这个案例的意义不在涨幅，而在于它把“被AI提到”与“被AI选中”拆成了两件需要分别计量的事。
从GMV到答案位
过去衡量AI入口的价值，通常只看一件事：品牌有没有出现在答案里。这个指标在导购阶段够用，因为答案只是把人送到商品页。但当入口本身可以成交，答案就成了货架，出现位置、描述方式、有没有挂出商品卡，直接决定这一单归谁。可见度监测因此要从“提及率”往下拆一层，拆到“在答案的哪个位置、以什么角色被写进去”。
这也解释了为什么涨幅会如此悬殊。一个此前没有线下门店、也没有大额投放的区域品牌，之所以能在两个月内把订单放大一个量级，靠的不是预算，而是它出现在了对的问题的答案里——用户问“送长辈什么茶具比较有质感”，答案里带上了它。这类问题的数量有限，被谁占住就是谁的。
一个品牌在两个界面
同一次提问，在两种界面上的呈现可能完全不同。一种是模型直接生成的自然语言回答，品牌以文字形式被提及，附带一句描述；另一种是带商品卡与可点链接的商业呈现，包含商品、店铺身份、参考价与落地页腾讯云开发者社区：可点商品链接进答案之后。前者影响认知，后者影响成交，两者的监测方法不能混用。
把两种界面混在一起统计，会得到一个看似平稳、实则失真的提及率：品牌在文字回答里出现频繁，但从未出现在商品卡里，指标很好看，订单却没有变化。反过来，商品卡出现但描述与实际不符，短期有成交，长期积累的是退货与差评。可见度分层的第一步，就是把文字提及与商业呈现分开记。
答案位不是排名
排名是列表里的序号，答案位是回答里的角色。第一句被推荐、第三段被顺带提到、附在“另外还有”之后，三种位置的商业价值差了几个量级。监测如果只记“是否出现”，就无法回答“为什么这次没成交”，因为答案可能出现了，位置却在最末。
三层分工的落点
行业里已经在用一套三层分工来描述这条链路：搜索层解决“被找到”，AI答案层解决“被看见”，答案内的可点入口解决“被选择”。三层是同一条获客链路上前后衔接的分工，不是三个可以互相替代的渠道。品牌在三层上的投入产出节奏也不同，前两层靠内容与信源积累，第三层靠商品数据与落地页承接。
| 层级 | 载体 | 可观测指标 | 责任方 |
|---|---|---|---|
| 被找到 | 搜索结果页、站内搜索 | 收录量、关键词排名 | 内容与SEO |
| 被看见 | AI答案的文字提及 | 提及率、答案位、引用来源 | 内容与信源 |
| 被选择 | 答案内商品卡与可点链接 | 卡片曝光、点击率、加购 | 商品与运营 |
| 被留下 | 落地页与售后 | 转化率、退货率、评价 | 店铺运营 |
四层里最容易被忽略的是第四层。答案把人送到落地页，落地页承接不住，前面三层的投入就全部沉没。监测报表如果只到“点击”，就永远看不到这一层的损耗，也解释不了为什么某个月提及率上升、成交却没动。
渠道核算要独立
当入口可以单独核算，价格与权益也会被单独设定。这意味着同一个商品在不同入口可能有不同的到手价，可见度监测必须把渠道标出来，否则跨渠道比较会把渠道差异误判成价格异常。
引用位怎么量
监测的最小单元应该是“问题—答案—引用”三元组。同一个问题在不同平台、不同时间给出的答案不同，引用的来源也不同；只有把三者绑定记录，才能回答“这条引用从哪里来、下次还会不会来”。这也是新浪：GEO迈入信源争夺战强调信源分层的现实原因：不同层级的信源被引用的稳定性差别很大。
常见问题
豆包渠道的数据能直接和店铺整体对比吗？
可以对比趋势，但不能直接相加。豆包入口的提问方式、曝光口径与搜索不同，转化路径更短，混算会高估整体转化率。
品牌被AI提到但没挂商品卡，算不算可见度？
算曝光，不算被选择。文字提及影响认知，商品卡影响成交，两类指标要分开记，否则无法定位问题出在内容还是商品数据。
答案位为什么比提及率更值得盯？
因为位置决定注意力。出现在首句与出现在末段，同样是“被提及”，但被点开的概率差很多。只统计次数会把这两种情况平均掉。
监测频率应该多高？
固定节奏按周跑基线，事件触发在平台大版本更新、商品卡规则调整、渠道权益变化后48小时内复测。每次复测都要记录口径。
