截至 11 月 8 日的公开信息，得物 App 宣布接入国行苹果 Apple 智能，用户在支持该功能的 iPhone 上唤起视觉智能，对准商品拍摄，在搜索服务里选择得物，就能看到平台在售商品与价格，点进结果直接进入商品详情页。这一步把「提问」从打字换成了拍照，看起来只是入口变化，但对做 AI 搜索可见度的团队来说，它改的是品牌被 AI 回答识别出来的依据：模型不再只读文字问法，还要把一张照片匹配到商品库里的某一个条目。
拍图之后，AI 拿到的是什么
照片进入搜索链路后，模型的判断依据变成了三层：图像里的视觉特征、商品库里的条目结构、详情页上的文本与参数。三层里任何一层缺失，结果都会退化。视觉特征对不上，识别就失败；商品库条目没有统一编码，同一款商品会被拆成多个条目；详情页参数不全，模型只能给出模糊描述。品牌过去只要盯住标题与关键词，现在要把这三层一起看。
得物在详情页里塞进了 AI 解读与价格趋势，这两个模块本身就构成了新的「引用来源」。过去的引用来源是网页与测评文章，现在一段由平台生成的解读、一张平台自绘的价格曲线，同样会影响消费者对商品的判断。这意味着可见度的统计口径要扩容：除了品牌在 AI 回答里被提到的次数，还要看这些平台原生模块里的描述是否准确。
提问方式变了，问法库也要改
文字问法与图像问法的差别在于确定性。文字问法里，用户可以补充预算、肤质、使用场景；图像问法里，模型只拿到一张图和一次点击，能确认的只有「这是什么」。这决定了图像入口更靠前，作用是把消费者送进候选集，而不是完成比较。做监测时如果把图像入口的曝光和对话式入口的曝光合并统计，会高估前者的转化贡献，也会低估后者在比较环节的作用。
三种入口，三套可控项
把当下主流的三种入口放在一起看，品牌的抓手完全不同。关键词搜索靠标题与类目覆盖，对话式 AI 靠内容与信源被模型采纳的程度，图像识别靠商品库条目的规范程度。界面新闻在双 11 期间的观察提到，主流平台的 AI 布局集中在种草与查信息，而消费者的痛点集中在比价与下单，平台做跨平台比价的动力并不足。这个判断对品牌是个提醒：入口越多，越要分清哪个入口影响候选集，哪个入口影响成交。
三类入口的核验边界
| 入口类型 | 模型拿到的主要信号 | 品牌可控项 | 核验指标 |
|---|---|---|---|
| 关键词搜索 | 标题、类目、销量与评价 | 标题结构与类目归属 | 目标词下的曝光位次 |
| 对话式 AI | 问法、网页与第三方信源 | 内容可被引用的事实密度 | 固定问法下的出现率与描述准确度 |
| 图像识别 | 图像特征与商品库条目 | 商品编码与参数完整度 | 拍摄识别的命中率与落到详情页的比例 |
第三行的核验最难做，因为图像识别没有公开的问法集。可行的替代做法是自己造一组样本：选 20 到 30 个 SKU，用统一光线与角度拍摄，记录每次识别落到哪个条目、描述是否准确、价格是否为当前价。样本不需要大，但需要固定，否则每轮结果不可比。这类测试的价值不在于得出行业结论，而在于发现自家商品库里哪些条目会被拆散或错误归类。
本周可以落地的核对
先做商品库条目治理，再做问法监测。条目治理的优先级更高，因为图像入口的失败大多发生在识别环节，而识别失败不是内容问题，是编码问题。同一款商品如果有多个条目，图像会被随机匹配到其中一个，价格与库存都可能不同，消费者看到的就是一个自相矛盾的详情页。
问法监测则要按入口分开建库。对话式入口用意图型问法，图像入口用样本图，两类结果分别记录，不合并计算份额。监测周期建议两周一次，因为 AI 回答的波动比搜索排名大，单次结果只能当快照。
最后一个判断与资源分配有关。图像入口目前仍是新功能，覆盖机型与灰度范围都有限，短期内不会成为主要流量来源。但它验证了一个方向：AI 回答的输入正在从文字扩展到图像，而品牌能控制的仍然只有商品数据的规范程度。与其等着看哪个入口跑出来，不如先把商品库和详情页这两件基础设施做扎实，因为无论入口怎么变，模型读到的都是同一份数据。
常见问题
拍图搜索会影响品牌的 AI 可见度吗？
会影响，但作用在识别层而不是描述层。图像入口先把消费者送进候选集，能否进入取决于商品库条目是否规范、图像能否被正确匹配，与内容写得好不好关系不大。
为什么要把图像入口和对话入口分开统计？
两者的输入不同，模型能确认的信息量也不同。合并统计会高估图像入口的转化贡献，同时低估对话式入口在比较环节的作用，最终得出的份额无法指导优化。
商品库条目重复会带来什么后果？
同一款商品被拆成多个条目后，图像识别会随机落到其中一个，价格与库存可能不一致，消费者看到的详情页自相矛盾，识别命中率也会下降。
多久复跑一次比较合适？
两周一次。AI 回答的波动比传统搜索排名大，单次结果只能作为快照，结论需要连续两轮稳定才适合进入优化清单。
