想买一瓶特定酱油的人，11 月 10 日已经在问 AI「附近哪家店有货」，而不是打开三个 App 逐个搜。这个问题在过去两周变得具体：商务部研究院的《即时零售行业发展报告（2025）》测算 2026 年即时零售市场规模将突破 1 万亿元，美团每天中午 12 点有超 100 万个实体营业点位、深夜 12 点仍有超 35 万个（经济日报）。门店不再只是一个销售终端，它同时是一个被检索、被引用、被比较的数据对象。截至 11 月 10 日的公开信息，对做 AI 搜索可见度的团队来说，这意味着问题从「品牌有没有被提到」变成「门店有没有被引用对」。
门店信息在 AI 回答里长什么样
一条关于「附近有货」的回答，通常由三部分拼成：门店列表、每个门店的营业与库存状态、以及支撑这两项的来源。门店列表可以从地图或平台店铺页取到，营业状态可以从商户主页取到，库存状态几乎只能从平台接口取到。三段来源的更新频率不同，拼在一起的答案就会有时间差，而用户是拿它当此刻的事实来用的。
三类引用来源的可信度不一样
第一类是平台实时接口，颗粒度到店到 SKU，但通常不对外开放，AI 只能在被授权的场景里读到。第二类是商户主页与商品页，公开可抓，但更新靠人工，营业时间改了、临时闭店、SKU 下架都可能滞后。第三类是内容平台与点评，信息最丰富也最不稳定，一条三个月前的探店笔记会被当成当前库存的证据。三者混在一段回答里，读起来很像事实，实际可信度差了一个量级。
有货信息最难核
价格错了用户会当场发现，库存错了用户要跑到店里才知道。这决定了「有货」类问题的答案质量最难评估：它不像价格有页面可比，也不像营业时间有公告可查。可行的替代做法是把问题降级一层，不问「有没有货」，改问「这家店是否在售该品类」和「该门店的配送范围是否覆盖我的位置」，两个问题都能从公开信息核到，也足以支撑一次决策。
问题集怎么设计才测得出差异
把门店类问题按可核验程度排一遍，能看出哪些已经能被 AI 答好，哪些还只能给出模糊答案。这张表也是建问题库时的分层依据，规则类与位置类先入正式库，库存类先做小样本试跑。
| 问题类型 | 示例 | 可核验程度 |
|---|---|---|
| 位置类 | 离我最近的这家店在哪 | 高，地图可查 |
| 营业类 | 这家店现在是否营业 | 中，主页可能滞后 |
| 品类类 | 这家店卖不卖某个品类 | 中，商品页可核 |
| 库存类 | 这个 SKU 现在有没有货 | 低，依赖平台接口 |
竞品对比别跨时点
门店类问题的答案随时间和位置变化，竞品对比如果不固定采样条件，结论会随顺序翻转。固定三件事就够了：同一小时、同一位置、同一账号状态。三条都一致时，两家门店在同一问题上的差异才有意义，也才能拿去和监测面板上的可见度曲线对上。
五步把门店可见度做成可复核的记录
这套流程的目的不是证明某个 AI 平台准不准，而是让下一次对比有基线。五步都不复杂，难的是每周都做一遍并留下时间戳。
- 分析岗按位置类、营业类、品类类、库存类各取 15 条问题，组成 60 条问题集并存档版本号。
- 采样时固定城市、坐标、时段与账号状态，四项写进记录模板，缺一项即作废。
- 记录回答里出现的门店名称、给出的状态与引用的来源链接，三项分开登记。
- 把每条来源按实时接口、商户主页、内容平台三类打标，用于判断答案的时效。
- 每月复核一次来源有效性，链接失效或门店变更的问题重新采样并保留历史版本。
常见问题
门店信息也算 AI 可见度吗？
算，而且比品牌提及更接近成交。用户问「附近有货」时已经决定要买，回答里出现哪家店，流量就去哪家店。
为什么库存类问题不建议入正式库？
因为核不到。答案依赖平台实时接口，第三方无法复核，写进报表只会留下无法验证的数字。
AI 回答里的门店排序能优化吗？
能影响的部分是门店信息的完整度与一致性：名称、地址、营业时间、品类在多个来源上是否统一。信息冲突越多，被引用的概率越低。
多久采样一次合适？
门店类问题建议每周一次，节假日与大促期间加密到每周两次。频率再高，收益主要来自噪声而不是信号。
