AI 比价究竟改变了多少成交，平台至今未披露；能查到的是亿邦动力 11 月 10 日报道里的一个数字——79.4% 的消费者会在购物前用 AI 查历史价、做比价。这个比例意味着，品牌在答案里被不被提到、被谁引用，已经直接连着比价这一步。对做品牌与内容的人来说，竞争位置从前三行搜索结果挪到了答案里的三五个名字，而这件事目前只能靠自建口径去测。这些判断，只能以 11 月 10 日的公开信息为限。
比价入口换了，答案里只有几个名字
今年双 11 的一个明显变化是规则做减法：天猫取消跨店满减、改官方直降，京东取消定金预售、改为现货开卖，抖音取消凑单门槛、改一件直降（亿邦动力）。规则变简单之后，消费者不必为了凑门槛多买东西，购物车里剩下的判断依据就变成了「这个价到底值不值」。AI 被用来做这件事，几乎是必然。
比价这一步过去发生在搜索框里：输入商品名，翻几个页面，看历史价插件。现在发生在对话框里：问一句「这个价是不是最低」，AI 直接给出结论和几个替代选项。对品牌而言，被替代的那几个选项不会出现在任何排名报表里——这正是 GEO 与 SEO 分道的地方。
被引用和被推荐，是两件事
排名逻辑失效的地方
SEO 的核心交付物是关键词在结果页的位置，可查、可对比、可按页追踪；GEO 的核心交付物是品牌在大模型问答答案中的出现与推荐（华万 GEO）。一个页面排到前列，如果内容结构不适合被模型提取，答案里照样可以不提它；反过来，被引用的内容未必来自排名靠前的页面。做判断的人要先接受一件事：这不是同一套考核对象。
推荐命中率怎么定义
提到和推荐是两件事。提到可能只是罗列，推荐才带倾向。可操作的定义是：在一组固定问法下，品牌被作为推荐项出现的比例，以及出现在首位的比例。两个数一起看，才能区分「陪跑」与「首选」，也才能解释为什么有些品牌曝光不少、成交却没动。
问题树：把问法拆到叶子
问题树是把模糊的「可见度」拆成可测单元的方法。行业里的分层通常是品类、场景、对比三类：品类问法覆盖认知，场景问法覆盖需求，对比问法最接近决策，权重也最高。落叶节点要落到具体产品属性上，否则测出来的只是品类热度，不是品牌位置。
| 层级 | 示例问法 | 主要看什么 |
|---|---|---|
| 品类 | 即饮茶推荐 | 提及率 |
| 场景 | 减糖茶饮怎么选 | 场景匹配度 |
| 对比 | A 和 B 怎么选 | 竞品占位 |
排查顺序也有讲究。页面被搜索引擎收录但 AI 不引用时，先查 AI 爬虫是否被 robots 规则挡住，再查实体信息是否一致，最后看证据缺失与竞品覆盖完整度；Google 官方指南明确传统 SEO 基础仍然有效，不存在独立的「AI 排名 Schema」（SheepGeo）。这条顺序能省掉大量无效的内容生产。
证据边界与可执行的第一步
多平台重复采样才有意义
AI 回答是概率性的，同一个问题两次可能给出不同名单。单次截图说明不了稳定效果，要看同一批问题在固定周期内重复采样后的命中率变化。跨平台比较时，问题集、措辞、采样时间必须一致，否则比出来的是问法差异，不是平台差异。
还有一条容易被忽略：AI 未提及的信息不等于错误信息。把「没说」当成「说错」，会让人去修一批根本不需要修的内容；真正的错误是模型给出了与官方不一致的参数或资质描述，这两类问题要用不同的处理方式。
第一步其实很朴素：把客服记录与站内搜索词里的真实提问抽出来，凑够 50 条，固定措辞，每周同一时间跑一遍，记录提及、位次与引用来源。跑满四周，才谈得上优化闭环。以上判断基于截至 11 月 10 日的公开信息，平台口径一旦披露，结论需要重算。
常见问题
79.4% 这个数字能说明什么？
说明比价这一步正在往 AI 里迁移，但不能说明迁移带来了多少成交。报道没有给出成交侧的数据，平台也未披露 AI 比价对转化的影响，所以它是一个方向性指标，不是一个可用来做预算的比例。
GEO 和 SEO 要不要同时做？
要，但报表要分开。SEO 看位置与点击，GEO 看答案里的提及与引用，两套指标混在一张表里，会得出互相矛盾的结论。
AI 回答里没有提到品牌，是不是就一定有问题？
不一定。要看这个问题是否属于品牌的目标场景。泛认知类问法没被提到影响有限，高转化场景没被提到才是问题。判断前先给问题分层，再谈缺口。
优化之后多久能看到变化？
没有统一答案。按周采样同一批问题，看命中率是否连续三周上行；四周没有变化，先查抓取与实体一致性，再考虑换内容方向。
