先说清楚能确认的部分：平台侧的 AI 导购已经铺开，淘宝千问助手 C 端月活突破 3 亿，京东京言购物咨询活跃用户近 8000 万、同比增长超 200%，抖音上线买前问豆包，拼多多落地 AI 智能搜索与虚拟试衣间。但同一批公开信息也给出了另一半：AI 购物工具的 7 日留存率不足 15%，30 日留存仅 3%，多数用户停在尝鲜阶段。对做 GEO 的人来说，这两组数字的落差，恰好说明了 AI 回答作为入口的真实位置——它影响决策，但还没形成习惯。这些判断，只能以 11 月 10 日的公开信息为限。
近八成人先问 AI，说的是决策而不是流量
79.4% 这个数字值得单独看。它问的是「下单前是否会先咨询 AI」，不是「是否通过 AI 下单」。也就是说，AI 站在决策链的前端，但成交仍发生在商品页。对品牌而言，这意味着 AI 回答里的表述会决定用户带着什么预期进入商品页，而不是直接决定成交。
留存数据则说明另一件事：尝鲜多、习惯少。多数用户把 AI 助手当成比价工具用一次，而不是每天打开的入口。这也解释了为什么平台仍在投入——入口的价值不在使用频次，而在它出现在决策的那一刻。
入口变了，可见度的口径也要变
过去的可见度看搜索排名，现在要看回答里有没有被提到、被怎么描述、引用了谁。这三个维度对应三种可观察的指标：品牌提及率、描述准确率、引用来源占比。它们都不在传统 SEO 工具里，需要单独采集。
回答里的品牌提及怎么采
采集的关键是固定变量。平台、账号状态、提问措辞、时间，四项都要固定，否则结果无法比较。同一句问题在不同时间问两次，答案可能不同，这不是品牌表现变化，而是模型输出本身的波动。
| 观察项 | 怎么记 | 容易出错的地方 |
|---|---|---|
| 品牌提及 | 回答中是否出现品牌名或商品名 | 把通用词当成品牌 |
| 推荐位次 | 在候选清单中的位置 | 清单长度不一致 |
| 引用来源 | 回答附带的链接与机构名 | 平台自建知识库识别不出 |
三项里，引用来源最难采也最有价值。它决定了品牌能否通过内容建设改善表现。如果回答只引用平台自建知识库，品牌能做的就很有限；如果引用了官网、权威媒体或行业报告，就有明确的优化路径。
AI 导购和 GEO 不是一件事
AI 导购是平台内的成交辅助，回答受商品库与推荐规则约束；GEO 关注的是跨平台的 AI 回答，包括不发生在购物场景里的咨询。两者会重叠，但口径不同。把平台助手的表现当成 GEO 成绩，会高估自己的跨平台可见度。
问题库要覆盖三层
AI 导购相关的问句，通常落在品类、对比、场景三层。三层都要覆盖，才能看出品牌在决策链上的位置。
四步里最后一步最容易被忽略。AI 回答天然有波动，单次结果不足以支撑结论。把「连续两轮同向变化」作为判断门槛，能过滤掉大部分噪音，也让复盘有话可说。
现在还看不清的部分
平台助手的推荐规则、知识库构成与更新频率都未公开，任何关于「为什么推荐这个品牌」的解释都只是假设。能确认的是入口已经存在、使用率还不高；不能确认的是这个入口最终会分走多少成交。
因此现阶段更合适的动作是把监测体系建起来，而不是急着承诺效果。入口的形态还会变，监测口径能复用，投放承诺不能。
常见问题
AI 导购留存低，是不是说明 GEO 不值得做？
不是。留存低说明使用习惯未形成，但决策影响已经存在。GEO 争的是回答里的表述与引用，不是助手的使用频次。
平台内的 AI 导购和跨平台 GEO 有什么区别？
前者受平台商品库与推荐规则约束，后者看的是跨平台回答。两者会重叠，但口径不同，不能互相替代。
品牌提及率多久能改善？
受模型训练数据影响，通常以季度计。引用来源占比变化更快，内容修订并被抓取后两到四周可以观察。
单次采集结果能当结论吗？
不能。AI 回答波动大，需要固定问题、固定时间连续采集，连续两轮同向变化才值得下结论。
