入口又往前挪了一步。用户在球鞋店里对着货架拍一张照片，就能拿到同款在售商品、历史价格与 AI 解读——这条链路在 11 月 4 日苹果 AI 国行版开启 Beta 测试时同步开放，得物成为首家接入视觉智能的电商平台电商派。对做 GEO 的团队来说，麻烦在于可见度的统计口径要跟着改：过去只统计文字搜索里的 AI 回答，现在多了一条从镜头进入的路径，品牌被看见的位置从结果页挪到了相机取景框里。
入口前移之后，可见度统计先失效
失效的原因很具体。文字搜索的可见度可以用「问题—回答—提及」三段来记录，同一个问题重复问，答案结构大体稳定；视觉搜索的起点是一张照片，照片的拍摄角度、光线、背景都会影响识别结果，同一个商品可能对应几十种输入。输入不稳定，样本就没法固定，原来那套按问题集跑批的方法要重做。
国内平台的动作已经把入口拆成了三条路。千问与淘宝 5 月 11 日打通，用户用对话挑选和购买；豆包 4 月 24 日把「豆包帮你选」放进导航栏，从内容兴趣承接需求；京东 9 月 9 日的新版 App 用「东东」接管决策环节，并披露一季度用「京言」辅助购物的用户接近 8000 万电商派。三条路的共同点是把 AI 放在决策前端，不同点是输入形态：对话、内容、图像。
取景框里的曝光算不算曝光
算，但要单独记。品牌在视觉搜索里被看见有两种情况：被识别为与照片匹配的商品，或者出现在同类推荐里。前者取决于商品信息的完整度，后者取决于推荐的排序规则。两者的优化动作完全不同，混在一个「曝光量」里统计，最后不知道该改商品页还是改内容。
视觉搜索带来的两类新曝光
第一类是匹配曝光。用户拍的是 A 款，系统返回 A 款与相似款，品牌只要在结果里出现就算一次曝光。这类曝光的质量取决于匹配精度：精度高时，用户点进来就是要买；精度低时，用户点进来发现不是同款，反而拉低转化与评分。
第二类是推荐曝光。用户拍的是竞品，系统在相似款里带出了自家产品。这类曝光更接近传统意义上的「竞品截流」，但触发条件不同：它依赖商品信息的相似度，而不是关键词的匹配度。品牌要在这一层占位，靠的是把品类词、款式词、场景词写进商品页，让系统认得出来。
两类曝光不能合并统计
两类曝光的衡量方式也不一样。匹配曝光看「识别准确率」与「点击后转化」，推荐曝光看「同类问题下的出现频次」。前者是商品信息质量问题，后者是内容覆盖问题。GEO 团队如果只用一个可见度指标，会把两种问题混成一种。
引用来源要按入口分层记
| 入口 | 输入形态 | 该记的指标 |
|---|---|---|
| 对话式 | 文字提问 | 提及率与推荐位次 |
| 内容式 | 兴趣触发 | 被引用内容类型 |
| 视觉式 | 图像触发 | 匹配准确率与同类占位 |
分层记录的前提是同一套品牌词表。三个入口对品牌的称呼可能不同，对话式里用户会说品类词，视觉式里系统给的是商品名，内容式里出现的是场景词。把三套说法统一到一张词表上，才能横向比较；否则三个入口的数据各说各话。
内容侧的产能已经不是瓶颈。MiniMax 当天开源 H3 Image，支持 4K 输出、最多 16 张参考图，10 到 20 秒出图网易科技；东信营销科技发布的营赛智影 2.0 把 AI 视频平台从生成工具推到创意、生产、投放、效果优化的链路电商派。素材越多，各入口能被引用的内容越多，监测的样本压力只会更大，分层统计反而更必要。
品牌现在能监测什么
能监测的第一件事是商品信息的可读性。把自家主推 SKU 的标题、属性、卖点逐条对照系统能识别的字段，缺什么补什么；这件事不需要等平台开放数据，自查就能做。第二件事是同类问题的占位：同一批「想买某类商品」的问题在三个入口各问一遍，记录品牌出现的位置与同场竞品。
第三件事是回答描述的偏差。AI 回答里对品牌的描述如果与官方口径不一致，需要判断是信息缺失还是信息冲突；缺失可以补内容，冲突要先改源头。这三件事都能在现有工具条件下完成，不需要平台提供后台。
要承认的边界也很清楚。视觉搜索的入口数据没有公开，识别准确率与推荐规则都不透明，任何「曝光量」都只能是抽样估算。把估算值当确定值用，会在预算分配上做错决定；把它当趋势信号用，才是当前阶段合适的用法。
常见问题
视觉搜索会不会取代文字搜索的监测？
不会，它是新增入口。文字搜索的问题集方法仍然有效，视觉入口需要另建一套按商品与场景组织的样本。
品牌在视觉搜索里的曝光怎么量化？
分匹配曝光与推荐曝光两类记，前者看识别准确率与点击转化，后者看同类问题下的出现频次。
AI 回答里的引用来源怎么查？
逐条记录回答中出现的链接与机构名，按官网、媒体、电商平台三类归档，没有外链的回答也要记录。
多入口可见度怎么对比才有意义？
先用统一品牌词表对齐三套说法，再按同一时间窗跑样本，否则入口之间的差异多半来自口径而不是表现。
现在投入视觉入口的优化值得吗？
值得做基础项：把商品信息写全、把场景词补齐。这些动作对文字与视觉两个入口都有效，风险很低。
