11 月 10 日的公开披露里，有两条并行推进的信息：一边是平台在推 AI 比价与凑单，另一边是商家开始围绕 AI 偏好的信源做商业投流。如果你在做品牌的 AI 搜索监测，这个月更该看的不是提及率，是「结论能不能复现」——两条信息叠在一起，指向同一个问题：AI 答案里那个「最低价」，到底是算出来的，还是被喂进去的。可见度的口径，正在被这件事重新定义。
一个价格结论要经过四道手
AI 回答里的价格结论至少经过四道手：商家的商品页、平台的促销规则、被引用的第三方内容、模型自己的汇总。四道手里任何一道失真，最终答案都会偏。监测能做的，是把每一道手的痕迹留下来，让偏差可追溯。
公开报道里已经出现相关信号。调查显示，53.7% 的受访者担忧 AI 提供的比价、凑单方案不可靠或不是最优；同一篇报道提到，随着 GEO 兴起，部分商家开始围绕 AI 偏好的信源开展商业投流。前者是需求端的怀疑，后者是供给端的动作，两件事互为因果。
投流改变的是候选集
围绕信源投流，改的不是模型，是模型能看到什么。同一句提问，模型先检索出一批候选页面，再从中挑几个引用。投流把自家页面挤进候选集，就可能出现在答案里。所以核验的第一步不是看答案，是看答案引用了谁。
引用链的三段核验法
第一段核来源：被引用的页面是官方公告、媒体转述，还是商家自述。第二段核时间：页面的发布时间与规则生效时间是否对得上。第三段核口径：页面里的价格是标价、到手价，还是券后价。三段核完，才知道这个结论能不能用。
| 段落 | 核验对象 | 判定标准 |
|---|---|---|
| 来源 | 域名与发布主体 | 官方或一手优先 |
| 时间 | 发布日与生效日 | 与当前规则同期 |
| 口径 | 标价／到手价／券后价 | 与提问口径一致 |
三段里最容易漏的是时间。促销规则一周一变，被引用页面的日期只要早于最近一次调整，价格结论就可能整体作废，而答案看上去毫无异样。
平台之间的答案不互通
不同 AI 平台调用的商品库不一样，有的用自家电商的库，有的用另一家的。同一句提问在两个平台上得到的最低价可能差出一截，这不是模型算错，是数据源不同。做竞品对比时把平台混在一张表里排序，结论会失真。
复现率比提及率更能说明问题
提及率回答「有没有出现」，复现率回答「每次问是不是都一样」。同一句提问连问三次，答案里的品牌与价格如果每次都变，说明模型的检索路径不稳定，此时的提及率没有决策价值。
复现率低通常有三个原因：问题太宽、候选页面太多、页面之间口径冲突。对应三种处理：把问题收窄到具体型号、把自家页面口径统一、把过时页面做跳转或下线。这套方法不复杂，难的是每周都做一遍。
把核验结果写成可交付的清单
监测报告的交付物不该只有一张排名表，还应该有一份「不可用结论清单」：哪些价格结论因为口径不清被排除，哪些因为时间过期被标注，哪些来源属于商家自述。这份清单比排名更能说服业务方。
清单还要能回溯。每条结论后面挂上引用链接与抓取时间，三个月后再看，才知道当时的判断依据是什么。证据验证的价值不在于一次结论对不对，而在于下次能不能重复。
坚持几周之后，会发现真正稳定的结论很少。这不是监测做得不好，而是 AI 答案本来就带有检索随机性——把随机性量化出来，本身就是可交付的成果。
常见问题
AI 搜索的可见度和传统搜索排名是一回事吗？
不是。排名看链接位置，可见度看品牌是否被 AI 回答引用、引用在什么位置、引用了哪个来源。
为什么要固定提问模板？
答案随措辞变化，模板不固定，不同批次的复现率就没有可比性。
商家投流会不会让监测失效？
不会失效，但会改变候选集。核验时要多看一层来源属性，区分官方页面与商家自述。
监测报告该给业务方看什么？
看不可用结论清单与复现率趋势，比看一张提及率排名更有决策价值。
