AI回答替你选品 四个环节要分开测

一位消费者在对话里说「预算两千，帮我挑一台洗地机」，助手回给她三条推荐，附一句「都支持七天无理由」——这背后究竟串起了几个可以分别测量的环节？答案至少四个：被召回、被提及、被准确描述、被放进下单按钮旁边。今年双11，京东把「AI购物咨询—商品推荐—优惠领取—下单购买」串成了一条链路，用户在助手的对话窗口提出需求即可获得商品卡片，点击跳转小程序完成购买，每天还能领到平台提供的限时补贴；另一家则把直播间装进了对话界面，用户在助手里直接领券下单。对做AI可见度监测的人来说，链路越长，需要拆开测的环节就越多。截至2026年11月11日，多数品牌仍然只用「有没有被提到」这一个指标，去衡量一条已经延伸了四个环节的链路。

一条链路四个环节 指标却只有一个

只用一个指标会漏掉三类问题。第一类是「被提及但被描述错」：助手说了品牌，但把型号、价格或适用场景说错，用户看到的是错误结论，而提及率仍然是漂亮的。第二类是「被提及但没被采纳」：品牌出现在列表末尾或只被当作例子，没有进入答案主张，提及率计入了，转化却为零。第三类是「被召回但没被提及」：页面进入了检索候选，却没有被写进答案，这种情况在提及率上看不见，只能从引用来源里反查。

三类问题的整改动作完全不同。描述错误要补可核验的事实底稿，采纳率低要改内容的可摘取性，召回不进答案要换渠道。用一个指标统管三件事，最后往往变成「多发稿子」这一个动作，而它恰好对三类问题都不太有效。

四段链路各自怎么测

把链路拆开之后，每一段都需要一个独立的观测信号，且这个信号必须在用户侧界面上取，不能用接口批量结果替代。原因在于用户侧与接口侧的信源结构并不一致，同一份内容在两种方式下可能得出相反结论。下表把四个环节、可观测信号与常见误判放在一起对照。

位次比是否出现更重要

同一个问题下，品牌出现在第一位和出现在参考列表末尾，价值差别很大。位置加权是必要的：答案首句里的引述与末尾链接不该等值。监测表里至少要记录本方实体出现的位置区间，并把「成为答案主张」与「仅被举例」分开计数。这两类处境的品牌，需要的内容并不相同——前者要维护一致性，后者要争取被当成依据。

补贴位与自然位必须分开记

当平台在助手内提供限时补贴，商品卡片的出现就可能同时受自然推荐和投放影响。如果监测不区分这两者，就会把买来的位置算成自然可见度，进而高估内容效果。可行的做法是在记录字段里加一栏「是否含商业推广」，并优先统计剔除推广后的自然位次。

跨平台不可加总 只能分列

这条链路的第二个难点是平台之间不可加总。不同助手调用的商品池不同，常引的信源类型也不同，把几家的提及率相加再平均，得到的数字既不描述任何一家平台，也不能用来比较月度变化。更合理的做法是按平台分列，各自维护自己的问题集与基线，最后只在结构层面做对比：谁在上升、谁在下降、变化集中在哪个环节。

只有一个维度勉强可以合起来看，就是描述准确率的错误类型分布。价格写错、型号张冠李戴、资质虚构这几类错误在不同平台上表现相似，合并统计能帮助判断品牌的事实底稿是否薄弱。但也仅限类型分布，不能合并成单一准确率去对外发布。

把链路拆成一张监测表

落地时不必一次做全，先把四个环节的字段固定下来，跑一轮基线，再决定扩不扩样本。下面这套流程按周执行，四周可以形成第一份可比数据。

字段里最容易被省略的是「访问方式」。接口批量返回的结果与用户在界面上看到的结果，信源结构可能明显不同，把两者混在一张表里，基线就从第一天开始失真。基线一旦失真，后面所有排产和复测都建立在一个错误的前提上。

常见问题

• 问：被提及了但销量没变化，是不是监测没意义？

  答：多半是只测了提及、没测采纳。被举例和被当成依据是两种处境，后者的转化明显更强。把「成为答案主张」单列一栏就能看出来。

• 问：助手里的商品卡片算自然结果吗？

  答：不一定。平台提供补贴时，卡片出现可能同时受投放影响。监测要标注是否含商业推广，否则会高估自然可见度。

• 问：四个环节都要测，工作量会不会太大？

  答：可以先测「被提及」与「被准确描述」两项，这两项的整改收益最直接。等基线稳定后再补召回与链路两段。

数据来源

• 腾讯网：京东携手腾讯元宝、华为小艺、OPPO小布打通AI购物全链路
• 中国经济时报：AI成为双11购物链路上最亮眼的存在
• 网易：AI购物让AI帮你买东西，今年走完了全程