先说清楚「可见度」在这里指什么：不是品牌在搜索框里排第几，而是用户问 AI「两千元以内的羽绒服买哪件」时，品牌的型号、价格带和卖点有没有出现在答案里。按 11 月 11 日的公开口径，AI 购物助手已经从尝鲜走向普及，功能延伸到商品比选、优惠自动组合、虚拟试穿与自动下单（东方财富财富号）。当比选这一步被交给模型，品牌能不能被选中，就不再只取决于货架位置。
比选交给 AI 之后 品牌多了一道入口
今年双 11 被一些从业者称为 AI 全面参战的一届。消费者端的助手负责比选与算优惠，商家端的工具则升级为全栈式智能运营代理，贯穿选品、上架、投放、库存调度与售后（东方财富财富号）。两侧同时变化的结果是，品牌在 AI 回答里的描述开始反向影响商品页的转化：答案里说你贵，点进来的人就先怀疑价格。
这与搜索时代的逻辑不同。搜索返回的是链接列表，用户自己判断哪条可信；AI 返回的是结论，用户只需要确认。结论一旦形成，纠正成本很高，所以「被怎么描述」比「排在第几」更值得监测，也更能解释为什么同一个品牌在不同平台的口碑看起来像两家公司。
问题库决定你被问到的概率
监测的第一步不是抓答案，而是定问题。把用户可能问的句式按场景拆开——预算、人群、场景、对比、售后——形成问题库，再按平台逐条采集，才能算出品牌在多少个问题上出现过。问题库定得粗，可见度就只是一个漂亮的总数；定得细，才能看出哪一类需求根本没被覆盖。
引用来源比排名更早变化
答案里的引用来源是先行指标。模型换一版索引、平台调整信源权重，引用结构会先动，品牌提及率随后才变。监测引用来源占比，通常能比盯排名早一到两周发现异常；等到排名下滑再排查，往往已经错过了内容修订的窗口。
竞品占位要看同一问题的答案
单独看某个品牌的提及率没有意义，要看同一批问题里竞品出现的频次与位次。同一问题下，A 出现在 7 个答案里、B 出现在 5 个答案里，差距不在曝光总量，而在被并列提及的概率——后者决定用户在对比阶段会不会想到你，也决定预算该花在拉新还是守位上。
大促期间该盯的四个数
| 指标 | 定义 | 异常信号 |
|---|---|---|
| 品牌提及率 | 问题库中出现品牌的答案占比 | 单周下滑超过 5 个百分点 |
| 推荐位次 | 品牌首次出现的答案序位 | 主推款跌出前三 |
| 引用来源占比 | 官方站、权威媒体、电商页的来源结构 | 电商页占比骤升 |
| 竞品占位差 | 同问题下与主要竞品的提及差 | 差值连续两周扩大 |
四个数里，引用来源占比最容易被忽略，却最能解释波动。答案里的信源从权威媒体换成电商促销页，通常意味着模型抓到了更新的商品信息，这对大促是好事；但如果核心参数被促销页描述替代，错误信息的风险随之上升，需要同步核对事实主张。
复测要固定同一组参数，否则数字没法比较。平台、端口、地域、采样次数任何一项变化，都会让提及率出现几个百分点的漂移；把这四项写进监测说明，是让报告能被复核的最低要求。复核不了的数字，在跨部门会上很难被采信，更难用来解释预算为什么该继续投在这一块。
常见问题
问：GEO 和 SEO 到底差在哪？
答：SEO 争的是链接排序，GEO 争的是被写进答案。前者看点击，后者看提及与描述；同一套内容策略在两边不一定同时有效。
问：AI 回答里的引用来源怎么查？
答：按固定问题集逐条采集答案，记录其中出现的链接与机构名，再按官方站、权威媒体、电商页分类统计占比。没有原始答案留存的报告无法复核。
问：优化之后多久能看到变化？
答：取决于索引更新频率，通常以周为单位观察。引用结构先变、提及率后变；两周内没有变化，应先排查内容是否被索引，而不是继续加投放。
