同一件事，财报的说法是「调整年、主动练内功」，二手市场的说法是「新品半小时跌破发行价」。把 11 月 11 日能查到的公开信息拼起来，两个版本都成立，只是指向不同的东西：泡泡玛特三季度收入同比下降 45% 到 50%，而 THE MONSTERS 上半年收入占比已从 34.7% 回落到 26%（同花顺财经）。对做 AI 搜索可见度的人来说，这种时候最该盯的不是排名，而是品牌在 AI 回答里被描述成了什么——爆款退潮期，描述漂移比位次下滑来得更早。
描述漂移 比排名下滑更早发生
描述漂移指的是同一个品牌、同一批问题，答案的关键词在几周内从「一娃难求」变成「跌破发行价」。它不需要品牌做错什么，只要信源结构变了就会发生：媒体开始写退潮，二手平台的成交价被引用，答案里的形容词跟着换。等到排名下滑时，描述已经定型，纠正成本高得多。
这也是 GEO 与舆情监测的分工。舆情告诉你讨论量在涨还是在跌，AI 可见度告诉你答案站在哪一边：是复述财报里的区域差异，还是只摘一句「营收腰斩」；是提到新 IP 接棒，还是把整个品牌等同于一个已经退潮的系列。
引用来源换了 结论就换了
退潮期的引用来源会明显向三类内容倾斜：财报与研报、二手成交数据、媒体评论。三者的结论不一致——研报强调高基数与线下韧性，二手数据强调破发，媒体评论强调估值回落。模型按问题类型各取一部分，于是同一品牌在不同问题下的形象会分裂，这正是需要逐条监测的原因。更实际的做法是把每周的答案截屏与引用清单存档，出现争议时能倒查是哪一天、哪一个平台、哪一版回答开始变的。
二手价是信源 也是噪音
二手成交价被引用时，往往缺少口径说明：是隐藏款还是常规款、是首发日还是一个月后、是成交价还是挂牌价。口径不同，结论能差出几倍。监测时要把这类引用单独标记，判断答案是在陈述事实，还是在放大情绪；没有这层标注，情绪与事实会被混成一个数字，而这个数字往往会被直接拿去做下一季的预算。
竞品对比里 新IP算不算竞品
盲盒品类的竞品边界本来就模糊：同公司的不同 IP、其他公司的同类 IP、甚至潮玩之外的替代娱乐，都可能在答案里被并列。监测时要先定义竞品集合，否则「竞品占位」会变成一堆无法比较的数字。对泡泡玛特这类多 IP 公司，内部 IP 之间的替代关系尤其要单独看。
退潮期该怎么设问题库
| 问题类型 | 示例问法 | 看什么 |
|---|---|---|
| 价值判断 | 这个牌子现在还值得买吗 | 答案引用了谁 |
| 价格判断 | 盲盒还能保值吗 | 是否引用二手数据 |
| 替代推荐 | 有没有类似的潮玩品牌 | 竞品共现与序位 |
| 新品询问 | 最近有什么新系列 | 新 IP 是否被提到 |
四类问题里，价值判断最容易失真，也最影响转化。它的答案通常混合了媒体评论与用户讨论，情绪权重高；品牌能做的是保证事实层的信息可被引用——收入结构、门店数量、新品节奏——让答案在情绪之外有一个可核对的锚。
复测的关键是比关键词，而不是比排名。排名在退潮期可能不变，但描述从「值得收藏」变成「谨慎入手」，转化会立刻受影响；把关键词的变化按周记录下来，才能在下一次类似周期里提前判断拐点。
常见问题
问：营收下滑会直接拉低品牌在 AI 回答里的可见度吗？
答：不一定。下滑期讨论量往往上升，提及率可能更高；真正变化的是描述，答案会从「爆款」转向「退潮」，这比排名下滑更难纠正。
问：AI 回答里的品牌描述怎么监测？
答：固定问题集与平台，逐条留存原始答案与引用链接，按周记录关键词变化，并把引用来源分成研报、二手数据、媒体评论三类统计占比。
问：多 IP 公司的竞品对比该怎么做？
答：先定义竞品集合，把内部 IP 之间的替代关系单独统计，再看外部竞品的共现率与序位，否则数字之间无法比较。
