多数解读把双11 的增量读成「流量回来了」。但把 11 月 11 日的公开数据摆在一起看，真正变的是品类结构：活动前期全国网络零售额同比增长 4.0%，实物只增 2.5%，非实物增 12.1%，平台还把词元设成了独立商品品类。服务与数字商品开始占据电商货架，问题随之出现——这类商品在 AI 回答里几乎「不好被引用」，没有规格页、没有参数表，品牌想让 AI 把自己推荐出去，可用的抓手比实物少得多。
非实物品类在 AI 回答里，缺的是可引用的页面
实物商品被 AI 引用的路径很清楚：品牌官网的规格页、电商商品页、第三方评测，都是可以被抓取、被交叉验证的页面。服务类商品没有这些。一次家政服务的「规格」是上门时间、服务范围、人员资质，这些信息散落在详情页的几段文字里，既没有统一字段，也很难被模型当作事实采信。
词元这类数字商品更极端：它没有物理形态，价值随用量变化，页面能写的只有套餐档位与适用模型。AI 回答遇到「哪个词元套餐划算」这类问题时，能引用的往往只有平台的套餐页，品牌自身的说明几乎进不了候选池。
把「推荐位」拆成三层，才量得出来
第一层是问题覆盖
用户在 AI 里问服务类需求时，用的是场景语言：「家里有老人需要陪诊」「办公室多久清洗一次地毯」。品牌首先要确认自己的服务能不能被这些问题召回。做法是把品类问题按场景分组，每组十题左右，逐题测试品牌是否出现。覆盖率低，说明内容没有对上用户的问法，与投放无关。
第二层是回答中的位置与描述。出现在答案第几句、是否被列为推荐项、描述是否准确，这三项决定了用户会不会继续了解。第三层才是引用来源，也就是答案末尾标注的那些页面。三层里，第一层靠内容规划，第二层靠信息一致性，第三层靠信源建设。
引用来源的稳定性，比排名更值得跟踪
生成式引擎的链路通常是查询理解、检索召回、候选排序、答案生成、引用标注五步（IT之家）。品牌能影响的是召回与排序：把服务信息铺到平台愿意抓取的页面上，并保持多处信息一致。引用标注由模型完成，但标注的页面来自召回结果，所以仍然受信源结构影响。
非实物品类的引用来源有一个特点：高度集中在平台页与聚合页，品牌自有页面很少被单独引用。这意味着品牌即使做了内容，也可能只是在为平台页贡献素材。要改变这一点，需要在权威媒体、行业协会与官方渠道同时留下可核对的记录，让模型在多个来源看到一致的服务描述。
| 层级 | 观察指标 | 不能说明什么 |
|---|---|---|
| 问题覆盖 | 品牌出现的问题组占比 | 出现是否等于推荐 |
| 回答位置 | 被列为首选或对比项的次数 | 用户的最终选择 |
| 引用来源 | 引用页面的域名分布 | 引用是否带来点击 |
服务类品牌该先补哪三样材料
服务说明书该写哪几项
第一样是服务说明书。把服务范围、上门流程、人员资质、计价方式写成结构化段落，而不是营销话术。第二样是可核对的案例记录，包含时间、地点、服务内容与结果，方便模型交叉验证。第三样是第三方记录，比如行业报告、媒体报道或平台评价的汇总页。
三样材料的作用是让「服务」变成可被描述的事实。AI 回答里最常出现的偏差不是贬低，而是模糊——「该品牌提供家政服务」这种描述对用户没有任何帮助，也无法支撑推荐。把模糊变成具体，是这类品牌做可见度的第一步。
常见问题
服务类商品没有规格页，怎么做 GEO？
用服务说明书替代规格页：范围、流程、资质、计价四项写成结构化段落，并在多个可信渠道保持一致。模型需要的是可核对的事实，不是更漂亮的文案。
非实物品类的可见度该和实物比吗？
不该直接比。两类商品的可引用材料密度不同，混在一起比会得出「服务品类天生弱势」的错误结论。应当在同一品类内部做同比。
词元这类数字商品有必要做可见度监测吗？
现阶段必要性有限，但可以观测。它的购买决策更依赖价格与模型适配，问答场景还不多；等品类成熟、比较类问题变多，监测价值才会显现。
引用来源集中在平台页，品牌还有空间吗？
有，但路径是「成为平台页的信息来源」。品牌把服务信息做成可引用的公开材料，平台页与聚合页在引用时会带回品牌名，这仍然计入品牌在 AI 回答中的曝光。
