这轮 AI 导购的扩张，先被打穿的不是主播的饭碗，是推荐与广告之间的边界。11 月 11 日的公开报道提到，京东数字人 JoyAvatar 累计服务商家突破 10 万家，双 11 前半程累计开播超 900 万小时、创造销售额超 13 亿元；同一篇报道里，分析人士也点出了 AI 导购的几处短板：容易混淆同一链接下不同 SKU 的规格、推荐偏向平台自营货品、把商业推广包装成中立选购建议而缺少清晰标注。这几条短板，恰好是 AI 搜索可见度测量里最难处理的部分。
被 AI 推荐和被 AI 打广告，是两个指标
如果只统计「品牌是否被 AI 提到」，上面两种情形会被算成同一个数字：提到就是曝光，曝光就是可见度。但用户看到的是一句推荐，还是一句没标注的广告，对他下一步动作的影响完全不同。做 AI 搜索可见度监测，第一步就该把这两类回答分开计数，否则测出来的数字会把投放效果当成口碑。
这也解释了为什么单纯的「提及率」不够用。可见度要回答三个问题：品牌有没有进入候选、以什么身份进入、依据是什么。三个问题对应三个可测量的量，缺一个，报告就只能给出一个漂亮但没法用来做决策的数字。
可见度要拆成三层
三层：出现率、推荐占比、引用来源归属。出现率回答「在不在」，推荐占比回答「排第几、是不是首选」，引用来源归属回答「凭什么」。多数团队只测第一层，因为最容易自动化；后两层要靠人工标注与信源比对，工作量大，但恰恰是这两层决定了可见度能不能转化成生意。
推荐占比要看场景问法
推荐占比在「推荐几个牌子」这类问法里最能体现差异。品牌问法下 AI 通常会顺着品牌名展开，出现率高但含金量低；场景问法下 AI 需要自己判断谁适配，这时候被列进候选，才是真的进入了决策路径。同一份问题库里，两类问法要分开统计。
引用来源归属决定了责任
AI 引用谁，谁就在承担这次描述的责任。官网、电商旗舰店、第三方测评、百科条目被引用的概率不同，被引用之后的措辞倾向也不同。把引用来源按域名归类，再看每个来源对应的措辞，通常能定位到是哪一篇旧内容在影响 AI 的描述——这一步比改页面更快见效。
三种回答状态的核验表
落到执行层面，一条 AI 回答可以归入三种状态：明确推荐、中立提及、疑似推广。三种状态的核验方式不同，混在一起统计，报告就没有办法指导下一步动作。下面这张表是核验时的判断依据，不追求精确，追求可复现。
| 回答状态 | 判断依据 | 该怎么处理 |
|---|---|---|
| 明确推荐 | 被列为可选答案且有正向理由 | 记录引用来源，复用该信源结构 |
| 中立提及 | 只在对比句里出现，无褒贬 | 补充可引用的事实型内容 |
| 疑似推广 | 措辞一边倒且无标注 | 不记入口碑指标，单独列示 |
这张表最容易卡住的是第三种。判断「疑似推广」需要人工介入，标准也不容易统一；可行的做法是双人标注加抽样复核，先保证同一批数据两个人标出来的结果一致率超过八成，再谈趋势。标注不一致的数据，做出来的曲线只是噪音。
一周内能核完的三步
不必等工具齐备。先固定 30 个问题，覆盖品牌问法、品类问法与场景问法，同一时段、同一账号跑一轮，逐条截图。跑完一轮，哪些问法里品牌根本没出现、哪些回答里推广没有标注，就都有据可查了。今年双 11 规则整体简化、价保周期延长，中国妇女报 提到消费者对透明度的要求在提高，AI 回答里的标注问题迟早会被同样要求。
常见问题
AI 回答里品牌被提到，算不算可见度？
只是一层。还要看它在回答里是推荐、是中立对比，还是没标注的推广；三种状态对转化的作用完全不同。
为什么要把引用来源单独统计？
因为引用决定曝光归属。AI 引用谁，谁就在为这段描述负责；按域名归类，才能找到该改的那一页。
推广没有标注，该怎么记？
不记入口碑指标，单列一栏。混进推荐占比里，会让可见度虚高，也掩盖了真正需要补的内容缺口。
标注一致率为什么重要？
因为它决定数据能不能用。两个人标同一条回答结论不一致，说明判断标准没定清楚，这时的趋势线没有意义。
