AI 应用带来的订单占比目前只有品牌方口径，平台侧没有公开数据——这些判断只能以 11 月 12 日的公开报道为限。报道里的两个数字值得放在一起看：营销技术公司 WPIC 称，今年 10 月抖音约有 5% 的购买交易通过聊天机器人提供的链接促成，营养补充剂等需要比较多比较的品类超过 20%；健身品牌速尔的电商负责人说，AI 应用引流到店铺的订单已贡献 20% 到 30% 的成交。同一件事，两个口径差了四到六倍，差别在品类，也在测量方式。
两个口径差六倍 差在测量而不是事实
5% 是全平台的平均值，20% 到 30% 是单一品牌的自报值，两者本来不该直接比。真正可比的是同一品类、同一口径下的变化趋势。这也提示了一件事：AI 导购的归因还没有行业标准，品牌如果只信自己后台的「来源」字段，很容易把自然搜索算成 AI 引流，或者反过来（路透社报道）。
京东的数据给了另一个参照：今年双11 期间，使用 AI 购物助手「东东」寻求购物建议的用户接近 8000 万，是去年的三倍多。用户规模的增长快于成交增长，说明大部分人还在用 AI 做研究，而不是直接下单。研究环节恰恰是品牌可见度最该争的位置。
被提到、被推荐、被选择是三件事
AI 回答里出现品牌名，只是第一层。第二层是被列为推荐项，第三层是用户真的点了链接下单。三层之间会漏掉大量人：回答里提到但排在末尾，用户不会点；排在前面但描述里带着「价格偏高」的限定，用户会转投竞品。可见度如果只统计第一层，会系统性地高估自己。
引用来源决定 AI 怎么描述你
AI 组织答案时会引用来源，来源的构成直接决定描述的角度。引用电商详情页，回答偏向参数与价格；引用行业媒体与官方文档，回答偏向技术与场景；引用论坛帖子，回答里会混进使用体验与抱怨。品牌想改变 AI 回答里的表述，先要改变被引用的来源结构。
把可见度拆成可核对的三项
可操作的做法是固定一套问题库，按周采集回答，记录三项：品牌提及率、推荐位次、引用来源占比。三项都要有基线，否则涨跌无法解释。问题库要覆盖品牌词、品类词与场景词三类，混在一起算平均会掩盖结构性问题。
竞品对比在同一套问题上做。常见的误判是自家提及率与竞品接近就认为差距不大，但拆开看，竞品的引用来源集中在行业媒体，自家的集中在促销页，回答里的表述就会一个偏专业、一个偏低价，长期看影响的是品牌溢价（中国经济时报报道）。
| 指标 | 采集方式 | 判断标准 |
|---|---|---|
| 品牌提及率 | 问题库逐条采集 | 连续四周趋势 |
| 推荐位次 | 同题候选排序 | 是否稳定在前三 |
| 引用来源占比 | 回答内域名统计 | 自有站点不低于两成 |
三项指标的采集成本不高，难的是坚持同一口径。换问题库、换采集时间、换账号，都会让数据不可比。真正有价值的不是某一次的快照，而是同一口径下连续八周以上的曲线。
这件事对品牌 GEO 管理意味着什么
AI 导购把「研究」这一步从搜索引擎搬到了对话框里，品牌在这条链路上的位置，取决于它能不能在回答里被准确描述。对市场团队来说，动作有三个方向：把官网与认证账号的实体信息补全，让 AI 能确认「你是谁」；把产品卖点收敛成统一表述，避免不同来源给出矛盾信息；把引用来源从促销页扩展到行业媒体与专业内容。
不要承诺「让 AI 一定推荐你」，这件事没有可控开关。能做的是提高被正确描述的概率，并且用同一套指标持续验证。回答的排序规则会变，唯一稳定的是：来源可信、表述一致、信息可核验的品牌，被引用的概率更高（人民日报报道）。
常见问题
AI 导购带来的订单，品牌能自己核实吗？
只能核实一部分。品牌能看到来自某个入口的成交，但看不到用户提问时 AI 说了什么、引用了谁。要还原这一层，需要自己做问题库采集，把回答与成交时间对齐。
AI 回答里被提到，为什么订单还是没涨？
被提到不等于被推荐。回答里可能出现「某品牌也有类似产品，但价格更高」这类表述，提及率上去了，转化反而下降。位次与语义倾向要一起看。
营养补充剂为什么在 AI 导购里占比更高？
品类决策变量多、需要比较。用户会问成分、适用人群、副作用，AI 的回答正好承接这些比较，转化路径比冲动型品类更顺。
GEO 优化要盯哪些指标才算有效？
盯三个：问题库提及率、回答中的推荐位次、引用来源里自有站点与权威媒体的占比。三项同向改善才算有效。
