当用户把订票、比价、催单这类事交给一个 AI 助理，品牌还有机会被选中吗？这个问题在 11 月 11 日变得具体：蚂蚁集团公布灵光 2.0 上线两周的成绩单，自 10 月 27 日上线以来累计托管事务量突破 300 万项、执行任务超 1100 万次，用户规模突破 2000 万；一周前的 11 月 5 日，对应数字还是 116 万项与 360 万次。从“问一句答一句”到“替我盯着、到点提醒、条件满足就执行”，个人 AI 助理的角色在变，做 AI 搜索可见度的团队因此要多看一个位置：品牌不只是要被回答提到，还要在 AI 替用户做选择的那一刻被选中。以下盘点以截至 11 月 11 日的公开信息为界。
从回答问题到替我办事，中间隔着一个授权
灵光 2.0 的关键功能叫“帮我管”：用户授权之后，可以把需要长期关注的事务交给 AI，由它持续监测状态，在满足条件或到达节点时主动提醒、执行操作。公开的例子里，家长可以让它盯着钉钉班级群汇总通知，消费者可以托管机票价格监测与会员续费提醒，也可以连接智能家居设备按预设条件执行。
这些场景的共同点是任务不在一次对话里结束。传统 AI 助手完成一次交互就退出，事务托管则要求它在用户不介入的情况下保持关注。支撑这个能力的是长期任务调度、跨会话上下文管理与外部服务连接——截至 11 月 3 日，灵光已接入支付宝、钉钉、夸克、飞书等 40 余项连接器。
被“执行”的品牌，和被“提到”的品牌不是一回事
过去衡量品牌在 AI 里的存在感，看的是被提及率：一个问题问出去，回答里有没有你。事务托管把这件事往前推了一步——用户说“帮我把这个月的咖啡预算控制一下”，AI 要做的不只是回答，而是选一个品牌、下一个单、设一个提醒。被提到只是曝光，被选中才是生意。
可见度的口径，要加一层“代理选择”
代理场景下的可见度至少要多三个观察项：一是候选集，AI 在执行任务时会考虑哪几个品牌；二是选择理由，它按价格、距离、会员权益还是历史偏好做判断；三是执行占比，同一类事务里，各品牌被实际选中的比例。这三项与传统的提及率、推荐位次不在一套口径里，需要单独建监测。
候选集的来源尤其值得研究。AI 不会凭空知道有哪些品牌，它的候选来自可被调用的数据：连接器里的服务清单、商品库、地图与门店信息、以及公开可抓取的内容。品牌如果不在这些数据源里，就不在候选集里；不在候选集里，提及率再高也没用。这与手机端 AI 搜索的逻辑相通——引用来源决定被不被看见，只是这里的“来源”变成了结构化接口。
问题库要加一类“代办式问法”
传统问题库收的是“哪个牌子好”“怎么选”，代办式问法完全不同：“帮我把下个月的牛奶订了”“提醒我续费前比价”。这类问法里品牌名往往不出现，AI 要自己补全；补全的依据就是候选集与偏好记录。问题库如果不覆盖这类问法，监测结果会系统性高估品牌在代理场景的可见度。
监测要拆成哪几块
| 能力层 | 要解决的问题 | 观察指标 |
|---|---|---|
| 候选集监测 | AI 执行时会考虑谁 | 进入候选的比例 |
| 选择理由归因 | 凭什么被选中 | 价格、距离、权益权重 |
| 执行占比 | 选中后是否真的下单 | 同类事务的选中份额 |
三块里最难的是选择理由归因。AI 的决策过程不公开，只能通过对照实验反推：固定其他条件，只改价格、只改配送时效、只改会员权益，看选中结果是否变化。这类实验成本不低，但比猜测可靠——尤其在竞品同时在场的情况下，猜错方向会让优化动作全部打偏。
执行占比则是最接近生意的一项。被选中但没有完成下单，可能是库存、配送范围或支付环节的问题；这类流失在传统可见度报表里完全看不到，却直接决定代理场景能不能带来收入。监测面板要把“选中”与“完成”分开统计，否则会把运营问题误判成曝光问题。
别把代理入口当成新的投放位
新入口出现时，第一反应通常是买位置。但事务托管的逻辑是“替用户省事”，商业化推荐如果破坏了这个前提，用户会关掉授权。公开信息里没有提到灵光在连接器内做商业推荐，也没有披露品牌是否可以付费进入候选集；在这些规则明确之前，品牌能做的仍是基础工作：把商品与服务信息结构化、把价格与库存的准确性守住、把可被调用的接口准备好。
更值得关注的是评价体系的变化。行业过去看用户规模、活跃度、对话次数；进入事务托管阶段后，用户愿意交出多少事务、AI 能否持续完成、完成质量如何，成了新的观察维度。对品牌来说，这意味着“被 AI 提到”的价值会逐步让位于“被 AI 稳定选中”——前者是内容问题，后者是数据与履约问题。中国青年网：灵光2.0上线两周，累计托管事务量突破300万
常见问题
事务托管和普通的 AI 问答，对品牌的意义差在哪？
问答决定品牌被不被提到，托管决定品牌被不被选中。前者是曝光，后者直接影响成交，且判断依据是结构化数据而非文章内容。
品牌怎么进入 AI 的候选集？
靠可被调用的数据：连接器内的服务清单、商品与门店信息、公开可抓取的内容。不在数据源里就不会进入候选，提及率再高也无法转化。
代理场景的可见度现在能测吗？
可以测候选集与执行结果，但选择理由只能通过对照实验反推。建议先固定一组代办式问题，周期性采样，建立基线。
这类监测和传统 GEO 有什么不同？
指标不同。传统 GEO 看提及率、位次、引用来源；代理场景要看候选集比例、选择理由权重与执行份额，引用来源也从网页变成接口字段。
