同一件事，平台的说法是「AI 驱动服务升级」，商家的体感是「推荐位越来越难猜」。11 月 12 日的公开报道里，值得买科技给出双 11 收官数据，核心业务什么值得买的 GMV 前五品类是手机通讯、大家电、酒类、住宅家具和生活电器；平台强调 AI 让兴趣消费更丰富，但对品牌方来说，真正要回答的是另一个问题：当推荐由模型生成，品牌的可见度还能不能测。
从人工榜单到模型推荐，位置的含义变了
值得买科技公布的双 11 数据最有价值的部分不是五个品类的排序，而是排序背后的机制变化。过去的榜单是编辑与销量共同作用的静态位置，现在越来越多由模型按用户兴趣实时生成——同一款商品，不同用户看到的推荐理由可能完全不同，位置也不再是一个公共坐标。
这对 GEO 工作的直接影响是：可见度不能再按「第几位」来记。位置变成了条件概率——在什么问法下、面向什么人群画像、被哪条引用支撑，品牌才会出现。监测的口径必须跟着从排名转向分布，否则拿到的是一堆无法比较的数字。
AI 推荐先改的是比较维度
人工榜单的比较维度是价格、销量、口碑，这些字段公开且稳定。模型推荐的比较维度多了一层「与提问的匹配度」：同一个品类，问「送长辈」和问「自己用」，答案可能完全不重叠。品牌如果只优化商品页的价格与销量信息，在匹配度这一层是空白的。
可见度怎么测：三件事先定下来
第一件是问题库。按品类与场景拆出二十到三十个真实问法，覆盖「哪个好」「怎么选」「多少钱」三类，固定下来每周复跑。第二件是记录字段：是否被提及、出现在第几轮回答、引用了哪条来源、同场出现了哪些竞品。第三件是比对口径：同平台纵向比趋势，跨平台横向比结构，不平均成总分。
| 指标 | 定义 | 用途 |
|---|---|---|
| 提及率 | 问题库中被提到的比例 | 判断是否进入候选集 |
| 引用来源占比 | 答案引用品牌自有内容的比例 | 判断证据是否被采信 |
| 竞品同场率 | 与主要竞品同时出现的比例 | 判断竞争位次 |
三个指标的分工很清楚：提及率低，说明内容没有被检索到；提及率高但引用来源占比低，说明被看见了但没被当作依据；竞品同场率高而位次靠后，说明比较环节输在证据上。三种情况的优化动作完全不同，混在一起看只会得出「还需要努力」这种没有信息量的结论。
电商站内的 AI 导购也要算进来
值得买这类内容平台的推荐，和电商站内的对话式导购是两套系统，但对品牌的意义一致：都在替用户做初筛。GEO 的监测范围如果只覆盖通用 AI 搜索，会漏掉站内这一层，而站内恰恰离成交更近。
别把推荐当成可控变量
需要说清楚边界：模型的推荐规则不公开，个性化程度未知，任何「优化后必然提升推荐位」的承诺都缺乏依据。能做的只有三件事——把事实写清楚、把口径统一、把监测做实。事实清楚指参数与卖点可核验，口径统一指官网、店铺、内容平台的表述一致，监测做实指按周复跑同一批问题。
这三件事的价值不在短期排名，而在降低被误描述的概率。AI 回答里一旦出现错误参数或过时价格，纠正成本远高于预防成本，而预防的唯一办法是让所有公开信源说同一件事。
一个月后回看这份记录，先看提及率有没有随问题库扩容而摊薄。摊薄说明品牌的可见度集中在少数问法上，这是内容结构问题，不是投放问题。
常见问题
AI 导购推荐和传统榜单排序有什么不同？
榜单是公共位置，模型推荐是按提问与人群实时生成的分布，同一商品在不同问法下位置不同。
品牌在 AI 推荐里被提到就够了吗？
不够。被提到只说明进入候选集，被引用才说明内容被当作依据，两者要分开统计。
站内 AI 导购需要单独监测吗？
需要。它离成交更近，且信源偏好与通用 AI 搜索不同，混在一起会掩盖差异。
优化后多久能看到可见度变化？
没有确定答案。规则不公开，只能按月观察趋势，单周波动多为样本差异。
