这套四级链路能不能复用，现在没有答案。能确定的是触发它的问题已经出现：艾瑞咨询的调研显示，41% 的用户已完全转向 AI 搜索，超过八成用户会在购买决策前使用 AI 搜索（凤凰网科技对归因链路的拆解）。当用户不再点进结果页，品牌在 AI 回答里的可见度就没法再用点击量解释，只能另建一套从提及到成交的记账方式。以 11 月 12 日的公开信息为界，这套链路在国内还没有跑通的公开案例。
从曝光到成交，中间隔着三层断裂
第一层断裂在可见度。用户的问题里根本没有品牌，后面的引用和承接都无从发生。第二层断裂在引用：品牌被提到了，但没有被当作依据，AI 只是顺带一提。第三层断裂在承接：AI 推荐了，用户也去搜了，但落地页对不上 AI 说的那件事。
多数团队的报表只覆盖第一层的绝对值，也就是「品牌在多少问题里出现过」。这个数字回答不了「为什么没出现在另外那些问题里」，也回答不了「出现了为什么没带来生意」。
可见度层为什么要拆三个指标
提及率、TOP3 首推率、SOV 是三个不同的东西。提及率是覆盖率，TOP3 首推率是强度，SOV 是相对份额。只报提及率，会出现「到处被提到但没有一次被推荐」的假繁荣；只报 SOV，又会掩盖品牌在长尾问题里的缺席。
引用层才是分水岭
引用层看的是自有与外部网站的引用率、被 AI 引用的比例，以及高权重信源的覆盖率。这一层决定了品牌在 AI 回答里的身份：是「被提到的名字」，还是「被用来支撑结论的依据」。两者的商业价值差着量级。
| 层级 | 核心指标 | 可核验产物 |
|---|---|---|
| 可见度 | 提及率、TOP3 首推率、SOV | 提问快照、监测看板 |
| 引用 | 自有与外部引用率、信源覆盖 | 引用明细、信源清单 |
| 承接 | 商品卡调起率、字段一致性 | 字段级比对记录 |
| 生意 | 咨询量、留资、转化成本 | 同口径基线与阶段对比 |
这张表的价值在于把「不可测」拆成「可留证」。每一层都对应一个可以存下来的产物：提问快照、引用明细、字段比对、同口径基线。有了产物，数字才能被复核；没有产物，任何提升幅度都只是一句话。
引用层最容易被忽略的是信源结构。公开资料提到，大模型对信源做权重分层，央媒与高信用垂类门户更容易被采信（凤凰网科技的信源权重拆解）。品牌自有内容能解决「说清楚」，第三方信源才能解决「被相信」。
承接层的字段一致性是硬功夫
AI 回答里提到的价格、规格、赠品，必须和商品页一致。差一个数字，用户点进去就会流失。这一层没有技巧，只有逐字段比对：把 AI 回答截图里的字段和电商页面一条条对，差异记下来，再回到源头修正。
复测节奏决定这套链路能不能用
归因不是一次性报告，是周期性对表。公开案例给出的节奏是周度数据同步、月度复盘、季度策略校准，大促与新品节点则按 T-14 天预埋内容、关键日 72 小时承接、节点后复盘。这个节奏的意义在于：口径固定，数字才能比较。
固定口径要写清四件事：模型版本、提问方式、采样时间、判定规则。四项里任何一项变了，环比就失去意义。模型迭代很快，这也是为什么很多团队的第一份报告看起来不错，第二个月就崩了——不是效果掉了，是口径漂了。
41% 这个数字会不会继续上升，取决于 AI 搜索在购物场景里的体验。品牌能做的不是等结论，而是先把四级链路的凭证留好。等到需要向管理层解释「AI 到底带来了什么」时，有快照的团队和被问住的团队，差别就在这里。
常见问题
四级归因里哪一层最容易做假？
可见度层。提及率只统计「有没有出现」，不区分出现的方式，容易被顺带提及撑高。要判断真实强度，必须同时看 TOP3 首推率与引用率。
AI 搜索的 SOV 怎么算才可比？
在同一组问题、同一时间窗口、同一判定规则下统计各品牌的出现次数占比。跨平台比较前要先做归一化，不同平台的回答长度与推荐习惯不同，绝对值不能直接横比。
没有工具能不能先做一轮归因？
能。用二十到五十个真实问题，在主流 AI 平台各问一遍，保存回答截图，记录品牌是否出现、位次、引用来源与描述准确性。这组快照就是最小可用的基线。
