去年这个时候，把一个品牌的曝光折算成一笔账，还只是搜索排名和投放报表里的事；今年 11 月 11 日腾讯把「元宝搜索」做成独立网页产品重新入场，搜索这件事多了一个不由关键词决定的出口。按 11 月 12 日公开报道与产品方披露的口径，元宝搜索接入公众号与视频号内容，把广告与自然结果分栏、支持一键收起；而据 CNNIC 与艾瑞咨询 11 月发布的统计，中国生成式 AI 用户规模已达 9.01 亿，其中 69.2% 用 AI 搜索查询信息，2026 年三季度中文搜索里生成式查询占比 41.2%。对做品牌的人来说，于是「被搜到」和「被 AI 说出来」变成了两笔账。
入口重做之后，先看清谁在替品牌说话
元宝搜索的产品负责人在 11 日的沟通会上把问题摆得很直接：当对话式助手能即时生成总结，网页搜索这个存在了二十多年的产品还有没有必要重做。他给出的三个痛点指向同一件事——中文互联网内容呈孤岛式割裂，关键词匹配难以理解复杂需求，广告与自然结果混排让用户不信任结果。这三处恰好落在 AI 回答的强弱交界上：模型能把分散的内容拼成一段答案，但它拼了什么、引了谁，用户在页面上看不见。
对做 GEO 的人来说，入口重做带来的变化不是流量迁移，而是答案的归属变了。传统搜索里品牌争的是链接位置，位置由关键词、外链与点击行为决定；在 AI 回答里争的是被不被写进那段话，写进去的依据是模型能不能找到可抽取、可验证、口径一致的表述。广告与自然结果分栏看起来是产品设计，实际是把「花钱买位置」和「凭内容被引用」两条路彻底分开，过去靠投放换来的曝光在这个入口里不能自动延续。
41.2% 之后，可见度要拆成三层
艾瑞咨询 11 月白皮书给出的 41.2% 是个分水岭式的数字：2026 年三季度中文搜索中生成式查询占比已达 41.2%，比 2025 年同期翻倍，按此增速 2027 年三季度或突破 57%；在 B2B 采购、医疗健康、金融理财、教育培训这类高决策成本场景，占比已超过 52%。CNNIC 的口径稍有不同，统计的是用户规模与使用比例——9.01 亿生成式 AI 用户里有 69.2% 用 AI 搜索查信息。两组数字不能相加，但指向同一个结论：答案页正在取代结果页。
所以在监测面板上把可见度做成一个总分是有害的。被提到、被挂商品卡、被引用为来源，是三件不同的事，混在一起算会得到一个既不能复盘也不能优化的数。爱搜 10 月上线的那张 AI 电商品牌榜把这层拆开：品牌被 AI 说到，用户只是知道了一个名字；品牌被挂上商品卡，图片、价格和购买入口直接进了回答。前者靠近认知，后者靠近购买路径，把它们平均成一个「可见度」，等于把两种完全不同的资产按同一个折扣处理。
| 层级 | 观测对象 | 能证明什么 | 不能证明什么 |
|---|---|---|---|
| 被提到 | 品牌名出现在回答正文里 | 模型知道这个品牌存在 | 用户是否读到、是否选择 |
| 被挂商品卡 | 回答中带图、价与购买入口 | 品牌进了候选清单 | 是否被点击、是否成交 |
| 被引用 | 页面被列为来源 | 内容被模型采用 | 曝光量与转化效果 |
| 竞品占位 | 同一问题里出现的其他品牌 | 候选名单的真实宽度 | 用户最终选了谁 |
商品卡和被提到，不是一个数
三组公开数据的口径要分开写
把 9.01 亿、69.2%、41.2%、66.7% 放进同一张表之前，得先写清每个数字量的是什么。CNNIC 量的是用户规模与使用比例，艾瑞量的是查询量占比，中国青年报社会调查中心量的是受访者行为——66.7% 会用 AI 辅助购物，85.7% 认为更省力。三套口径的分母不同，写在同一句话里比较就会得出「AI 购物已经普及」这种过度结论；能支撑的判断只有一条：相当一部分决策已经在对话框里发生，而且这部分还在增长。
这也解释了品牌自查时为什么会得到互相矛盾的结论。同一组问题在豆包、元宝、千问里问出来的答案结构不同，推荐的链接各归各家；有媒体做过实测，同一个需求分别喂给三家，推荐都像样，但链接指向的平台不同。这不是模型偏见，而是入口归属：平台做 AI 导购的动力是把交易留在自己的链路里，消费者要的是全网最优解，两个目标从根上就不一致，品牌能做的只是把每条链路分开记。
价格同样不能只看一个入口。有自媒体实测同一店铺的厨房纸巾，在抖音电商 27.9 元，经豆包领补贴与优惠券后 17.43 元，价差 10.47 元来自渠道补贴，而不是模型更聪明。这类价差如果被当成「AI 帮用户省钱」的证据，接下来所有的比价监测都会建在错误的前提上，因为变的是补贴，不是答案。
品牌该怎么把这套账立起来
可执行的动作不是「多做内容」，而是把问题库、监测与复盘连成闭环。先固定一组问题：品类词、场景问法、对比问法各若干条，记下引擎、语言、地区、问法版本与执行日期，每次重跑都用同一套。再做分层记录：这一条回答里品牌是被提到、被挂卡还是被引用，竞品出现了哪几个，引用的是官网、媒体还是问答社区。最后才谈优化，而且优化的对象是那几条被反复引用的页面，不是全部页面。
- 定问题库：按品类词、场景问法、对比问法各取 10 至 20 条，写进同一张表并锁定版本号。
- 跑基线：在元宝搜索、豆包、千问、ChatGPT 上各跑一轮，记引擎、地区、日期与问法原文。
- 分层记录：逐条标注被提到、被挂卡、被引用，以及同屏出现的竞品数量。
- 归因来源：按域名与内容类型给引用来源归类，找出替品牌说话的是哪一类页面。
- 按周复盘：同一套问题每周重跑，只改内容不改问法，否则前后两轮无法比较。
| 字段 | 示例 |
|---|---|
| 监测日期 | 2026-11-13 |
| 引擎与入口 | 元宝搜索（网页版） |
| 问题原文 | 500 元以内通勤用降噪耳机推荐 |
| 品牌是否被提到 | 是 |
| 是否挂商品卡 | 否 |
| 引用来源 | 某行业媒体测评页 |
| 同屏竞品数 | 3 |
| 本周动作 | 补齐参数对照表 |
为什么引用来源比排名更值得记
在 AI 回答里，排名是个不稳定的中间量，引用来源才是可以追溯的落点。同一句结论，模型可能引用官网参数页、行业媒体测评或问答社区，三者的可信度与可控性完全不同；只记「排第几」，下次答案变了就无从解释原因。把引用来源按域名与内容类型归类，才能看出是哪一类页面在替品牌说话，也才知道该补的是参数、评测还是第三方背书。
常见问题
元宝搜索上线，等于品牌多了一个必须做的渠道吗？
不等于多一个渠道，等于多一个答案入口。要不要投入，取决于你的品类词在这个入口里是否已经出现 AI 回答，以及回答里有没有你。
被 AI 提到和被挂商品卡，哪个更重要？
看目标。做认知看被提到，做转化看商品卡与引用来源。两者拆开记，才能判断该补内容还是该补商品信息。
为什么不能用一个总分衡量 AI 可见度？
因为提到、挂卡、引用三种事件的量纲不同，合并后无法归因；一旦分数下降，你不知道是模型变了、竞品变强了，还是自己少发了一篇稿。
监测频率该多高？
问题库每周重跑一轮即可，重大节点加密到每日。关键是问法与引擎保持一致，否则两轮数据不能比较。
