AI 导购带来的成交到底算谁的，目前没有答案。变化在于，这个问题第一次有了数据可用：抖店上线「豆包运营」专区，独立统计 AI 场景下的曝光、成交与退款；豆包 AI 搜索可以直达商品链接，成交流程被完整记录（AI 流量可归因的实践）。截至 11 月 14 日的公开信息，AI 入口从「说不清」进入「可以分开算」的阶段，而品牌侧的可见度考核，也该跟着改口径。
从算进其他渠道到单独核算
可归因带来的第一个改变是预算分配。过去 AI 入口的贡献混在「其他」里，无法判断该加还是该减；有了独立口径，品牌可以按平台、按问题类型拆开看投入产出。第二个改变是考核对象，从「曝光多少」转向「成交多少、退款多少、净贡献多少」。
第三个改变更隐蔽：内容团队开始对退款负责。AI 回答里的一句话如果写错了规格或价格，成交会上去，退款也会跟着上去，最终净效果可能为零。可见度不再是公关指标，它直接影响损益。
可见度要配三个下游指标
只看品牌在 AI 回答里出现了多少次，容易得出乐观结论。真正有判断力的是三个下游指标：点击率、成交率、退款率。三者放在一起，才能区分「被看见」与「被信任」。
| 环节 | 记录内容 | 数据来源 | 常见误判 |
|---|---|---|---|
| 曝光 | AI 回答中是否出现品牌 | 平台后台或问题库自测 | 只看出现次数 |
| 点击 | 是否进入商品页 | 平台归因数据 | 把自然搜索算作 AI |
| 成交 | 是否完成下单 | 订单归属 | 忽略跨平台跳转 |
| 退款 | 成交后是否退回 | 售后数据 | 不与可见度关联分析 |
问题库要能对上退款原因
自测的问题库如果只记录「有没有出现」，就没法和退款数据对齐。可行的做法是给每条问题标注对应的品类与购买场景，再把该品类当月的退款原因分布拉出来比对。某类问题的退款集中在「与描述不符」，基本可以判断是 AI 回答引用了过期或错误的页面信息。
平台之间的归因窗口不一致
不同平台对 AI 流量的归因窗口设置不同，有的按会话，有的按天。窗口不同，同一笔订单可能被算进不同渠道，跨平台比较时要注意这一点。报告里标注口径，比追求一个统一数字更重要。
两周内能建立的最小闭环
先选 30 条与成交最相关的问题，固定平台逐条记录品牌出现情况与描述内容；再把这几条问题对应的品类退款数据拉出来，看是否集中在某类描述偏差上；最后修正被引用的页面信息，两周后复测同一批问题。
还有一个结构性差异值得注意：AI 回答里的品牌描述往往来自第三方页面，而不是品牌自己的商品页。这意味着即使可见度很高，被引用的也可能是过时的价格或旧规格，退款风险恰恰藏在那些品牌管不到的页面里。
所以可见度考核要加一个前置动作：先确认被引用的来源清单，再判断这些来源是否可控。可控来源占比低的品类，先补自有页面的结构化信息，比盲目增加内容产量更有效，也更容易在退款数据上看到变化。
这个闭环不需要额外工具，成本主要是人力。它的价值在于把「AI 里表现好不好」换成「AI 里说错没说错」，后者才和退款、复购直接相关。判断标准也很务实：同一个问题连续两周测下来，如果描述口径稳定、引用来源可控，说明这套内容站得住；如果每次答案都不一样，说明模型在多个来源之间摇摆，先补齐事实再谈优化。
常见问题
可见度高但成交没涨，问题在哪？
多数是描述与决策无关。AI 回答了品牌名，却没给出价格、规格、适用场景这类能推动下单的信息。
退款率高会不会拉低 AI 推荐？
目前没有公开证据表明平台会把退款率直接用于 AI 排序，但退款高的商品在自然流量上通常处于劣势，间接影响可见度。
要不要为 AI 单独做落地页？
优先把现有商品页结构化。模型引用的是可提取的事实，新做一个页面但信息依旧含糊，效果不会好。
怎么和传统搜索的指标并存？
分开记、合并看。传统排名反映网页竞争力，AI 可见度反映被引用能力，两者可以同时高，也可以完全不同步。
