以 11 月 14 日的公开报道为界，如果你负责品牌在 AI 搜索里的可见度，接下来要盯的已经不是自家官网的排名，而是商品数据被谁收录。路透社披露的亚马逊内部文件显示，这家公司正在评估一个名为 World Product Graph 的项目：把全网在售商品，包括它自己并不销售的商品，做成一份可查询的商品档案，文件里写的目标日期是 2027 年 10 月 1 日。这件事对 GEO 的直接影响在于，AI 回答引用哪一家的商品事实，取决于谁能提供结构化、可更新的商品数据。
这份内部文件真正的争夺点，是「谁来提供商品事实」
按路透社的报道，这份内部文件设想的收录范围不止亚马逊自营商品，还包括由品牌与零售商持续提供的数据，以及通过抓取其他零售商站点获得的信息。文件提到可口可乐与拜耳已同意提供商品数据，并提及宝洁可能参与试点，三家公司均未回应置评请求（路透社报道的中文转述）。亚马逊对媒体的回应是，草稿与过时材料可能给出不完整的图景，头脑风暴文档未必反映当前计划。
更值得留意的是项目要解决的问题。文件承认现有的 AI 购物助手不少回答在事实上错误或不完整，用 AI 处理用户搜索的成本也很高，补充更多商品数据有望让系统更准确并改用更便宜的模型（IT时代网报道）。亚马逊则对文件中的使用数据提出异议，称自有数据显示该助手的全球准确率约为 97 个百分点口径下的九成七。两种说法并存，本身就说明 AI 回答的准确性目前缺少第三方可复核的口径。
| 购物起点 | 占比 |
|---|---|
| 开始找商品时先用搜索引擎 | 百分之五十七 |
| 开始找商品时先用亚马逊 | 百分之十六 |
| 已明确想买时先用亚马逊 | 百分之四十一 |
这组数字来自摩根士丹利 2025 年的调查，被多家媒体在报道中引用。它解释了这个项目为什么现在出现：在「还不知道买什么」的研究阶段，搜索引擎仍然是第一入口；只有在需求已经明确时，亚马逊才占优势。谁能补上研究阶段的数据缺口，谁就握住 AI 购物回答的信源。
AI 回答里的商品事实，正从品牌官网迁到平台图谱
引用来源的竞争，本质是结构化数据的竞争
过去品牌做内容，主战场是官网与电商详情页；AI 搜索把这条链路改了。模型在回答「哪款吸尘器更适合有宠物的家庭」时，会去找能直接比对型号、代际、适用场景的数据源。哪一家的数据更完整、更新更及时，哪一家就更容易成为引用来源。品牌官网的单品页如果只有营销文案，没有可比的结构化字段，被引用的概率会明显低于平台图谱。
「许多回答事实错误」与九成七准确率之间差的是什么
两个说法不矛盾，因为口径不同。内部文件统计的可能是全量回答里的事实错误，企业口径可能只统计可判定样本。对做 GEO 的团队，这是一个提醒：AI 回答的准确率没有统一标准，监测时必须自己定义样本与判定规则，否则拿到的数字无法跨平台比较，也无法向业务方解释变化。
平台侧的攻防也在同步展开。此前亚马逊已开始屏蔽第三方 AI 爬虫对自家商品页的访问；而在另一个方向，它又希望通过 Shop Direct 让外部零售商的商品进入自己的页面，公开报道提到该项目的链接规模已从早期的 1 亿条扩到 2.5 亿条量级。一边关门，一边开窗，标准由平台自己定。
品牌要监测的三个信号
第一个信号是品牌提及率的变化。当平台图谱成为 AI 回答的主要信源，品牌名可能仍被提到，但描述里的规格、型号、适用场景会开始跟着平台数据走。监测时要看的是描述是否与官方口径一致，而不是只看有没有被提到。
第二个信号是引用来源的构成。把品牌在豆包、DeepSeek、元宝、Kimi、Perplexity 等平台上被引用时的信源列出来，看自家官网、电商详情页、第三方测评各占多少。如果平台图谱类信源的占比在上升，官网内容的权重就在下降，优化动作要跟着调。
第三个信号是竞品占位。同一个问题库里的问题，AI 回答推荐了谁、把谁放在第一位、引用了谁的参数，这些都可以逐条记录。竞品对比不是看谁声量大，而是看谁在具体问题上被当成标准答案。
放进 GEO 的监测口径，这件事该怎么落地
这类平台级动作，短期看不到排名变化，但会改变信源结构。比较务实的做法不是等它上线，而是先把自家商品数据的结构化程度盘一遍：型号、代际、规格、适用场景这些字段，是否以机器可读的方式存在于官网与商品页。数据不全，任何优化都是空转。
行业侧的背景也支持这个判断。前三季度网上商品和服务零售额同比增长 4.4%（求是网），线上零售进入低速增长，平台之间从抢流量转向抢入口与数据，商品信息的质量直接决定了谁能在 AI 回答里被引用。
常见问题
亚马逊这个项目还没上线，品牌现在需要做什么？
先把自家商品数据的结构化程度盘清楚。项目是否落地、何时落地都未确定，但 AI 回答偏好结构化、可更新数据的趋势已经成立，补字段这件事不会白做。
GEO 和 SEO 的区别在这里体现在哪？
SEO 争的是链接排名，GEO 争的是被 AI 回答引用与描述的方式。同一款商品，搜索排名第一不代表会被 AI 回答选中，后者看的是数据完整度、可比对性和信源可信度。
AI 回答里的引用来源怎么查？
逐题记录回答中出现的信源链接与机构名，按官网、电商详情页、第三方测评、社区内容分类统计占比。多平台重复做同一套题，才能看出信源结构的变化，而不是被单次回答带偏。
平台说准确率九成七，内部文件说很多回答是错的，该信哪个？
两个数字的口径不同，都无法直接采信。做监测时要自己定义样本量与判定规则，把「事实错误」拆成规格错、型号错、适用场景错等具体类型，才谈得上比较与改进。
优化之后多久能看到可见度变化？
没有统一时间表。商品数据结构化属于底层改动，通常要先经过平台抓取与索引更新，再体现在回答里；能观察的先行指标是引用来源构成的变化，而不是品牌提及率。
