先说清楚一件事：AI 导购不是一个新的流量入口，而是一层新的答案层。淘宝上线了千问 AI 购物助手，京东推出购物助手「东东」和京言导购，拼多多上线 AI 智能搜索与虚拟试衣间；今年双11，不少年轻消费者的动作已经变成先问 AI 再下单——11 月 11 日晚，一位消费者在京东 JoyAI App 上拨通数字人，只说了一句「帮我补货纸尿裤」就完成了价格确认与下单。按 11 月 15 日可查的公开信息，AI 已经站在品牌与消费者之间。
答案层长什么样
所谓答案层，指的是消费者不再逐条浏览商品列表，而是先提一个问题，让系统给出几个候选，再决定看哪一个。这一步把原本属于搜索排序的曝光机会，压缩成了少数几个推荐位的竞争。品牌要争的不是排名第一页，而是有没有被放进那三五个候选里。这也是 AI 搜索可见度这件事开始被品牌方反复问起的原因。
三个平台导购入口对照
同样是 AI 导购，三个平台的入口形态不同，可观测的东西也不同。把入口形态与可观测项列出来，才知道该收集什么数据。入口越多，越需要一份统一的问题库，否则同一件事在不同入口里的结论会互相矛盾。
| 平台 | 入口形态 | 交互方式 | 可观测项 |
|---|---|---|---|
| 淘宝 | 千问 AI 购物助手 | 对话式问询与比价 | 是否被列入候选、推荐理由 |
| 京东 | 东东、京言导购、数字人 | 语音与视频通话下单 | 补货类提问的命中率 |
| 拼多多 | AI 智能搜索与虚拟试衣间 | 搜索改写与试用 | 搜索词改写后的曝光变化 |
这三类入口对品牌的意义不一样。对话式问询影响的是「被推荐」，语音补货影响的是「被记住」，搜索改写影响的是「被找到」。三种机制的优化动作完全不同：前者靠内容与口碑，中者靠复购与型号记忆，后者靠标题与属性的完整度。把它们统称为「AI 导购」，反而会让人不知道从哪下手。更实际的做法是按入口分别建基线，同一批问题在三个入口各跑一遍，看品牌出现率与推荐理由的差异，再决定资源往哪投。
品牌被推荐的三条路径
品类词提问
「两千元以内的降噪耳机推荐」这类提问，系统通常按品类给出几个候选，候选的取舍依赖语料里对该品类的描述密度。品牌在第三方测评、导购内容、论坛讨论里出现的频次与表述质量，会直接影响能否进入候选。这条路径对应的动作是补语料，而不是改商品页。
比价与场景提问
「和某款比哪个更值」「送长辈买什么」这类提问，考验的是品牌能否被准确归入某个场景。商品页里的场景词、评论里出现的真实用途，都会成为依据。如果商品页只写参数不写场景，AI 回答里也很难出现这个品牌。
基线怎么建
AI 导购的监测不能从零散截图开始。可行的做法是先固定问题库，再固定模型与入口，最后固定采集时间，让每次记录都能横向比较。问题库要覆盖品类词、比价、场景三类提问，每类不少于十条。
AI 导购带来的变化，最终会落到一件很具体的事上：品牌要能说清楚自己在什么场景下值得被推荐。这句话说不清，语料再多也只是噪音；说得清，才有机会在答案层里被反复提到。监测的意义也在这里——把每次回答里出现的位置、理由与引用来源记下来，下一次才知道该改哪一段。没有这条记录，所有优化都只能靠感觉。
常见问题
AI 导购和传统的搜索优化有区别吗？
有。搜索优化争的是列表排序，AI 导购争的是能否进入少数候选，判断依据从关键词匹配变成了语料里的描述密度与场景适配；落到指标上，就是可见度与引用来源结构的变化。
品牌没被推荐，先改商品页还是先补语料？
先判断问题类型。品类词提问靠语料密度，场景提问靠商品页与评论里的用途描述；两类问题对应两种优化动作，做完再回看引用来源有没有变化。
AI 导购的数据能跨平台比较吗？
不能直接比。入口形态与交互方式不同，可比的是同一平台同一入口下的跨期变化，跨平台只能比趋势方向。
