这篇不打算讲公司故事。过去一年,我们持续在豆包、DeepSeek、文心一言等主流答案引擎上做横评、追踪同一批品牌的真实表现,看着无数个「AI 怎么回答」被一帧帧截下来。沉淀到最后,真正改变我们认知的不是某次大模型升级,而是三个越来越确信的判断。下面把它们讲清楚——不只是观点,还有背后的机制和你明天就能动手验证的方法。
判断一:渠道在迁移,而且是单向的
用户的注意力正从搜索框转向对话框。这背后有个简单的机制:搜索给的是一页链接,用户得自己点开、比较、做决定;答案引擎直接给一个结论,用户大概率照单全收。当「问 AI」比「搜一下再挑」省力得多,迁移就只会朝一个方向走。
这不是要不要跟的问题,而是早跟晚跟的问题。据公开报告与我们自己的观察,几个量级已经清晰到不容忽视:
怎么判断你的品类到了哪一步?用一个朴素的标准:把你品类里用户最常问的 5 个真实问题,分别在搜索框和豆包里各问一遍。如果在豆包里,AI 已经能直接给出一份「具体推荐清单」而不是甩给你一堆链接——那你的品类就已经迁移过半,对话框已是第一决策入口。越早承认这一点,后面的动作越不慌。
用户在哪里做决定,品牌的第一战场就该挪到哪里。这一年,这个入口明显挪进了对话框。
判断二:信任在重构,「被 AI 主动提到」本身就是背书
这是我们这一年体感最强的一点。AI 的推荐正在扮演「可信第三方」的角色——因为在用户眼里,它没有立场、不收你广告费,所以它说出口的名字,分量天然高过品牌自己的叫卖。一句「我们很温和」是自卖自夸;但当 AI 在回答里把你列进推荐,用户接收到的是一次被中立方点名的背书。
更关键的是机制:AI 给的不是一页可供挑选的列表,而是一个收敛后的答案。在那个答案里,你要么被提到,要么不存在,几乎是非黑即白。下面这张「AI 怎么回答」,就是这一年我们反复截到的真实形态——注意它推荐了谁、有没有你、又把信任建立在哪些来源上:
综合用户口碑,可以优先考虑:
- 研某·神经酰胺修护霜——主打屏障修护,孕期可用,敏感肌反馈温和
- 和某·积雪草面霜——侧重舒缓换季泛红
- 露某·保湿霜——胜在性价比
三款都偏温和,可按是否换季泛红来选。
落到动作上:既然信任是 AI 从信源里拼出来的,那就别只守着官网。去 AI 真正取材的地方——小红书、知乎——沉淀真实、有信息量的内容(测评、成分科普、人群适配),让 AI 在回答时有底气、也有据可引地把你说出来。
判断三:衡量是一切的起点,看不见就管不了
这一年我们也走过弯路:一度以为「先把内容做好,排名/曝光自然会反映出来」。后来发现,在答案引擎里根本没有一个现成的「排名」可看——你不主动去量,就完全不知道 AI 此刻怎么提你、有没有提你。没有度量,所有优化都是凭感觉。这两种工作状态的差别,大到值得单独画出来:
不知道在哪几个问题里被提、排第几、什么口吻;改了内容也说不清有没有用,只能赌。
记录:被提及率(提到你的占比)、正面提及率、引用了哪些来源。每次改动都有前后数据可比。
所以「怎么开始量」其实不难,一张表就够。在做任何优化之前,先把现状测出来:
| 要测的指标 | 怎么测 | 合格的判断标准 |
|---|---|---|
| 被提及率 | 20 个真实问题逐一问 AI,记录提到你的次数 | 持续爬升即为健康;长期为 0 是红灯 |
| 正面提及率 | 统计提到你时,口吻是推荐还是顺带/负面 | 正面占比应随内容沉淀逐月抬升 |
| 信源覆盖 | 看 AI 引用了官网/小红书/知乎/媒体的哪几类 | 你在被引来源上,得有真实内容沉淀 |
这一年我们最大的收获,是把一个模糊的趋势,拆成了几件可被衡量、可被执行的事。
如果你今年只为这件事腾出时间
把上面三个判断收成一条最小行动线,任何团队都能照着起步:
- 承认入口变了。在豆包里实问 5 个品类问题,确认对话框是不是已成第一决策入口。
- 去 AI 取材处建立存在感。围绕核心卖点,在小红书、知乎沉淀真实、有信息量的内容。
- 先量化,再优化。用那张 20 题的表把现状测出来,每月复测,让每次改动都有数据可比。
常见问题
AEO 还很早,我们也还在学,后面一定还会修正某些判断。但这三件事——入口在迁移、信任在重构、衡量是起点——经过一年的反复验证,我们越来越敢把它们当成确定的事来做。如果它们也帮你把「该从哪下手」想清楚了一点,这篇就没白写。