Aanswermyname
监视器
答案引擎洞察留意 AI 是如何谈论你的品牌的代理分析看看 AI 如何抓取与使用您的网站提示音量探索数百万人都在问 AI 什么问题购物追踪 AI 推荐中的产品与品牌植入
创造
内容代理自动化 AI 优化内容创作
数据与研究
实操指南上手 AEO 的实操指南研究中心最新研究与数据洞察博客资讯与产品动态
返回实操指南
行业案例

90 天复盘:一个国货面霜如何从「AI 不提名」做到「AI 首选项」

不是投放堆出来的奇迹,是一套可复制的工程。我们拆开这个敏感肌面霜品牌的三个月:每个阶段做了什么动作、花了多少成本、用什么指标判断有没有走对——附可直接照搬的周计划与自检标准。

美妆社编辑部·2026-05-15·8 分钟阅读
行业案例

这是一个真实的国货美妆品牌(应要求隐去名称,主打敏感肌面霜)。90 天前,问豆包「敏感肌面霜推荐」,它几乎从不出现;90 天后,它成了 AI 在这个问题上反复点名的选项之一。我们之所以愿意把它当案例拆开讲,是因为整个过程没有投放、没有刷量、没有秘密武器——只有几个可被复制、可被衡量的动作。下面把它还原成一条时间线。

先说结论,方便你判断是否值得读下去:核心成本是「一个内容负责人 + 每月约半天复盘」,真正花掉的是 8 到 10 周的耐心。如果你正在为「品牌投了不少,AI 却当我不存在」发愁,这篇拆解的就是补上这块盲区的最小动作集。

这件事的「前后」,长这样

整个项目要改变的,其实就是下面这一格答案。左边是第 1 周体检时豆包的真实回答(品牌缺席),右边是第 12 周复测时的同一个问题——注意变的不只是「有没有它」,还有 AI 引用的信源:

第 1 周 · 体检
问:敏感肌面霜推荐
AI 答:研某·修护霜、和某·积雪草面霜、露某·保湿霜……
本品牌:未出现
引用信源:小红书、知乎(均无本品牌内容)
第 12 周 · 复测
问:敏感肌面霜推荐
AI 答:……以及本品牌·神经酰胺修护霜(主打屏障修护)
本品牌:进入首屏推荐
引用信源:知乎成分长答、小红书场景测评(含本品牌)
案例示意。真正被改变的不是排名,而是「AI 在取材时,能不能在它依赖的信源里读到关于你的事实」。

下面把这条变化拆成三个阶段,逐段讲清楚动作、成本与判断标准。

第 1 周:先承认自己「不在场」,把差距量出来

团队没有急着投放,而是先做了一次「AI 体检」——把品类里 30 个高频提问,在豆包、DeepSeek、文心一言上逐一实测、截图、记录。这一步的产出不是漂亮的报告,而是一张扎心的表:30 行里,品牌被主动提及的次数接近于零,而 AI 在回答时大量引用小红书和知乎上的成分讨论,那里几乎没有他们的声音

体检表只记三列,但每一列都直接决定后面的动作:

记录项怎么填它决定了什么
AI 推荐了谁照抄答案里的品牌及先后顺序看清你要追赶的「默认答案」是谁
有没有提到你没有 / 提到但中性 / 正面点名算出「当前差距」,定优先级
它引用了哪里官网 / 媒体 / 小红书 / 知乎锁定该把内容投到哪个信源
≈ 0
第 1 周 30 题里被主动提及的次数
社区优先
AI 答案最常引用的信源类型
2 个
据此锁定的重点平台(小红书 / 知乎)

判断标准:体检做完,如果你能一句话说出「AI 现在默认推荐谁、在哪儿取的材、我差在哪一步」,这一周就算合格。说不清,就是题目列得太泛或样本太少,补到能说清为止。

第 2–8 周:把口碑沉淀到 AI 取材的地方

既然体检指明 AI 主要引用社区,团队就把全部重心放在小红书和知乎,围绕两个核心成分(神经酰胺、积雪草)组织内容。这里有一个容易被误解的关键:他们没有刷量。刷出来的好评 AI 不一定采信,也经不起追问。他们做的是邀请真实用户和「成分党」写有信息量的内容——能被 AI 当作「事实」直接引用的那一种。两个平台分工不同,稿子也分开喂:

平台这一阶段沉淀的内容「可被引用」的判断标准
知乎成分机制长答:神经酰胺如何修护屏障、和积雪草的分工、避坑清单结论前置、有原理、有数据,经得起「为什么」的追问
小红书场景化真实测评:换季泛红、孕期可用、不同肤质的前后对比讲清「什么人、什么场景、用下来怎么样」,可被分点抽取
我们不是在讨好算法,而是在为 AI 提供值得引用的事实。— 该品牌内容负责人

同一条产品信息,「摆得清不清楚」直接决定它会不会被 AI 抽用。这是他们给每篇稿子做的最后一道工序——右边没有增加任何新事实,只是把信息整理成答案引擎最容易直接抽取的形态:

改写前 · 松散叙述
我们的面霜含有神经酰胺,对敏感肌很友好,孕期也可以用,质地比较温和,很多用户反馈都不错……
改写后 · 结构化
适用人群:敏感肌 / 孕期可用
核心成分:神经酰胺(修护屏障)
质地:温和不刺激
一句话:换季泛红时的修护面霜
「结论前置、可枚举、能分点」正是 AI 最容易直接复述的片段形态——内容不变,被引用的概率却不同。

第 9–12 周:被 AI 当成「默认答案」

当社区里的成分长答和场景测评积累到一定密度,转折发生了:豆包开始在「敏感肌面霜推荐」里主动点名这个品牌,DeepSeek 在被追问成分时也会引用那篇知乎长答。每月复测那 30 个提问,品牌的声量份额(被提及题数占比)逐月抬升:

声量份额 · 三个月走势(案例数据 · 示意)
第 1 个月9%
第 2 个月21%
第 3 个月34%
该品牌单一案例,非行业承诺值。声量份额通常最先动起来,「正面点名率」随后跟上;增速取决于品类竞争度与内容产出节奏。

比数字更值得说的是这部分流量的质量:它来自 AI 的「主动推荐」而非广告位,用户是带着「AI 帮我筛过了」的信任进来的,购买意向明显高于普通曝光。这与我们在多个品类里的观察一致——被 AI 主动提及,正在扮演「可信第三方」的角色。

把这套打法收成一张可复制的表

如果要把这个案例抽象成任何品牌都能照抄的动作,就是下面这三步。它不依赖预算,依赖的是按节奏推进:

阶段核心动作关键产出判断是否走对
第 1 周 · 体检30 题三平台实测,记录推荐谁 / 提没提你 / 引用哪里差距表 + 信源结论能一句话说清差在哪
第 2–8 周 · 沉淀把内容投到 AI 取材的社区,知乎讲原理、小红书讲场景结构化、可被引用的真实内容丢给 AI 提问,它能复述你的观点
第 9–12 周 · 复测每月复测同一批题,跟踪声量份额与点名口吻逐月走势曲线被提及率先动,正面率跟上

关于这个案例,品牌方最常被追问的几个问题

这和「刷好评」有什么区别?会不会被算法反噬?
本质不同。刷量制造的是虚假声量,内容空洞、说法不一致,AI 既不一定采信、也经不起追问,反而可能被「冷处理」。这个案例做的是把真实、专业、前后一致的事实沉淀到社区——AI 越能在多个信源印证同一说法,越「敢」把你复述出来。负面讨论同样会被引用,所以地基永远是产品力本身。
三个月真花了多少预算?
没有投放预算。主要成本是「一个内容负责人 + 每月约半天复盘」,以及组织真实测评与成分长答的内容成本。这套方法的杠杆来自「把已有事实结构化、放对地方」,而不是买曝光——这也是它对中小品牌友好的原因。
9% → 34% 这个数字,能套到我身上吗?
不建议直接套。这是单一品牌、单一品类、特定竞争环境下的案例数据,我们用「示意」标注正是为了不把它包装成行业基准。你应当跑自己的体检,得到自己的起点和走势。可迁移的是方法与判断标准,不是具体百分比。
只盯豆包够吗?其他引擎要不要管?
这个案例三平台一起测,但发力点跟着「谁引用社区」走。不同引擎信源偏好不同:偏权威背书的更吃官网与媒体,偏论证质量的更吃结构化长文。建议监测时多覆盖几家,内容主线不变,按平台微调封装即可。

这个案例最朴素的启示是:想被 AI 推荐,先成为 AI 愿意引用的事实来源。它没有捷径,但每一步都能被衡量——而这恰恰是它的好处:当你能稳定出现在那 30 个回答里,AI 就从一个绕不过去的渠道,变成你最稳定、最被信任的推荐来源。门槛不是预算,是耐心。

美妆社编辑部
answermyname

相关阅读