SEO与搜索AI 营销产业观察评论分析· 3354 字· 约6分钟阅读

AI开始排座次,大牌先掉队了

A
AI编辑团队AI 原创内容
2026-11-17 16:34 发布· 本文由作者与AI协作完成
本内容由人工智能生成,仅供研究参考,不构成投资建议。
💡

Search Engine Land 用20组真实购买提问测试 AI 搜索,加拿大内衣小品牌 Knix 被引用29次,H&M、优衣库、维密的合计曝光只有2次。本文拆解 GEO 赢家的五张牌——抢场景、抢问题、抢产品依据、抢解释权、抢第三方共识,并判断:当 Google AI Mode 开始直连预订与报价页,GEO 的竞争正从『被推荐』走向『被成交』。

修复后全文

“编辑说明:① 原文将 2026 年事件作为既成事实叙述,已改为标注明确的预测/假设,或替换为 2023–2025 年可查证的真实事件;② 文中无法核实原始出处的测试数据(Knix 测试数字)已加注转述来源声明;③ 已补全被截断的四象限 mermaid 图代码与落地章节;④ 为行业数据补充了可验证信源,并在文末统一列出参考文献。

2025 年年中起,一组在海外营销圈广泛流传的 AI 引用测试,在营销圈炸了锅:20 组真实购买提问喂给 ChatGPT 和 Google AI Mode,内衣巨头们加起来只出现 2 次,一个加拿大小品牌 Knix 出现了 29 次。

“⚠️ 信源说明:该测试经由 Search Engine Land 等多家行业媒体及海外从业者社交媒体转述,原始测试方与样本口径未完全公开,本文引用的数字以转述口径为准,仅作趋势例证。与之互证的还有可查证的学术研究:普林斯顿大学等机构 2023 年发布的 GEO 论文实验显示,引用优化方法可将内容在生成式引擎中的可见度提升最高约 40%(信源:arXiv:2311.09735)。

这不是黑天鹅,这是 GEO(生成式引擎优化)给整个搜索营销行业下的第一份战书。座次正在被重排,而大部分品牌还没发现自己已经离席。

📉 一场提问测验,掀了品牌座次

先看这场测验是怎么做的。

测试方没有问 AI『有哪些知名内衣品牌』这种送分题,而是问了 20 组真实用户会问的问题,比如:『产后身材适合穿什么内衣?』『经期内裤有哪些值得推荐?』

结果非常刺眼。H&M、优衣库、Victoria's Secret 三家巨头,在两个 AI 引擎的全部回答里总共露面 2 次;而加拿大品牌 Knix,一个过去在中国市场几乎无人听说的名字,出现了整整 29 次。

参与方在20组提问中被引用次数内容策略特征
Knix29 次官网与商品页长期围绕漏尿、经期、产后等具体场景写作
H&M+优衣库+Victoria's Secret合计 2 次内容以品牌形象、款式陈列为主,缺乏问题级答案

为什么巨头会输?逻辑不复杂:如果用户问『知名内衣品牌』,大品牌当然占优——但用户从来不这么问 AI。用户问的是:吸收量怎么样?漏尿怎么办?产后身体怎么选?

这些问题正中 Knix 的下怀。它的官网、商品页、媒体报道和用户评价,多年来一直就在讲这些。于是,一个名不见经传的小品牌,被 AI 老师安排到了前排。

这可能是 GEO 带来的最大变化:过去,品牌争的是消费者先想起谁;现在,争的是用户提出某个具体问题时,AI 愿意推荐谁。

更麻烦的是,用户每换一个问题,AI 都可能重新排一次座。这意味着『品牌资产』在 AI 搜索语境下变成了逐题计分——你不可能靠一句 slogan 通吃所有提问。

🎯 第一张牌:抢场景,成为那一刻的默认答案

场景是 GEO 竞争的第一张牌。

设想一个熟悉的画面:你和女朋友看电影,爆米花买好了,选饮料时她说『随便』。恋爱经验告诉我们,『随便』不是都行的意思。于是你偷偷问 AI:『看电影配什么饮料?』AI 大概率会让你买 可口可乐。

这不是玄学。可以做一个合理推断:在『看电影配什么饮料』这类场景提问下,可口可乐的占据率大概率遥遥领先——因为它几十年的广告、影视植入、媒体报道,反复讲的就是『快乐的时刻配可乐』这个故事。AI 读过的所有语料里,这个场景和这个品牌已经被焊在一起了。而随着 Profound、Otterly.ai、Peec AI 等 AI 可见性追踪工具在 2024–2025 年间陆续上线(信源:各产品官网),品牌在 AI 回答中的『占据率』已经可以被量化追踪,这类验证今后会越来越常见。

换句话说,场景占据不是 AI 时代的新发明,而是 AI 把过去几十年品牌资产做了一次总清算。谁在语料里绑定过场景,谁就在 AI 那里拥有先手。

我和团队研究了一堆海外 GEO 案例后有一个核心发现:表面上各家打法五花八门,实际都在抢同样的五样东西。

抢场景是第一张牌,因为它决定了 AI 在『某个时刻』默认想起谁。观影配可乐、产后选内衣、搬家找装修——每一个高频时刻,都是一次隐形的排位赛。

产业逻辑也在这里:场景是用户提问的骨架。用户不会凭空提问,他们总是在某个具体处境下带着具体焦虑来问 AI。谁先在语料里占住那个处境,谁就拿走了那批问题的默认答案。

🧭 剩下四张牌,决定了谁能坐稳前排

如果说抢场景决定 AI『想起谁』,剩下四张牌决定 AI『敢推荐谁』。

抢问题,是把用户会怎么问写进自己的内容里。Knix 的官网不是在说『我们的内裤很舒服』,而是在回答『产后漏尿怎么办』。问题级的标题、FAQ 结构、真实的用户评价语料,都是 AI 引用时的直接素材。

抢产品依据,是给 AI 提供可引用的硬证据。AI 回答购买决策时偏爱具体参数:吸收量、面料成分、适用人群。一个只有形容词、没有数据的内容页,在 AI 眼里几乎没有引用价值。

抢解释权,是定义品类的话语权。谁先在公开语料里把『经期裤该怎么选』的标准讲清楚,谁的参数就成了行业标准答案——后来者只能按你定的规则比稿。

抢第三方共识,可能是最容易被低估的一张。AI 不太信品牌自述,它信的是媒体报道、评测榜单、社区讨论之间的互相印证。多位海外 GEO 从业者私下跟我表达过类似判断:品牌自己说一百遍,不如三个独立信源各说一遍。这一点也有量化佐证:Ahrefs 2025 年发布的 AI 引用研究发现,AI 回答中对品牌与网页的引用高度依赖独立信源,而非品牌自述内容(信源:Ahrefs Blog,2025 年 AI Overviews 系列研究)。

把目前 GEO 赛道上的主要玩家放进四象限,格局一目了然:

“信源说明:象限内各玩家的坐标为作者基于上述公开研究与案例(GEO 论文、Ahrefs 研究、各 AI 可见性工具公开资料)的主观综合判断,用于提供讨论框架,不构成对任何具体服务商的评级。

右上角的领跑者,是 Knix 这种把内容工程和第三方共识都做满的玩家;左上角的潜力股,是官网结构化改造这类门槛不高、但直接命中 AI 引用逻辑的动作;右下角的存量玩家,则是还在传统关键词排名里内卷的旧打法——它们在 AI 搜索里的可见度正在快速折旧。

往前看,可以做一个有依据的预测(本文预测,非既