你的品牌再有名，系統(tǒng)可能根本“看不見(jiàn)”

當(dāng)消費(fèi)者開(kāi)始問(wèn)AI“買(mǎi)什么”，品牌的競(jìng)爭(zhēng)規(guī)則變了。研究發(fā)現(xiàn)，Nike、迪士尼等家喻戶(hù)曉的品牌，在AI推薦中反而輸給了一些小眾品牌——因?yàn)锳I推薦的不是“最有名”的品牌，而是“最能被讀懂”的品牌。你的品牌屬性是否清晰、證據(jù)是否可驗(yàn)證，決定了它能否被AI納入推薦。

當(dāng)我們讓主流的AI系統(tǒng)——ChatGPT、Claude和Gemini——推薦跑鞋時(shí)，相對(duì)小眾的品牌Brooks總能穩(wěn)定出現(xiàn)。而全球最大的運(yùn)動(dòng)品牌Nike，出現(xiàn)頻率卻低得多。這種模式反映了一個(gè)根本性的轉(zhuǎn)變：當(dāng)AI系統(tǒng)成為產(chǎn)品發(fā)現(xiàn)的媒介時(shí)，品牌的競(jìng)爭(zhēng)方式已經(jīng)改變。

Brooks并非圍繞寬泛的生活方式敘事來(lái)建立品牌，而是專(zhuān)注于技術(shù)性能以及契合特定跑步者的需求。在CEO吉姆·韋伯的領(lǐng)導(dǎo)下，公司縮小了業(yè)務(wù)范圍，退出了相鄰品類(lèi)，并投資于生物力學(xué)研究和產(chǎn)品工程。GuideRails和DNA LOFT緩震等技術(shù)，都是為了攻克明確定義的痛點(diǎn)而研發(fā)的。同樣關(guān)鍵的是，Brooks培育了一個(gè)由教練、臨床醫(yī)生和專(zhuān)業(yè)零售商組成的生態(tài)圈，這些人能用精準(zhǔn)的術(shù)語(yǔ)拆解這些技術(shù)方案。換言之，Brooks打造的是一個(gè)“可被算法讀懂”的品牌。

AI系統(tǒng)更青睞那些能被拆解成具體屬性和事實(shí)依據(jù)的品牌——也就是用戶(hù)一問(wèn)，它的價(jià)值好在哪兒，能說(shuō)得清清楚楚。在一項(xiàng)涵蓋15個(gè)零售品類(lèi)——包括筆記本電腦、寵物食品和信用卡——的研究中，我們使用相同的提示詞對(duì)GPT-4o、Claude和Gemini進(jìn)行測(cè)試。統(tǒng)計(jì)下來(lái)，品牌被提及了超過(guò)1000次，涉及716個(gè)不同的品牌。這項(xiàng)由喬治城大學(xué)麥克多諾商學(xué)院和弗吉尼亞大學(xué)達(dá)頓商學(xué)院進(jìn)行的研究，揭示了一個(gè)一致的模式：品牌爭(zhēng)奪的不再主要是注意力。

AI工具正在迅速成為產(chǎn)品發(fā)現(xiàn)的前沿入口。與基于可見(jiàn)度或敘事來(lái)呈現(xiàn)品牌的搜索引擎和傳統(tǒng)媒體不同，AI系統(tǒng)旨在幫助消費(fèi)者做出選擇。在AI環(huán)境下，品牌拼的是：模型推薦時(shí)，會(huì)不會(huì)把自己列入候選名單。大多數(shù)品牌并非為此而生。

AI推薦它能解讀的東西

我們的研究揭示了四種模式，它們共同解釋了為什么這么多品牌在AI主導(dǎo)的產(chǎn)品發(fā)現(xiàn)中節(jié)節(jié)敗退——以及為什么可解讀性是破解之道。

首先，營(yíng)銷(xiāo)人員口中的“AI可見(jiàn)性”，其實(shí)遠(yuǎn)比表面看起來(lái)更加支離破碎。在我們研究中出現(xiàn)的716個(gè)品牌里，只有8.4%在ChatGPT、Claude和Gemini三個(gè)平臺(tái)上都能穩(wěn)定出現(xiàn)。大多數(shù)品牌只出現(xiàn)在一個(gè)平臺(tái)上。一個(gè)在某個(gè)系統(tǒng)中看似很突出的品牌，在另一個(gè)系統(tǒng)中可能壓根兒不見(jiàn)蹤影。

品牌或許仍在砸錢(qián)提升可見(jiàn)度，但決定AI系統(tǒng)是否推薦它們的，并不是這個(gè)。關(guān)鍵在于，模型能不能把你的品牌當(dāng)作某個(gè)特定問(wèn)題的可靠答案。當(dāng)一個(gè)品牌的屬性和支撐證據(jù)被梳理得清清楚楚時(shí)，不同的系統(tǒng)就更有可能同時(shí)看上它。反之，品牌的出現(xiàn)就會(huì)忽隱忽現(xiàn)，甚至徹底消失。

其次，那些出現(xiàn)在多個(gè)平臺(tái)的品牌，有55%在不同系統(tǒng)里被貼上了不一樣的標(biāo)簽。一個(gè)品牌在A平臺(tái)是“高端創(chuàng)新者”，到了B平臺(tái)可能就成了“平價(jià)替代品”。這是因?yàn)锳I系統(tǒng)并不會(huì)原封不動(dòng)地搬運(yùn)品牌信息，而是從自己能抓到的第三方信息里去推斷你的定位。模型拼湊出來(lái)的品牌畫(huà)像，依據(jù)的是屬性和佐證，而不是你想對(duì)外講的那個(gè)故事。象征性的定位幾乎沒(méi)用，除非它能落到系統(tǒng)可以識(shí)別的具體屬性上。

這種差異在我們的數(shù)據(jù)里一目了然。蘋(píng)果在筆記本電腦和耳機(jī)品類(lèi)中橫跨多個(gè)平臺(tái)穩(wěn)定出現(xiàn)，索尼在耳機(jī)品類(lèi)中更是幾乎做到了完美平衡。然而，許多全球知名度最高的品牌卻不見(jiàn)了。迪士尼、星巴克、麥當(dāng)勞、Netflix、IBM和英特爾，都沒(méi)有出現(xiàn)在我們的查詢(xún)結(jié)果里。即便是那些露了臉的知名品牌，也往往是通過(guò)某個(gè)可解讀的子品牌而非母品牌本身出現(xiàn)的。豐田是以RAV4、漢蘭達(dá)這些具體車(chē)型為代表；可口可樂(lè)和百事則是以零糖版本的面目出現(xiàn)。在這些案例里，AI憑的是具體產(chǎn)品的屬性來(lái)判斷，而不是母品牌的象征價(jià)值。

第三，查詢(xún)方式?jīng)Q定了競(jìng)爭(zhēng)格局。探索性查詢(xún)帶來(lái)的品牌提及次數(shù)，比目標(biāo)明確的查詢(xún)多了95%；而且只有大約11%的品牌能同時(shí)出現(xiàn)在兩種查詢(xún)的結(jié)果里。AI助手是根據(jù)消費(fèi)者怎么描述自己的問(wèn)題來(lái)構(gòu)建推薦的。用戶(hù)問(wèn)“跑鞋”，AI給出第一組候選；用戶(hù)問(wèn)“適合膝蓋疼痛人群的跑鞋”或“針對(duì)過(guò)度內(nèi)旋人群的穩(wěn)定型跑鞋”，候選名單就換了一批。

這里還有一個(gè)更深層次的影響因素：品牌可以去塑造消費(fèi)者使用的詞匯。Brooks花了20年時(shí)間，教跑步者給自己的問(wèn)題起名字：過(guò)度內(nèi)旋、步態(tài)偏差、負(fù)重穩(wěn)定性。這些術(shù)語(yǔ)通過(guò)教練圈、專(zhuān)賣(mài)店和跑步媒體傳播開(kāi)來(lái)。那些愿意投資于這種“問(wèn)題素養(yǎng)”的品牌，在AI生成任何推薦之前，就已經(jīng)給自己鋪好了一條有利的查詢(xún)賽道。

第四個(gè)發(fā)現(xiàn)補(bǔ)全了整幅圖景：78.7%的品牌提及都帶著正面情緒，而且這個(gè)比例在三個(gè)平臺(tái)上驚人地一致。一旦某個(gè)品牌被納入推薦，它通常都會(huì)被夸上幾句。

這恰恰反映了AI系統(tǒng)的工作方式。它們先判斷哪些品牌有資格成為用戶(hù)問(wèn)題的答案，然后才表達(dá)態(tài)度。過(guò)去的媒體，看的是誰(shuí)露臉多、誰(shuí)口碑好。

真正的競(jìng)爭(zhēng)瓶頸

是“被選中”，而不是“被夸贊”

真正重要的戰(zhàn)略問(wèn)題，不是“怎么讓AI說(shuō)我們好話？”，而是“怎么讓我們的品牌能出現(xiàn)在AI的回答里？”答案就是可解讀性。

當(dāng)模型能夠構(gòu)建一條清晰的邏輯鏈，從用戶(hù)的具體情況推導(dǎo)到產(chǎn)品特性，再到能滿(mǎn)足需求的品牌時(shí)，該品牌就會(huì)出現(xiàn)在AI的答案中。AI推薦不是從品牌和它的承諾開(kāi)始的。它從用戶(hù)的條件出發(fā)，由查詢(xún)框定范圍，然后一步步往前推：用戶(hù)狀況→產(chǎn)品需求→滿(mǎn)足需求的品牌。

可解讀性取決于三個(gè)要素：

實(shí)體清晰度：品牌在各種信息源中都能被清晰識(shí)別；

屬性結(jié)構(gòu)化：產(chǎn)品特性有明確名稱(chēng)，可進(jìn)行比較和衡量；

佐證基礎(chǔ)：品牌宣稱(chēng)的優(yōu)勢(shì)有可靠、獨(dú)立的來(lái)源支持。

具備這些特征的品牌，更容易被AI系統(tǒng)納入推薦，因?yàn)樗鼈兊膶傩院妥糇C能與用戶(hù)需求清晰地掛上鉤。

說(shuō)到底，爭(zhēng)奪AI推薦本質(zhì)上是一個(gè)信息架構(gòu)問(wèn)題，需要跨職能協(xié)同。在大多數(shù)公司里，品牌信息歸營(yíng)銷(xiāo)部門(mén)管，產(chǎn)品規(guī)格歸工程和產(chǎn)品管理部門(mén)管，而第三方驗(yàn)證（評(píng)測(cè)、專(zhuān)家點(diǎn)評(píng)、臨床數(shù)據(jù)）往往沒(méi)人真正負(fù)責(zé)。AI推薦讓這種各自為戰(zhàn)的局面付出了高昂代價(jià)。最有可能勝出的，是那些圍繞“品牌如何被理解、如何被當(dāng)作解決方案檢索”建立起跨職能問(wèn)責(zé)制的公司。

這重新定義了品牌建設(shè)該做什么。傳統(tǒng)的品牌建設(shè)把錢(qián)投在講故事、象征符號(hào)和情感定位上，目的是抓住人的注意力、影響人的感受和記憶。AI系統(tǒng)依賴(lài)的是完全不同的東西：結(jié)構(gòu)化的屬性、可衡量的產(chǎn)品特性、以及能把品牌和具體問(wèn)題拴在一起的可驗(yàn)證事實(shí)。它要取悅的是一個(gè)AI決策者——花言巧語(yǔ)沒(méi)用，真憑實(shí)據(jù)才行。

提高AI入選率的三個(gè)方法

營(yíng)銷(xiāo)高管傳統(tǒng)上用品牌實(shí)力指標(biāo)來(lái)衡量自己的工作，例如市場(chǎng)份額（消費(fèi)者購(gòu)買(mǎi)什么品牌）和心智份額（消費(fèi)者想到什么品牌）。AI主導(dǎo)的產(chǎn)品發(fā)現(xiàn)，則需要一個(gè)新指標(biāo)：AI入選率——也就是當(dāng)一個(gè)品牌確實(shí)能解決用戶(hù)問(wèn)題時(shí)，作為候選品牌被檢索到的頻率。

這與迪布瓦（Dubois）、道森（Dawson）和賈斯瓦爾（Jaiswal）所說(shuō)的“模型份額”不是一回事。模型份額衡量的是品牌在AI生成的回答里出現(xiàn)了多少次，它看的是曝光度；而AI入選率看的是適配度——也就是當(dāng)品牌屬性和用戶(hù)查詢(xún)對(duì)得上時(shí)，它被可靠檢索到的程度。適配度決定了品牌是否能被納入推薦。

當(dāng)消費(fèi)者向AI助手求助時(shí)——“適合膝蓋疼的跑鞋”“最適合剪視頻的筆記本”“給旅行積分多的信用卡”——系統(tǒng)會(huì)識(shí)別出查詢(xún)背后藏著什么需求，然后把屬性對(duì)得上的品牌拎出來(lái)。可解讀性讓模型更容易把用戶(hù)的情況和品牌的屬性、支撐證據(jù)串起來(lái)，從而提高AI入選率。品牌現(xiàn)在爭(zhēng)的不再只是讓消費(fèi)者記住自己，而是讓那些幫消費(fèi)者做選擇的AI系統(tǒng)能找到自己。

對(duì)營(yíng)銷(xiāo)人來(lái)說(shuō)，要提高AI入選率，就得改變品牌傳達(dá)價(jià)值的方式。下面三個(gè)方法尤其重要。

1. 用可驗(yàn)證的規(guī)格取代主觀聲明

AI系統(tǒng)難以處理模糊的聲明。將"高質(zhì)量"替換為"1000 次循環(huán)耐用，通過(guò) ISO 認(rèn)證"，能為模型提供有用信息。為了被檢索到，品牌必須通過(guò)可命名、可比較且與特定用戶(hù)需求相關(guān)聯(lián)的特性來(lái)表達(dá)價(jià)值。

這需要將定位轉(zhuǎn)化為規(guī)格。性能指標(biāo)、設(shè)計(jì)參數(shù)或臨床驗(yàn)證的效果，使AI系統(tǒng)能夠?qū)⒂脩?hù)條件與產(chǎn)品能力聯(lián)系起來(lái)。聲明表達(dá)得越精確且支撐越充分，就越有可能被用于自動(dòng)推薦。

Brooks詮釋了這一原則。其產(chǎn)品通過(guò)可衡量的屬性來(lái)描述——穩(wěn)定性評(píng)級(jí)、前后掌落差，以及旨在解決特定跑步狀況的生物力學(xué)特性。這些屬性使得將"適合膝蓋疼痛的跑鞋"等查詢(xún)與解決方案聯(lián)系起來(lái)變得更加容易。

索尼和蘋(píng)果在不同品類(lèi)中反映了同樣的邏輯。索尼的產(chǎn)品由技術(shù)規(guī)格定義，如降噪性能和傳感器能力，通常有獨(dú)立基準(zhǔn)測(cè)試的支持。蘋(píng)果產(chǎn)品同樣立足于可衡量的性能指標(biāo)，從處理器基準(zhǔn)到電池續(xù)航。

這些品牌的共同點(diǎn)不僅在于聲譽(yù)和規(guī)模，還在于可解讀性 —— 能夠以可評(píng)估、可比較且可用于推理過(guò)程的術(shù)語(yǔ)，來(lái)表述自身的產(chǎn)品特點(diǎn)。

2. 培育獨(dú)立的、高權(quán)威性的第三方驗(yàn)證

被納入AI回答取決于圍繞你品牌的評(píng)論、專(zhuān)家點(diǎn)評(píng)和研究。Brooks與專(zhuān)業(yè)跑鞋店、教練、足病醫(yī)生和臨床醫(yī)生建立了合作關(guān)系，這些人需要解釋為什么某雙鞋能幫助特定的跑步者。AI系統(tǒng)推薦Brooks，部分原因在于該公司花了20年時(shí)間讓自己變得易于被理解。AI入選率是對(duì)第三方可信度持續(xù)投入的長(zhǎng)期回報(bào)。

3. 將重心從象征性吸引力轉(zhuǎn)向證據(jù)結(jié)構(gòu)

許多知名度高且受信賴(lài)的品牌，在AI生成的推薦中出現(xiàn)頻率較低，因?yàn)樗鼈兊膬?yōu)勢(shì)表達(dá)方式無(wú)法被模型利用。傳統(tǒng)品牌建設(shè)講究的是情感定位——生活方式聯(lián)想、品牌故事、籠統(tǒng)的質(zhì)量信號(hào)。這些能建立消費(fèi)者的好感，但轉(zhuǎn)化不成AI系統(tǒng)能處理的屬性和事實(shí)依據(jù)。

因此，品牌實(shí)力不會(huì)自動(dòng)轉(zhuǎn)化為AI檢索。彌合這一差距需要重心轉(zhuǎn)移：減少對(duì)象征性聲明的依賴(lài)，加強(qiáng)將品牌與特定用戶(hù)問(wèn)題聯(lián)系起來(lái)的證據(jù)。

在AI主導(dǎo)的市場(chǎng)中，品牌實(shí)力不僅取決于品牌如何被知曉或感知，還取決于它能否輕易成為問(wèn)題的答案。

從簡(jiǎn)單的診斷開(kāi)始

每個(gè)品牌都要問(wèn)自己一個(gè)戰(zhàn)略問(wèn)題：我的品牌現(xiàn)在處在什么位置？怎么才能變得更“可解讀”？可以從一個(gè)簡(jiǎn)單的診斷開(kāi)始。

第一步，用你的客戶(hù)最常用的關(guān)鍵詞——不管是品類(lèi)詞還是具體問(wèn)題——去問(wèn)幾個(gè)主要的AI平臺(tái)：ChatGPT、Claude、Gemini。看看哪些品牌會(huì)出現(xiàn)，你的品牌被說(shuō)成什么樣，在不同平臺(tái)上說(shuō)法是不是一樣。我們的研究發(fā)現(xiàn)，55%的品牌在不同系統(tǒng)里被描述得不一樣——也就是說(shuō)，AI正在給你的品牌貼一個(gè)標(biāo)簽，這個(gè)標(biāo)簽可能跟你自己想傳達(dá)的完全不是一回事。

第二步，盤(pán)一盤(pán)你品牌的屬性結(jié)構(gòu)。隨便找個(gè)客戶(hù)——或者干脆找個(gè)AI——能不能說(shuō)出你家產(chǎn)品三個(gè)可衡量、可比較、又能對(duì)應(yīng)到具體用戶(hù)需求的特性？如果老實(shí)說(shuō)“不能”，那你就有功課要補(bǔ)了。目標(biāo)不是寫(xiě)出一本技術(shù)手冊(cè)，而是確保那些讓你與眾不同的屬性，有清清楚楚的名字，而且在你品牌出現(xiàn)的每一個(gè)地方都被一致地使用。

第三步，梳理你的第三方證據(jù)。有哪些獨(dú)立的聲音——評(píng)測(cè)機(jī)構(gòu)、專(zhuān)家、臨床醫(yī)生、專(zhuān)業(yè)媒體——在用你的關(guān)鍵屬性來(lái)描述你的產(chǎn)品？哪里還有空白？在AI推薦里表現(xiàn)好的品牌，不是廣告預(yù)算最大的那些，而是外部驗(yàn)證最一致、最可信的那些。這種佐證是靠時(shí)間攢出來(lái)的，砸錢(qián)買(mǎi)不來(lái)。

留意你的客戶(hù)用什么詞來(lái)描述他們的問(wèn)題——然后去塑造這些詞。投資于“問(wèn)題素養(yǎng)”：讓你的產(chǎn)品所解決的那些具體問(wèn)題，有名字、能傳播。這些詞通過(guò)教練圈、專(zhuān)業(yè)社群和專(zhuān)家媒體擴(kuò)散開(kāi)來(lái)，在AI生成任何推薦之前，就已經(jīng)給你鋪好了一條有利的查詢(xún)賽道。

那些在AI主導(dǎo)的產(chǎn)品發(fā)現(xiàn)中占盡先機(jī)的品牌，未必是今天在AI上砸錢(qián)最多的。它們是那些花了多年時(shí)間、一點(diǎn)一滴建立起佐證體系，讓自己變得容易被AI搜到的品牌。

AI主導(dǎo)的產(chǎn)品發(fā)現(xiàn)并非一個(gè)需要優(yōu)化的新媒體渠道。它要求品牌競(jìng)爭(zhēng)方式發(fā)生結(jié)構(gòu)性轉(zhuǎn)變——這種轉(zhuǎn)變青睞的是截然不同的一套能力。大眾媒體時(shí)代，比的是聲量。搜索時(shí)代，比的是相關(guān)性。社交媒體時(shí)代，比的是參與度。AI助手時(shí)代，比的是可解讀性——也就是你的品牌有沒(méi)有足夠的屬性和事實(shí)依據(jù)，讓AI能為你生成讓人信服的推薦。

在這種環(huán)境中勝出的品牌不一定是最知名的，而是對(duì)于從用戶(hù)問(wèn)題出發(fā)并推導(dǎo)出解決方案的推理系統(tǒng)來(lái)說(shuō)，最易理解的品牌。在AI環(huán)境中，入選機(jī)會(huì)才是真正的競(jìng)爭(zhēng)瓶頸。品牌一旦被選入候選名單，AI說(shuō)起它來(lái)幾乎都是好話。真正的較量在更早的階段就已經(jīng)見(jiàn)分曉了——取決于品牌的屬性和佐證如何被結(jié)構(gòu)化。

Brooks不是為了AI才打造了一個(gè)可解讀的品牌。它是為了那些需要向真實(shí)跑者解釋“為什么選這雙鞋”的人類(lèi)專(zhuān)家而打造的。結(jié)果發(fā)現(xiàn)，這兩件事是一回事。未來(lái)十年能贏的品牌，是那些有意做出同樣選擇的品牌。

關(guān)鍵詞：

約翰·蓋爾（John Gale）、盧卡·錢(qián)（Luca Cian）、呂克·瓦蒂厄（Luc Wathieu）| 文

約翰·蓋爾是一名顧問(wèn)，也是喬治城大學(xué)麥克多諾商學(xué)院的兼職教授。盧卡·錢(qián)是弗吉尼亞大學(xué)達(dá)頓商學(xué)院的營(yíng)銷(xiāo)學(xué)教授。呂克·瓦蒂厄是喬治城大學(xué)的營(yíng)銷(xiāo)學(xué)教授。

周強(qiáng) | 編校

7月18日晚，在上海張江科學(xué)會(huì)堂，WAIC 2026首次推出Side Event「WAIC UP! AI創(chuàng)作者之夜」。知名導(dǎo)演、科幻作家、AI科學(xué)家、虛擬偶像構(gòu)建者將同臺(tái)對(duì)話，追問(wèn)AI時(shí)代的創(chuàng)作邊界與人文溫度。

活動(dòng)席位有限，別猶豫，快沖！

↓點(diǎn)擊圖片進(jìn)入報(bào)名通道↓

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org