你的品牌再有名，系統可能根本“看不見”

當消費者開始問AI“買什么”，品牌的競爭規則變了。研究發現，Nike、迪士尼等家喻戶曉的品牌，在AI推薦中反而輸給了一些小眾品牌——因為AI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、證據是否可驗證，決定了它能否被AI納入推薦。

當我們讓主流的AI系統——ChatGPT、Claude和Gemini——推薦跑鞋時，相對小眾的品牌Brooks總能穩定出現。而全球最大的運動品牌Nike，出現頻率卻低得多。這種模式反映了一個根本性的轉變：當AI系統成為產品發現的媒介時，品牌的競爭方式已經改變。

Brooks并非圍繞寬泛的生活方式敘事來建立品牌，而是專注于技術性能以及契合特定跑步者的需求。在CEO吉姆·韋伯的領導下，公司縮小了業務范圍，退出了相鄰品類，并投資于生物力學研究和產品工程。GuideRails和DNA LOFT緩震等技術，都是為了攻克明確定義的痛點而研發的。同樣關鍵的是，Brooks培育了一個由教練、臨床醫生和專業零售商組成的生態圈，這些人能用精準的術語拆解這些技術方案。換言之，Brooks打造的是一個“可被算法讀懂”的品牌。

AI系統更青睞那些能被拆解成具體屬性和事實依據的品牌——也就是用戶一問，它的價值好在哪兒，能說得清清楚楚。在一項涵蓋15個零售品類——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GPT-4o、Claude和Gemini進行測試。統計下來，品牌被提及了超過1000次，涉及716個不同的品牌。這項由喬治城大學麥克多諾商學院和弗吉尼亞大學達頓商學院進行的研究，揭示了一個一致的模式：品牌爭奪的不再主要是注意力。

AI工具正在迅速成為產品發現的前沿入口。與基于可見度或敘事來呈現品牌的搜索引擎和傳統媒體不同，AI系統旨在幫助消費者做出選擇。在AI環境下，品牌拼的是：模型推薦時，會不會把自己列入候選名單。大多數品牌并非為此而生。

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主導的產品發現中節節敗退——以及為什么可解讀性是破解之道。

首先，營銷人員口中的“AI可見性”，其實遠比表面看起來更加支離破碎。在我們研究中出現的716個品牌里，只有8.4%在ChatGPT、Claude和Gemini三個平臺上都能穩定出現。大多數品牌只出現在一個平臺上。一個在某個系統中看似很突出的品牌，在另一個系統中可能壓根兒不見蹤影。

品牌或許仍在砸錢提升可見度，但決定AI系統是否推薦它們的，并不是這個。關鍵在于，模型能不能把你的品牌當作某個特定問題的可靠答案。當一個品牌的屬性和支撐證據被梳理得清清楚楚時，不同的系統就更有可能同時看上它。反之，品牌的出現就會忽隱忽現，甚至徹底消失。

其次，那些出現在多個平臺的品牌，有55%在不同系統里被貼上了不一樣的標簽。一個品牌在A平臺是“高端創新者”，到了B平臺可能就成了“平價替代品”。這是因為AI系統并不會原封不動地搬運品牌信息，而是從自己能抓到的第三方信息里去推斷你的定位。模型拼湊出來的品牌畫像，依據的是屬性和佐證，而不是你想對外講的那個故事。象征性的定位幾乎沒用，除非它能落到系統可以識別的具體屬性上。

這種差異在我們的數據里一目了然。蘋果在筆記本電腦和耳機品類中橫跨多個平臺穩定出現，索尼在耳機品類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了。迪士尼、星巴克、麥當勞、Netflix、IBM和英特爾，都沒有出現在我們的查詢結果里。即便是那些露了臉的知名品牌，也往往是通過某個可解讀的子品牌而非母品牌本身出現的。豐田是以RAV4、漢蘭達這些具體車型為代表；可口可樂和百事則是以零糖版本的面目出現。在這些案例里，AI憑的是具體產品的屬性來判斷，而不是母品牌的象征價值。

第三，查詢方式決定了競爭格局。探索性查詢帶來的品牌提及次數，比目標明確的查詢多了95%；而且只有大約11%的品牌能同時出現在兩種查詢的結果里。AI助手是根據消費者怎么描述自己的問題來構建推薦的。用戶問“跑鞋”，AI給出第一組候選；用戶問“適合膝蓋疼痛人群的跑鞋”或“針對過度內旋人群的穩定型跑鞋”，候選名單就換了一批。

這里還有一個更深層次的影響因素：品牌可以去塑造消費者使用的詞匯。Brooks花了20年時間，教跑步者給自己的問題起名字：過度內旋、步態偏差、負重穩定性。這些術語通過教練圈、專賣店和跑步媒體傳播開來。那些愿意投資于這種“問題素養”的品牌，在AI生成任何推薦之前，就已經給自己鋪好了一條有利的查詢賽道。

第四個發現補全了整幅圖景：78.7%的品牌提及都帶著正面情緒，而且這個比例在三個平臺上驚人地一致。一旦某個品牌被納入推薦，它通常都會被夸上幾句。

這恰恰反映了AI系統的工作方式。它們先判斷哪些品牌有資格成為用戶問題的答案，然后才表達態度。過去的媒體，看的是誰露臉多、誰口碑好。

真正的競爭瓶頸

是“被選中”，而不是“被夸贊”

真正重要的戰略問題，不是“怎么讓AI說我們好話？”，而是“怎么讓我們的品牌能出現在AI的回答里？”答案就是可解讀性。

當模型能夠構建一條清晰的邏輯鏈，從用戶的具體情況推導到產品特性，再到能滿足需求的品牌時，該品牌就會出現在AI的答案中。AI推薦不是從品牌和它的承諾開始的。它從用戶的條件出發，由查詢框定范圍，然后一步步往前推：用戶狀況→產品需求→滿足需求的品牌。

可解讀性取決于三個要素：

實體清晰度：品牌在各種信息源中都能被清晰識別；

屬性結構化：產品特性有明確名稱，可進行比較和衡量；

佐證基礎：品牌宣稱的優勢有可靠、獨立的來源支持。

具備這些特征的品牌，更容易被AI系統納入推薦，因為它們的屬性和佐證能與用戶需求清晰地掛上鉤。

說到底，爭奪AI推薦本質上是一個信息架構問題，需要跨職能協同。在大多數公司里，品牌信息歸營銷部門管，產品規格歸工程和產品管理部門管，而第三方驗證（評測、專家點評、臨床數據）往往沒人真正負責。AI推薦讓這種各自為戰的局面付出了高昂代價。最有可能勝出的，是那些圍繞“品牌如何被理解、如何被當作解決方案檢索”建立起跨職能問責制的公司。

這重新定義了品牌建設該做什么。傳統的品牌建設把錢投在講故事、象征符號和情感定位上，目的是抓住人的注意力、影響人的感受和記憶。AI系統依賴的是完全不同的東西：結構化的屬性、可衡量的產品特性、以及能把品牌和具體問題拴在一起的可驗證事實。它要取悅的是一個AI決策者——花言巧語沒用，真憑實據才行。

提高AI入選率的三個方法

營銷高管傳統上用品牌實力指標來衡量自己的工作，例如市場份額（消費者購買什么品牌）和心智份額（消費者想到什么品牌）。AI主導的產品發現，則需要一個新指標：AI入選率——也就是當一個品牌確實能解決用戶問題時，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——也就是當品牌屬性和用戶查詢對得上時，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。

當消費者向AI助手求助時——“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”——系統會識別出查詢背后藏著什么需求，然后把屬性對得上的品牌拎出來。可解讀性讓模型更容易把用戶的情況和品牌的屬性、支撐證據串起來，從而提高AI入選率。品牌現在爭的不再只是讓消費者記住自己，而是讓那些幫消費者做選擇的AI系統能找到自己。

對營銷人來說，要提高AI入選率，就得改變品牌傳達價值的方式。下面三個方法尤其重要。

1. 用可驗證的規格取代主觀聲明

AI系統難以處理模糊的聲明。將"高質量"替換為"1000 次循環耐用，通過 ISO 認證"，能為模型提供有用信息。為了被檢索到，品牌必須通過可命名、可比較且與特定用戶需求相關聯的特性來表達價值。

這需要將定位轉化為規格。性能指標、設計參數或臨床驗證的效果，使AI系統能夠將用戶條件與產品能力聯系起來。聲明表達得越精確且支撐越充分，就越有可能被用于自動推薦。

Brooks詮釋了這一原則。其產品通過可衡量的屬性來描述——穩定性評級、前后掌落差，以及旨在解決特定跑步狀況的生物力學特性。這些屬性使得將"適合膝蓋疼痛的跑鞋"等查詢與解決方案聯系起來變得更加容易。

索尼和蘋果在不同品類中反映了同樣的邏輯。索尼的產品由技術規格定義，如降噪性能和傳感器能力，通常有獨立基準測試的支持。蘋果產品同樣立足于可衡量的性能指標，從處理器基準到電池續航。

這些品牌的共同點不僅在于聲譽和規模，還在于可解讀性 —— 能夠以可評估、可比較且可用于推理過程的術語，來表述自身的產品特點。

2. 培育獨立的、高權威性的第三方驗證

被納入AI回答取決于圍繞你品牌的評論、專家點評和研究。Brooks與專業跑鞋店、教練、足病醫生和臨床醫生建立了合作關系，這些人需要解釋為什么某雙鞋能幫助特定的跑步者。AI系統推薦Brooks，部分原因在于該公司花了20年時間讓自己變得易于被理解。AI入選率是對第三方可信度持續投入的長期回報。

3. 將重心從象征性吸引力轉向證據結構

許多知名度高且受信賴的品牌，在AI生成的推薦中出現頻率較低，因為它們的優勢表達方式無法被模型利用。傳統品牌建設講究的是情感定位——生活方式聯想、品牌故事、籠統的質量信號。這些能建立消費者的好感，但轉化不成AI系統能處理的屬性和事實依據。

因此，品牌實力不會自動轉化為AI檢索。彌合這一差距需要重心轉移：減少對象征性聲明的依賴，加強將品牌與特定用戶問題聯系起來的證據。

在AI主導的市場中，品牌實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題的答案。

從簡單的診斷開始

每個品牌都要問自己一個戰略問題：我的品牌現在處在什么位置？怎么才能變得更“可解讀”？可以從一個簡單的診斷開始。

第一步，用你的客戶最常用的關鍵詞——不管是品類詞還是具體問題——去問幾個主要的AI平臺：ChatGPT、Claude、Gemini。看看哪些品牌會出現，你的品牌被說成什么樣，在不同平臺上說法是不是一樣。我們的研究發現，55%的品牌在不同系統里被描述得不一樣——也就是說，AI正在給你的品牌貼一個標簽，這個標簽可能跟你自己想傳達的完全不是一回事。

第二步，盤一盤你品牌的屬性結構。隨便找個客戶——或者干脆找個AI——能不能說出你家產品三個可衡量、可比較、又能對應到具體用戶需求的特性？如果老實說“不能”，那你就有功課要補了。目標不是寫出一本技術手冊，而是確保那些讓你與眾不同的屬性，有清清楚楚的名字，而且在你品牌出現的每一個地方都被一致地使用。

第三步，梳理你的第三方證據。有哪些獨立的聲音——評測機構、專家、臨床醫生、專業媒體——在用你的關鍵屬性來描述你的產品？哪里還有空白？在AI推薦里表現好的品牌，不是廣告預算最大的那些，而是外部驗證最一致、最可信的那些。這種佐證是靠時間攢出來的，砸錢買不來。

留意你的客戶用什么詞來描述他們的問題——然后去塑造這些詞。投資于“問題素養”：讓你的產品所解決的那些具體問題，有名字、能傳播。這些詞通過教練圈、專業社群和專家媒體擴散開來，在AI生成任何推薦之前，就已經給你鋪好了一條有利的查詢賽道。

那些在AI主導的產品發現中占盡先機的品牌，未必是今天在AI上砸錢最多的。它們是那些花了多年時間、一點一滴建立起佐證體系，讓自己變得容易被AI搜到的品牌。

AI主導的產品發現并非一個需要優化的新媒體渠道。它要求品牌競爭方式發生結構性轉變——這種轉變青睞的是截然不同的一套能力。大眾媒體時代，比的是聲量。搜索時代，比的是相關性。社交媒體時代，比的是參與度。AI助手時代，比的是可解讀性——也就是你的品牌有沒有足夠的屬性和事實依據，讓AI能為你生成讓人信服的推薦。

在這種環境中勝出的品牌不一定是最知名的，而是對于從用戶問題出發并推導出解決方案的推理系統來說，最易理解的品牌。在AI環境中，入選機會才是真正的競爭瓶頸。品牌一旦被選入候選名單，AI說起它來幾乎都是好話。真正的較量在更早的階段就已經見分曉了——取決于品牌的屬性和佐證如何被結構化。

Brooks不是為了AI才打造了一個可解讀的品牌。它是為了那些需要向真實跑者解釋“為什么選這雙鞋”的人類專家而打造的。結果發現，這兩件事是一回事。未來十年能贏的品牌，是那些有意做出同樣選擇的品牌。

關鍵詞：

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

約翰·蓋爾是一名顧問，也是喬治城大學麥克多諾商學院的兼職教授。盧卡·錢是弗吉尼亞大學達頓商學院的營銷學教授。呂克·瓦蒂厄是喬治城大學的營銷學教授。

周強 | 編校

7月18日晚，在上海張江科學會堂，WAIC 2026首次推出Side Event「WAIC UP! AI創作者之夜」。知名導演、科幻作家、AI科學家、虛擬偶像構建者將同臺對話，追問AI時代的創作邊界與人文溫度。

活動席位有限，別猶豫，快沖！

↓點擊圖片進入報名通道↓

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org