对话：抢占消费者新入口 品牌如何从“被搜索”转向“被推荐”？
作者：亿邦动力 文章来源：亿邦动力
2026-09-18 18:08
作者：亿邦动力 文章来源：亿邦动力
2026-09-18 18:08
邦小白快读
【亿邦原创】当消费者开始在AI助手中提出更长、更具体的问题，品牌被发现的路径也在发生变化：过去，企业争夺的是搜索结果和电商货架上的位置；如今，品牌还要争取进入AI生成的答案，并在消费者跳出求证、比较和下单的过程中持续建立信任。面对新的消费入口，品牌如何从“被搜索”走向“被推荐”，又该怎样把AI带来的曝光真正转化为生意增长？
2026年9月17日，在由Pattern栢藤主办、亿邦动力担任战略合作伙伴的“Accelerate26跨境生态加速大会·中国站”专题论坛一上，谷歌中国重点新客经理Steve He与Pattern栢藤中国区业务副总裁杨洛伟（Rex）围绕“抢占消费者新入口，从‘被搜索’转向‘被推荐’”展开了一场对话。
以下为对话实录：
（温馨提示：本文为速记初审稿，部分精彩讨论节选，在不影响原意基础上由亿邦动力编辑整理。）
01 消费入口转向AI，用户却更会比较了
杨洛伟（Rex）： 二三十年前，大家发现产品的方式主要是户外广告、电视、报纸和印刷品。后来搜索出现，海外有Google，国内有百度。再往后，消费者开始直接进入淘宝、京东、Amazon等购物平台，国内的抖音、海外的TikTok又带来了社交电商。
到了2025年以后，大家谈得最多的话题就是AI。现在包括我自己，在买东西之前也会先问AI，经常使用ChatGPT、Gemini和Claude。消费者的行为正在发生潜移默化的转变，不是谁规定一定要这么做，而是大家确实觉得用AI询问很方便。
从Google的角度来看，Gemini与其他产品有什么不同？AI又是怎样进入消费者和卖家的购物链路的？
Steve He：Gemini在持续迭代底层能力的同时，Google的 AI技术和商业化广告解决方案其实已经在众多出海和营销场景深度落地。
比如AI Mode下的搜索广告。消费者在Google上搜索“如何让家里拥有像高级SPA馆一样让人轻松的香味”这样一个复杂问题时，AI给出详细建议的同时，可以很自然地融入一款智能香氛机的广告。消费者一开始可能根本没有想到香氛机，但AI的回答和广告推荐满足了他的需求，也完成了种草。
还有更加智能化的购物广告。AI能够理解消费者对商品的具体描述，并直接解释为什么某款产品符合他的长尾需求。比如用户想找一台“不占地方，又能做浓缩咖啡和冰咖啡的咖啡机”，广告呈现的不是枯燥的参数，而是用一句有说服力的话回应他的核心诉求。
Google也在持续探索更流畅的购物与转化体验，比如YouTube购物功能（YouTube Shopping）、更沉浸的虚拟试穿（Virtual Try-On），以及通过Merchant Center提供的价格追踪与促销提醒，帮助消费者缩短从种草到决策的路径。
对于鞋服卖家，Google AI的虚拟试穿功能可以通过沉浸式体验缩短用户决策时间。对于卖家端，Google还有AI Brief。卖家只要用日常语言告诉AI自己的业务目标、希望传递的信息和目标人群，就可以为Search和PMax设定更清晰的方向与边界，并预览AI生成的广告素材和搜索示例。AI的影响不仅发生在消费端，也正在进入卖家的生意经营。
杨洛伟（Rex）： 过去消费者会直接到淘宝、京东、天猫、Amazon或Walmart搜索商品，也会在Google或百度搜索。现在很多人会先在AI助手里比较，在进入Amazon或独立站之前，已经对品牌形成一定认知。从Google看到的全球趋势来看，AI浪潮下的消费者行为发生了哪些重要变化？
Steve He： 很多出海品牌都在焦虑：AI时代来了，传统效果广告还有用吗？消费者还会看吗？会不会直接让AI替自己做购物决策？从Google看到的趋势来说，有变化的地方，也有不变的地方。
变化在于，消费者在AI加持下进化成了“超级消费者”，角色更复杂、更发散。过去的消费决策路径非常线性，平均可能只有4个触点。比如买降噪耳机，在Google搜索、看到广告、点进去看价格和产品，觉得合适就下单。
现在有了AI，购物链路不仅没有缩短，决策触点反而可能增加到12个甚至更多。消费者会先向AI提出个性化需求，让它生成对比清单；看到推荐后也不会百分之百相信，还会追问更加刁钻的长尾问题，比如“夏天戴哪款耳机更透气”“戴眼镜时会不会痛”。随后，他可能带着AI推荐的型号跳出AI，到Google核验参数，去YouTube看博主实测，去Reddit找差评，再到官网了解售后，甚至过几天被再营销广告提醒后才完成下单。
消费者不再只是搜索两三个词。行业趋势显示，随着生成式AI的普及，消费者的搜索提问正在从简单的短语演进为复杂、多维度的自然长句。
不变的是信任。第三方调研显示，多数消费者仍习惯将AI作为初步搜集信息的工具，而在最终下单前，往往会回到搜索引擎及专业社区进行交叉求证。因为真正花钱的是消费者，AI不会为推荐结果负全责。AI解决的是信息获取效率，但无法替代交易信任。
海外消费者最终下单，仍会参考真实评测和反馈，品牌熟悉度也是采纳推荐的重要门槛。因此，品牌破局的关键有两件事：第一，用AI赋能的营销工具（如PMax）精准匹配消费者的长尾意图。面对平均8.5个词的长尾复杂意图，传统人工埋词已经来不及，需要通过AI Max等基于语义匹配的工具，在AI给出答案、消费者继续提问的第一时间卡位。第二，用真实内容建立信任壁垒。品牌需要布局YouTube创作者生态等真实口碑测评，承接那些从AI跳出来做交叉验证的高价值用户。既要被AI提及，也要形成用户选择的闭环。
Steve He： 当消费者越来越倾向于先问AI、再到电商平台下单时，Pattern栢藤在交易端看到了哪些变化？
杨洛伟（Rex）： 先说结论，我们确实看到了明显变化。用户真正进入Amazon或DTC站点的时间越来越靠后，因为前期已经做了大量询问、比较和调研。他还会去专业测评网站查看结果和Reviews，进一步确认AI给出的信息是否可靠。完成这一轮比较后，用户进入Amazon或独立站时，购买意图基本已经确定，往往已经想好要买哪个品牌。
如果品牌前期在AI助手里进行了布局，通常会出现三个明显变化：第一，品牌词和长尾词的转化率提高；第二，用户把产品放入购物车之前，浏览的页面数量下降；第三，AI曝光和正面评价增加后，Amazon等平台会出现溢出效应，销量也会明显提升。
02 GEO不是SEO升级版，核心是品牌共识
杨洛伟（Rex）： 过去很多人做SEO，从去年开始，越来越多人谈GEO，也有不少朋友转去做GEO。你认为GEO是SEO的升级版，还是底层逻辑完全不同的一件事？
Steve He：GEO绝对不是SEO的简单升级版，而是消费者看见品牌的底层逻辑发生了变化。很多卖家希望先让AI推荐自己，这没有错；但如果仍把GEO当作新版的刷排名、买外链，想“黑进”推荐列表，这条路就走窄了。
第一，不是做了GEO就会被推荐，而是品牌已经形成了共识，AI才会推荐。大模型的推荐机制依赖全网权威事实和品牌可信度。如果全网没有深度评测、创作者背书和社交声量，模型就没有足够的置信度把品牌放进答案。
第二，消费者越来越多地使用口语长句搜索。如果只依靠自然抓取的GEO，可能漏掉大量意图。用户的提问越来越像聊天，人工埋词和自然抓取很难覆盖。Google搜索的AI Overviews生成结论时，真正能在第一触点完成推荐的，是无关键词语义匹配和文本定制。比如PMax会抓取网站Listing，再结合消费者需求给出解答。
第三，已经没有“看了就买”的捷径。很多消费者拿到AI推荐后，会立即跳出来做深入调研，其中很大部分仍以真实评测作为下单依据。如果GEO把品牌推到消费者面前，但消费者到Google或YouTube一查，发现一片空白或都是差评，品牌只是唤醒了需求，订单最终可能落到竞品手里。
品牌当然要做GEO。站内语义标记、Schema结构化数据和清晰的产品知识图谱，都是让大模型读懂品牌的基础设施。但真正的GEO不是孤立工程，而是多渠道共同建设的完整品牌资产：前台用PMax等工具承接复杂意图，中端用YouTube创作者生态提供真实信任资产，底层用结构化数据让AI顺畅提取并读懂网站。三者结合，才能形成从被AI推荐到被用户买单的商业闭环。
Steve He： 从品牌经营端来看，怎样判断一个品牌在AI搜索中的表现？哪些数据更值得关注？
杨洛伟（Rex）： 我觉得主要看两个方面。第一个是可见度。比如在Gemini、ChatGPT或Claude中搜索品牌及相关产品关键词，品牌在100次搜索里出现了多少次。我们用Pattern栢藤生成的GEO得分卡做过展示，一个品牌的可见度得分是64分，在五个品牌里排第五。虽然搜索100次出现64次看起来不算太差，但与竞品相比，仍然浪费了很多展示机会。
第二个是用户对品牌的评价，也就是Sentiment得分。这个品牌得了82分，比可见度得分更好，反映的是Reviews和热门社交平台讨论中对品牌的整体评价。
知道这两个得分后，还要分析怎么改善。提升可见度，需要关注主流权威网站的内容引用，也要优化自己网站的内容格式，多使用贴近用户提问的表达，并围绕有机会赢得的关键词生产内容。提升评价得分，则要在有影响力的社交渠道获得更多正面评价、减少负面评价，并获取来自不同渠道的综合性Review，而不是只看单一渠道。
我们服务的不少品牌已经开始使用GEO得分卡做自我剖析：自己的品牌在AI助手中被看到了多少次？被看到之后，得到的是正面还是负面评价？
杨洛伟（Rex）： 以投影仪为例，哪些信号会影响品牌在AI助手中被看见，也会影响品牌的评价得分？
Steve He： 面对几十个参数都达标的便携式投影仪，AI可能只会挑出两三个。它不是简单比较谁的流明数高，或者谁买的外链多，底层逻辑仍是信任建立和实体共识。
大模型主要看三个维度。第一，场景与实体是否绑定。全网语料里，品牌是不是反复出现在真实露营、野外夜投、内置电池等上下文中。第二，有没有多元交叉验证。独立站上的自我宣传权重有限，AI还会参考专业媒体、Reddit讨论以及YouTube达人的真实出镜实测。第三，品牌熟悉度是否达到门槛。在置信度临界点上，系统会天然偏向不容易出错的成熟选项。
品牌无法进入大模型后台写代码，但可以从三个层面抓住信号。商业层可以利用PMax的无关键词语义匹配和动态文本定制，在消费者提出多维长句、触发AI Overviews时，把产品作为赞助建议嵌入回答。认知层要铺设真实的测评内容。YouTube视频的画面、字幕、文本和评论，既给消费者看，也会成为大模型判断产品是否具备相应能力的重要语料。技术层则要做好Schema结构化标记，并连接Google Merchant Center购物图谱，清晰提供流明、电池容量、重量等硬参数；产品页面也不能只列冰冷参数，还要沉淀场景化FAQ，直接回应消费者的口语化提问。
03 被AI推荐只是起点，转化要靠全链路承接
Steve He：Amazon、Walmart等平台能够提供评价、销量等大量信息。哪些品牌信号最值得关注？哪些数据又容易成为品牌的盲区？
杨洛伟（Rex）： 平台数据不会撒谎。每一次成交、点击、评价和复购，都是真实的表达。但平台数据信号需要被翻译，品牌看到的往往只是表面，还没有真正理解数据背后的含义。
我们与一些老板交流时，发现了几个常见误区。第一个是看到GMV增长就很开心，但进一步分析可能会发现，增长主要来自广告费投入。某个阶段这样做可以，长期来看却不可持续。品牌要关注总广告花费占比，也就是TACoS，判断业务增长是否过度依赖居高不下的广告投入。
第二个误区是只在乎好评数量，忽略差评。差评反而会告诉品牌产品哪里做得不够好，或者有哪些功能本来存在，却没有在宣传中被讲清楚。Pattern栢藤会把全网评价数据整理成报表，不只归纳优点，也会把差评反映的问题反馈给品牌，帮助其改进产品或发现新的传播机会。
第三个误区是觉得生成式AI离转化太远。它不像Amazon或独立站的Last Click那样直接，品牌在AI助手、论坛和专业媒体做了很多内容，未必立即看到转化，就容易认为前期投入没有意义。但我们看到，品牌前期在AI助手里完成搜索、对比和露出后，品牌词与长尾词的转化会提升，用户加入购物车前浏览的页面会减少，销量也会得到促进。
品牌未来的胜负，很大程度上取决于能不能读懂平台数据背后的语言。只有把销量、评价、内容和竞品信号打通，才能看清消费者为什么购买，也才能真正看清自己。
Steve He： 被AI推荐只是第一步，商品发现发生在AI上，交易往往发生在电商平台和独立站上。品牌怎样才能把“AI发现—平台交易”这条链路真正连接起来？
杨洛伟（Rex）： 有些品牌会说，自己做了很多搜索优化，可见度和评价得分都不错，却没有看到明显的转化改善。问题往往出在第二步：品牌在AI助手里拿到了流量，但消费者带着信任进入Amazon、Walmart或TikTok后，看到的Listing很久没有更新，图片和标题都很老，甚至出现仿品或SKU断货，流量没有被承接住。
要把流量转化成成交，思维必须从单点优化升级到闭环思维。AI助手、DTC网站、Amazon Listing都不能各做各的。从AI推荐开始，到品牌在DTC或不同Marketplace上的承接，Listing、内容、价格和库存都要与AI里呈现的信息匹配。
用户买到好产品后产生好评，好评再回流到AI推荐，才能形成完整飞轮。任何一个环节出问题，飞轮都会掉链子。因此，AI漏斗获得流量之后，还需要内容工具生成更容易转化的图片、标题和卖点描述，同时保证价格竞争力和库存。Pattern栢藤的系统也是围绕这一整条链路设计，从AI可见度到最终成交，尽可能把各环节连接起来。
杨洛伟（Rex）： 除了传统排名，品牌最终应该怎样衡量GEO的价值？
Steve He： 很多卖家问这个问题，潜台词是：“我花钱做了GEO，怎么证明这笔钱没有白花？”如果仍然只看关键词排第几位或广告点击量，就像拿着旧地图找新大陆。AI时代的用户路径是从AI激发需求，到跳出核验，再到全域成交，它是一条网状链路。衡量GEO不能看单点，而要看三个维度的健康度。
第一张报表看前台。品牌不只要看产品有没有被提及，还要看场景绑定下的首推率。在“适合露营、高亮、防摔的投影仪”这样的长尾复杂问题里，品牌是不是AI的首选方案？AI在推荐时，能不能稳定带上品牌的核心卖点，而不是只把它当作凑数的备选？
第二张报表看中端，也就是用户跳出AI之后，品牌有没有形成全网核验声量。要看Google上“品牌名+评测”或“品牌名+真实体验”等主动搜索是否增长，也要看YouTube评测视频的播放、点赞、完播率和购买意向评论是否增加。如果AI提到了品牌，但用户没有购买，也没有进一步求证，这种推荐就是死流量。
第三张报表看后端链路，也就是全域转化。GEO不能孤立地看ROI，而要看它有没有给整个生意漏斗带来增量，并加速关键决策。比如转化是否增加，PMax能不能在消费者跳出求证、准备下单的最后一段路程接住他，消费者的决策周期是否缩短，品牌溢价有没有提高，品牌词的获客成本是否下降。
04 全球化不是渠道叠加，是能力复用
杨洛伟（Rex）： 渠道越来越多，品牌也在推进全球化布局。这个时候，应该建立哪些底层能力？
Steve He： 过去中国卖家很容易陷入一个困境：卷头部平台、头部类目的头部大词，打爆款、拼价格、买流量，结果获客成本越来越高，利润越来越薄。如今渠道更加分散，市场更加全球化，各个平台的AI算法也在升级，反而打开了场景细分的增量市场。
过去买投影仪，用户可能只搜索“投影仪”三个字；现在会像聊天一样问：“带到零下十度的雪山露营能不能用？”“小公寓没有幕布应该怎么投？”独立站、Amazon、Walmart和区域平台背后的用户结构与诉求不同，有些人看重品牌生活方式，有些人看重性价比和履约效率。平台AI导购和智能工具的出现，也让这些细分需求更容易得到匹配。
品牌最需要建立的，不是为每个渠道不断招人，而是三种可以跨渠道复用的能力。
第一是细分意图的捕捉力。品牌能不能用AI抓住长尾场景，不再只卷红海大词？无论消费者身处哪个国家、使用什么语言、提出怎样的细分痛点，品牌都要能够在第一触点把场景化解决方案推到他面前。
第二是品牌信任资产的全球沉淀力。品牌不能在每个渠道零散地做内容，而要在YouTube、专业媒体或真实用户社群等核心生态中，沉淀高可信度的多模态实测资产。这些资产可以长期复用，既是AI引擎推荐品牌时参考的事实源，也是消费者转向Amazon、Walmart或独立站下单时的重要背书。
第三是结构化的数据底座。无论是AI对话工具还是电商平台，都需要结构化、标准化的产品数据。品牌要做好结构化标记、知识图谱、产品参数、使用场景和库存信号，让信息能够被全网AI高效提取；同时用独立站的一方数据反哺投放算法，让智能竞价越来越接近目标客户。
渠道变多、市场变广，不一定会把品牌拖散，也可能让企业跳出只卷大词的竞争。前提是把意图捕捉、信任沉淀和数据结构化这三套逻辑中枢建立起来。
Steve He： 中国品牌往往擅长单平台运营，但搜索、社媒、平台和独立站容易各自为战。面对多平台管理的复杂性，应该怎样突破？
杨洛伟（Rex）： 越来越多企业布局多市场、多平台，这是机会，也带来了挑战。仅美国市场就有Amazon、Walmart、Target、Best Buy、TikTok等多个平台。要同时运营这些平台，并保持统一的品牌形象、讲述统一的品牌故事，并不容易。
我们接触过一个品牌，各个平台使用的素材都不一样，有的Logo是几年前的，有的是新版。消费者在Amazon看到一个样子，到了Walmart又看到另一个样子，会怀疑是不是同一个品牌，从而失去信任。每个平台的团队都很努力，但如果没有统一的中心思想，就很难把事情做好。问题不在于平台太多、区域太广，而在于品牌仍用单渠道时代的思维做全渠道和全球化经营。
品牌可以从三件事入手。第一，建立中心化的品牌资产库，不同渠道的品牌资产都从同一个母库输出。以Pattern栢藤的PXM为例，可以统一生成素材并分发到不同平台，确保素材的一致性、最新性和时效性。
第二，建立数据中台。过去Amazon、Walmart和TikTok的数据彼此割裂，品牌缺少统一数据源。把用户行为、点击、转化、采购和评价放进中心数据库，所有决策都基于同一套数据，才能减少渠道之间的割裂。
第三，尽量用AI工具提升产能，把重复性工作交给AI，让人去做更有创意、更有建设性、需要思考的工作。用一套系统管理多个平台，才能把多区域、多平台的复杂运营变成可扩展的能力。
以我们合作的品牌Leesa为例，Pattern栢藤先通过GEO Scorecard分析怎样提升品牌在AI助手中的可信度和推荐度；流量进来后，又通过Content Brief分析其Amazon等网站上的Listing，将图片拆分为应用场景、尺寸表达、功能表达和品牌信息等类型，判断缺失了哪些高转化内容，并补齐相关素材。随后又统一重构图片、标题和Bullets，从色彩、Logo等方面生成符合当地消费者习惯与审美的整体素材，并扩展应用到17个平台。品牌由此把AI可见度、内容优化和多渠道布局连接起来。
Steve He：GEO和平台生态都在变化，品牌现在应该提前布局什么？如果中国出海品牌今天开始做GEO，第一步应该做什么？
杨洛伟（Rex）： 过去品牌习惯让消费者找到自己：在Google或Amazon上搜索关键词和品牌名。但现在产品太多、广告费用很高，想被找到越来越难。未来可能是让AI替消费者选择。消费者在AI中提问、对比和比较，进入购买环节之前，已经对品牌有了相当程度的了解。
品牌要努力做到“AI可读、AI可信、AI可推荐”。首先要有可见度，看不见就谈不上可信；其次要搭建多平台生态，在更多区域和平台上保持中心化管理；第三要建立数据驱动的运营能力，不只看表面现象，而要通过数据找到可以改善和增长的空间。
Steve He： 未来1到3年，搜索最根本的变化，是从“人找货”的比对模式，加速演进到Agent替人做精选和过滤的智能代理时代。过去在Google或Amazon搜索一个词，页面会出现几十甚至上百个Listing，消费者慢慢翻、慢慢比。AI Agent时代，消费者只要提出需求，AI可能只会精选出极少数高度匹配的方案。
这并不意味着市场只有一个赢家，未来随着智能代理与多模态技术的发展，消费者的决策链路正变得更高效，平台对相关性和内容质量的要求也越来越高。对于品牌而言，越早建立结构化数据和真实品牌声量，越能在未来的智能化搜索生态中赢得先机。
对于今天开始做GEO的中国出海品牌，第一步要做好“一硬一软”两项基本功。硬底座是把产品数据结构化，让AI能够低成本提取。独立站可以先梳理网站和Google Merchant Center的图谱，完善Schema结构化标记；同时不要只堆参数表，还要沉淀口语化、场景化的FAQ，让页面能够直接回应消费者向AI提出的问题。
软资产是沉淀多模态测评，为AI提供置信度。品牌要在YouTube、专业媒体和真实用户社区等核心阵地，积累真实的达人评测和口碑语料，让视频画面、字幕和评论共同证明产品的卖点。
一句话总结，数据结构化让品牌被读懂，多模态真实口碑让品牌被信任，再配合商业化AI工具精准卡位，品牌才有机会在稀缺的AI推荐席位中被选择。GEO不是一个跟风炒作的概念，它最终仍然根植于对消费者需求的理解，以及品牌资产和信任的长期建设。
杨洛伟（Rex）： 今天的对谈讨论了为什么要做GEO、怎样判断GEO的真实价值，也给出了让产品在AI助手中做到“可见、可信、可推荐”的实操建议。接下来，今天到场的十个平台还会在隔壁厅进行一对一介绍。欢迎大家利用机会进一步了解和建立连接，为品牌未来的全球化布局增加新的机会和思路。
好，今天的时间就到这里。感谢各位参与，谢谢！
本文首发于 亿邦动力 官方网站
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com，我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
FAQ回顾
GEO和SEO的核心区别是什么？
GEO即生成式引擎优化，并非SEO的简单升级版，二者底层逻辑存在本质差异。SEO核心是抢占搜索关键词排名，GEO则依托全网权威事实与品牌可信度获得AI推荐，需结合AI营销工具、真实测评内容、结构化数据形成完整转化闭环。
AI时代消费者的购物决策路径发生了哪些变化？
AI时代消费者购物决策触点从过去平均4个增至12个甚至更多，搜索习惯从短关键词转向多维度自然长句，会先向AI获取初步推荐，再跳出AI到搜索引擎、测评社区、电商平台交叉核验信息后再下单，决策更依赖真实信任背书。
出海品牌布局GEO的第一步应该做什么？
出海品牌布局GEO首先要做好“一硬一软”两项基本功：硬底座是完善Schema结构化标记、搭建产品知识图谱，搭配场景化口语化FAQ，让AI可低成本提取品牌信息；软资产是在核心内容阵地沉淀多模态真实测评内容，获取AI推荐的置信度。
品牌如何衡量自身在AI搜索中的表现？
品牌可通过两个核心指标衡量AI搜索表现：一是可见度，即品牌及相关产品关键词在ChatGPT、Gemini等主流AI助手中的搜索出现频次；二是口碑得分，即电商评价、社交平台讨论中对品牌的整体正负向评价，可借助GEO得分卡完成量化评估。
下一篇
从千亿巨头到小而美黑马：新一波跨境企业上市潮中 谁在真增长？
9月的第一天，整个跨境电商行业的目光恐怕都投向了SHEIN。从2023年前至今，SHEIN的正式上市可谓千呼万唤始出来，创下了今年港股规模最大的时尚品牌IPO。
