AI正在重新定义品牌

当消费者开始用AI做消费决策，品牌竞争规则变了。Nike、迪士尼在AI推荐中输给小众品牌。竹势智库深度解读品牌可解读性三要素与AI入选率，给中国CMO的三步行动计划。

“营销不再是我们说了什么，而是系统能‘读懂’我们什么。品牌的可解读性，正在成为AI时代新的品牌资产。”——约翰·盖尔，乔治城大学麦克多诺商学院

这是一个让无数CMO彻夜难眠的问题：你的品牌在消费者心中再强，如果AI推荐系统压根“看不见”你，你的增长从何而来？乔治城大学和弗吉尼亚大学的一项联合研究发现，Nike、迪士尼、星巴克、Netflix这些家喻户晓的品牌，在AI推荐结果中竟然集体缺席。取而代之的，是一些可能你从未听过的小众品牌。这不是偶然的技术偏差，而是一场品牌评价体系的范式转移。

当消费者开始问AI“买什么”

消费决策的入口正在发生深刻变化。过去，消费者用Google搜索“什么跑鞋好”，看到的是品牌竞价排名的结果。今天，他们直接问AI助手：“我膝盖不好，日常跑步五公里，预算一千块，该买什么鞋？”

这个变化看似细微，实则改写了品牌竞争的底层逻辑。研究者对15个零售品类进行测试，覆盖笔记本电脑、宠物食品、信用卡等常见消费场景，使用相同的提示词同时测试GPT-4o、Claude和Gemini三个主流系统。品牌被提及超过1000次，涉及716个不同品牌。

结果揭示了一个残酷的现实：在AI看来，“最有名”不等于“最合适”。

716个品牌的“可见性”分化

研究数据触目惊心。716个品牌中，只有8.4%能在三个平台都稳定出现。绝大多数品牌只出现在某一个平台，像是AI宇宙里的孤岛。这说明什么？品牌在AI系统中的可见性，远比我们想象的更碎片化、更不可控。

更值得警惕的是，55%的品牌在不同AI系统里被贴上了完全不同的标签。同一个品牌，在ChatGPT那里是“高端创新者”，到了Gemini嘴里就成了“平价替代品”。品牌辛辛苦苦花十年建立起来的定位，AI可能只用一次推理就给它换了个标签。

问题出在哪里？AI的认知逻辑与人类的认知逻辑根本不同。人会被广告、情感、品牌故事打动。AI只认一件事：这个品牌是否可被“解读”。它不关心你想讲什么故事，只关心它能从公开信息中提取出什么证据。

AI推荐的核心公式：可解读性三要素

AI推荐不是从品牌和它的承诺开始的，而是从用户的具体条件出发。它的推理链条是这样的：用户状况→产品需求→满足需求的品牌。品牌不是起点，而是终点。而能否成为那个终点，取决于你的品牌是否具备“可解读性”。

研究者提出了可解读性的三个构成要素：

第一，实体清晰度

品牌在各种信息源中能否被清晰识别。不是你的官网说了什么，而是整个互联网上的信息——评论、评测、新闻、论坛——是否能用一致的方式描述你。信息越混乱，AI越难把你当成一个确定的实体。

第二，属性结构化

你的产品特性是否有明确的名称，能否进行比较和衡量。“穿着舒服”不行，“足弓支撑角度15度，回弹率68%”才行。“品质好”不行，“通过ISO 10993生物相容性认证”才行。AI需要的是可命名、可对比的结构化信息，而非感性的形容词。

第三，佐证基础

品牌宣称的优势必须有可靠、独立的第三方来源支撑。媒体报道、专业评测、专家背书、用户实证——这些构成了AI判断可信度的依据。自己说的不算数，别人说的才算。

这三条标准，把无数靠情感定位和品牌广告堆出来的“大品牌”挡在了门外。

Brooks跑鞋：一个花了二十年“被读懂”的品牌

在这场AI可见性的竞争中，Brooks跑鞋是一个值得每个中国品牌研究的样本。它没有做泛化的生活方式叙事，没有签顶级流量明星。CEO吉姆·韦伯做了一个看似反时代的决定：退出所有相邻品类，全力押注技术性能。

Brooks投资了大量生物力学研究，开发出GuideRails支撑系统和DNA LOFT缓震技术。每一项创新都不是为了讲一个好听的营销故事，而是为了攻克一个明确定义的用户痛点。更关键的是，Brooks花了二十年时间，培育了一个由教练、临床医生和专业零售商组成的生态圈。

这个生态圈的价值用AI视角看就清楚了：当消费者问“我跑步脚踝内翻该买什么鞋”，教练和医生们已经在全网留下了大量关于“内翻”“过度内旋”“步态偏差”的精准描述，这些术语像编织了一张巨大的信息网，AI系统能轻易识别Brooks的产品属性恰好匹配这些需求。

Brooks不是在经营品牌，而是在经营“可被算法理解的结构化证据”。

查询方式的变革：你的品牌在回答什么问题

研究发现，探索性查询带来的品牌提及次数比目标明确的查询多95%。但只有约11%的品牌能同时出现在两种查询结果里。这意味着什么？消费者问的方式不同，AI给出的候选品牌完全不同。

这给了品牌新的战略空间：你可以塑造消费者用来描述需求的词汇。Brooks花了二十年教跑步者给自己的问题起名字——不是“脚疼”，而是“跖骨应力性反应”；不是“跑姿不对”，而是“骨盆前倾导致的代偿性步态”。当消费者学会了这些精准术语，他们的查询就能准确地把AI引导到Brooks的产品身上。

这个策略的威力在于：教育消费者的过程，同时也是为AI系统铺设理解路径的过程。每一条消费者学会的术语，都是一条通往你品牌的信息高速公路。

从“模型份额”到“AI入选率”

传统品牌建设用市场份额、心智份额衡量成功。AI时代需要新的KPI。研究者提出了“AI入选率”——当品牌确实能解决用户问题时，作为候选被AI检索到的频率。

这和“模型份额”完全不同。模型份额看的是品牌被AI提及的总次数，像是传统媒体的曝光量。AI入选率看的是适配度——不是被说到算赢，而是被选入候选名单才算赢。

好消息是，一旦品牌进入候选名单，AI几乎总是说好话。研究显示，78.7%的品牌提及都带着正面情绪。真正的战场在更早的阶段：你的品牌属性和佐证，是否足以让AI在众多候选者中把你挑出来？

建立“可解读性”的三步行动计划

对于中国品牌来说，这个发现指向明确的操作路径：

第一步，用可验证的规格取代主观声明

“高端品质”没有用，“20000次弯折无裂痕，通过SGS检测”才有用。品牌必须用可命名、可比较、与特定用户需求相关联的参数来表达价值。这不是抛弃品牌情感，而是为情感找到一个可被技术系统翻译的载体。

第二步，有意识地培育第三方验证生态

被纳入AI回答，取决于围绕品牌的独立评论、专家评测和研究成果。在中文市场，这意味着需要在值得信任的专业平台上，构建可被AI抓取的结构化内容。这不是做软文，而是做“可被算法采信的数字化证据”。

第三步，将重心从象征性吸引力转向证据结构

生活方式联想、品牌故事、笼统的质量信号——这些传统品牌建设的核心手段，在AI面前几乎失效。不是它们不对，而是它们无法被转化为AI能处理的属性和事实依据。品牌需要在保持情感共鸣的同时，补上结构化的证据短板。

组织重构：谁来为AI可见性负责？

这可能是最让中国企业老板头疼的问题。品牌信息归营销部，产品规格归工程部，第三方验证往往没人管。AI可见性恰恰需要这三者的无缝协同。研究者指出，最有可能在AI时代胜出的，是那些围绕“品牌如何被理解、如何被当作解决方案检索”建立跨职能问责制的公司。

大众媒体时代比声量，搜索时代比相关性，社交媒体时代比参与度。AI助手时代，比的是可解读性。这不仅仅是营销部门的KPI调整，更是整个组织的认知升级。你的品牌在AI眼里是不是一张“白纸”？这取决于你今天开始做什么。

回到开头那个问题。一个在消费者心中再强的品牌，如果AI系统无法“读懂”它，增长的天花板就在眼前。这不是危言耸听，而是正在发生的现实。一个看不见的品牌，等于不存在。