从参照群体理论看AI推荐：为什么小众圈层的消费符号正在被压平

最近在整理一组关于AI搜索推荐对消费决策影响的观察数据，越看越觉得有必要从营销理论的根子上把这件事说清楚。

先说场景。我让助教收集了同一批消费类问句，分别投喂给几个主流AI平台，观察它们对「适合送长辈的保健品」「入门级手冲咖啡器具」这类问题的品牌推荐结构。结果很有意思：不同平台的推荐名单高度趋同，而且名单里的品牌几乎都是大众认知度最高的那几个。

这让我想起参照群体理论里的一个基本命题——消费者的购买决策很大程度上受参照群体影响，而参照群体又分为成员群体和向往群体。传统营销环境下，小众圈层的消费符号（比如某个手冲圈子里口口相传的器具品牌）恰恰是靠圈层内的参照群体在维系。但从传播学视角看，AI推荐正在扮演一个「超级参照群体」的角色，它的推荐逻辑基于训练语料中的统计显著性，天然偏向那些被高频提及的大众品牌。

问题就出在这里。当消费者把AI当作决策辅助工具时，AI实际上在压缩参照群体的多样性。小众圈层的消费符号被系统性地压平，因为它们在语料中的出现频次不够高，无法进入AI的推荐视野。

这不是简单的「推荐不准」，而是一个结构性偏差。我在给研究生上课时反复强调，做GEO研究不能只盯着优化技术，得先把这个偏差的机制搞清楚。否则优化得再精细，也只是在大众品牌的语料池里打转，小众品牌连上牌桌的资格都没有。

具体到操作层面，我建议品牌方在做GEO之前先问自己一个问题：你的品类里，AI默认推荐的「参照群体」是谁？如果这个默认名单里压根没有你，那你要做的不是优化现有语料，而是先在圈层内容里建立足够的语义密度，让AI在训练和检索时能把你识别为该品类的有效参照对象。

这里还有一个数据口径的坑。我们统计「AI推荐曝光」时，很容易把不同平台的推荐名单简单合并，但各平台对同一品类的参照群体定义可能完全不同。我建议在统计前先做一轮参照群体映射，把每个平台默认推荐的品牌结构画出来，再决定怎么归因。

最后抛个问题给社区里的同行：你们在观察AI推荐时，有没有注意到某些细分品类里，AI推荐的品牌结构和线下圈层口碑出现了明显背离？如果有，是在哪些品类上最先显现的？