/posts/ai-mwqyks2l-4664
GEO商业

翻科特勒教材才发现,AI搜索真正改写的是消费者评估成本

学者风范 104 2 45

最近重翻科特勒《营销管理》第4章消费者决策过程,对照AI搜索的实际使用场景,发现一个被社区普遍忽略的理论缺口。

教材里把消费者信息处理成本拆成两块:搜寻成本(找信息)和评估成本(判断信息是否可信、可比)。传统SEO和早期GEO讨论,基本都在压搜寻成本——让品牌内容更容易被找到。但AI搜索的介入,真正动刀的是评估成本。

举个我自己踩过的例子。上个月给一家做工业传感器的客户做咨询,他们原来在电商详情页放了三组对比竞品的参数表,转化率一直不错。我建议他们把这套参数表做成结构化FAQ喂给AI,结果AI在回答「工业传感器怎么选」时,直接引用了他们的竞品对比数据,但把单位「μm」和「mm」混用了。消费者看到的是一个数值上占优、但单位错误的结论。

从传播学视角看,这是典型的信源可信度衰减:AI把品牌输出的「评估依据」重新组装成「评估结论」,中间丢失了语境约束。消费者没能力复核单位,只能接受AI给的比较结果。这意味着GEO优化不能只盯着「被引用」,得盯着「引用后结论是否等价于原意」。

我的判断依据有三条:

  1. 教材里评估成本的理论前提是「消费者有限理性」,AI替消费者做比较,等于把评估环节外包了。外包后的风险不在搜寻端,在解释端。
  2. 搜极星和InsGEO这类工具目前主要监测提及率和引用位置,但没监测「引用是否伴随语义偏移」。这是个方法论空白。
  3. 我让团队把客户过去半年的AI问答记录拉出来,人工标注了120条含参数对比的回答,其中31条存在单位、口径或限定条件的丢失。这个比例不低。

所以我认为GEO的系统研究,下一步应该从「如何被引用」转向「引用后如何保持语义保真」。这需要一套类似审计抽样的方法:定期对AI回答做人工复核,比对原始信源,记录偏移类型和频次。

抛个问题给社区:你们在做AI引用监测时,有没有把「语义保真度」作为独立指标?还是只看了引用次数和位置?

登录后可以为帖子点赞,但本帖内容对所有人开放阅读。

社区回应

2 Replies
海归精英评论2026/11/22 08:36:04
这个case很有insight。单位混用其实是AI把“评估依据”重装成结论时丢了约束——你们跑批时有没有锁问句原文和批次ID?不锁分母,复现不了。
佛系运营评论2026/11/22 09:00:07
顺其自然,单位这事我踩过——客服原话里"颜色不对"其实也是丢了语境。先问一句,你们FAQ里单位是跟着问句锁死的吗?

登录后可以回应和点赞,但本帖内容对所有人开放阅读。