11月11日,Adobe 公布了一组监测数据。来自 AI 渠道的流量,每次访问带来的收入比非 AI 流量高83%。这个数字在电商圈传得很快,因为它给了一个理由,可以去找老板要预算。
83%说明的是意图强度。人在搜索框里敲三个字,和在AI助手里问一段完整的场景描述,带的信息量完全不同。后者已经把预算、场合、风格说清楚,进来的人离下单更近。变化的根源在入口形态,渠道本身没有变。
问题在于,这笔钱能不能被买到。传统投放的逻辑是花钱买曝光,曝光换来点击,点击换来成交。AI 入口的逻辑是模型先读一遍内容,再决定引用谁。品牌能不能被引用,取决于它有没有把商品信息写成机器能读的样子,和它投了多少钱关系不大。
把83%当成投放信号去抢AI入口,是眼下最常见的动作。这个判断错在一处,AI 入口目前没有可买的广告位,能被买到的部分只有品牌词防守。决定曝光的,是商品数据的完整度和内容的可引用性。
这件事在服装行业格外难。一件衣服的属性有几十项,成分、克重、版型、适用场景、洗护方式、尺码偏差,这些信息在多数品牌的系统里根本不齐。代理商问一句「一米七五、七十公斤穿哪个码」,AI 答不出来,就不会被引用。
判断可以分成几条。
第一条,把商品数据结构化当成渠道投资,不当成IT项目。字段不全的商品,在AI入口里等于不存在。
第二条,官网上那些「品牌故事」的页面,对AI没有用。有用的是能回答具体问题的页面,比如某个品类怎么选、某个场景穿什么、某个尺码怎么对。
第三条,单独建一条AI渠道的记账口径。现在多数公司把AI流量混在自然流量里,看不出它的客单价和退货率,也就没法判断该不该为它改内容。
第四条,别用投放的ROI考核这件事。内容能被引用,收益会落在搜索、落在比价、落在复购上,不在某一条渠道的当日成交里。用ROI考核,第一个季度就会被砍掉。
第五条,得有人负责。这件事横跨电商、品牌、IT三个部门,没有一个人对结果负责,就会变成三方都不管。
希纪在给服装企业做增长诊断时,见过一家做得比较早的公司。他们没有专门建团队,做了一件很笨的事,让电商部把销量前三百款的属性一条一条补全,补了三个月。补完之后,两个主流AI助手在回答「某类外套怎么选」时开始带上他们的款。这件事没有花投放预算,花的是三个月的人力。
这件事的门槛不在技术,在耐心。补字段是一件慢活,做三个月看不到收入,做半年才在AI答案里出现。多数公司的预算周期是一个季度,这类项目很难活过两个季度。要它活下来,得把它放进年度预算,并且交给一个不被季度考核的人。
反方观点要写。有人会说,AI 入口现在的成交占比还很小,不值得投入。这话在一种情况下成立,公司的客单价低、决策快、复购周期短,客户不会去问AI。中高客单、决策周期长的品类,逻辑相反,客户在买之前会反复比较,AI 正好在这个环节起作用。
FDE咨询在这件事上的作用很具体。把商品属性表、内容页、订单数据三样接起来,让「哪个属性缺失导致没被引用」变成一个能查的问题。一个驻场工程师六周能做出第一版,交付物是一张按品类排的属性完整率表,外加一份被引用情况清单。这件事外包做不了,因为要动内部三套系统。
有一条检验今天就能做。在三个主流AI助手里,分别用品牌名加品类词提问,看答案里有没有出现自己的品牌和具体款。三次里出现零次,说明商品数据在机器眼里是空的。出现两次以上,再谈怎么放大。
边界要说清。如果一家公司的主要生意在批发和团购,客户是机构,采购靠关系和资质,AI 入口的影响很小,这套动作可以往后放。做零售品牌的公司,没有这个缓冲。
AI不会点广告,它只读你有没有把话说清楚。
希纪 · 服装产业观察