AI购物，正在撕碎品牌溢价

当消费者不再搜索、不再比价，而是直接问AI“我该买哪个”，品牌花十几年在货架上抢来的位置和搭好的价格阶梯，正在被一个黑箱重新洗牌。

Jellyfish近期发布的基于Share of Model工具的研究给出了一个让不少品牌方坐不住的结论：AI购物正在重塑竞争格局——不同的AI助手，针对同一个购买需求，会展示出差异巨大的品牌与商品组合；传统的价格分层被击穿；老牌企业的既有优势正在受到挑战。

一句话判断：这不是又一次流量迁移，而是购物入口本身在换层数。从搜索引擎换到推荐货架用了十年，从货架换到“问AI”，可能只要两三年。

🤖 同一个问题，四个AI给出四份答案

过去所有人看到的搜索结果一样，现在每个人问到的“答案”都不一样。

先看一个已经每天在发生的场景：一位消费者想买一台500美元以内、适合通勤的降噪耳机。放在三年前，她会打开亚马逊搜索框，输入关键词，看到的是一套所有人几乎相同的搜索结果页——广告位在顶部，销量靠前和评分高的在中间。品牌方要做的，是把CPC出价拉高、把Listing优化好、把评论攒厚。

现在她的动作变了：她打开一个AI助手，直接问“帮我推荐一款500美元以内适合通勤的降噪耳机”。AI给出一份两三个品牌的短名单，甚至直接给出购买建议。她可能在十分钟内完成决策，全程没有打开过比价页面。

Jellyfish用Share of Model工具做了一件事：把同一批购物问题分别抛给不同的AI系统，统计它们各自展示了哪些品牌和商品。这批测试覆盖了ChatGPT、Gemini、Claude、Perplexity等主流模型，横跨耳机、护肤、小家电等数十个消费品类，累计数万条回答。结论是——dramatically different，差异巨大。同一个需求，A助手推的是老牌旗舰，B助手推的是新兴品牌，C助手干脆给出完全不同的品类替代方案。这不是随机波动，而是各家模型在训练语料、检索策略、对齐偏好上的系统性差异。

几个可以直接去验证的发现：

• 头部分配极度不均：在耳机类目的测试中，Sony、Bose、Apple少数几个品牌拿走了大部分被提及份额——Sony在ChatGPT的耳机推荐回答中，被提及率约为三成上下；而大量真实在售的耳机品牌，被提及率不足1%，等于在“模型层”完全隐身；
• 模型之间差距悬殊：同一个“最佳降噪耳机”问题，ChatGPT、Gemini、Perplexity给出的品牌重合度并不高，头部品牌的名次和份额在各家模型间明显漂移，说明“占住一个模型”不等于“占住所有模型”；
• 语料决定生死：那些被反复提及的品牌，几乎都能在第三方测评、Reddit讨论、结构化参数页里找到密集、一致的内容足迹——这正是长尾品牌最缺的东西。

（注：以上数据为Jellyfish通过Share of Model工具公开发布的测试结果的近似值，具体百分比随测试批次、提问措辞和模型版本波动，建议以Jellyfish官网披露的原始报告为准。）

这意味着一件颠覆性的事：品牌在“模型层”的份额，在消费者提问之前就已经分配完了。

（注：上图为逻辑链路示意，仅用于表达推荐决策的流转过程，非任何模型的实际架构。）

看清楚这条链路了吗？传统电商 funnel 里最值钱的“搜索结果页排序权”，被压缩成了链路中间一个不透明环节。你说不清它为什么推荐A不推荐B——因为你从来没有为这次推荐出过一分钱广告费，它也不是按转化率实时排序的。

业界私下流传的说法是，已经有头部品牌把“我们在主流AI助手里被提及的次数”列成了周会必看的指标，和当年的搜索份额报表摆在一起。而Jellyfish推出Share of Model工具本身，就是这门生意开始标准化的信号。

📉 价格锚点，是怎么被AI打穿的

货架经济的前提是“分层”，AI经济的前提是“匹配”——分层一破，溢价就漏。

过去一百年的消费品定价，本质上是在搭一套价格阶梯：旗舰款守高端认知，主力款走量，性价比款拦截价格敏感人群。这套阶梯能成立，靠的是货架陈列的物理秩序——消费者在商场里从一楼走到二楼，在线上从30美元价位滑到300美元价位，价格锚点是连续的、可比较的。

Jellyfish的研究点出了一个关键变化：AI购物正在击穿传统价格分层（collapse traditional price tiers）。在其测试中可以观察到一个反复出现的模式：当用户提出需求导向型问题（如“续航好、便携、预算灵活”），AI给出的推荐列表里，199美元量级的白牌产品与349美元量级的知名品牌会并排出现——而且AI给出的推荐理由，会让两条产品看起来是“同一层级的不同选择”。价格带的心理隔离，被一份扁平的推荐列表抹掉了。

对白牌卖家，这是泼天的机会：199美元的产品第一次可以和349美元的产品同台竞技，而且不需要付入场费。对品牌方，这是温水煮青蛙：你的溢价没有被谁明着挑战，它只是在AI给出的“理由清单”里，变得越来越可有可无。

一位做了十年亚马逊的卖家私下说得更直白：“以前我抢的是坑位，现在我发现坑位本身在消失。”

🏷️ 老品牌的护城河，正在渗水

AI不认广告费，只认全网对你说过什么。

消费品牌的既有优势是怎么建立的？三件套：大规模广告投放建立心智、渠道与货架位置形成触达垄断、复购和忠诚度摊薄获客成本。这套打法在过去二十年是行业的公理，亚马逊站内的A/B测试都证明过品牌词流量转化率碾压通用词。

但Jellyfish的研究明确指出，AI购物正在挑战既有品牌的优势（challenging established brand advantages）。为什么？回到上一节那条链路：AI推荐取决于模型内部对品牌的知识结构，而这个知识结构由训练语料和检索结果塑造——测评文章、社区讨论、参数页、用户评价、第三方对比。

Jellyfish的测试里有一个耐人寻味的细节：一些在各家AI助手里被稳定推荐的品牌，其广告投放量级远小于同品类的头部玩家——它们的共同点是评测覆盖密、社区讨论活跃、参数信息在全网高度一致。这里面藏着一个对老品牌不利的结构性偏移：

• 大品牌优势建立在付费触达上，而AI几乎忽略广告位；
• 新锐品牌过去打不过大品牌的广告预算，但它们在测评社区、内容平台上的自然语料密度往往更高；
• AI对“参数一致性”和“多方好评”敏感，恰好是口碑驱动型品牌的强项。

换句话说，AI把品牌竞争的计分板从“谁花钱多”换成了“谁被说得对、说得多”。计分规则一换，排位自然重排。

（注：上图明确为示意性图表，权重数值是基于产业逻辑的假想拆解，非Jellyfish原始数据，也没有任何模型公开过推荐权重分布。请勿引用具体百分比，仅参考方向性结论：广告位权重趋零，语料与口碑占主导。）

这不是说老品牌必死。恰恰相反，老品牌几十年积累的、真实存在的好评语料，是AI高度信任的资产——Jellyfish的测试同样显示，在口碑语料厚重的成熟品类里，老品牌依然稳居各AI助手推荐名单前列。渗水的是那道靠位置和预算垒起来的堤坝，不是品牌本身。

🔧 Share of Model：从买流量到“占模型”

每换一次入口，营销行业就发明一个新KPI。

回看入口更替的历史：门户网站时代看展示量，搜索时代看Google和亚马逊的搜索份额，社媒时代看Share of Voice。每一次入口更替，都会催生一个测量“我占了多少”的指标，以及一整批围绕它做优化生意的服务商。

AI购物这个新入口，正在长出自己的指标。Jellyfish的Share of Model，本质上就是在回答一个问题：在AI模型的“心智”里，你的品牌占多少份额？ 这个概念和当年“品牌份额（Share of Market）→搜索份额（Share of Search）”的演进一脉相承，只是测量对象从搜索引擎结果页变成了大模型的输出。

AI购物入口本身，也在过去两年快速铺开：

（注：以上时间线为公开可查的产品发布节点，非示意，具体日期以各公司官方公告为准。）

当四个以上的超级入口都具备了“直接给购买建议”的能力，“占模型”就不再是前瞻概念，而是预算科目。

对跨境卖家，这件事要翻译成现金流语言才能看懂：

• 存量科目：站内广告（CPC）、Listing优化、评论管理——短期不能停，入口仍有巨大存量流量；
• 新增科目：站外内容建设、第三方测评覆盖、结构化产品数据、社区口碑运营——这些过去被归为“品牌市场费”的开支，现在直接决定你能不能被AI说出口；
• 被重新定价的科目：纯买量打法。当决策发生在AI对话框里完成，通用关键词CPC的转化漏斗会持续漏底。

💰 跨境卖家的账本，为什么要现在重算

入口更替期最贵的，不是新流量，而是旧预算的反应速度。

把视角拉回跨境电商行业本身。中国卖家过去五年的打法收敛成一句话：用供应链成本优势+极致的站内运营效率，在货架电商里抢确定性的坑位。TEMU的全托管、SHEIN的小单快反，本质上都是把“货”的效率推到极限，让平台去解决“流量”的问题。

AI购物对这套打法的冲击点，恰恰在“货”和“流量”的接口上。当推荐由模型做出，白牌产品的语料稀缺就成了硬伤——你可以把价格打到极限，但如果全网没有足够的第三方内容支撑AI“理解”你，你可能连进推荐名单的资格都没有。反过来说，那些认真做产品、留好评、被测评博主反复提及的卖家，第一次拥有了不用买流量的触达通道。

有从业者私下判断，未来两年跨境运营团队的组织结构都会因此调整：站内运营仍是基本盘，但“AI可见度运营”会从一个兼职动作变成独立职能，考核指标不是ROI，而是在主流AI助手里被推荐进短名单的比率。

对现金流视角的操盘手，我给三个可执行判断：

1. 别急着砍站内预算，但要设止损线：AI入口的分流是渐进的，站内仍是现金流主力，按季度复盘转化漏斗，漏得比行业快就提前收缩；

2. 把站外内容当作“预付的流量费”：一条高质量第三方测评的回报周期不是三个月，而是它未来两三年里持续进入AI检索池的时间——用资产思维而不是投放思维去核算；

3. 盯紧每个AI入口的购物功能动态：入口方需要商业化，早晚会推出面向商家的接入与优化工具，谁先进场，谁就享受早期的低竞争红利——就像2015年进亚马逊的人。

小结：牌桌重开，先看清筹码

Jellyfish的这份研究，价值不在于给出了某个具体结论，而在于把一件正在发生但被流量报表掩盖的事实摆上了台面：购物决策的裁决权，正在从搜索结果页移交到大模型，而移交过程中，价格分层松动、老品牌优势稀释、不同AI给出不同世界。

把全文的判断压缩成三句话：

1. 份额已经预分配：消费者提问之前，AI推荐名单里“有谁”就已基本注定，决定因素是全网语料的密度和一致性，而不是广告预算；

2. 分层正在失效：扁平化的推荐列表抹掉了价格带的心理隔离，匹配度取代卡位成为新的定价逻辑；

3. 测量工具已经出现：Share of Model之于AI购物，就像Share of Search之于搜索时代——指标落地之日，就是预算科目重排之时。

留给从业者的行动清单，按优先级排：

• 本月就做：用Share of Model或自建测试，摸清自家品牌在四五个主流AI助手中的被提及率和排位，建立基线数据；
• 本季度就做：审计全网语料——第三方测评覆盖、社区讨论、参数页一致性，找出AI“看不见你”的具体缺口；
• 今年之内：把“AI可见度”从品牌部门的兼职动作升格为独立预算科目，与站内CPC并列考核。

也要说一句克制的话：这份研究的样本来自特定批次的提问和特定版本的模型，AI推荐的格局本身还在快速漂移——今天的数据是基线，不是定局。但方向已经足够清楚。

每一次入口更替，都会重新发一次牌。上一次发牌时犹豫的人，用十年时间在别人的货架上看别人的生意。这一次的牌桌上，还没有坐满——而发牌的速度，比上一次快得多。