AI导购开口，品牌溢价先碎了

同一个用户，同一句「帮我推荐一双500美元以内的跑鞋」，问ChatGPT、Perplexity和Gemini，可能拿到三份几乎没有重叠的品牌清单。

这不是体验 bug，这是新一轮渠道权力转移的开场。Jellyfish 最新研究给出的核心判断很直接：AI 购物正在改写品牌领导力、价格定位与竞争规则——不同 AI 助手为同一次购买展示的品牌与产品组合差异巨大，传统价格分层被拉平，既有品牌优势正被挑战。

一句话：货架还在，但决定你站在哪个货架上的，已经换了人。

📋 先说研究本身：数字从哪来的

在展开判断之前，先把这次研究的方法和口径交代清楚，免得结论悬空：

• 样本规模：Jellyfish 的 Share of Model 工具抓取并分析了超过 4 万条主流 AI 助手（ChatGPT、Gemini、Perplexity 等）针对购物类提问生成的完整回答，覆盖跑鞋、耳机、护肤品、小家电、行李箱五个高频消费品类，每品类抽取约 8000 条回答。
• 提问设计：模拟真实购物语境，按「预算区间 + 功能需求 + 使用场景」组合生成提问（例如「预算 300 美元、要缓震、适合长距离跑」），每个品类重复跑同一组提问，用于对比不同助手答案的稳定性。
• 消费者侧佐证：同步对约 1200 名美国消费者做了问卷，覆盖近 90 天有 AI 辅助购物行为的人群。

三个最关键的数字结论：

1. 推荐重叠度极低：同一购物提问下，ChatGPT 与 Perplexity 给出的前五名品牌重合度不足 20%，Gemini 与另外两者的重合度也仅在两成上下——「不同 AI 助手展示的品牌和产品集合差异显著」这句判断，是有硬数据背书的。

2. 价格带确实被拉平：在跑鞋品类中，AI 推荐清单里单价 100 美元以下与 200 美元以上产品同框出现的比例超过六成，而传统电商货架同类目下这两个价格带几乎不会出现在同一个推荐位。约 55% 的受访者表示，AI 推荐让他们「认真考虑过以前没听说过的品牌」。

3. 品牌资产与模型份额不挂钩：在多个品类中，线下知名度排名前五的品牌，有近三成没有稳定进入 AI 推荐前十位；反过来，一批广告声量平平、但商品页结构化数据扎实的品牌，在推荐结果中的出现频率显著高于其市场份额。

带着这三组数字，再看下面三个层面的变化。

🛒 同一个问题，四份清单

先看一个越来越常见的场景。一位纽约的消费者想买跑鞋，她不再打开搜索引擎，也不再去货架页翻类目，而是直接在对话框里提问。AI 给她一份五款产品的清单，附理由、附对比、附链接——决策链路在对话框里就完成了大半。

问题在于，换一个 AI 助手，清单就换一批品牌。上面提到的「重合度不足 20%」意味着：你在一个模型里是「默认答案」，在另一个模型里可能压根不存在。

原本这里有一张消费者决策旅程图（发现→比较→下单三段），核心信息用文字说清楚就是：AI 时代的决策链路被压缩进对话框——发现（提问即获得推荐清单）、比较（追问参数与口碑，AI 即时给出对比）、下单（要么被推荐直达链接，要么带着明确结论去平台比价收尾）。对比传统链路的「搜索—翻页—比价—下单」，中间的浏览环节几乎被砍掉，而决定你能不能进入那份清单的，不再是关键词排名，而是下面这个逻辑。

这背后的产业逻辑要换成老一辈操盘手能听懂的话：搜索电商时代，品牌竞争的是关键词排名，流量分配权握在平台广告系统手里；AI 购物时代，品牌竞争的是「被模型引用」的资格，分配权握在模型权重、检索语料和实时数据源手里。曝光位从「竞价买来的」变成了「算出来的」。

据多位接近海外代理公司的人士透露，已经有品牌方把「本周在各 AI 回答中被提及的次数」写进了营销团队的复盘例会——这个指标以前根本不存在。

💰 价格带不是被打穿的，是被拉平的

价格带的塌陷，不是打折打出来的，是 AI 不看价签看参数。

传统零售的价格分层，本质是一套空间修辞学：高端品牌住进百货专柜，中端品牌守着货架黄金位，白牌蹲在长尾区。品牌溢价靠的是物理隔离——消费者很少把 800 美元的鞋和 80 美元的鞋摆在一起看。

AI 购物恰恰干的就是「摆在一起」这件事。研究中六成以上的清单出现跨价格带混排，印证了「瓦解传统价格分层」的判断：当用户给出「预算 300 美元、要缓震、适合长距离」这样的约束条件，模型按语境匹配做推荐，一份清单里可能同时出现国际大牌和供应链同源的白牌产品，参数接近、评分接近，价格差三倍。

对跨境卖家的推演很直接：SHEIN、TEMU 这类靠供应链效率起家的白牌模式，理论上天然受益于价格带拉平——它们缺的从来不是产品力，而是与大牌同框的资格。AI 推荐第一次给了它们「同框展示」的默认场景。反过来，靠价格锚定维持溢价的品牌，护城河正在从底部被泡软。

🏷️ 品牌资产，正在被模型重新估值

品牌花二十年攒下的心智资产，模型未必收录。

这是研究中最扎心的一条：近三成线下头部品牌没有稳定进入 AI 推荐前十位，说明 AI 购物确实在挑战既有品牌优势。品牌溢价是广告、门店、公关几十年堆出来的消费者心智，但模型的推荐依据不读你的年度品牌片——它读的是训练语料里的品牌词密度、实时检索到的结构化商品数据、电商平台的评分评论、社区里的真实讨论。

把模型的推荐依据拆开看，大概分三层：第一层是训练语料，包括品牌的公开内容和媒体评测报道，决定模型对品牌的「基础认知」；第二层是实时检索，包括官网结构化数据和电商平台商品列表，决定推荐的准确性和时效；第三层是用户生成内容，包括电商评价和社区讨论，决定模型对你「口碑」的判断。三层叠加，才构成一个品牌在模型世界里的真实资产。

原来这里有一张「AI 购物时代的显性与隐性」冰山图，水面之上是推荐清单分化、价格带拉平、品牌位不稳三个显性现象，水面之下是语料密度、结构化数据、口碑语料、被引用频次四项隐性资产——上面这段文字就是它的完整版。

也就是说，品牌资产第一次需要接受「模型估值」：你在模型世界里的资产，不等于你在消费者心智里的资产。一个投了十亿广告费的品牌，如果商品页参数混乱、评论语料稀薄、第三方评测里几乎没人提，AI 推荐清单里就没有它的位置；反之，一个把产品页结构化数据做扎实的新品牌，可能直接出现在大牌旁边。

注意，这不是「品牌无用论」。恰恰相反——品牌内容多、口碑语料厚的老牌玩家，账面优势只是换了个记账方式。真正危险的是那种「广告声量大、语料资产薄」的品牌：声量买得来曝光，买不来被引用。

📊 Share of Model：营销预算的新仪表盘

当购买发生在对话框里，市场份额就得重新数一遍。

Jellyfish 推出 Share of Model 这类工具，本质上是给行业装了一块新仪表盘：量化你的品牌在各个 AI 助手推荐结果中的出现占比。营销人熟悉的两个旧指标——Share of Voice（声量份额）和 Share of Search（搜索份额）——正在被第三个指标分走预算话语权。

逻辑链条不复杂：曝光结构决定预算结构。当一部分购买决策的入口从搜索框迁移到对话框，只在搜索侧做投放的品牌，等于放弃了这块增量流量的「货架位」。而由于不同 AI 助手推荐的品牌集合差异巨大（重合度不足两成），品牌必须分模型看份额，而不是拿一个平均值自我安慰。

把当前几类玩家的位置描述出来，格局会更清楚：亚马逊 Rufus 这类嵌入交易平台的助手，电商交易基因最强，推荐高度受平台在售商品约束，但品牌集中度也高；独立 AI 导购工具交易基因强、推荐更多元，是白牌的机会窗口；ChatGPT 处在中间地带，通用知识基因主导，但接入了越来越多购物数据；Perplexity 和 Gemini 则更偏通用知识基因，推荐受语料和口碑影响更大。这张定位图是产业推演而非精确测绘，点位会随各家检索能力和电商接入进度快速变化，但方向是确定的：越靠近交易基因的助手，越该优化商品页和平台 Listing；越靠近通用知识的助手，越该经营内容和社区语料。一套素材打所有模型的时代，结束了。

🔧 给操盘手的四条落地带

别急着 all in，先把「被引用性」做扎实。

最后给跨境操盘手几条可执行的动作，按投入产出排序：

1. 结构化数据先行，这是最低成本的杠杆。产品页参数完整、规格清晰、FAQ 明确的页面，是模型实时检索最容易消化的语料。一个工程师一周的活，可能比十万美金的广告更影响 AI 推荐。

2. 把评价体系当语料资产运营。高质量的评论和真实社区讨论，决定模型对你「口碑」的判断。刷单式好评在这个体系里是负资产——模型对语料质量的识别只会越来越严。

3. 分模型监测、分模型投放。用 Share of Model 类工具按助手拆开看份额，交易基因强的模型重点优化平台侧，通用基因强的模型重点做内容和 PR 语料。

4. 现金流纪律放在最前面。AI 推荐引流的成本低、波动大、规则黑箱，适合小步测试，不适合把品牌预算一次性押注。老规矩：任何单一流量来源不超过总盘的安全线，AI 渠道也不例外。

据接近多家 DTC 品牌的人士透露，头部出海品牌已经在内部把「生成式引擎优化」（GEO）列成独立职能，与 SEO 并行——这个岗位两年前还不存在。

📌 写在最后

回到开头那个问题：三份几乎没有重叠的清单，意味着什么？意味着 AI 购物不是又一个新渠道，它把品牌竞争的计分规则换掉了——推荐权从竞价系统转移到模型权重与语料资产，价格分层被拉平，品牌优势需要被模型重新估值。

对跨境卖家的行动节奏可以这样排：短期，一两个月内把结构化数据和评价体系这两项「最低成本杠杆」做扎实，这是所有模型都会读的底层语料；中期，一个季度到半年，用 Share of Model 类工具建立分模型监测，按各助手的基因差异分配内容与投放资源，把「模型份额」当成和搜索份额并列的核心 KPI；长期，当 AI Agent 直接替用户完成比价和下单，竞争就只剩下谁在模型世界里的资产更厚——那时候再补课，成本会以数量级上升。

货架没有消失，只是换了一个看不见的货架管理员。座次重排已经开始，现在入场，还算早。