像ChatGPT和Perplexity这样的AI搜索引擎如何决定推荐哪些品牌

TL;DR: AI搜索引擎通过合成四个信号层来推荐品牌:(1) 你自己域名上的结构化数据,(2) 来自评价平台、Reddit、媒体和百科类来源的第三方权威信号,(3) 在查询时从其网络索引进行的实时检索,以及 (4) 模型的基线训练知识。品牌通过在这四层上同时都很强来赢得推荐,没有任何单一信号占主导,但schema和评价情感是权重最重的两个。ChatGPT依赖训练数据,Perplexity依赖实时引用,Google AI Overview依赖其现有索引;针对Shopify品牌的操作手册是:部署完整的schema、建立第三方存在感,并在这三者上进行监测。Naridon为Shopify商店自动化schema和监测层。

如果你曾问过ChatGPT"最适合侧睡者的床垫是什么",你会注意到一件令人不安的事:AI会给你一个具体的品牌。有时两个。很少三个。每个品牌运营者接下来都会问同样的问题,它是如何决定的?又是什么决定了被点名的是不是我?

这篇文章就是那个机械式的答案。不是营销话术。不是含糊的"高质量内容取胜"。而是AI引擎用来挑选品牌的真实检索与排名流水线,逐层拆解,并附上每一层针对Shopify的操作手册。

1. 四个信号层

每个主流AI引擎。ChatGPT、Perplexity、Google AI Overview、Claude、Gemini、Bing Copilot,都是从四个堆叠的信号层构建出品牌推荐。各引擎的权重不同,但这些层是通用的。

1.1 第1层:你自己的结构化数据

你自己域名上的JSON-LD schema、语义化HTML和llms.txt。这是关于你是谁、你卖什么、你主张什么的基准真相记录。AI引擎将你的Organization schema、Product schema、FAQ schema和Article schema视为品牌自身主张的规范来源。

权重:中到高。结构化数据本身并不能让AI推荐你,但薄弱的结构化数据会让你被排除在大多数推荐之外,因为AI无法有把握地提取它需要引用的事实。

1.2 第2层:第三方权威

评价、媒体提及、Reddit帖子、对比博客文章、Wikipedia、Crunchbase、G2、Trustpilot、Yelp、Google Business Profile,以及特定品类的评价聚合平台。这是社会证明层,是你营销团队以外的人认为你可信的证据。

权重:对Perplexity和Google AI Overview而言高,对ChatGPT而言中到高。第三方存在感强的品牌,可以超越内部内容更好但外部足迹薄弱的品牌。

1.3 第3层:实时检索

AI的爬虫实时查询其索引时所找到的内容。ChatGPT使用它的浏览工具外加OAI-SearchBot。Perplexity使用PerplexityBot。Google AI Overview使用Google的主索引。检索层是AI引擎保持最新的方式,一个更新网站、发布新鲜内容并保持爬虫可访问的品牌会在这一层胜出。

权重:对Perplexity而言高(设计上偏重检索),对ChatGPT而言中等,对Google AI Overview而言非常高。

1.4 第4层:训练数据

在训练期间烘焙进模型本身的基线知识。在模型训练时于开放网络上被充分覆盖的品牌,起步就带有声誉优势。新品牌在这一层从零开始,直到下一个训练周期。

权重:对ChatGPT和Claude而言高(当浏览被禁用或缓慢时,它们会默认使用训练数据),对Perplexity而言较低(它几乎对每个查询都进行实时检索)。

2. 每个引擎如何为各层加权

2.1 ChatGPT

ChatGPT是混合型。它把训练数据当作基线声誉,然后在其上叠加浏览工具检索以获取当前数据(价格、库存、新品发布)。对于一个购物查询,ChatGPT通常会:

1. 回忆它从训练数据中了解到的该品类信息(品牌声誉、常见推荐)。
2. 启动它的浏览工具或Shopify产品API,以核实当前的库存和价格。
3. 交叉比对来自其训练语料库的评价情感。
4. 生成一条兼顾历史声誉与当前库存的推荐。

对Shopify的启示:ChatGPT奖励拥有既有第三方存在感的品牌。一家schema出色但没有Reddit帖子、没有评价聚合平台存在感、也没有媒体报道的全新Shopify商店,在训练数据赶上来之前,会在ChatGPT上举步维艰。

2.2 Perplexity

Perplexity是检索优先。对于每个购物查询,Perplexity都会执行一次实时网络搜索,吸收排名前10-20的来源,并合成一个引用密集的回答。品牌推荐来自在所检索来源中被最一致地点名的那些品牌。

对Shopify的启示:Perplexity是新品牌最快能赢的引擎。构建第三方覆盖(Reddit、评价聚合平台、对比博客)以及完整的站内schema,Perplexity会在4-6周内开始推荐你。训练数据的影响较小。

2.3 Google AI Overview

Google AI Overview位于Google主搜索索引之上。它使用与传统Google搜索相同的排名信号(域名权威、链接图谱、内容质量、schema有效性),外加一个AI合成层。自然排名良好的品牌抢占先机。

对Shopify的启示:你已经为SEO所做的一切依然重要。但schema和实体清晰度变得不可妥协,因为AI合成层会提取蓝色链接层从不要求的事实。

2.4 Claude

Claude的行为更接近ChatGPT,以训练数据为基线,在部分套餐上辅以浏览增强。Claude在点名品牌方面较为保守,通常先给出品类层面的指导,在被追问时才点名具体品牌。这意味着在Claude中,品牌提及是在对话后期赢得的,而不是在第一个提示上。

2.5 Gemini

Gemini利用Google的索引外加自身的训练。对于购物查询,它通常表现得像Google AI Overview,给出相似的品牌推荐。Gemini的产品专属界面(在Google Shopping内)更偏向检索驱动。

2.6 Bing Copilot

Bing Copilot使用Bing的索引外加OpenAI的模型。它有一个独立(且不断增长)的Shopping层,从Bing Merchant Center数据源读取,这意味着拥有Bing Merchant Center数据源的Shopify商店拥有一条大多数品牌忽视的直接检索通道。

3. 对于Shopify品牌,每一层实际包含什么

3.1 第1层(站内结构化数据)清单

• 包含name、url、logo、sameAs(社交资料、Crunchbase、适用时的Wikipedia)、contactPoint、foundingDate的Organization schema。
• 包含aggregateRating、review、brand(作为Brand对象)、gtin13/mpn、material、color、size、offers的Product schema。
• 产品页和集合页上的FAQ schema。
• 每个深层页面上的BreadcrumbList schema。
• 博客文章上包含datePublished和author的Article schema。
• 在域名根目录提供的llms.txt和llms-full.txt。
• 以规格取代泛泛文案的、事实密集的产品描述。

Shopify的实操路径:我们的如何为Shopify添加schema标记指南涵盖了具体实现。

3.2 第2层(第三方权威)清单

• 在至少两个平台上的评价(站内的Judge.me或Loox,外加Trustpilot或该品类主导的聚合平台)。
• 在相关subreddit中的Reddit存在感,不是垃圾信息,而是讨论你品牌的正当帖子。
• 媒体报道或品类博客提及(只要来源可被索引,即便小的也算数)。
• Wikipedia条目(如果你符合关注度要求)或Crunchbase资料(人人都符合)。
• 在Google Business Profile、Facebook、LinkedIn和你的网站上保持一致的NAP(名称、地址、电话)数据。
• 有互动的活跃社交资料,并在Organization schema中通过sameAs链接。

3.3 第3层(实时检索)清单

• robots.txt和meta标签允许GPTBot、OAI-SearchBot、PerplexityBot、ClaudeBot、GoogleBot、Bingbot、Applebot和CCBot。不要屏蔽AI爬虫。
• 快速的页面加载(<2.5s LCP),使爬虫不会超时。
• 更新的内容,至少每月的博客文章或产品内容更新。
• 根目录下的llms.txt文件,作为供AI爬虫使用的机器可读索引。
• 覆盖产品、集合、博客文章和页面的Sitemap.xml。

3.4 第4层(训练数据)。你能影响什么

你无法直接修改训练数据。但你可以通过在训练数据流水线所吸收的、高信号、被频繁爬取的来源上建立存在感,来影响进入下一个训练周期的内容:

• Wikipedia(如果具备关注度),是AI训练语料库单一信号最强的来源
• Reddit,经常被纳入训练数据
• 高权威的新闻和品类刊物
• GitHub、Stack Overflow(面向技术型品牌)
• Crunchbase(大量用于品牌实体抽取)
• 播客文字稿和YouTube文字稿(越来越多地被吸收)

关于训练数据存在感如何累积的时间线,请参阅我们的ChatGPT和Perplexity如何推荐产品解析。

4. 复利效应

这些层不是相加的,而是相乘的。在四层上都是7/10的品牌,通常胜过在某一层上10/10、其他层上3/10的品牌。

这正是单一战术方法失败的原因。没有第三方权威的纯schema优化,会在平庸的引用率上停滞。没有schema的大量公关会漏掉引用,因为AI引擎无法提取结构化的事实。在ChatGPT和Perplexity上胜出的Shopify品牌,会并行地在四层上同时推进。

5. 面向Shopify品牌的实操手册

5.1 第1-2个月:第1层和第3层

部署完整的schema、llms.txt和语义化的产品描述。确保爬虫未被屏蔽、sitemap干净、页面速度可接受。这是回报最快的一层,因为它完全在你的掌控之中,并且在爬取后的2-4周内累积见效。

5.2 第2-4个月:第2层

建立第三方存在感。在Trustpilot或该品类专属的评价平台上上线。积累20-50条经过验证的评价。争取在3-5篇品类博客对比中被提及。创建或认领你的Crunchbase资料。在品类subreddit中开始正当的Reddit存在(回答问题,不要发垃圾信息)。

5.3 第4-6个月:第4层

对训练数据的影响是最慢的。如果品牌符合条件,争取Wikipedia的关注度。瞄准播客出镜以及在内容很可能被吸收进训练语料库的网站上的客座文章。这一层会在后续的模型版本中带来回报(下一次ChatGPT刷新、下一次Claude刷新,等等)。

5.4 持续进行:监测

没有反馈闭环,这一切都行不通。每周追踪引用率、位置、情感和声量份额。设置方面请使用我们的监测AI摘要可见度指南。

6. 引擎不使用什么

值得明确说明。AI引擎不使用:

• 为AI摘要内的自然品牌提及直接付费(Bing在一个独立的层中有赞助结果;ChatGPT和Perplexity目前不对自然推荐进行变现)。
• 你页面上的关键词密度。
• meta keywords标签。
• 你向Google Search Console提交URL的顺序。
• 你博客上有多少AI生成的文章(往往会被主动惩罚)。

如果一份指南在叫你做这些事情中的任何一件,那它是在为错误的年代做优化。

7. 诚实的总结

AI引擎推荐的品牌,是在多个来源之间可验证、具体且一致的品牌。可验证意味着与现实相符的结构化数据。具体意味着AI能够提取的、事实密集的内容。一致意味着你的叙事在你的网站上、在Reddit上、在Trustpilot上、在Crunchbase上以及在媒体中都是相同的。

没有可以钻空子的秘密算法。有的是一个多层声誉模型,它奖励那些在一个理性的人跨来源阅读时显得可信的品牌,而这恰恰就是一个训练有素的AI。

---

在每个AI引擎上赢得推荐

手动在四层上全部推进是一个为期6个月的工程。从Shopify App Store免费安装Naridon,以自动化第1层(schema、llms.txt、产品内容)和第3层(爬虫访问、监测),外加在ChatGPT、Perplexity、Google AI Overview、Claude、Gemini和Bing Copilot上的每周可见度追踪。100件产品以下免费;付费套餐从$49/月起。