做电商DTC AEO 最容易走错的一步，是把它当成"把商品页写好一点"。实际情况是：用户在 DeepSeek、豆包里问"洗衣凝珠怎么选"时，AI 不会去读你的天猫详情页——它读的是站外那些能被解析、能被交叉验证的事实性内容。而绝大多数电商品牌的内容资产，几乎全部压在平台店内。
这篇文章拆的就是这个错位：AI 帮用户选购时走哪几步、每一步引用谁、品牌内容该按什么比例分配到站内和站外、90 天怎么排、拿什么指标验收。
什么是电商DTC AEO？
电商DTC AEO 指品牌针对 AI 问答场景优化内容结构与事实供给，让 AI 在用户咨询品类选购时把自己纳入推荐候选。 它和电商 SEO 的分工是：SEO 争搜索结果页的位置，AEO 争被写进那段生成文字里的资格。
更直接的判据：SEO 优化的对象是页面，AEO 优化的对象是事实。 AI 不会因为详情页排版好就推荐你，它需要一条能复述、能归因、且在多个来源之间对得上的陈述。
三个词常被混用，先分清：
- AEO（Answer Engine Optimization）：目标是被 AI 答案引用或点名，验收看提及率与引用来源构成。
- 电商 SEO：目标是商品页/品类页在 Google、百度的自然排名，验收看排名与点击。
- 平台站内搜索优化：目标是天猫、抖音站内的搜索坑位，验收看店铺 GMV。三者互不替代，本文只讲第一件。
AI 帮用户选购时，实际走的是哪四步？
用户很少一上来就问"哪个牌子的洗衣凝珠好"。真实对话是一条链：先搞清品类，再确认怎么判断好坏，然后才要清单，最后才要链接。品牌在哪一层第一次出现，决定了它是"被推荐的选项"还是"被比较的对象"。
| 层级 | 用户实际在问 | AI 输出形态 | 品牌能否露出 | 该由什么内容承接 |
|---|---|---|---|---|
| L1 品类科普 | "洗衣凝珠和洗衣液有啥区别" | 定义 + 原理 + 适用场景 | 几乎不能 | 品类科普长文（不带品牌） |
| L2 选购标准 | "选洗衣凝珠要看什么指标" | 3–6 条判断维度 | 可以，但极少品牌做到 | 标准型指南、指标解释 |
| L3 候选清单 | "有哪些值得买的牌子" | 品牌名列表 + 一句话理由 | 主战场 | 评测、榜单、对比内容 |
| L4 具体链接 | "XX 在哪买、多少钱" | 渠道 + 价格区间 | 可以 | 官网商品页、结构化数据 |
L2 是被普遍忽略的层。 谁定义了"什么算好的洗衣凝珠"，谁就在 L3 的清单里天然占位——因为 AI 后续的候选筛选，用的就是它上一轮自己给出的标准。你的产品优势如果不在标准里，进清单就要靠运气。
多轮对话会放大这个效应。我们在实测中发现：同一条 prompt 链里，如果 L2 的标准由某品牌的内容提供，该品牌在紧接着的 L3 追问中被点名的概率是 46.7%，而未参与 L2 的同量级品牌只有 12.9%。AI 不会重新检索一套标准，它复用自己刚说过的话。
价格类问法是 L2 的特殊分支：用户用"性价比高的""XX 多少钱"入场时，AI 走的是价格带归档逻辑——先把品类切成 3–4 个价格档，再在每档里挑代表款。这意味着你的定价必须在某个档位里有清晰的锚点表述，否则会被归到相邻档去和更强的对手比。
实测：品牌名第一次出现在哪一层？
方法：MaxAEO 于 2026 年 4 月 1 日至 6 月 30 日，对 480 条电商购物类 prompt 做持续监测，覆盖家清、个护、小家电、母婴、宠物、服饰 6 个品类，在 DeepSeek、豆包、Kimi、通义千问、腾讯元宝、文心一言 6 个平台每周采集一轮，共 13 轮，指标取中位数。prompt 按四层决策链分组设计，每层 120 条。
结果集中在三个数上：
- 68.2% 的品牌名首次出现在 L3 候选清单层——等 AI 把标准定完了才被想起来。
- 仅 11.4% 的品牌能在 L2 选购标准层就被点名，且多为该品类头部 1–2 家。
- 20.4% 出现在 L4，属于用户已经指名道姓问了才出现，这类露出对新客获取几乎无贡献。
带引用来源的回答里，引用源分布更能说明问题：
| 引用来源类型 | 占比 | 说明 |
|---|---|---|
| 第三方评测/榜单/横评 | 41.3% | 独立站、垂媒、测评号 |
| 垂直行业媒体与协会内容 | 22.7% | 含标准解读、白皮书 |
| 知乎/小红书等 UGC 讨论 | 17.9% | 长文本问答型内容优先 |
| 品牌官网 / 独立站 | 12.4% | 见下方细分 |
| 电商平台商品页 | 5.7% | 极少，且多为品类词页而非单品页 |
电商平台商品页只占 5.7%。 这是全篇最关键的一个数——你在天猫、京东、抖音店铺里写的所有卖点、参数、买家秀，在 AI 的引用池里几乎不存在。
再拆那 12.4% 的官网引用，被引页面类型是：选购指南与科普内容 57.1%、产品参数与规格页 24.3%、FAQ/售后政策页 12.8%、品牌故事与"关于我们" 3.2%、其余 2.6%。品牌最爱写的"关于我们"，是被引用最少的一类页面。
这个结构和内容形态层面的规律一致——评测型、对比型、带数据的清单型内容在 AI 引用里占绝对多数，英文语料的统计口径见 The Content Formats AI Search Cites Most。
样本局限：偏中国大陆消费品类，海外平台与跨境场景未纳入；平台模型版本在采集期内有更新，单周波动可达 ±15%，因此取中位数而非均值；引用来源占比只统计"回答中显式给出来源"的样本，无来源回答未计入。模型大版本更新会整体重排推荐结果，处理方式见模型更新后的品牌可见性重估。
为什么电商品牌的内容"看着很多，实际为零"？
因为电商品牌的内容生产逻辑是为转化服务的，不是为被引用服务的。一个成熟 DTC 品牌可能有 200 个 SKU 详情页、上千条买家评价、几十条种草视频，但它们共同的特点是：
- 封闭：详情页多为长图，正文是图片里的文字，爬不到；平台页面还常带 robots 限制与登录墙。
- 主观：全是"柔顺不刺激""闻起来很高级"这类无法验证的描述。
- 无归属：没有作者、没有检测依据、没有时间戳，AI 无法判断这条说法归谁。
AI 需要的是相反的东西：可解析的文本、带数值的断言、能溯源的出处。所以会出现一个尴尬局面——品牌方觉得内容做得很满，但AI 品牌监测跑出来的AI 提及率是个位数。
我们对样本中 137 个只有平台旗舰店、没有内容型官网的品牌单独统计过：它们在 L2 选购标准层的出现率是 2.3%；而有站外内容矩阵（官网科普 + 第三方评测覆盖）的品牌是 19.6%，差 8.5 倍。
站内外内容分工矩阵：什么内容放哪里
分工原则是按引用概率排，不按生产成本排。下表按上一节实测数据反推：
| 内容资产 | 放在哪 | 承接层级 | 实测被引概率 | 建议更新频率 |
|---|---|---|---|---|
| 品类科普长文 | 官网 blog | L1→L2 | 高 | 季度 |
| 选购标准指南（带指标定义） | 官网 blog | L2 | 最高 | 半年 |
| 产品事实卡（参数/成分/检测） | 官网独立页 | L2→L3 | 中高 | 变更即改 |
| 横评与对比内容 | 第三方垂媒/测评号 | L3 | 高 | 按新品节奏 |
| 用户长文本口碑 | 知乎/小红书长贴 | L3 | 中 | 持续 |
| 商品详情页 | 电商平台店铺 | L4 | 极低 | 不为 AEO 改 |
| 售后与退换政策 | 官网 + 结构化数据 | L4 | 中 | 变更即改 |
三条落地规则：
- 不要为了 AEO 去改平台详情页。 投入产出比最差。详情页继续为转化服务，该怎么排怎么排。
- 官网必须有非商品页。 至少 6–10 篇选购标准型内容，每篇解决一个"怎么选"的具体问题，且必须有可引用的数值或标准条款。
- 第三方内容不等于软文投放。 AI 更倾向引用有对比结构、有测试方法、有负面项的内容。通篇夸的稿子引用率明显低于带"不适合谁"的稿子。
一篇"选购标准型"内容具体怎么写？
L2 内容是电商DTC AEO 的核心资产，但多数品牌写出来还是软文。可被引用的选购标准文有固定骨架：
- 开头 40–60 字给出可摘取的结论。 例："选洗衣凝珠主要看三项：活性物含量≥45%、酶系是否含蛋白酶+脂肪酶复配、包膜在 15℃ 冷水中能否 3 分钟内完全溶解。"
- 每个指标独立成小节，标题就是指标名。 让 AI 能定位到段落而不是整篇。
- 给阈值，不给形容词。 "含量高"不可引用，"≥45%"可引用。
- 写测试方法或依据来源。 数值后面跟"依据 GB/T XXXX 检测"或"实测方法：XX 条件下称重"。
- 写清适用边界与"不适合谁"。 这一条既提高可信度，也是第三方评测被引用率高的主因。
- 不出现自家品牌名，或只在末尾一处出现。 L2 内容一带货就掉进 L3 的评测审查标准里，反而更难被采信。
判断标准很简单：把任意一个小节单独抽出来，它能不能作为一句完整、可归因、带数值的回答存在？ 能，就有被摘取的资格。
商品页要补哪些结构化数据，AI 才敢引用？
结构化数据不能直接提升AI 搜索排名，但它决定 AI 能不能准确复述你的事实。电商品牌的最低配置是 Product + Offer 两组。
按 Google Search Central 的 Product 结构化数据文档，商品页应至少标注 name、brand、description、image、sku、offers（含 price、priceCurrency、availability）；促销场景补 priceValidUntil，该值过期后富结果可能停止展示。想同时打通商品数据流的，参考 Google Merchant Center 的结构化数据配置说明。评论聚合分请用 aggregateRating，但必须是页面上真实可见的评价，否则违反 Google 的结构化数据质量准则。
实操上还有三件事结构化数据管不了，但比 schema 更影响引用：
- 参数写成句子，不要只写表格。 "净含量 480g，含 24 颗，单颗 20g"比一张规格表更容易被引用，因为它是自包含的一句话。
- 给每个断言配依据。 "去渍率 92%"后面跟检测方法和标准编号，比裸数字的引用留存率高得多。
- 价格区间比精确价好。 AI 缓存有延迟，写死的促销价被复述出来会引发客诉，写"日常价 89–109 元区间"更安全。
另外确认爬虫能进来：robots.txt 不要拦 GPTBot、PerplexityBot、Bytespider 等 AI 抓取 UA，商品事实页不要做纯前端渲染。Google 侧的 grounding 选源逻辑见 Getting Cited by Google Gemini。
一手案例：家清品牌 60 天，AI 提及率从 4.1% 到 17.8%
跟进的一个国产洗衣凝珠 DTC 品牌，年 GMV 约 8000 万，原有内容 95% 在天猫与抖音店内，官网只有一个单页。
改造前基线（2026 年 3 月，6 平台加权）：AI 提及率 4.1%，L2 选购标准层出现率 0%，"洗衣凝珠怎么选"类 prompt 候选清单进入率 8%。
60 天动作清单：
- 官网上线 3 篇选购标准型长文，分别定义活性物含量、酶系配比、包膜溶解温度三个指标，每篇给出测试方法；
- 12 个主力 SKU 各出一张"产品事实卡"独立页，参数句子化 + 补齐 Product schema；
- 官网 FAQ 补 18 条，覆盖成分安全、适用水温、儿童衣物可否使用；
- 与 4 家家清垂媒/测评账号做横评合作，要求必须包含"不适合谁"的段落；
- 每周用 AI 搜索竞品分析跑一次同品类前 5 名的引用源，反查自己缺哪类信源。
60 天后（2026 年 5 月底复测，同一组 prompt）：AI 提及率 17.8%，L2 出现率 6.2%，候选清单进入率 34%。其中豆包与通义千问提升最明显（分别 +16.4pt、+15.1pt），DeepSeek 提升最慢（+7.3pt），推测与其信源更新周期较长有关。
必须说清的三点：单品牌样本，不构成普适结论；同期该品牌有一波投放，站外讨论量自然上升，无法完全剥离归因；60 天内 L1 品类科普层的露出没有任何变化——那一层本来就不该指望品牌名出现。单品牌想更干净地做因果归因，可以留一组不做动作的对照品类，方法见 Holdout Testing for AEO。
不同品类的提升节奏差异很大，决策链长、信源权重高的品类会慢得多，分型逻辑见不同行业的 AI 推荐逻辑差异。
90 天排期：先做什么、后做什么
按边际收益排序，不按团队舒适度排序：
| 阶段 | 时间 | 动作 | 验收指标 |
|---|---|---|---|
| 第 1 阶段 | 第 1–2 周 | 建监测基线：按四层设计 prompt，跨 ≥5 平台采一轮；跑竞品引用源清单 | 拿到四层各自的出现率基线 |
| 第 2 阶段 | 第 3–6 周 | 官网上线 3–6 篇 L2 选购标准文；主力 SKU 事实卡页 + Product schema | 页面被收录，可被引段落齐备 |
| 第 3 阶段 | 第 5–10 周 | 谈 3–5 家第三方横评，强制含对比结构与"不适合谁" | 站外可引用内容 ≥3 篇 |
| 第 4 阶段 | 第 8–12 周 | 复测同组 prompt，对比基线；补缺失信源类型 | L2 出现率、清单进入率变化 |
第 2、3 阶段可以并行，不要串行等。想要一份更细的起步动作表，参考 The 30-Day AEO Starter Plan。
怎么衡量效果？四个必测指标
不要只看"有没有被提到"。可用的验收指标是四个：
- AI 提及率：同一组 prompt 中出现品牌名的回答占比。跨平台分开算，别加权成一个数。
- 首现层级分布：品牌名首次出现在 L1/L2/L3/L4 的比例。这是最能反映内容结构问题的指标。
- 候选清单进入率：L3 类问法中被列入清单的比例。直接关联新客获取。
- 引用来源构成：AI 引用了哪些域名。缺哪类信源，下一季度就补哪类。
采集要求：每个指标至少跨 5 个平台、连续 4 周以上取中位数。 单平台单次结果噪声极大，我们实测同一 prompt 在同一平台一周内的答案差异就能到 ±15%。
电商DTC AEO 自查清单：12 个问题
按顺序过一遍，答"否"的就是缺口：
- 官网有没有至少 6 篇不带销售话术的品类科普/选购指南？
- 这些文章里有没有可被单独摘取的数值或标准？
- 主力 SKU 有没有独立于电商平台的官网事实页？
- 商品页 Product schema 是否包含
brand、sku、offers三项？ priceValidUntil是不是还没过期？- 产品参数是否写成了完整句子，而非仅表格或长图？
- 关键断言（功效、含量、检测结果）有没有配依据来源？
robots.txt是否放行了主流 AI 抓取 UA？- 站外是否有至少 3 篇带对比结构的第三方评测？
- 这些评测里有没有"不适合谁"的负面段落？
- 你在 L2 选购标准层的出现率是否被测量过？
- 有没有固定周期复测（模型更新会重排结果）？
答"否"超过 6 项的，先做 1、3、9 三项，这三项对AI 可见度的边际提升最大。
哪些电商品类要额外小心？
母婴、保健食品、医疗器械、功效性护肤这几类命中 YMYL 范畴，AI 的信源门槛显著抬高，且对未经证实的功效表述极度保守——写法不对不仅进不去候选，还可能被 AI 主动加免责提示。这类品牌的边界和资质信号写法，参考医疗健康品牌的 YMYL 红线与合规边界。
有线下门店或体验店的品牌还多一条链路：AI 的"附近推荐"走的是另一套地图与点评信号，和站外内容矩阵并不共用，配合方式见连锁门店和本地服务怎么进 AI 的"附近推荐"。
普通消费品也有一条线：不要试图让 AI 复述任何你无法举证的比较级表述。"第一""最好""销量领先"这类词在AI 舆情监控中经常被反向引用成负面案例，且在中国大陆还涉及《广告法》对绝对化用语的限制。
常见问题
问：只做电商平台内的优化，能不能提升 AI 提及率？
基本不能。实测数据里电商平台商品页只占 AI 引用来源的 5.7%，且集中在品类词页而非单品页。平台店铺的价值在 L4 转化承接，不在被引用。
问：电商DTC AEO 见效需要多久？
参考案例是 60 天见到明显变化，但那是从接近零基础起步、且同期有站外动作配合的情况。一般规律：官网内容上线到被稳定引用需要 3–8 周，第三方内容更快但更依赖发布平台的收录速度。品类越重决策，周期越长。
问：需要为每个 SKU 都做一遍吗？
不需要。优先做贡献 70% GMV 的主力 SKU 和品类代表款。长尾 SKU 靠品类页和系列页覆盖即可，单独建页反而稀释信号。
问：预算有限，第一笔钱该花在哪？
按实测边际收益排：先做 3 篇 L2 选购标准文（成本最低、被引概率最高），再做主力 SKU 事实卡页，最后才是第三方横评投放。反过来做——先砸投放——是最常见的浪费。
问：AEO 优化会不会影响现有的 SEO 排名？
不会冲突，方向一致。选购标准型内容本身就是高价值 SEO 资产，结构化数据也是 Google 富结果的基础。差别在验收指标：SEO 看排名和点击，AEO 看提及率、候选清单进入率和引用来源构成。关于两者是否可以只选一个，参见 Does SEO Still Matter When AI Answers First?。
问：跨境 DTC 品牌能照搬这套吗？
框架能照搬，数据不能。本文实测样本是国产 AI 平台，海外场景主战场是 ChatGPT、Perplexity 与 Google AI Overviews，引用源结构中英文评测站与 Reddit 权重更高，需要另建监测组。
问：怎么知道自己现在在 AI 里被怎么描述？
按四层决策链分别设计 prompt 去测，不能只问"XX 品牌怎么样"。至少覆盖 L2 的标准型问法和 L3 的清单型问法，并跨 5 个以上平台采集——单平台单次的结果噪声非常大。