AI搜索决策路径指用户在一次 AI 会话里，从「这类东西怎么选」逐步追问到「这家靠谱吗」「怎么买」的完整提问链条。 它不是一次问答，而是平均 3 到 4 轮的连续对话，每一轮 AI 调用的信源类型都不一样。品牌把所有内容都堆在品类词上，最多只能赢下第一轮。
中国日报网 2025 年 12 月援引的一项调研显示，70% 的受访者会优先选择 AI 搜索结果而不是传统蓝链。但真正决定成交的不是用户是否用 AI，而是他追问到第三、第四轮时，AI 手里有没有你的材料。
这篇文章回答五个问题： 四轮分别是什么、每轮 AI 调用哪类信源、每轮该备什么内容、承接率怎么算、断了怎么补。全部结论来自我们自己跑的 217 组会话，方法和样本口径在第二节公开。
AI搜索决策路径是什么：四个轮次的标准结构
AI搜索决策路径由四个功能不同的轮次组成：第一轮建立品类认知，第二轮形成候选名单，第三轮做信任验证，第四轮解决购买执行。用户不一定四轮都问完，但只要涉及有决策成本的品类，他很少在第一轮就停下。
这四轮的差别不在语气，在于 AI 为了回答它们，会去调用完全不同的信源。第一轮它需要中立的解释性内容，第四轮它需要你官网上那句具体的价格政策。同一篇文章不可能同时是这两样东西。
和传统 SEO 关键词分层有什么区别
传统关键词分层（信息词、商业词、交易词）大致对应这个结构，但有三个实操层面的关键差异：
- 上下文连续。 搜索引擎里用户换一次关键词就换一个页面，AI 会话里第一轮 AI 对你的定性会带进第二、三轮。第一轮被描述成「主打低价的区域品牌」，第三轮再想被认成技术型选手就很难。
- 没有第二页。 蓝链时代排第 8 名仍有点击，AI 回答里通常只出现 3 到 5 个品牌，第 6 名等于不存在。
- 触发的是信源不是页面。 传统 SEO 一个关键词对应一个落地页；AI 一轮提问可能同时调用五个域名的片段，你的目标是让其中一片是你的。
决策路径、用户旅程、AEO 是什么关系
我们怎么测的：217 组会话、4 个平台、逐轮记录信源
测试方法。 2026 年 3 月至 5 月，我们在 DeepSeek、豆包、Kimi、通义千问四个平台上，围绕三个品类（家用净水器、企业协同办公 SaaS、儿童护肤）人工模拟真实用户追问，共完成 217 组完整多轮会话，累计 812 个回合。
每个回合记录四项：AI 是否点名具体品牌、回答中引用或可追溯的来源域名类型、是否给出可执行的购买／联系路径、品牌被描述的定性标签。追问脚本按真实用户口吻编写，不使用「推荐一下 XX 品牌」这类诱导句式。
样本口径说明： 这是人工抽样，不是概率抽样，品类只有三个，且全部为中文简体提问、未登录状态、关闭个性化记忆。下文数字用于判断量级和方向，不适合当作行业普查基准。你自己的品类跑一遍，分布可能完全不同——这恰恰是要做 AI品牌监测的原因。
三个总量结论：
- 会话中出现明确品牌候选名单的平均轮次是 第 2.3 轮；
- 只有 11% 的会话在第一轮就点名了具体品牌，其余以品类科普和选购维度为主；
- 已进入第二轮候选名单的品牌，在第三轮被替换或被加上负面限定的比例是 34%。
第三条最值得警惕：进入名单不等于留在名单里。 三分之一的品牌是在信任验证这一轮掉队的，而大多数团队的内容预算都花在了前两轮。
每轮 AI 调用的信源类型差别有多大
差别是数量级的。我们把 812 个回合里可追溯的引用来源归成几类，按轮次统计占比：
| 轮次 | 主导信源类型（占比） | 次要信源 | 品牌自有域名占比 |
|---|---|---|---|
| 第一轮 品类认知 | 百科与科普／媒体解读 58% | 垂直媒体 21%、问答社区 12% | 9% |
| 第二轮 候选名单 | 横评榜单／对比长文 44% | 问答社区 24%、垂直媒体 18% | 14% |
| 第三轮 信任验证 | 问答社区与论坛 37% | 资质公示与新闻 22%、客户案例与白皮书 19%、评价平台 12% | 10% |
| 第四轮 购买执行 | 品牌官网与电商详情 46% | 帮助中心 21%、渠道经销 18%、第三方导购 15% | 46% |
品牌自有域名的被引比例从第一轮的 9% 涨到第四轮的 46%，相差 5 倍。这解释了一个常见困惑：为什么官网内容做得再好，AI 回答品类问题时还是不提你——那一轮它根本不打算引用品牌方的说法。
反过来也成立。很多品牌在第四轮丢单，不是因为没被推荐，而是官网没有 AI 能直接引用的价格结构、发货政策或实施周期，AI 只好把用户推给能给出这些的竞品。
各平台的抓取偏好还不一样：同一批问法在百度体系里，百家号和百度知道的权重明显高于站外媒体（百度AI搜索的信源结构拆解），而秘塔这类会明确列参考文献的产品，进不进那份列表几乎决定了你是否存在（秘塔的来源列表机制）。分平台看信源，比看总体提及率有用。
第一轮：品类认知，赢的是解释权不是曝光
第一轮的目标不是被提名，是定义评判标准。 AI 在这一轮输出的是「选这类产品要看哪几个维度」，谁的框架被采纳，谁就在后面三轮里占了裁判席。
实测里第一轮的高频句式是「XX 怎么选」「XX 有什么区别」「XX 值得买吗」。回答结构高度一致：先给 3 到 5 个选购维度，再各展开两句。这里的信源 58% 来自科普和媒体解读，品牌站只占 9%。
可操作的做法是把你的差异化优势翻译成品类维度，然后让它出现在中立语境里。做净水器的如果技术优势在滤芯寿命，就要让「滤芯更换成本」成为 AI 默认列出的维度之一，而不是在官网反复说自家滤芯多耐用。
怎么判断维度有没有被采纳： 拿 10 组品类问法各问一次，数你主张的那个维度出现在 AI 列出的 3 到 5 个维度里的次数。10 次里出现 3 次以下，说明中立语境的铺量不够；出现 7 次以上但仍不被提名，问题在第二轮而不是第一轮。
配套内容资产：品类科普长文、术语解释页、参数含义对照表、选购维度清单。这些内容写给完全不懂的人看，不放促销信息，反而更容易被引。
第二轮：候选名单，靠横向对比和结构化清单进入
第二轮决定你在不在名单里。 用户会问「有哪些牌子」「A 和 B 哪个好」「有没有便宜点的方案」，AI 这时 44% 的引用来自横评、榜单和对比长文。
关键细节是：AI 更愿意引用包含竞品的内容。只夸自己的页面在这一轮几乎无效，因为它无法支撑「有哪些选择」这个问题的结构。我们样本里，被第二轮引用的品牌方页面中，有 71% 在正文里明确提到了至少一个竞品或替代方案。
对比内容的问法远不止「A vs B」一种，按品牌、方案、场景、限制条件四类去铺，覆盖率差别很大——AI 里的对比需求怎么挖这篇把四类问法拆得比较细。
第二轮的内容资产：多品牌横向对比表、按预算／场景分层的选型指南、竞品替代页、结构化参数矩阵。表格比段落更容易被完整摘取。
一个反直觉的观察： 样本里被第二轮稳定引用的对比页，几乎都给了竞品明确的适用场景（「预算低于 X 或团队小于 Y 人，选 B 更合适」），而不是全盘否定。给对手划出边界，AI 才会把整页当成可信的选型依据；一边倒的对比页更容易被整段跳过。
第三轮：信任验证，34% 的品牌在这里被换掉
第三轮是流失重灾区。 用户问「这家靠谱吗」「有没有踩坑的」「售后怎么样」，AI 的引用重心整体移向问答社区和论坛（37%），加上资质公示、客户案例、评价平台。
这一轮的失败模式很具体。我们观察到三种：一是 AI 找不到任何第三方讨论，回答变成「公开信息较少，建议谨慎」——没有负面也是一种负面；二是社区里的旧帖仍在传播两年前的问题；三是竞品有署名客户案例，你只有一页 logo 墙。
品牌自有域名在这一轮只占 10% 的引用。也就是说，你在官网写一万字「我们很可靠」，对第三轮基本无效。 有效的是让第三方语境里存在可被核实的具体事实：可查的资质编号、有客户署名的案例、公开的服务承诺、被媒体报道的实施细节。
旧负面帖怎么处理
删不掉的旧帖不要硬删，用三步覆盖：
- 在原帖语境里补新信息——同一个论坛、同一个问题下，发一条带时间和具体改动的更新，让 AI 抓到时序更近的版本。
- 在自有域名建一页可引用的事实页——故障历史、SLA、版本更新日志，写清哪年哪月修的什么。
- 让第三方复述这件事——媒体报道或客户案例里提到「2024 年后未再出现该问题」，比你自己声明有效得多。
第三轮的内容资产：署名客户案例、实施周期与交付说明、资质与合规公示页、真实问答沉淀、公开的服务条款。这一轮做的其实是 AI舆情监控的前置工作——把可能被追问的疑虑，提前用可核实的材料填掉。
第四轮：购买执行，缺一个具体数字就丢单
第四轮 AI 要的是可执行细节，46% 的引用回到品牌自有域名。 用户问「多少钱」「怎么买」「怎么开始」，这时 AI 需要的是价格结构、购买渠道、试用方式、交付周期、退换政策。
这一轮丢单往往极其愚蠢。样本里有 5 个品牌在前三轮都进了推荐，第四轮却因为官网只写「详询销售」而被 AI 跳过，转而给出竞品的自助试用链接。「联系我们」不是一个可以被引用的答案。
如果你的价格随时变动，可以给结构而不给数字：计费单位、档位划分、影响价格的三个变量、最低起订量。AI 需要的是能复述的结构化事实，不是精确到分的报价。
另外要注意 AI 答案页本身正在出现付费位，自然位被挤压时，付费位和自然位的预算怎么分是第四轮必须一并想清楚的账。
第四轮的内容资产：定价页（哪怕是区间）、试用与开通流程、渠道与经销说明、退换与售后政策、常见购买问题页。
四轮承接矩阵：一张表看清内容该放哪
把上面四轮合并成一张排期用的矩阵：
| 轮次 | 用户典型问法 | AI 主要调用 | 你要备的内容 | 主要衡量指标 |
|---|---|---|---|---|
| 1 品类认知 | 「怎么选」「有什么区别」 | 科普、媒体解读 | 品类长文、维度清单、术语页 | 维度采纳率 |
| 2 候选名单 | 「有哪些牌子」「A 和 B 哪个好」 | 横评、对比、问答 | 对比表、选型指南、替代页 | AI提及率、入选位次 |
| 3 信任验证 | 「靠谱吗」「有没有坑」 | 社区、资质、案例 | 署名案例、公示页、问答沉淀 | 第三轮留存率、情感倾向 |
| 4 购买执行 | 「多少钱」「怎么买」 | 官网、详情页、帮助中心 | 定价结构、流程页、政策页 | 购买路径给出率 |
大多数团队的内容库集中在第 1、2 行，第 3 行零散、第 4 行空缺。这就是为什么 AI可见度报表上「提及率」不难看，实际询盘却不涨——你赢的是不带走用户的那两轮。
不同品类的轮次权重不一样
同一张矩阵，不同生意的用力点差别很大。我们三个品类跑下来的观察：
| 品类特征 | 典型轮数 | 最该重投的轮次 | 原因 |
|---|---|---|---|
| 低客单快消（儿童护肤） | 2 到 3 轮 | 第 1、2 轮 | 用户很快跳到购买，信任验证靠电商评价而非搜索 |
| 中等决策成本（净水器） | 3 到 4 轮 | 第 2、4 轮 | 参数对比重，成交卡在安装与滤芯成本这类具体数字 |
| 高客单 B2B（协同办公 SaaS） | 4 到 6 轮 | 第 3 轮 | 采购要证据，案例和资质缺一条就出局 |
判断自己属于哪一类，看一个简单指标：用户从第一次提问到问出价格，中间隔了几轮。隔得越多，第三轮越贵重。
轮次承接率怎么算：三个可落地的指标
现有的 AI搜索排名监测大多只统计单轮提及，看不出链条在哪断。我们内部用三个指标补这个盲区，计算方式都很朴素：
- 轮次承接率＝（在第 N 轮仍出现你品牌的会话数 ÷ 在第 N−1 轮出现你品牌的会话数）× 100%。逐轮算，断崖出现在哪一轮，缺口就在哪一层内容。
- 信源自给率＝（该轮引用中来自你自有域名的次数 ÷ 该轮总引用次数）× 100%。第一轮低是正常的，第四轮低于 30% 说明官网缺可引用事实。
- 定性漂移度＝第一轮 AI 给你的标签，与第三轮标签的一致程度，人工判定为「一致／弱化／反转」三档。反转率高，说明第三轮的第三方语境在拖后腿。
一份可以照抄的记录表
每组会话记一行，四轮各占四列：
| 字段 | 取值 | 说明 |
|---|---|---|
| 会话 ID / 品类 / 平台 | 文本 | 分平台对比时要用 |
| 第 N 轮是否提及本品牌 | 是／否 | 承接率的分子分母 |
| 第 N 轮提及位次 | 数字 | 名单里第几个出现 |
| 第 N 轮引用来源域名 | 域名列表 | 算信源自给率 |
| 第 N 轮定性标签 | 短语 | 算定性漂移度 |
| 是否给出可执行路径 | 是／否 | 第四轮专用 |
跑法：取 20 到 30 组核心问法，每组按四轮脚本连续追问，记录上述字段，两周一次。20 组人工跑一轮约两小时，逐轮记录比堆问法数量更有价值。至于哪些问法值得进这个监测清单，按商业价值、竞争缺口和可干预性打分比拍脑袋靠谱。
需要提醒的是，很多决定成败的第三、四轮问法在关键词工具里搜索量是 0，这不代表没价值——判断低频高价值需求有另一套证据标准。
一个真实案例：第三轮承接率从 18% 提到 46%
案例背景。 一家国内协同办公 SaaS 厂商，前两轮表现不错——品类问题里能被提到，对比问题里稳定进候选，但第三轮「这家靠谱吗」的承接率只有 18%，AI 常给出「公开案例较少，建议进一步了解」。
诊断。 逐轮拆解后定位到两个缺口：一是全网只有 logo 墙没有署名案例，AI 无法引用具体客户；二是垂直论坛里有 3 条 2023 年的稳定性投诉仍在被引用，而没有任何后续说明。
动作（9 周）。 补 6 篇有客户署名、含实施周期和量化结果的案例；上线 1 页资质与服务等级公示；在两个行业论坛和问答平台沉淀 12 条真实使用问答，覆盖当年那批投诉对应的问题；官网加一页公开的 SLA 与故障历史。
结果（第 10 周复测，同一批 24 组问法）。
| 指标 | 改动前 | 第 10 周 |
|---|---|---|
| 第三轮承接率 | 18% | 46% |
| 第三轮引用中案例与公示类占比 | 4% | 27% |
| 定性漂移「反转」档 | 5 组 | 1 组 |
| 第四轮承接率 | 31% | 39% |
哪一项动作最有效： 从引用来源反推，46% 的提升里贡献最大的是署名案例（第三轮引用中直接命中案例页的占 19 个百分点），其次是论坛问答沉淀。SLA 与故障历史页被直接引用的次数不多，但它是「有没有踩坑」类问题里 AI 用来反驳旧帖的材料。
需要说明的是，同期该品牌未做投放变动，但论坛内容有自然增长，这部分无法完全剥离。结论的方向是可靠的，具体数值不宜直接套用。
四个常见错配：一张自查清单
对照检查，命中两条以上说明轮次结构有问题：
- 全部内容押在品类词上。 品类文写了 30 篇，对比表 0 张，案例 0 篇。第二、三轮拿不到引用。
- 官网只讲自己，从不提竞品。 第二轮几乎无法被引，因为你的页面撑不起「有哪些选择」的结构。
- 第三轮无据可查。 没有署名案例、没有可验证资质、社区里只有旧帖。AI 只能给出保守措辞。
- 第四轮止步于「联系我们」。 没有价格结构、没有开通流程，AI 把用户交给能给出这些的竞品。
补内容之前先确认一件更基础的事：AI 的爬虫真的抓到了你的站。DNS、证书、WAF 拦截和纯前端渲染都可能让内容根本不进信源池——这件事该排在所有内容动作之前。
把轮次缺口接进内容排期
发现缺口和补上缺口之间，缺的是一条排期流水线。 建议按这个顺序推进：
- 用客服记录和站内搜索，把真实问法整理成问题库，标注每条属于哪一轮——问题库的搭法参考这篇。
- 选 20 到 30 组核心问法，按四轮脚本跑一次基线，记录三项指标。
- 找出承接率断崖所在轮次，只补那一轮的内容资产，不平均用力。
- 内容上线后留 4 到 6 周观察期，同一批问法复测，对比逐轮变化。
- 把复测结果回灌进选题排期，形成循环——从监测异常到内容排期的流水线有更完整的流程设计。
内容本身仍要按 Google 关于「以人为先」内容的官方指引来写：对读者有用的内容，才有机会成为 AI 愿意引用的信源。为轮次而写不等于为机器而写——第三轮之所以看重署名案例，恰恰因为真人也需要它。
常见问题
问：AI搜索决策路径一定是四轮吗？
不一定。低决策成本的品类（日用品、低价耗材）常在两轮内结束，B2B 和高客单价品类可能到六七轮。四轮是功能划分，不是固定轮次——判断依据是用户问题的功能变了没有，而不是数了几次。
问：怎么知道我的品牌在哪一轮流失？
按同一批核心问法连续追问四轮，逐轮记录品牌是否仍被提及，算出每轮的承接率。承接率出现断崖的那一轮就是缺口所在。人工跑 20 组大约需要两小时，用 AI品牌监测工具可以做到定期自动采样。
问：不同 AI 平台的轮次表现差别大吗？
差别主要在信源偏好而非轮次结构。我们的样本里，DeepSeek品牌推荐更依赖公开网页和权威解读，豆包品牌推荐带有更明显的自有生态倾向，Kimi 对长文档和结构化材料的接受度更高。所以同一份内容在各平台的承接率会不一样，需要分平台看 AI引用来源。
问：第一轮就没进去，后面还有机会吗？
有。会话是连续的，用户在第二轮问「还有哪些牌子」、第三轮问「有没有别的方案」时都会重新触发检索。我们样本里，约四分之一最终进入第四轮的品牌在第一轮完全没出现过。前提是你在对比类和问答类内容里有存量。
问：只优化第四轮，跳过前面三轮行不行？
不行。第四轮的流量来自前三轮的承接，用户不会凭空问「你家怎么买」。但如果预算有限，优先补第三轮——它的流失率最高（我们样本中 34%），且内容成本低于品类长文。
问：轮次承接率和 AI提及率是一回事吗？
不是。AI提及率通常统计单轮里品牌是否出现，是横截面指标；轮次承接率衡量的是品牌在连续追问中的留存，是纵向指标。提及率高而承接率低，说明品牌进得去但留不住，问题在信任层而不是曝光层。
问：多久复测一次合适？
两周一次基线，内容上线后留 4 到 6 周再复测。比这更频繁意义不大——AI 的信源池更新有滞后，一周内的波动多半是采样噪声而不是真实变化。