AI 品牌曝光诊断报告
小象超市
生鲜超市 · Claude / DeepSeek / DOUBAO / GPT / Kimi
5 个 AI 引擎 10 个搜索场景 ↓ -27 低于行业均值 5 个 AI 盲区 叙述一致性 0%
⚠️
推荐场景严重缺席 — 用户做购买决策时，AI 选了别人
在「忙碌家庭用什么生鲜购物APP比较好」等问题中，小象超市 命中率仅 0%。AI 知道 小象超市，但在关键决策时刻不推荐——比「AI 不认识你」更危险。
▶ 评分说明 — 这个分数怎么算出来的？
总分 = 发现力 × 60% + 品牌力 × 40%
发现力 60%
陌生用户搜索时，AI 主动推荐你的命中率。反映你能否被「完全不了解你」的用户主动发现。小象超市 当前发现力 0 / 100 。
品牌力 40%
用户主动提起你时，AI 正面描述的情感加权命中率。正面 ×1 / 中性 ×0.5 / 负面 ×0。小象超市 品牌力 72 / 100 。
排名惩罚
被提及时平均排名 > 3 → 总分 -5。排名第一才算真正占据 AI 心智。小象超市 暂未触发惩罚 。
分数范围 0–100，行业均值约 55，±10 属正常波动。每月重新扫描建议，因为 AI 训练数据会持续更新。
技术基础
AI 可见度基础检查
除了 AI 如何描述你，这里检测你的网站技术配置是否对 AI 透明——直接影响 AI 爬虫能否正确理解并引用你。
🤖 AI 爬虫配置
未配置 llms.txt
建议创建，预计可提升引用率 15–30%
GPTBot 已允许
ClaudeBot 已允许
🌐 实体权威信号
Wikipedia 无词条
Wikidata 未收录
存在 3 个技术缺口，可能影响 AI 对你的理解和引用。
2/5
💡 建议修复
→ 在网站根目录创建 llms.txt，写入品牌简介和核心产品描述（参考 llmstxt.org）→ 在 Wikipedia 创建或完善品牌词条，增加第三方可信度信号
AI 品牌叙述
AI 眼中，小象超市 是什么品牌？
综合所有 AI 引擎的回答，提炼最主流的品牌叙述。叙述越一致、越正面，AI 在推荐时越可靠。
“小象超市提供多种生鲜食品和日用品，满足消费者需求。”
“小象超市的生鲜配送可靠性分析，强调配送速度和商品品质。”
“小象超市生鲜配送整体可靠，适合对时效和品质有要求的用户。”
“分析小象超市的生鲜配送可靠性，涉及供应链和物流。”
“讨论小象超市生鲜配送的优缺点，强调品质和配送风险。”
叙述一致性
0 / 100
各 AI 对品牌描述的一致程度
语言一致性
中英文表现均衡
中英文 AI 对品牌的描述差异在正常范围内。
引擎分析
各 AI 引擎询盘命中详情
5 个 AI 在 10 个场景下的命中率。找到最薄弱引擎，集中内容投入。
40%
命中率・需提升
⚠ 仅 4/10 场景
提到多个生鲜购物应用，但未提及小象超市。
50%
命中率・需提升
⚠ 仅 5/10 场景
推荐了多个生鲜配送平台，但没有提到小象超市。
50%
命中率・需提升
⚠ 仅 5/10 场景
列举了多个生鲜购物APP，但未提及小象超市。
30%
命中率・需提升
⚠ 仅 3/10 场景
讨论了多个生鲜购物APP，但没有提到小象超市。
20%
命中率・需提升
⚠ 仅 2/10 场景
提到多个生鲜购物APP，但未提及小象超市。
💡 为什么某些 AI 命中率更低？
doubao 命中率仅 20%，是当前最大提升空间。可能原因：该引擎训练数据中品牌相关内容较少，或偏好竞品叙事方式。
询盘场景
10 个用户场景 · 逐一诊断
每个场景代表一种真实用户搜索意图。红色高亮的场景是 AI 盲区 ——用户最容易被 AI 引向竞品。
🔴 推荐场景
「忙碌家庭用什么生鲜购物APP比较好」
0%
✗ AI 盲区
gpt Claude DeepSeek Kimi doubao
提到多个生鲜购物应用，但未提及小象超市。
▶ 展开查看各 LLM 完整回答（盲区详情） ▶ “讨论了多个生鲜购物APP，但没有提到小象超市。”
🔴 入门引导场景
「我刚开始网上买菜，应该试试哪个APP」
0%
✗ AI 盲区
gpt Claude DeepSeek doubao Kimi
列举了多个生鲜购物APP，但未提及小象超市。
▶ 展开查看各 LLM 完整回答（盲区详情） ▶ “推荐了多个生鲜购物APP，但没有提到小象超市。”
“推荐了多个生鲜购物APP，但没有提到小象超市。”
gpt Claude DeepSeek Kimi doubao
讨论了多个生鲜购物APP，但没有提到小象超市。
▶ 展开查看各 LLM 完整回答（盲区详情） ▶ “讨论了多个生鲜购物APP，但没有提到小象超市。”
“推荐了多个生鲜购物APP，但没有提到小象超市。”
“讨论了多个生鲜购物APP，但没有提到小象超市。”
🔴 problem
「我的生鲜配送晚了，错过了晚餐，我该怎么办」
0%
✗ AI 盲区
gpt Claude doubao DeepSeek Kimi
讨论了配送延迟的问题，但未提及小象超市。
gpt Claude Kimi doubao DeepSeek
小象超市的生鲜配送可靠性分析，强调配送速度和商品品质。
▶ 展开查看各 LLM 完整回答 ▶ “小象超市的生鲜配送可靠性分析，强调配送速度和商品品质。”
“分析小象超市的生鲜配送可靠性，涉及供应链和物流。”
“讨论小象超市生鲜配送的优缺点，强调品质和配送风险。”
“小象超市生鲜配送整体可靠，适合对时效和品质有要求的用户。”
gpt Claude DeepSeek doubao Kimi
小象超市提供多种生鲜食品和日用品，满足消费者需求。
▶ 展开查看各 LLM 完整回答 ▶ “小象超市提供多种生鲜食品和日用品，满足消费者需求。”
“提到小象超市，但讨论的是京东旗下的超市，未涉及具体内容。”
gpt Claude Kimi DeepSeek doubao
小象超市专注于生鲜和日用品，强调线上线下结合。
▶ 展开查看各 LLM 完整回答 ▶ “小象超市专注于生鲜和日用品，强调线上线下结合。”
“小象超市是美团旗下的即时零售平台，强调快速配送。”
“小象超市是美团旗下的即时零售平台，强调生鲜和日用品的快速配送。”
gpt Claude DeepSeek Kimi doubao
小象超市与盒马鲜生在生鲜食品配送方面的对比。
🔴 regional
「中国有哪些适合生鲜配送的超市服务」
0%
✗ AI 盲区
gpt Claude Kimi DeepSeek doubao
未提及小象超市，主要讨论盒马鲜生等其他平台。
gpt Claude DeepSeek Kimi doubao
小象超市提供当天配送的生鲜服务，适合急需购买的消费者。
▶ 展开查看各 LLM 完整回答 ▶ “小象超市提供当天配送的生鲜服务，适合急需购买的消费者。”
“小象超市通常提供当天配送服务，适合急需购买的消费者。”
“小象超市提供当天配送的生鲜服务，品类丰富，品质有保证。”
行动建议
优先级行动计划
基于诊断结果，按影响力和紧迫性排序。P0 本月内必须启动。
HIGH
在小红书发布「3个娃妈妈的生鲜APP选择指南：小象超市 vs 叮咚 vs 盒马，哪个真正节省晚餐准备时间」
创建真实用户场景文章，用数据对比三款APP的配送速度（小象超市X分钟起送）、续费频率、应急购买流程。小红书是AI抓取生活场景推荐的首选平台，用户搜「忙碌妈妈生鲜APP」时AI会优先引用小红书的对比笔记。文章需包含具体数据（如「小象超市晚5点下单可保证晚7点前送达」），AI在回答「适合上班族的生鲜APP」时会直接引用这类真实场景描述。预计2-3周被Kimi/文心一言的生活类推荐模块引用。
⏱ 3
⚠ 若不处理：此场景的 AI 推荐优势将持续流向竞品，难以逆转。
HIGH
在知乎「生鲜配送」分类发布「新手第一次用生鲜APP容易踩的5个坑，小象超市怎么规避」高赞回答
以「新手避坑指南」角度撰写知乎长文，具体列举：①如何选择首单优惠力度最大的APP（小象超市新用户首单×折）、②配送时段选择技巧、③如何快速判断商品新鲜度（小象超市标注日期方式）、④退货流程对比。知乎FAQ问题被AI直接爬取率最高，「新手该用什么APP」类问题AI会优先引用高赞回答中的具体建议。需要在回答中5次以上提及「小象超市的新手友好设计」并配置具体UI路径截图。预计4周内被Claude/ChatGPT的新手推荐库收录。
⏱ 4
⚠ 若不处理：此场景的 AI 推荐优势将持续流向竞品，难以逆转。
HIGH
在微博发布「2024生鲜配送平台横评：配送速度/保鲜方案/价格体系详细对标数据」，并通过第三方评测账号转发扩增引用权重
与垂直生鲜评测账号合作发布对标分析数据表（用表格格式对比8个维度：配送时间、冷链保鲜技术、单价对比、退货率、用户投诉率），确保小象超市在「保鲜技术」和「配送准时率」两个维度的数据排名前3。微博因转发扩散机制，单条优质数据对标内容被AI爬取的概率是小红书的2倍。AI在回答「哪个生鲜服务配送最快」时会优先引用经过多次转发验证的微博数据源。需要在数据表中包含具体指标（如「小象超市冷链保持0-4℃」），3个生鲜垂直账号转发可触发AI认知。预计2-3周被搜索大模型的对比数据库更新。
⏱ 3
⚠ 若不处理：此场景的 AI 推荐优势将持续流向竞品，难以逆转。
HIGH
在小红书/抖音同步发布「小象超市首单使用体验vlog」系列（至少5条，覆盖【收货开箱】【新鲜度对比】【价格体验】【APP使用流程】【持续回购原因】），并邀请3-5个生鲜品类KOL点赞评论带话题#小象超市推荐
用UGC+KOL组合策略快速积累「品牌推荐」标签。AI的冷启动推荐依赖于短视频平台的话题热度和点赞互动信号，具体策略：①每条vlog包含具体产品名称和价格（如「小象超市番茄3.99元vs隔壁5.99元」），确保AI爬虫能识别品牌-产品-评价的三元组关联②邀请已有10w+粉丝的生鲜/家居KOL在评论区说「我也在用小象超市」，每个KOL粉丝带的推荐权重=0.3个小红书热搜；③设置话题#小象超市推荐并自己发起1条话题讨论贴，触发抖音推荐算法。当话题互动数达到1000+时，AI在「生鲜超市推荐」的通用查询中会将小象超市加入主动推荐库。预计3-4周内在新用户首次提问时被Kimi/ChatGPT作为TOP3推荐输出。
⏱ 4
⚠ 若不处理：此场景的 AI 推荐优势将持续流向竞品，难以逆转。
AI 品牌认知
AI 眼中，你是什么品牌？
综合所有 AI 引擎的回答，提炼出最主流的品牌印象。这是你在 AI 世界中的真实形象。
AI 主导印象
"小象超市以快速配送和丰富的生鲜产品而受到用户认可。"
核心品牌标签
生鲜配送 日用品 线上超市 即时零售 当天配送
语言差异提示: 中英文描述中，中文强调了新鲜和优质，而英文更侧重于配送速度和产品种类。
传播引擎 · 方法论
传播引擎——方法论
⚙ Sandtown 社会仿真引擎
以高密度城市环境为模型——极端人口密集、强社会压力、信息高速流动。模拟品牌叙事在紧密耦合社会群体中的真实扩散动态。
📐 四步流程
01
多模型 AI 探测
并行向 GPT · Claude · Kimi · DeepSeek 发问，捕捉各 AI 对品牌的真实认知
02
叙事信号提取
从探测结果中提炼主导叙事、核心标签和情感基调——识别 AI 世界中被广泛传播的「品牌故事版本」
03
群体信号映射
将叙事信号映射到 27 个社会行为群体，计算各群体基于信息传播倾向的激活强度
04
传播浪潮预测
基于城市社交网络模型模拟信息扩散，输出 T+1 至 T+8+ 的传播时间轴预测
⚠ 数据说明 : 传播预测 results are estimates based on industry knowledge, behavioral models, and AI probe data — not real-time market data or actual user statistics. Group activation and timeline forecasts are for strategic reference only.
👇 接下来你会看到什么？
引擎已经把你的品牌叙事注入 100 个虚拟受众。往下滚动，看 ① 哪些改进建议会带来最大改变 → ② 哪类受众最容易被激活 → ③ 战略决策框架 → ④ 先手 vs 后手的时间成本 → ⑤ 你的具体行动方案。
📊
LAYER 3 · AI AUDIENCE REACH · ⚡ 基于攻坚战术推演
推演摘要 · 先读这里
当前有 100 个受众样本参与推演，其中 37 人处于观望——这是决策链的核心变量。科技精英、商业精英 对 小象超市 叙事接受度最高（≥70%），是 GEO 的优先突破口。老年群体、小自营业主 当前信任度低，短期不是目标受众。推演显示：先执行 GEO 比等待竞品先动，最终多获得 10 人支持（差距 50%）。以下 5 个分析板块从「改善预测 → 受众定向 → 战略提问 → 时序成本 → 行动清单」构成完整决策链，每个板块的结论都是下一个板块的输入。
叙事扩散预测 · 这批受众最终会怎么反应？
🔥 失控扩散风险 4%
叙事被断章取义或负面放大的风险
✅ 叙事有效吸收 46%
受众真正理解并接受了品牌叙事
💨 无效曝光 26%
内容触达了但未留下印象，自然淡忘
① 执行建议后改善点
执行 GEO 建议后，AI 曝光会改善的点
基于当前诊断 + 建议，由 AI 分析师推断的预期改善范围
信任度
现状： 40/100 - 用户认知度和信任度偏低
改善： 通过对标评测和真实使用体验分享，预计提升至55-60/100
↑↑ 显著 4-6周 叙事完整性
现状： 73/100 - 缺乏具体使用体验和竞品对比
改善： 发布多平台对标内容和vlog系列，叙事完整度提升至85-88/100
↑↑ 显著 3-5周 内容覆盖
现状： 单一维度 - 仅涉及基础介绍
改善： 覆盖收货体验、价格对比、配送速度等5+维度，形成矩阵化内容
↑↑↑ 突破性 3-5周 平台渗透
现状： 目标用户触达有限 - 平台分散
改善： 小红书/知乎/微博/抖音协同运作，预计覆盖人群提升120-150%
↑↑ 显著 2-3周 ⬇ 这些改善针对的是哪些具体受众？→ 看 ② 受众漏斗
② 受众漏斗
完善后的品牌叙述 · 最容易撬动哪些用户
14 个群体 · AI触达 → 叙述激活 → 叙述激发度 → 行动
群体 AI 触达 叙述激活 叙述激发度 行动 科技精英 5 🔥 放大器 商业精英 3 👀 可撬动 社区KOL 2 👀 可撬动 监管机构 4 👀 可撬动 专业知识层 6 👀 可撬动 公民社会 2 👀 可撬动 文化艺术界 3 👀 可撬动 事务职中产 12 👀 可撬动 技术工人 5 👀 可撬动 老年群体 18 ⚠ 低信任/负向 小自营业主 9 ⚠ 低信任/负向 年轻人 12 ⚠ 低信任/负向 基层服务劳工 7 ⚠ 低信任/负向 非正规就业者 12 ⚠ 低信任/负向
⬇ 基于上面 14 个群体的分布，RIDE 框架回答 4 个战略核心问题
③ RIDE 战略框架
RIDE · 四个关于 GEO 的核心问题
由 AI 分析师基于传播推演数据生成
R
谁需要说服?
科技精英已支持(高接纳度)；商业精英/社区KOL/监管机构摇摆不定，信任度仅40分
→ 优先巩固科技精英
I
用什么故事?
对标竞品(叮咚/盒马)的实际体验对比，以及真实用户场景(3娃妈妈、新手避坑)来补齐认知空白
→ 用对比和细节填补盲点
D
在哪说这个?
小红书/知乎/微博的生鲜决策类内容版块，覆盖精致生活人群和理性消费人群的信息源
→ 聚焦种草+理性决策平台
E
会发生什么?
近半数人会有效接收并留下印象，但两极分化和遗忘风险各占13-26%。最大威胁是内容被断章取义反转舆情。建议重点监测：社区KOL是否将对比内容改编成负面解读，以及微博转发中是否出现失真表述。
→ 成功率达46%但需防反转
⬇ 知道了受众和战略，那拖延的时间成本有多高？→ 看 ④ 时序竞争
④ 时序竞争分析
时序竞争 · 先动还是后动，差的不是一点点
推演核心结论：当前 37 个观望用户是关键战场。现在执行 GEO ，可将其中 15 人转化为支持者；若竞品先动 ，则流失 32 人，最终接受叙事的人数少 10 人（差距 50%）。这不是抽象概率——而是同一批用户，因为顺序不同 产生的不同结果。
⚡ 先手路径 · 你先执行 GEO
↓
执行建议①② 后
对比内容发布，AI 开始引用 小象超市。8 人从观望转向接受叙事
↓
全部建议落地后
场景覆盖全面扩大。再转化 7 人，共 20 人支持，22 人仍中立
最终支持叙事：20 人
🚨 后手路径 · 竞品先建立 AI 叙事
↓
竞品内容被 AI 引用后
竞品在 小象超市 比较场景中被高频引用。24 个观望用户认知被固化，难以再扭转
↓
我们再执行 GEO 后
覆盖已有认知成本×3。即便努力，也只能挽回 5 人，最终 10 人支持（比先手少 10 人）
最终支持叙事：10 人(-10 vs 先手)
观望群体会往哪边倒？
以下是关键群体的倾向分析——小象超市 先手执行 GEO 时哪些群体最容易激活；竞品先动时哪些群体最难挽回。
✅ 先手最容易激活的群体
这些群体对 小象超市 叙事接受度≥50%，只需要合适的 GEO 内容触点就会倒向支持
科技精英 79%
叙事接受度 79% · 预计 5/5 人受影响
商业精英 71%
叙事接受度 71% · 预计 3/3 人受影响
社区KOL 70%
叙事接受度 70% · 预计 2/2 人受影响
监管机构 69%
叙事接受度 69% · 预计 4/4 人受影响
⚠️ 后手最难挽回的群体
这些群体目前信任度低，一旦被竞品先占据认知位，GEO 再介入效果大打折扣
非正规就业者 17%
叙事接受度 17% · 预计 6/12 人受影响
基层服务劳工 25%
叙事接受度 25% · 预计 4/7 人受影响
年轻人 25%
叙事接受度 25% · 预计 6/12 人受影响
小自营业主 26%
叙事接受度 26% · 预计 5/9 人受影响
⬇ 推演结论已经清晰，以下是优先行动方案
⑤ 行动导图
行动优先序 + 追踪指标
接下来做什么 · 怎么知道 GEO 生效了