AI生成的产品推荐并非静态结果,而是高度动态的实时摘要。一项最新测试显示,即便使用相同的问题和设置,仅间隔一天,AI给出的答案也会发生显著变化。

核心数据:隔夜变动的真相

测试针对21个品类的210个购买类问题,在ChatGPT、Gemini、Google AI Overviews和Google AI Mode四个引擎上进行。结果显示:

  • 答案组合剧烈波动:84%的答案在次日列出了不同的品牌组合。其中Gemini的变化率高达95%,Google AI Overviews相对最稳定,但也有67%的答案发生变化。
  • 品牌留存率低:首日提及的品牌中,27%在次日完全消失。小品牌的处境更为艰难,仅能保住51%的席位,而品类领导者则能保住73%。
  • 榜首位置并不稳固:虽然排名第一的品牌在次日仍有90%的概率被提及,但仅有63%的概率能继续保持第一的位置。
  • 页面轮换快于品牌:仅有42%的引用页面在两天间保持一致,低于品牌61%的重叠率。这意味着AI答案的不稳定性主要源于其读取的源页面每天都在变化。

案例解析:为何答案会变?

以“适合新手的CRM”为例,第一天AI基于Zapier的列表推荐了Less Annoying CRM;第二天,由于读取了Slack博客和HubSpot官网,首选变成了HubSpot。产品本身未变,变的是引擎随机选取的参考页面。

这表明,AI答案并非固定的排名榜单,而是对每次实时检索到的少数几个页面的摘要。如果品牌未能出现在AI当天读取的页面上,就会从推荐列表中消失。

引擎差异与品类波动

不同引擎的表现策略各异。ChatGPT对榜首品牌最为“忠诚”,71%的情况下保持首选不变,这与其先提取记忆短名单再阅读的机制有关。Gemini则最为善变,丢弃了三分之一此前提及的品牌。

品类之间也存在显著的稳定性差异:

  • 最稳定:会计软件(品牌一致率79%),因QuickBooks等巨头占据绝大多数列表,变动空间小。
  • 最不稳定:AI搜索可视化工具(品牌一致率48%)和跑鞋(榜首一致率仅33%)。新兴品类或竞争分散的品类,缺乏固定的权威列表,导致推荐结果高度随机。

应对策略:从“单次检查”转向“份额监测”

对于品牌方而言,依赖单次截图判断AI是否推荐自己已失去意义。有效的应对策略包括:

  1. 衡量出现频率:关注品牌在多次查询中的出现占比,而非单次的“是”或“否”。
  2. 覆盖更多源页面:既然AI随机读取页面,品牌应争取进入更多“最佳X”列表。出现在越多的列表中,被AI随机选中的概率越高,从而抵消单日波动的风险。
  3. 监控源页面变化:引用的页面列表比品牌更迭更快。定期审查哪些页面正在被AI引用,并及时优化在这些页面中的存在感。
  4. 观察长期趋势:给予一到两周的观察期,以区分正常的随机波动与真实的排名变化。

测试方法说明

本次测试于2026年11月17日和18日进行,模拟美国用户身份用英语提问。共获得839个可对比答案。测试移除了YouTube、Reddit等平台名称,聚焦具体品牌推荐。需注意,单日数据包含引擎回答的正常随机性,后续将基于一周数据更新分析。