麦肯锡、德勤、埃森哲的研究均显示智能推荐能显著拉动零售营收，而大模型正让推荐多出一个新发生地——AI答案文本本身，商品能否被AI提及、排第几位、参数对不对，已成为独立的可见性问题。
站内AI导购与站外通用大模型是两套验证逻辑：站内依赖平台结构化数据，站外依赖官网、百科、测评等公开信源，且提问需带品类参数与场景，新品或促销前后答案可能完全不同。
商品曝光由此多了一条没有“点击”的新链路——内容被引用、参与生成答案、品牌被提及，随之出现“隐身”（搜索排名正常但AI候选池中缺席）和“高引用低转化”（被提及但用户无需点进详情页）两种风险状态。
行业实践建议建立覆盖品类决策的问题集、每问重复20次并按提及率分层（低于30%未入池、30%到60%边缘、60%以上且准确才算稳定推荐），GEOBase已将这套流程标准化，输入商品名称即可向多个AI平台发起约2到5分钟的检测，先跑基线再决定内容与信源补强方向。