占据 AI 心智
系列标签：AI出海、企业出海、全球化品牌、AI竞争力、SynAbility 作者：郭雁冰（George Guo），CGL集团高级副总裁、战略官，SynAbility项目AI总顾问 同步自：微信公众号「侠客乔治」
关联标签
AI出海 · 企业出海 · 全球化品牌 · AI竞争力 · SynAbility
买方第一次见你，是在 AI 的答案里
开篇
周一上午十点，一个采购负责人打开豆包，敲了七个字：「某某公司怎么样」。
屏幕上出来三段话。第一段介绍业务，第二段点了三家竞品，第三段说这家公司「增长稳健，但海外布局有限」。
他读了四十秒，又习惯性敲了七个字：老板某某某是谁。
屏幕上只有两行：某某某，某某公司创始人。没有履历，没有他此前做过什么，也没有一条能点开的来源。
他把两段回答都截了图发给助理：先约另外两家，顺便问一句他们创始人什么背景。
这两次提问里，你的公司没有人在场。没有人介绍，没有人补一句「我们海外刚开了两个点」，也没有人告诉它，那句判断来自三年前一篇报道里的旧行情。
你的品牌正在被别人描述，而你没有发言权。
同一分钟里的第二个问题，更少有人准备。 买方问的不是公司，是老板。而模型手里关于这个人的材料，通常只有别人写的几篇稿子，加上他自己的一个名字。公司还有官网、年报、招聘页可以喂；一个人，几乎没有。
有的老板看到的是空白，有的老板看到的是机会。
空白不是没有价值。 恰恰因为没人写过，第一个把履历、判断和案例结构化地写进去的人，会成为这一行的默认解释。模型每被问一次，就再确认一次。
你会为一场发布会准备三个月。而模型每个月都替你重新介绍一次公司。
过去二十年，营销的核心动作叫「占据心智」。心智的载体一直在换：报纸版面、电视时段、搜索首页，每一次换，都重排一遍谁在台前。这次换到了模型的回答里。
它提起你的那一句话，就是新的心智位置。
这不是一份讲趋势的材料。它只回答三个问题：为什么这件事内部一定做不动，代价是什么，钱应该从哪一笔出。
01 你大概已经感觉到了
不是有人告诉你的，是一些说不清的小事。
- 有人来谈合作，开场就说「我了解过你们」，但你不知道他了解的是哪一份材料
- 招标文件或媒体稿里对公司的描述，和你自己的说法对不上
- 你问团队「AI 现在怎么说我们」，没有人能当场答上来
- 官网改版上线了，花了不少钱，但你感觉不到什么变化
- 搜自己的名字或公司全称，会和一个同名的主体混在一起
这些事单看都不大。凑在一起是一个结论：
你对自己在 AI 里的样子，既没有观测能力，也没有修改权。
观测能力的意思是：你能随时知道模型今天怎么答你。修改权的意思是：答错了，你有办法改。这两样现在都没有。
02 内部为什么一定跟不上：不是团队的问题
把这件事放到任何一个正常运转的公司里，它都会卡住。原因不在能力，在四个结构性的错位。
| 错位 | 公司这边 | 模型那边 |
|---|---|---|
| 节奏 | 年度规划、季度评审、月度排期 | 每周都在变，且不通知任何人 |
| 归口 | 品牌管视觉与口径、市场管投放、PR 管媒体、IR 管披露、IT 管官网 | 没有哪个岗位负责「模型怎么答」这一件事 |
| 度量 | 要曝光量、要转化率、要 ROI | 答案不带 referrer，所有 analytics 都是零 |
| 供应商 | 4A 懂创意、SEO 公司懂关键词、AI 公司卖工具 | 没有一家对「你被怎么描述」负责 |
第一层：没有归口。 五个部门各管一段，每一段看起来都有人负责，合起来没人负责。开会时每个人都说这部分不是我的。
第二层：做不出报表。 这是最要命的一条。任何一笔支出要过预算评审，都得回答「这笔钱带来什么」。而 AI 里的表现，天然做不出归因报表——买方看完答案不点链接，直接来见你，系统里一行记录都没有。于是在季度评审上，它永远第一个被砍，因为它是全场最说不清的一项。
第三层：没人敢拍板。 做了，短期看不见效果，出了问题算谁的；不做，也不会有人问责。在这种风险结构下，理性的选择就是不碰。
所以结论不好听但很清楚：
这件事不是团队不努力，是它天生过不了你公司的审批机制。
靠内部推动，你的对手不是竞争对手，是流程。
03 不做的代价，是可以算的
三条，都可以验。
一、别人在替你定义
我们自己做过一次实测：拿一个真实的人名去问六个国产模型，把它们引用的检索资料全部收下来，一共 52 篇。
来自自有域名的：0 篇。
也就是说，模型对这个人的全部认知，来自别人的稿子、行业站的转载、平台条目。当事人自己写的东西，一篇都没进去。
换到公司身上，道理一样：你花了预算做的官网、年报、白皮书，如果结构上爬虫读不出来，它在模型的语料里等于不存在。我们实测过一类典型页面：五个主流爬虫全部返回 200，通路是通的，但页面标题只有一个词，整页没有一个分级标题。内容不是没写，是写在读不出结构的地方。
二、错会被固化，这是唯一会自我强化的错误
普通的口碑问题，说错了会慢慢被稀释。这件事不会。
记者写稿前会问 AI 一遍。AI 说错了，就写进稿子；稿子被搜索引擎索引，被下一轮训练读进参数；下一轮模型更确信，于是更多记者照着写。
这是一个闭环，而且它只会往错的方向转。 三年后你再去纠，面对的不是一个错误答案，是一批已经发表、互相引用的稿子。
三、越晚做越贵，而且贵得不成比例
纠正一个已经广泛传播的错误认知，成本远高于一开始就写对。更何况模型每个月又读了一遍。
这件事有个每个人都懂的例子：搜自己的名字，出来一个同名的人。你会发现自己要花十倍力气去解释「我不是那个」。
在信息位上，被占据之后的成本不是翻倍，是换赛道。
04 这笔钱不该是新增预算
这是这份材料最重要的一段。如果你的结论是「又要加一笔预算」，那它一定过不了。所以请先看这两笔钱本来在买什么。
| 维度 | PR 预算 | IR 预算 |
|---|---|---|
| 本质 | 买「第三方怎么描述你」 | 买「投资人怎么判断你」 |
| 传统形态 | 报道篇数、媒体层级、发布会 | 路演、分析师覆盖、披露质量、尽调沟通 |
| 能不能精确归因 | 不能 | 不能 |
| 现状 | 记者写稿前先问 AI | 投资人尽调前先问 AI |
这两笔钱，本来就在买「别人对你的认知」，而且从来无法精确归因。 正因为如此，它才是唯一能容纳这件事的池子。你不需要新开一个科目，也不需要向老板解释一个全新的概念。
而且迁移过去之后，可控性反而变高了：
- 报道篇数只能数，数完也不知道有没有人看
- 而「模型在被问到时说了什么」可以逐条记录、原文存档、逐月对比，还能写进合同
所以这不是再要一笔钱，是同一笔钱换一个主战场：从买曝光，改成买答案。
三种说法，对应三种人：
| 对谁 | 怎么说 |
|---|---|
| 对 CFO | 预算科目不变，可测性提高，从不可归因变成可留证 |
| 对 CEO | 不是增加成本，是减少失控 |
| 对 CMO | 多了一件能证明自己价值、而且有报表的事 |
如果你就是创始人，那么这三句话其实是同一句：你已经为「别人怎么看你」付了很多年钱，现在该为「机器怎么答你」付了。
05 我们具体做什么
五件事，五个动作。每一件都有验收判据，不做抽象优化。
同一套动作，对公司做一遍，对创始人再做一遍。创始人那一遍通常更空——公司至少有年报、官网、招聘页，一个人往往只有一个名字。所以它也是最快见效的那一遍。
一 · 正名：让 AI 说对你是谁
固定问句集四十到六十条，覆盖八个模型，每条重复三到十二次，逐条人工判定，不交给脚本打分。
把错误原话一字不改归档，包括难看的。然后从上游改：自有页面、结构化数据、权威页、消歧描述。
验收：错误陈述数由 N 降到 M；同名混装项消失。
二 · 入列：进入那份名单
问模型「这行有谁」，它只装得下几个名字。能不能被列进去，几乎全靠它能不能把你说清楚。
把公司的核心能力做成词条级资产：一句定义、若干要素、明确边界。能被整句引用，才可能被记住。不做关键词铺设，不做批量稿。
验收：候选集问句 12 次运行的出现率。报比例，不报「已上榜」。
三 · 溯源：知道他是怎么找来的
AI 推荐不带 referrer，买方看完不点链接。所有 analytics 都会显示零——这是整个行业的结构性盲区。
在销售流程里加一句问话：见到每个人问「您是怎么找到我的」。配一张台账，助理每周填一次。
验收：台账连续三个月有记录，且至少一条指向模型。
这一条成本为零，但三个月能攒出别人拿不出的东西：「AI 提到我们，于是有人来找我们」的第一手链条。
四 · 尽调：外部 PR 与 IR 都在查
记者和投资人跟别的读者不一样：他们的成果是公开的，所以错误会被固定下来。
所以这两类人要单独建问句集，不能混在通用问句里——PR 错在细节（任职时间、业务范围、有没有争议），IR 错在判断（行业地位、过往业绩、关联方）。
验收：PR 组、IR 组各自的事实准确率；公开稿件中与 AI 口径相冲突的段落数。
五 · 沉淀：公司资产与个人资产
问题不是内容少，是没有一个地方是完整的、可控的。官网在公司手里，报道在媒体手里，演讲在主办方手里，公众号在平台手里。AI 读的不是你的作品集，是它抓到的一堆碎片；碎片口径不一致，它拼不出一个完整的公司。
资产分三层，缺一层都不成立：
| 层 | 是什么 | 判据 |
|---|---|---|
| 土地 | 自有域名与独立知识库 | 平台规则变化、人员变动都不影响 |
| 建筑 | 结构化数据：组织、人物、业务范围、消歧描述 | 爬虫能读，字段完整 |
| 内容 | 词条级定义与长文，能被整句引用 | 单个定义不依赖上下文也站得住 |
验收：自有域名在检索资料中的占比（我们的起点是 0/52，按月报比例，不承诺具体数）；结构化字段完整率。
前四件是状态维护，会回落，要一直看着。只有这一件是往上加的——资产是唯一会累积的东西。
06 我们报什么数，以及不报什么
| 层 | 指标 | 判据 | 能否写进合同 |
|---|---|---|---|
| L0 存在 | 被问到名字时是否作答 | 作答 / 不作答 | 能 |
| L1 正确 | 具体事实要素命中数 | 逐项计数，不用关键词匹配 | 能 |
| L2 排他 | 同名混装是否被区分 | 二元 | 能 |
| L3 推荐 | 候选集问句出现率 | 12 次运行报比例 | 能 |
| 收入 | 成单增量 | 不可归因 | 不承诺 |
L1 是最容易作假的一层，所以口径写死。 我们实测过：问某个模型「某某是谁」，原话是「我不知道这个人是谁」。如果判据写成「回答里含这个名字、含公司名」，这条会被记成 100% 命中——而它明明是零分。
名字出现，不等于它认得出你。 行业普遍卖「提及率」，提及率可以做到 100% 全假。所以我们的判据只认具体要素：哪几家公司、什么职务、做过什么事。
另一条必须承认的限制：单次快照全是噪声。有人跑过 2,961 次测试，同一个品牌两次拿到同一份推荐列表的概率不到百分之一。所以我们只报多次运行的出现率，绝不说「本周已进入 AI 推荐」。
07 一年怎么走
| 阶段 | 月份 | 主战场 | 你能感觉到什么 |
|---|---|---|---|
| 正名 | 1 到 2 | 基线 + 纠错 + 消歧 | 第一次看到 AI 说错公司的原话 |
| 筑基 | 3 到 5 | 结构化数据 + 权威页 | 同一个问题再问，答案开始稳定 |
| 入列 | 6 到 9 | 能力词条 + 候选集 | 名单里开始出现 |
| 沉淀 | 10 到 12 | 资产三层落地 + 年度复测 | 自有域名第一次出现在检索资料里 |
顺序不能换。第一层不稳就去追第三层，等于在流沙上盖楼，因为模型每读一次就以错为真。
第一个月你会拿到什么：一份不修饰的基线报告。AI 现在怎么说公司，原文照录，四层判分，最痛的三个错。这份报告不签全年服务也给完整。
08 怎么开始
第一步，先看现状，不谈方案。 基线诊断两周内交付：AI 现在怎么描述公司、错在哪几处、哪三处最值钱。
第二步，你自己验一遍。 打开豆包或 WorkBuddy，敲那七个字「某某公司怎么样」。不用相信我们，看它怎么答。
第三步，决定这笔钱从哪出。 如果 PR 或 IR 有在跑的年度预算，那就是它。如果没有，那我们也不建议硬开一个新科目。
结尾
现在打开豆包或 WorkBuddy，敲七个字：「某某公司怎么样」。
然后决定：这个答案，要不要继续由别人来写。
位置不会一直空着。别人已经在豆包里问过那七个字，让 WorkBuddy 生成了一份你们公司的分析报告。别人见你之前，也让大模型查过「你是谁」。
而你却没有占据 AI 的心智——大模型的答案。
数据来源与等级：买方行为数据（51% / 69% / 33%）来自 G2（2026-03，n=1,076），经两家渠道转述，等级 B，倾向性存疑，仅作趋势参考；Forrester 2026（19%）同为转述，等级 B；零点击比例（58%）来自 SparkToro 与 WordStream；单次回答引用域名数（2 到 7）来自 Profound；ChatGPT 引用与 Google 前十重叠度（约 12%）为多方交叉；快照噪声（2,961 次，概率低于百分之一）来自 SparkToro；52 篇检索资料的实测为本方自有样本，非客户案例，样本量小，只作方法演示。｜ 本版 2026-10-26。
郭雁冰（George Guo），CGL集团高级副总裁、战略官，SynAbility项目AI总顾问。专注AI猎头、CAIO猎寻、AI人才测评、企业AI转型。商务合作：di3zongdui@163.com / 公众号”侠客乔治” / 个人微信 di3zongdui。