随着消费者越来越依赖 AI 进行产品发现，一个品牌如果错失候选名单，就会在起步前失去整个销售管道。
概览
随着消费者越来越依赖 AI 进行产品发现，一个品牌如果错失候选名单，就会在起步前失去整个销售管道。
大型语言模型（LLMs）会搜索品牌外部的来源，如评论、付费媒体和比价网站，因此在这些渠道中获得知名度和准确描述至关重要。
这一趋势也适用于 B2B 市场，定性研究表明，买家已开始在 LLMs 中构建候选名单。
营销人员需要跨职能重组运营模式，以强调速度，并在代理时代掌控品牌叙事。
一年多前，我们预测基于 LLM 的搜索将从根本上颠覆买家旅程。如今，这已成为现实。例如，在美国，贝恩公司调查的在线买家中，有 44%主要在 LLM 中开始他们的旅程，或在 AI 工具与传统搜索引擎之间分散搜索。
尽管我们发现 Z 世代和千禧一代的采用速度大约是婴儿潮一代和沉默一代的两倍，但这并非局限于年轻一代的小众行为（见图 1）。向 AI 中介搜索的转变比社交购物或电子商务搜索的兴起更快，如今也已扩展到 B2B 市场。那些将这一变化仅仅视为 SEO 更新的营销人员，已经落后于时代。
图 1 生成式人工智能正成为核心搜索工具
转折点
过去十年间，传统搜索在消费者发现领域的主导地位逐渐被蚕食。各年龄层消费者的搜索行为中，电子商务平台、社交购物和视频渠道各自分走了一块份额。但 AI 驱动搜索的崛起不仅是程度上的变化，更是本质上的变革。
支持长篇幅、高语境查询的对话式自然语言交互的兴起，为消费者创造了更个性化的发现体验。与此同时，仍在使用传统搜索引擎的用户，越来越依赖 AI 生成的摘要信息，而非点击页面链接。在几乎所有类别中，AI 概览、问答轮播和付费广告位都将蓝色链接推至页面折叠线以下。我们调查中半数网购者信任生成式 AI 进行初步研究和产品比较，尽管这一比例因产品类别和消费者年龄段而异（见图 2）。对首席营销官而言，这意味着他们多年投入建设的首页黄金位置价值正在缩水。
图 2
消费者在低风险活动中更信任生成式 AI
注：净信任度通过将评分 4 或 5（完全信任或比较信任）的受访者比例减去评分 1 或 2（完全不信任或比较不信任）的比例计算得出
来源：贝恩公司 2025 年 9 月美国生成式 AI 消费者调查（样本量 n=1,500）
B2B 买家已开始接纳聊天机器人
转向 B2B 市场，我们的研究表明，中小型企业买家已开始在 LLMs 中构建供应商候选名单。他们利用 AI 构建考虑集，随后转向网站、评价平台和 YouTube 演示来验证模型建议。若某供应商品牌未能出现在 AI 生成的首份名单中，则可能永远无法进入验证阶段。
将上述购买行为推及大型企业（它们已将数字化发现融入供应商名单开发流程），我们预计销售和营销漏斗将出现重大变革。面向企业客户的 CMO 应与管理层同事协作，为这一潮流向高价值企业交易迁移做好准备。
成功的关键在于率先亮相
我们与智能 AI 平台的合作反复表明，LLMs 构建推荐所依赖的信息来源绝大多数并非品牌自有媒体。第三方评价网站、行业刊物、分析师评论、社交平台及联盟发布的内容占据主导地位，而非企业官网、博客或付费广告。对 ScrunchAI 专有搜索数据（涵盖约 5 亿条引用）的分析显示，89%的非品牌提示（未提及具体品牌）由第三方来源满足。按主题分类的分散度在 76%至 99%之间，远超按 AI 平台分类的 89%至 90%的分散度。
因此，营销资源与费用分配需要进行结构性重置。传统的搜索优化、搜索营销及营销漏斗底端转化策略虽不可或缺，但已不足以应对挑战。LLMs 所信赖的信息源，更像是一种强大的公关与赢得媒体策略，而非效果营销仪表盘。
在 AI 驱动的发现领域取得最大进展的品牌，其投资聚焦于三个领域：
品类知名度——即当 LLM 回答品类相关问题时，能被自动引用的品牌；
准确的品牌形象塑造——确保第三方来源反映其当前市场定位，而非过时或错误的描述；
内容新鲜度与 LLM 可读性——重构网站内容，创建 AI 爬虫能清晰解析的专属路径。
构建跨职能协作模式
许多领先企业正开始重新思考其营销运营模式的架构。传统的部门孤岛结构——SEO 独立运作，公关、营销传播与网红营销另成体系，网站与内容生成再归其他部门——已无法满足这场变革所需的速度与协同性。更有效的方式是重新设计跨职能工作流程，整合共享绩效指标、统一信息治理机制，并在付费媒体、自有媒体与技术团队间开展快速实验。在实践中，这与其说是一场活动，不如说是一种能力的构建。营销传播突击队不应作为临时工作组存在，而应成为这种能力的持久组成部分。
我们看到领先的组织正在制定一套行动方案，涵盖从无遗憾优化到更大规模的结构性押注：
针对主要用户画像、类别和提示词，衡量生成式引擎的表现，追踪各引擎的声量占比、引用频率和情感趋势。
重构网站内容策略，提升 LLM 可读性，覆盖热门提示词和类别，确保高质量结构化内容保持可用、新鲜且可抓取。
增加对高引用来源的媒体曝光、联盟营销管理、网红及声誉管理的投入与投资，以塑造第三方对品牌的评价。
将自有网站进行分流，创建专为机器人优化的浏览路径，用于解答复杂查询，同时避免以密集的 AI 导向内容污染面向人类的体验。
探索应用程序编程接口集成，并与领先的 LLMs 建立基于智能体的合作伙伴关系，以确保聊天中产品信息的实时准确性，并获取支持交易流程的访问权限。
当然，模型会不断演进，它们所重视的信息源也会发生变化，今天行之有效的策略未来也需要调整。企业应致力于更深入地了解客户在从发现到购买的旅程中，其需求和行为的演变趋势。它们需要提升实验能力，并确保运营模式能够灵活应变。
为此，希望在智能体前沿领域发挥领导作用的 CMO 应优先考虑以下问题：
我们的下一批客户将从何处获取？其中有多少路径现在需要通过我们无法控制的人工智能界面？
我们在买家使用的人工智能引擎中目前的曝光度如何？这种曝光是否准确、有利，且与我们的市场定位一致？
如果人工智能正在构建买家的候选名单，那么是我们自己在塑造这份名单，还是我们的竞争对手在塑造？
让营销团队参与这些问题的讨论，将帮助品牌识别当前营销漏斗中的风险，并评估在代理型时代吸引和转化客户的紧迫程度。
原文链接：https://www.bain.com/insights/your-next-customer-will-find-you-using-ai-now-what/