数说故事人工智能科技股份有限公司

最近，豆包商品推荐与抖音商城之间的链路出现了一个重要变化：商家已经可以在抖店订单数据中识别来自“豆包”的成交。

消费者在豆包提出问题，AI 回答中出现商品卡，用户点击后进入抖音商城完成下单，相关订单会在商家后台标记豆包来源。豆包早在今年3月就已在部分商品推荐回答中接入抖音商城商品卡；到7月，商家后台导出的订单明细里进一步出现了“豆包”这一APP渠道标识。

这意味着，豆包GEO不再只有“品牌有没有被提及、有没有被推荐”这样的前端结果。至少在豆包商品卡至抖音商城成交的直接路径上，品牌已经能够向后看到订单来源，“AI回答—商品卡—商城下单—渠道归因”的链路开始具备可追溯性。

但订单归因只能告诉商家“豆包带来了多少订单”，不能回答商品卡为什么出现、哪些问题更容易触发商品卡、哪个品牌或产品排得更靠前、流量集中在哪些店铺。要改善后端转化，品牌首先需要看清前端商品卡竞争。因此，商品卡正在成为豆包GEO继品牌提及、推荐排名和信源引用之后，一个必须单独监测和持续优化的新对象。

商品卡正在成为豆包GEO的新竞争位

过去，品牌衡量GEO效果，通常关注品牌提及率、推荐排名、内容准确度以及引用信源等指标。这些指标主要回答“AI是否认识并推荐品牌”。

商品卡出现后，监测颗粒度需要进一步下沉。品牌不仅要知道自己有没有被提及，还要知道：

• 回答中有没有出现商品卡；

• 出现的是本品还是竞品；

• 哪款具体产品获得了推荐；

• 商品卡排在什么位置；

• 商品来自哪家店铺；

• 曝光是否集中在少数商品或渠道。

只有掌握这些数据，品牌才能判断问题出在品牌认知、产品匹配、商品资产、店铺承接还是竞争环境，并据此制定更有针对性的GEO优化方案。

数说故事GEO系统上线“商品与视频洞察”功能

为应对豆包商品推荐链路的变化，数说故事GEO系统上线“商品与视频洞察”，品牌方可从AI可见度看板进入分析弹窗，在当前监测任务范围内查看豆包APP回答中的商品卡数据。该能力将GEO监测从品牌级进一步延伸到产品、店铺和具体商品层级，帮助品牌看清商品卡的整体竞争格局。

商品卡核心指标：先判断品牌是否进入推荐场

系统支持查看商品卡露出率，以及所选品牌或产品的商品卡曝光率和平均首位排名。

其中，商品卡露出率反映当前监测问题中出现商品卡的整体情况，可以帮助品牌判断哪些消费问题已经进入商品推荐场景；品牌或产品曝光率则用于衡量本品获得商品卡展示的机会；平均首位排名用于观察本品商品卡首次出现时的位置表现。

这组指标可以回答三个基础问题：商品卡是否经常出现？出现时有没有本品？本品通常排在什么位置？

品牌曝光对比：看清本品与竞品的商品卡差距

系统能够对比本品与主要竞品的商品卡曝光表现。

品牌方可以查看哪些竞品获得了更高的曝光率、谁更容易进入豆包商品推荐，以及本品与竞品之间存在多大差距。点击具体品牌后，还可以继续查看该品牌旗下产品的表现，从品牌竞争进一步下钻到产品竞争。

这有助于品牌识别：竞争对手的优势究竟来自整体品牌势能，还是由少数重点产品带动。

产品曝光对比：定位真正获得AI推荐的产品

在品牌分析基础上，系统可以展示所选品牌下不同产品的曝光率、曝光回答数和平均首位排名。

同一个品牌旗下，不同产品进入豆包商品卡的能力可能差异很大。通过产品曝光对比，品牌可以发现哪些产品已经形成稳定推荐，哪些重点产品曝光不足，以及哪些产品虽然出现次数不低，但排名相对靠后。

品牌由此可以更有针对性地调整主推产品、产品内容和商品资产，而不是笼统地优化整个品牌。

高引用店铺分析：识别优势销售渠道

豆包推荐的商品卡不仅涉及品牌和产品，也会落到具体店铺。系统可以展示商品卡引用较多的店铺，帮助品牌识别AI推荐中的优势销售渠道。

品牌可借此判断流量更集中于官方旗舰店、专卖店还是其他经销渠道，并检查本品是否被导向预期店铺。如果竞品店铺频繁获得推荐，或者同品牌流量过度集中于非核心店铺，品牌就需要进一步核查商品信息完整度、店铺承接能力和渠道布局。

商品曝光集中度：判断流量是否过度集中

系统支持分析商品曝光的集中程度，判断AI推荐流量是分布在多个商品上，还是集中于少数商品。

如果曝光过度集中于单一商品，品牌虽然可能拥有较高的整体商品卡曝光率，但产品结构仍然存在风险；一旦该商品缺货、下架或竞争力下降，品牌的商品卡表现可能明显波动。

通过集中度分析，品牌可以评估商品推荐结构是否健康，并决定是继续强化核心爆品，还是增加其他重点产品的内容与商品资产建设。

引用商品卡列表：回到具体商品核查问题

系统提供引用商品卡明细列表，展示商品图片、商品名称、品牌、店铺、被回答引用数和商品链接，并支持降序排列、分页查看及跳转商品链接。

这份列表让分析不再停留在汇总指标上。品牌可以直接检查被推荐的是哪一个商品、商品名称是否准确、落到哪家店铺、链接是否有效，以及高频曝光商品是否符合当前营销策略。

品牌与产品联动：提高分析效率

商品卡洞察支持品牌、产品级联筛选，并默认展示当前监测品牌的整体表现。

当用户选择某个品牌后，可以继续查看其旗下产品；切换产品后，相关指标和明细同步联动。品牌方因此能够从市场整体竞争快速下钻至具体产品，减少在多张报表之间反复筛选和比对的成本。

品牌如何开展商品卡GEO优化？

商品卡洞察的价值不只是“多了一张看板”，而是为商品卡优化建立一套可执行的数据基础。品牌可以按照以下路径推进：

第一步：建立商品卡监测基线

围绕品牌推荐、产品对比、价格区间、适用人群、使用场景和购买决策等高价值问题建立监测任务，了解商品卡触发情况、本品曝光率以及当前排名。

第二步：识别品牌、产品和店铺差距

将本品与竞品对比，判断问题发生在哪一层：是品牌整体曝光不足、重点产品没有进入推荐，还是商品流量被竞品店铺和非核心渠道占据。

第三步：完善商品与内容资产

根据洞察结果，持续完善商品名称、规格参数、功能卖点、适用人群、使用场景、价格、库存、售后政策和竞品差异等信息，并确保官网内容、传播内容、抖音内容与商城商品页之间准确一致。

第四步：持续监测并验证调整效果

内容和商品资产调整后，继续观察商品卡露出率、产品曝光率、平均首位排名、优势店铺及集中度是否发生变化，再与抖店后台豆包来源订单进行周期性对照，逐步建立适合自身品牌的商品卡GEO优化闭环。

商品卡优化，首先要从“看得清”开始

抖店能够识别豆包来源订单，让品牌第一次有机会看到商品卡推荐之后的成交结果；而数说GEO的“商品卡洞察”，帮助品牌看清成交之前发生了什么。

从商品卡是否出现，到本品与竞品谁获得曝光；从具体产品排名，到流量最终落在哪家店铺，品牌只有先看清商品卡竞争过程，才能判断应该优化哪些问题、产品、内容和渠道。

需要说明的是，商品卡并不会出现在所有豆包回答中，相关指标以系统实际识别到的数据为准；部分平台特有字段仅在数据可获取时展示，不影响公共指标和商品明细的使用。本次功能仅对增量任务数据生效，历史任务如需定向回溯，可联系数说故事产研团队处理。

在AI搜索加速连接商品与交易的背景下，商品卡已经不只是豆包回答中的一个展示组件，而是品牌需要提前监测、分析和持续优化的新型GEO竞争位。