Google AI 购物数据：需求比曝光更重要

Google 正在开放 AI 购物数据，但“可见性”并非最重要的指标

Google Merchant Center（Google 商户中心）已开始向商家提供 AI 效果洞察（AI Performance Insights）。品牌首次可以使用 Google 官方仪表板，查看其产品在 AI 模式（AI Mode）、AI 概览（AI Overviews）和 Gemini 中所覆盖的消费者需求、这些需求在购买旅程中的分布位置，以及与同类品牌相比其获得了多少 AI 曝光份额。

然而，在审阅该报告后，我愈发确信一点：

在生成式引擎优化（GEO）的下一阶段，最有价值的数据将不再是品牌被 AI 提及的次数，而是客户需求集中在哪里，以及品牌是否真正满足了这些需求。

1. 引言

不久前，我曾撰写过关于 Google Search Console 和 Bing 网站管理员工具开始提供与 AI 搜索相关数据的内容。

彼时我的结论是：GEO 正在从一个主要建立在第三方监测和行业判断基础上的新概念，迈向由官方平台数据进行验证的阶段。

Microsoft 开始报告引用（Citations），而 Google Search Console 开始报告 AI 展示次数（Impressions）。至少这证明了一点：AI 生成答案中的品牌可见性和引用量，已成为搜索平台愿意正式追踪的指标。

那一轮更新主要针对网站和内容层面：

• 页面是否出现在 AI 搜索结果中
• 网站是否被 AI 用作信息源
• 哪些 URL 获得了展示或引用

现在，Google 又向前迈进了一步。

这一次，数据已进入 Merchant Center，这意味着它已经深入到产品和电商层面。

Google 的 AI 效果洞察开始向商家展示：消费者如何通过 AI 模式、AI 概览和 Gemini 发现他们的产品；品牌在同类产品中占据了多少声量份额（Share of Voice）；用户最关心哪些产品术语和属性。

这不仅仅是另一份报告。

它代表了 Google 试图回答一个比“产品是否获得曝光”重要得多的问题：

当消费者通过 AI 购物时，他们真正关心的是什么？

2. Google 提供的不仅仅是 AI 可见性报告

根据目前可用的界面和官方说明，AI 效果洞察包含四大类数据。

2.1 声量份额（Share of Voice）

第一个指标是品牌在 Google AI 购物体验中的声量份额。

简而言之，它评估了品牌及其产品在相关购物需求中获得的 AI 曝光量，然后将其与 Google 自动识别的同类竞品进行对比。

该指标听起来可能与许多 GEO 工具使用的“可见性得分”（Visibility Score）相似，但两者有着重要的区别。

第三方 GEO 工具通常的做法：

定义一组提示词（Prompts），定期查询多个模型，并计算品牌的出现频率。

而 Google 的数据来自其自身的 AI 购物环境，包括 AI 模式、AI 概览和 Gemini。因此，它更贴近 Google 生态系统内的实际曝光情况，尽管它无法衡量生态系统之外的表现。

它的价值不在于取代所有第三方监测工具，而在于为品牌提供了一个官方基准。

电商企业现在可以更自信地判断：

我的产品不仅仅是出现在少数几个测试提示中，而是真正进入了 Google AI 购物的需求阵地。

然而，声量份额不应被等同于市场份额。

Google 会自动选择对比品牌，商家无法完全控制竞争集（Competitive Set）。样本量、产品分类以及 Google 实体识别的范围都可能影响这一比例。

100% 的声量份额并不一定意味着品牌垄断了该类别，而 0% 的分数也不一定意味着没有任何曝光。

该指标更适合用于识别趋势，而非作为衡量商业表现的独立指标。

2.2 用户处于购物旅程的哪个阶段

Google 还根据购买漏斗对 AI 购物查询进行了分类：

• 发现（Discovery）
• 评估（Evaluation）
• 购买（Purchase）

例如：

• “什么样的咖啡机适合办公室？”可能属于“发现”阶段。
• “胶囊咖啡机和全自动咖啡机哪种更适合小型办公室？”则更接近“评估”阶段。
• “我可以在哪里买到这款带定时功能的咖啡机？”已经进入了购买阶段 (Purchase stage)。

图 2： AI 绩效洞察将购物需求划分为发现、评估和购买阶段。

我认为这比单纯衡量 AI 曝光量更有价值。

过去，许多 GEO（生成式引擎优化）监测方案仅仅统计品牌是否出现过。

然而，出现在“什么是空气净化器？”的回答中，与出现在“适合养宠家庭的最佳空气净化器有哪些？”的回答中，其商业价值截然不同。

前者可能属于通用型教育，而后者已经非常接近购买决策。

如果不区分意图和决策阶段，100 次品牌提及可能还不如 10 次出现在高购买意图查询中的推荐更有价值。

通过将这些数据直接集成在 Merchant Center 中，谷歌实际上是在向商家传递一个信号：

不应仅凭总曝光量来评判 AI 购物表现。你需要知晓这些曝光出现在消费者旅程的哪个阶段。

2.3 用户正在使用哪些产品术语

谷歌还提供了产品术语 (Product Terms)，即消费者在 AI 辅助购物过程中频繁使用的产品概念和表达方式。

这需要仔细解读。

谷歌提供的并不是完整的原始 Prompt 列表，而是聚合后的产品术语和查询类型。

这种结构非常符合 AI 搜索的本质。

在传统搜索中，关键词可能非常简短：

跑步鞋

而 AI 用户可能会这样问：

我每周跑步四次，体重比一般人重，膝盖经常感到不适。有没有适合长距离、轻松配速跑的、缓震效果更好的跑步鞋？

这单一的问题包含了多个维度：

• 使用频率
• 用户的身体状况
• 使用场景
• 产品功能
• 潜在风险
• 购买偏好

如果用传统的关键词报告来拆解这类查询，数据将会变得碎片化。

但从消费者意图的角度来看，核心需求非常清晰：

适合体重较大且膝盖不适人群的长距离缓震跑鞋。

谷歌并没有将每一个冗长的 Prompt 直接交付给商家，而是将这些查询聚合为更易于管理的需求主题 (Demand themes)、产品术语和购买阶段。

针对这份报告的行业分析得出了类似的结论：可用数据正在增加，但商家依然无法查看完整的原始查询、点击和转化旅程。

这对 GEO 行业是一个重要的信号。

未来最有价值的分析单元可能不再是孤立的 Prompt，而是：

由相同底层消费者意图驱动的一组不同表述的查询集合。

2.4 产品属性是否完整

第四个类别涵盖了用户关心的产品属性，以及品牌的产品数据中是否缺失了这些属性。

用户可能会频繁询问关于以下方面的信息：

• 材质
• 颜色
• 尺寸
• 目标人群
• 特性
• 使用环境
• 兼容性
• 风格
• 防水等级
• 负载能力

假设消费者反复询问某产品是否适合户外使用，但产品 Feed、结构化数据和产品页面从未描述过其使用环境，那么谷歌将难以判断该产品是否应该被推荐。

Google Merchant Center 一直依赖商家提交的产品数据将产品与相关查询进行匹配。谷歌也持续强调，准确且完整的产品信息直接影响产品是否能被正确展示。

过去，商家优化 Feed 主要为了购物广告 (Shopping Ads) 和免费产品列表。

现在，这些字段也开始影响 AI 模式、AI 概览 (AI Overviews) 和 Gemini 中的产品发现。

产品 Feed 的角色正在发生变化：

它不再仅仅是广告的数据源。它正成为 AI 理解产品的底层语言。

3. 谷歌正在将 AI 搜索从关键词报告转变为需求地图

此次更新中最被低估的部分，并非谷歌引入了“声量份额 (Share of Voice)”，而是谷歌选择组织这些数据的方式。

谷歌并没有简单地交给商家一份 AI 关键词列表。

相反，AI 购物报告是围绕以下维度组织的：

• 购物阶段
• 查询类型
• 产品术语
• 产品属性
• 同类品牌
• 产品数据完整性

为什么？

因为 AI 用户不会始终使用一组固定的关键词。

同一个需求可以用数十种方式表达。

例如，一位正在为小户型选购空气净化器的用户可能会问：

• 我该如何为卧室挑选空气净化器？
• 20 平方米的房间需要多大的 CADR 值？
• 养宠家庭最适合哪种空气净化器？
• 哪款空气净化器晚上运行安静？
• 高功率空气净化器在小房间里是否浪费？
• 什么样的过滤系统适合过敏性鼻炎患者？

这些问题在句子层面看起来完全不同。

然而，从商业需求的角度来看，它们可能归属于几个稳定的意图集群（Intent Clusters）：

• 小空间净化
• 宠物家庭
• 睡眠期间的静音运行
• 过敏与鼻炎
• 性能与房间面积匹配

真正影响 AI 推荐的，并不是品牌是否恰好覆盖了某一个精确的提示词（Prompt），而是：

品牌的产信息和内容资产是否全面覆盖了客户在决策过程中频繁使用的需求结构。

这就是我长期以来认为仅用几十个预设提示词来衡量 GEO（生成式引擎优化）会产生虚假确定感的原因。

一家公司可以仔细挑选 100 个问题，并报告品牌可见度提升了 20%。

但如果这些问题并不能代表客户真正关心的内容，或者漏掉了高价值的购买场景，那么这 20% 的增长意义微乎其微。

谷歌也在从孤立的查询转向聚合的需求和意图。

4. 虽然数据更多了，但完整的闭环依然不存在

观察官方平台数据的演进，谷歌正开始填补三个层级。

第一层是 Search Console，它报告了网站内容在 AI 搜索功能中的展示次数（Impressions）。

第二层是 Merchant Center，它报告了产品在 AI 购物场景中的声量份额（Share of Voice）、购物阶段、产品术语和属性需求。

第三层是 Google Ads 和 Merchant Center，它们继续将产品数据源（Product Feeds）、广告和交易数据连接起来。

即便如此，最关键的缺口依然存在。

用户到底问了什么？

商家目前看到的是聚合后的术语和查询类型，而不是逐个提示词的完整记录。

用户点击了吗？

品牌可能知道产品获得了 AI 展示，但可能不知道特定类别的 AI 查询产生了多少点击。

哪种需求带来了订单？

目前仍缺乏完整的查询级归因链（Attribution Chain），无法连接：

1. 用户询问某个场景
2. 产品被推荐
3. 用户访问网站
4. 用户将产品加入购物车
5. 完成购买

为什么品牌会出现，或者为什么没出现？

报告可以显示结果，但可能无法完全解释是否因为：

• 数据源字段不完整
• 产品页面缺乏关键信息
• 评论和第三方来源不足
• 价格、库存或运费与用户需求不匹配
• 竞争对手在该场景下拥有更强的内容和实体信号

报告主要回答的是：

品牌是否已进入 Google AI 购物中特定的需求类别？

它尚未完全回答：

为什么品牌会出现，为什么它没出现，以及如何系统性地提高出现的概率？

行业报道对此次更新的总结很准确：谷歌的 AI 搜索数据正在扩展，但在点击量、精确查询、竞争对手集和转化归因等方面仍存在重大缺口。

5. 这对第三方 GEO 工具意味着什么

官方报告的增加并不会自动消除第三方工具的价值。

然而，仅依赖“定义提示词、反复询问、统计提及率”流程的产品，其作用将变得越来越有限。

谷歌已经可以告诉商家：

• 它们在谷歌 AI 购物环境中的声量份额
• 用户处于哪个购物阶段
• 哪些产品术语更受欢迎
• 哪些产品属性缺失
• 品牌与同类品牌的对比情况

如果第三方产品仍然只报告：

您的品牌在 50 个提示词中出现了 13 次。

这显然是不够的。

第三方 GEO 产品需要提供至少三项当前官方平台数据尚无法实现的服务。

5.1 跨平台衡量

谷歌只能解释谷歌生态系统。

品牌仍然需要了解其在 ChatGPT、Perplexity、Copilot、Claude 及其他 AI 入口点上的表现。

每个平台都有不同的数据来源、引文机制、产品目录和推荐逻辑。

5.2 全行业的意图覆盖

官方平台仅显示其收集和聚合的数据。

品牌仍然需要一套完整的行业需求结构，包括：

• 客户场景
• 购买问题
• 产品对比
• 风险顾虑
• 产品属性
• 属于发现（Discovery）、评估（Evaluation）和购买（Purchase）阶段的需求

5.3 原因与建议行动

真正的商业价值并非来自告诉品牌：“你没有出现。”

它来自解释：

• 哪个意图集群（Intent Cluster）未能覆盖
• 哪个竞争对手目前占据了该需求
• 缺失的要素是产品信息、站内内容还是第三方信任信号
• 品牌是否应该优化其数据Feed、产品详情页、对比页、评论内容或外部来源
• 在完成优化工作后，官方指标和业务结果是否发生了变化

随着官方数据的成熟，第三方工具需要从监测系统向分析与决策系统进化。

6. 独立电商品牌的后续行动建议

我不建议在应对此次更新时，盲目去追求另一个“AI 搜索份额”（AI Share of Voice）数字。

更实际的方法是优先审查以下四个领域。

6.1 检查产品 Feed 是否仍停留在广告时代

许多独立电商品牌在 Merchant Center Feed 中仅提供最基础的信息：

• 产品标题
• 价格
• 图片
• 品牌
• GTIN
• 库存状态

但消费者通过 AI 提出的问题要复杂得多。

他们会询问：

• 该产品适合谁？
• 应该在哪些场景下使用？
• 它与其他型号有何不同？
• 是否兼容特定设备？
• 能否解决某个特定问题？
• 它有哪些局限性？
• 其材料和制造工艺有何区别？

如果这些信息仅存在于客服团队的知识库中，或者散落在图片里，而未出现在 Feed、结构化数据（Structured Data）或可抓取的产品详情页中，AI 将难以准确理解产品。

6.2 检查产品详情页是否真正回答了购买问题

许多品牌的产品详情页看起来很吸引人，但内容主要由以下构成：

• 一句营销口号
• 几张生活方式图片
• 三到四个卖点亮点
• 一个“购买”按钮

这种页面对于已经决定购买的人来说可能有效，但却无法帮助 AI 回答复杂的决策问题。

一个更易于被 AI 理解和推荐的产品详情页，应当清晰说明：

• 产品适合谁，不适合谁
• 它解决了什么问题
• 主要规格参数
• 预期的使用场景
• 与其他型号的区别
• 常见疑虑
• 真实的客户评价
• 运费、退换货及保修政策

6.3 围绕场景与决策构建内容，而非仅仅围绕产品词

品牌习惯于围绕产品名称创建内容：

• 这是什么产品？
• 该产品有哪些优势？
• 如何使用该产品？

AI 购物用户更多是通过场景来表达需求：

• 适合小型公寓
• 适合敏感肌肤
• 适合频繁商务旅行
• 适合儿童
• 适合户外使用
• 预算在 500 美元以下
• 我应该如何在产品 A 和产品 B 之间做出选择？

未来，内容架构需要从单纯的“产品目录”扩展到“客户决策目录”。

6.4 将官方数据与业务数据结合分析

AI 表现洞察（AI Performance Insights）本身无法证明营收增长。

更合理的方法是将以下数据结合起来：

• Merchant Center 的 AI 搜索份额与需求洞察
• Search Console 的 AI 展示数据
• 第三方跨平台品牌可见度
• 来自 GA4、Shopify 和 CRM 系统的流量与转化数据

只有这样，品牌才能评估：

• AI 曝光度是否在增加
• 哪些需求集群在驱动增长
• 产品详情页和内容获得的访问量是否增加
• 品牌搜索和直接流量是否有变化
• 这些活动最终是否带来了订单或潜在客户

7. 此次更新也验证了 Dageno 的方向

大多数早期的 GEO 工具是从 Prompt（提示词）监测开始的。

客户输入一组问题，工具按计划查询 AI 模型，系统记录品牌是否出现、排名位置以及引用了哪些来源。

这在行业早期是极具价值的，因为品牌首先需要知道自己是否出现在了 AI 生成的答案中。

然而，其局限性也日益凸显：

• 谁来定义这些 Prompt？
• 这些 Prompt 是否代表真实市场？
• 是否遗漏了更重要的需求？
• 提示词的数量和提示词的价值在不同行业是否表现一致？
• 在可见度提升后，品牌实际上涵盖了哪些客户决策？
• 品牌为什么出现，又为什么消失？

Dageno 正从有限的提示词监测转向全面的行业意图覆盖。

我们不太关心：

该品牌在这一百个预设问题中出现了多少次？

我们更关心：
在整个行业中，用户在哪些场景下会提出问题？这些需求属于购买旅程的哪个阶段？哪些需求已被竞争对手捕获？在哪些意图集群（Intent Clusters）中，品牌处于完全空白的状态？这种缺失是因为产品信息、内容结构、信任背书，还是品牌认知度造成的？

谷歌的报告同样正围绕购买阶段、产品术语、查询类型和产品属性来组织 AI 数据。

这与我们对行业发展方向的看法不谋而合：

AI 搜索的基本单元将不再局限于单个提示词（Prompt）。它将逐渐演变为聚合的用户意图和决策场景。

谷歌可以提供来自其自身生态系统的数据。

而 Dageno 需要补充的是跨平台覆盖、全行业需求情报以及归因解释。

我们的目标不是为客户提供一张显示“AI 可见度提升了 10%”的截图。

我们的目标是帮助品牌构建一张全新的市场需求地图，从而回答以下问题：

• 行业用户都在问什么
• 每个需求集群的规模有多大
• 哪些问题会影响购买决策
• 哪些品牌目前占据了这些答案
• 品牌应优先填补哪些空白
• 优化后，官方指标与业务成果是否呈现同步增长

结论

Google Merchant Center 推出 AI 绩效洞察（AI Performance Insights）是一项重要的更新。

电商品牌首次可以通过官方仪表板，查看其产品在 Google AI Shopping 中的曝光份额、与这些曝光相关的购买阶段、用户关心的产品术语，以及产品属性方面的缺失。

但此次更新最重要的意义，并不在于谷歌新增了一个 AI 可见度指标。

而在于谷歌公开承认：

AI Shopping 的竞争不再仅仅关乎产品是否被收录。它关乎产品是否能够匹配用户自然语言背后隐藏的真实需求。

过去，商家围绕关键词优化标题和 Feed。

未来，品牌需要围绕受众、场景、属性、痛点和购买阶段，重新组织整个产品信息系统。

这也意味着 GEO 将越来越像一门正式的增长学科，而非通过手动提示词来验证价值的新概念。

数据闭环目前尚不完整。

在精确提示词、点击流、推荐逻辑和订单归因等方面仍存在巨大空白。

但各类仪表板的数量正在不断增长。

下一个阶段的赢家，将不会是第一家购买 AI 可见度工具的品牌，而是第一家将行业需求、产品数据、内容资产和官方绩效指标有机串联起来的品牌。

用户已经通过 AI 做出购买决策。

品牌需要争夺的不再仅仅是一次多出的曝光。

而是被纳入用户最终决策答案的权利。