- 消费者在把"选购"外包给AI：Kearney 2025年调查显示，60%的美国购物者预期在未来12个月内使用Agentic AI完成购买；三分之二的Z世代已用大语言模型研究产品。
- 品牌的新KPI："Share of Model"（模型份额）——品牌在AI回答中出现的频率和正面度，正在取代搜索引擎排名成为新的流量入口指标。
- 三种AI代理交互并行：品牌方代理、消费者代理、完全AI中介，品牌必须同时覆盖。
- 不是所有场景都适合上AI：11.9万参与者的研究显示，高风险决策、情感性购买、奢侈品体验中消费者强烈抵触AI。
- 负责任AI直接转化为购买：嵌入负责任AI特性后，AI养老金应用的预测采纳率从2.4%跃升至63.2%。
- 中国市场更冷峻：麦肯锡2026年报告显示，品牌官网在AI回答中的引用占比仅1%——AI根本没在看品牌官网写的东西。
- 本文为申是对HBR文章的独立解读，原文版权归Harvard Business Publishing所有；中国市场数据引自麦肯锡、艾瑞咨询与CNNIC公开数据。
启示一：你的新受众，可能不是人
文章提出了一个让品牌管理者必须自问的问题："当我们的主要受众可能不是人类时，我们如何调整传播策略？"这不是科幻。Kearney 2025年7月对750名美国消费者的调查显示，60%的购物者预期在未来12个月内使用Agentic AI完成购买。OpenAI正与Stripe、PayPal、沃尔玛和Shopify合作，在ChatGPT内实现完整的购买流程。
两位作者识别出三种正在并行演化的AI代理交互模式：
第一种：品牌方代理与消费者直接交互。Capital One的Auto Navigator Chat Concierge是典型——查经销商库存、预约试驾、估算置换价值、回答融资问题，客户在踏进4S店之前就能完成大部分购买旅程。
第二种：消费者代理代表个人跨品牌行动。比如Claude的"computer use"能力，允许代理自主导航屏幕、填表、完成购买——它几乎就是消费者的个人数字代表。
第三种：完全AI中介。交易双方都是AI，人类意图和偏好被算法预先过滤。ChatGPT的Agent已经在OpenTable上搜索餐厅并完成订座；Hostie的AI礼宾替餐厅管理咨询、评估空位、发送确认。
申是观察：这三种模式不是先后替代关系，而是并行共存。同一个消费者可能在日用品上委托消费者代理，在购车时用品牌方代理，在签合同前坚持和真人谈。品牌需要同时覆盖这三种接触面——这正是GEO（生成式引擎优化）服务要解决的结构性问题。
启示二：先问"要不要"，再问"怎么做"
文章给品牌管理者的第一个关键问题是：你的消费者真的想和一个AI代理交互吗？在消费者偏好人际互动的场景部署AI，不仅无效，还会主动损害品牌关系。
学术研究（跨多项研究、11.9万参与者）表明，消费者愿意在低风险、常规、可预测的场景使用AI代理——亚马逊十年来一直在悄悄自动化这类决策（2024年23%的美国亚马逊用户有活跃的Subscribe & Save订阅订单）。
但以下场景消费者强烈抵触AI：个人意义重大的购买；人类付出代表心意的场景（送礼、手写卡片）；高风险决策（医疗健康领域尤为明显）；主观判断任务（推荐约会对象或电影）；人际关系和个性化服务至关重要的领域（奢侈品、高端体验）。
兰博基尼CEO Stephan Winkelmann说得最透彻："兰博基尼的意义在于驾驶它，而不是被它驾驶。"买百达翡丽或爱马仕的顾客享受的是研究过程、期待感和店内专业指导——这段旅程不应该被AI自动化。
但选择不是非黑即白。全球营养品公司AG1面对数万条客户咨询，设计了"选择性AI"策略——AI代理像新员工一样接受品牌语调培训、接入后端系统、用实时客户数据做个性化建议，但所有社区建设互动严格保留人工。结果：AI代理在99%的交互中获得满分，客户从邮件转向AI代理的比例实现了双位数增长。高端运动服品牌Vuori类似：AI处理约40%的聊天对话，复杂问题升级给人工专家。
启示三：品牌方代理 vs 消费者代理——一场信任不对称的战争
一旦消费者愿意用AI代理，品牌就面临新挑战：说服消费者用你的品牌代理，而不是他们自己的独立代理。
Consumer Reports数字实验室负责人Dazza Greenwood点破本质："个人AI代理最有吸引力的用例，是它能够毫无偏见、毫无利益冲突地代表消费者进行倡导。"消费者代理在信任和数据两个维度有结构性优势：人们天然信任自己直接控制的代理，且消费者代理能跨品牌积累数据。
品牌方代理要赢，必须押注消费者代理无法复制的能力：
1. 深度专有产品知识。丝芙兰是教科书案例：AI系统调用14万种肤色区分能力的Color IQ技术、3400万Beauty Insider会员的第一方数据、实时门店库存。使用这些工具的客户完成购买的概率是普通客户的三倍，退货率降低30%。
2. 人机协同（Human-in-the-loop）。ServiceNow的AI代理自主解决80%的查询，剩余20%复杂问题自动升级给人工专家，复杂案例解决时间缩短52%。这种"AI效率+人类兜底"的混合模式，是纯消费者代理给不了的。
启示四：负责任AI不是成本，是购买理由
这是文章中最有商业冲击力的一组数据。Acar教授团队对3268名英国消费者做了三组大规模离散选择实验，让消费者在AI产品的不同属性之间做真实权衡（隐私、可审计性、可理解性 vs 价格、性能、个性化、自主性）。
结果惊人：在AI养老金规划应用场景中，隐私是决策中影响力最大的因素（占31%），其次是可审计性（占26%）；当负责任AI特性被嵌入产品设计后，养老金应用的预测采纳率从2.4%跃升至63.2%，投资应用采纳率提升27.5%。
Salesforce的调查佐证了信任缺口：大多数消费者不相信公司会合乎伦理地使用AI，72%的受访者要求公司明确告知何时在与AI而非真人交互。
申是观察：这组数据为申是的AI治理方向提供了直接的市场证据——负责任AI不是合规成本，是可以直接转化为消费者选择的购买理由。这与ISO 42001认证正在成为采购信任凭证是同一条逻辑链的两端：B2B端靠认证，B2C端靠透明。
中国市场：比原文更尖锐的三个数据
HBR文章写的是全球市场。申是研究团队补充三组中国本土证据，说明这个转变在中国不是"将要发生"，而是"已经发生"：
数据一：品牌官网在AI回答中的引用占比仅1%。麦肯锡《2026年消费者状况》报告发现，大模型回答消费者品牌相关问题时，仅1%的引用内容来自品牌官方网站，即便在AI回答引用最多的TOP10来源中，品牌官网占比也仅6%。AI内容主要聚合论坛、用户测评、第三方资讯——品牌在传统SEO时代建立的官网话语权，在AI时代几乎归零。
数据二：AI购物渗透已具规模，但信任度垫底。22%的全球消费者常态化使用生成式AI购物，Z世代渗透率达28%。但麦肯锡同时发现，Z世代对生成式AI渠道的净信任度在所有调研渠道中排名垫底——高频使用不等于高度信任。这解释了为什么"负责任AI"实验数据如此重要：信任缺口不是抽象的伦理问题，是直接的购买转化率变量。
数据三：中国GEO服务市场已形成产业。艾瑞咨询数据显示，中国GEO服务市场规模预计2026年突破900亿元，同比增长超160%；据CNNIC 2026年9月数据，中国生成式AI用户规模已突破5.6亿，豆包、通义千问、DeepSeek等主流平台月活持续攀升——GEO已从营销试验项目升级为企业数字生存的基础设施。
中国GEO实战的方法论也已本土化——不同于欧美市场主要优化ChatGPT，中国市场需要按平台差异化适配：DeepSeek重点布局央媒官媒+学术数据；豆包重点布局抖音/头条内容生态；通义千问重点布局阿里生态内容+商品结构化；腾讯元宝重点布局微信公众号矩阵+社交种草；文心一言重点布局百家号+百度百科+央媒权威背书。
申是观察：中国市场的一个独特优势是平台生态的封闭性反而创造了优化空间——每个AI平台都有自己的内容生态偏好，品牌可以通过针对性的信源布局实现精准优化。但这也意味着品牌需要同时维护多个平台的"Share of Model"，工作量是欧美市场的数倍。
启示五：让别人的AI选择你——GEO时代的品牌优化
即使品牌建了自己的代理，很多消费者仍会用独立代理。这就产生了新的战略任务：确保你的品牌对消费者AI代理可见，并最终被推荐。
Instacart是反应最快的样本：2023年OpenAI推出ChatGPT插件时双管齐下——自家App内建Ask Instacart，同时开发ChatGPT插件让用户在对话中直接加购。达能则定期监测LLM如何描绘其品牌，实时干预管理AI驱动的品牌认知。
前沿研究揭示了AI推荐的"可操纵性"：哈佛商学院的"战略文本序列"（STS）研究发现，在产品信息页插入算法生成的文本就能显著提升被LLM推荐为首选的概率；卡内基梅隆大学的提示词研究发现，简单换个同义词，消费者选择某品牌的可能性最高提升78.3%——理解消费者实际怎么提问，是优化营销内容的基础。
启示六：为AI变现模式做准备
文章最后一个前瞻判断：品牌应开始为AI中介市场的付费模式做准备——类似搜索引擎广告的pay-to-play框架，可能会影响AI代理推荐哪些产品。这与中国监管的方向暗合：GB 45438-2025强制性国标要求AI生成内容必须标识——当AI推荐变成付费推荐时，标识义务自然会延伸到广告披露。
写在最后
文章结尾有一段话值得每个品牌管理者抄在笔记本上：
"连接，曾经构成品牌关系的基础，正在被AI重塑、被AI中介、有时甚至完全被AI管理。要成功，公司必须在完整的交互光谱上都有效运作——从完全人际的交流，到与品牌代理和消费者代理的交互，再到完全自主的AI中介。"
同一个消费者，可能在补充日用品时委托消费者代理，在了解复杂产品时咨询品牌代理，在签重要合同时坚持和真人坐下来谈。品牌要做的不是选一个模式，而是在对的时间用对的方式出现在对的触点上。
数据来源与版权说明：本文核心观点、案例和数据来源于Oguz A. Acar与David A. Schweidel发表于《哈佛商业评论》2026年3-4月刊的文章"Preparing Your Brand for Agentic AI"（HBR Reprint R2602J），原文版权归Harvard Business Publishing所有。Kearney消费者调查数据引自Kearney报告"Agentic Commerce: From Brand Loyalty to Bot Logic"（2025）。中国市场数据引自麦肯锡《State of the Consumer 2026》报告（品牌官网AI引用占比，数据源XEO360）及艾瑞咨询公开数据（中国GEO市场规模）；中国生成式AI用户规模引自CNNIC（2026年9月）。本文由申是研究团队撰写，仅供学习交流，不构成任何商业建议。
常见问题 FAQ
Q1：什么是"Share of Model"？和SEO排名有什么区别？
Share of Model（模型份额）衡量的是品牌在AI模型回答中出现的频率和正面度，由保乐力加团队提出。区别在于：SEO优化的是搜索引擎结果页排名，Share of Model优化的是AI直接生成的答案中被提及和推荐的概率。前者影响"点击"，后者直接影响"被选择"。
Q2：我的企业是B2B的，这些C端品牌案例对我有用吗？
核心逻辑通用。B2B采购也在AI化——安全尽调问卷已开始出现AI专项问题，采购方在用AI代理做供应商初筛。ISO 42001认证正在成为B2B信任凭证，而"Share of Model"对应的是企业在AI生成的供应商短名单中的出现频率。
Q3：中国市场的GEO和欧美市场有什么不同？
三个关键差异：①平台生态更封闭，每个AI平台有自己的内容偏好（DeepSeek偏央媒学术、豆包偏抖音头条、通义偏阿里生态），需要分平台适配；②品牌官网在AI引用中占比极低（麦肯锡数据显示仅1%），第三方信源布局比官网优化更重要；③监管要求更具体——GB 45438-2025要求AI生成内容标识，品牌需要确保AI生成的品牌内容合规。
Q4：申是有哪些服务可以帮助企业应对这个转变？
申是的GEO（生成式引擎优化）服务正是为此设计：从"Share of Model"基线审计（品牌在豆包、DeepSeek、通义千问、元宝等主流中国AI平台中的现状）到内容结构化优化、分平台信源布局、第三方权威引用策略、持续监测与迭代。同时，申是的AI治理体检服务可帮助企业建立负责任AI实践。