流量正在涨，而品牌却发现自己在 AI 面前是隐形的

660 万次。

这是 Stanley 官网 2026 年 7 月的全球访问量，同比涨 35.5%。

我反推了一下去年同期——一年时间，它每月多出约 173 万次访问。

它的品牌认知是怎么起来的？达人、创作者、视觉叙事，铺天盖地的图和视频。

流量在涨，牌子也响。

然后，它的首席品牌官 Kate Ridley，说了一句我没想到的话：

“我们当时并没有真的去写清楚用途、场合、以及为什么它是个好礼物的选择。现在我们意识到，这对大语言模型其实非常重要。“

翻译成人话：我们过去做的所有内容，是给人看的。机器读不懂。

一个 social 做到这个份上的品牌，在承认自己有件事没做。

那这件”没做”，代价有多大？

42% 的美国成年人，已经在用 AI 聊天机器人搜信息了。

这个数字有两个地方值得停一下。

第一，Pew 给这张表下的标题就是：「搜索和工作，是人们用聊天机器人最常见的两件事」。搜信息 42%、处理工作 38%（这项只统计在职的人），往下才是娱乐 25%、修图剪视频 24%、问医疗 20%。

第二，同一张表、同一个基数下，”用 AI 看新闻”只有 13%。我算了下：搜索是它的 3.2 倍。

换句话说——AI 抢走的第一个东西不是新闻的注意力，是搜索框。

42% 是个什么概念？接近每 5 个美国成年人里，有 2 个。

所以这篇报道里最狠的一句：

缺了底层的那些细节，一个品牌就不会浮现出来——不管它的社媒声量有多强。

而 Stanley，正是那个”社媒声量很强”的品牌。

而在一个已经有四成成年人在用的 AI 新流量入口上，Stanley 不在答案里。

它是怎么发现的？撞在母亲节上

不是战略推演推出来的。是撞出来的。

Stanley 围绕母亲节、教师感谢周、护士感谢周，做过大量视觉内容。报道里的原话是：图多，解释少。

Ridley 那句承认，正是对着这批节庆内容说的——她们没把”用途、场合、为什么这是个好礼物”写成文案。

我在这儿停了一会儿。因为这个毛病，不是 Stanley 独有的。

你想想一个人会怎么问 AI：

“我同事刚生完孩子回来上班，送她什么好？”
“护士站着一整天，有什么实用的礼物？”

AI 要回答这两句，需要的是文字：这个杯子多大、单手能不能开、放在推车上会不会倒、为什么适合站一整天的人。

而 Stanley 过去给出的是一张母亲节主题的漂亮图片。

人看到那张图，配上一个信任的脸，能自己补完剩下的意思。

机器补不了——机器只会聚合网上已经有的字。

思考与建议：

我第一反应是”这是个 AI 时代的新问题”。想了半天觉得不是。

这是一笔一直欠着的债，只是以前没人来催。

过去十年，我们做内容的默认动作是：拍图、拍视频、找达人、做氛围。因为人看得懂氛围。”为什么该买这个”这件事，我们其实从来没认真写成过字——图片和达人的脸把它糊过去了。

现在来了一个只读字的读者，它不看氛围，也不认那张脸。它一读，发现你什么都没写。

不是 AI 提出了新要求，是 AI 把一个旧的偷懒暴露了。

债总要还。问题是从哪儿还起。

它补的不是内容，是内容的形态

Stanley 的还法，比”要补内容”这个结论本身有用得多。它做的是三件事：

1. 把产品功能和顾客利益之间的关联写清楚（不是”304不锈钢真空双层”，是”所以它能干什么”）
2. 加产品级 FAQ、保养说明、使用指南
3. 这些内容不按产品规格组织，按人们真正会问 AI 的那类问题组织

报道里把它围绕的那些问题类型列了出来，我抄下来了：

送礼、补水、健身、旅行、招待客人、生活方式。

我盯着这六个词看了很久。

它们全是场景，没有一个是规格。

思考与建议：

这六个词，是整篇报道里我唯一直接抄进笔记的东西——因为它把”该往哪个方向写“给指出来了。

你去回想自己怎么用 AI 的。你不会问”哪个保温杯能保冷 24 小时”——这种问题你会去搜索框里打关键词，或者直接翻参数表。

你问 AI 的，一定是那种参数表答不了的问题：“我要露营三天，带哪种杯子？”、“办公室共用的，选多大？”

这里有个错位很关键：规格是你的语言，场景是用户的语言。过去这两种语言之间的翻译工作，是达人替你做的——他举着杯子说”我健身房天天带这个”，一句话就把规格翻译成了场景。

而 AI 不会替你翻译。它只会去找已经被翻译好的那段字。

听上去，这是个内容岗的活儿。

但 Stanley 没这么分。

它没把这事交给 SEO，交给了六个部门

这一条是我没预料到的。

Stanley 没把它当成 SEO 或电商的一个小项目。报道里说，这是个跨职能的活儿，横跨六条线：内容、SEO、电商、技术、PR、营销。

理由很直接：AI 平台会同时从产品数据、品牌叙事、第三方来源三个地方抓取。这三样东西，分别归不同的人管。

Ridley 说他们在”主动搭建专门的 LLM 指引和衡量框架，让所有人保持对齐”。

思考与建议：

这条对小团队来说，是好消息也是坏消息。

坏消息：它说明这不是一个岗位能干完的事。你指望招一个”GEO 或 SEO 专员”就解决，方向就跑偏了。

好消息是——跨职能是大公司的成本，不是小公司的成本。

Stanley 需要搭一个”框架”让六个部门对齐，是因为它有六个部门，各自有各自的 KPI 和排期。一个五个人的跨境团队，产品、内容、站点、客服本来就坐在一个屋里，甚至可能是同一个人。

我自己的判断是：这一条对小团队最实际的读法不是”我们也要搭框架”，而是“别把 GEO 塞进 SEO 的排期里”。塞进去，它就会变成一个季度做不完的低优先级任务，因为它需要产品的人给参数、客服的人给真实问题、内容的人来写。

这不是一个渠道动作，是一次产品信息的重写。

到这儿为止，说的都还是自己家里的事——把自己的字写好。

下面这条，是往外打的。

AI 时代的”投放”，投的是被引用

我读到的时候，倒回去看了两遍。

大语言模型依赖的是第三方来源——口碑媒体、联盟内容、评论。所以 Stanley 团队在做一件事：追踪哪些来源会被 agentic search 工具当成权威，然后把精力相应地导过去。

而那些文化向的 campaign，比如它最近和 Kacey Musgraves 的合作，在这套体系里的作用是：在自有渠道之外制造媒体报道和讨论，然后喂给这个体系。

报道里请来的分析师 Debra Aho Williamson，把这件事讲得特别清楚：

“Stanley 通过真人创作者和达人，把品牌重新介绍给了消费者，这件事做得非常出色。现在，像 Stanley 这样的品牌意识到，他们需要

把 AI 平台当成另一种类型的达人

。AI 平台正在成为消费者发现新品牌、了解它、然后做出购买决策的重要场所——

跟真人达人扮演的是同一种角色。

思考与建议：

“把 AI 当成另一种达人”这个说法，我觉得比”做 AI 优化”准确得多。

因为它把动作说清楚了。你不会去改一个达人的脑子，你会去让他看到该看的东西：寄样品、给资料、请他去某个场合体验。

对 AI 也一样。你影响不了模型，但你能影响它读的那些东西。

而这里藏着一个我觉得很多人会漏掉的转向：

过去做站外，目标是曝光——多少人看到了。

现在做站外，多了一个目标：被引用——AI 回答问题的时候，会不会把这一篇当依据。

这两个目标要的东西不一样。曝光要的是流量大的号；被引用要的是被机器当成权威的源，可能是一个流量不大但结构清楚、更新稳定、有具体信息的评测站。

四条动作，说完了。

但还剩一个问题没解决——你怎么知道自己做对了？

最要紧的一步，是它先做了一把尺子

Stanley 的答案是：先别急着做，先把尺子造出来。

它在做两件基础设施的事：

• 测试 Shopify 和 Google 的 Universal Commerce Protocol，想把自己的商品目录直接送进对话里
• 用结构化数据，让产品信息在传统搜索和 AI 代理两边保持一致

然后是关键的那一步。它通过和 Yotpo 的 Discovery 等伙伴合作，在建立一个基线：

自己在 LLM 对话里出现的频率，以及产品被引用的频率。

思考与建议：

我把这条排在最后，是因为它是唯一一个”元动作”——前面四条都可以做，但如果没有这一条，你不知道自己做对了没有。

AI 搜索现在最尴尬的地方就在这里。传统搜索你有排名、有点击、有关键词报告，好坏一目了然。AI 回答里你看不见自己。同一个问题，问三次答案不一样；换个人问，答案又不一样。

在这种情况下做优化，特别容易变成烧香：动作做了一堆，感觉应该有用，但说不出哪一条起了作用。

不过这把尺子，我盯着看了很久，卡在了下一格。

从”被提到”到”被买单”，中间那段路我没找到

Stanley 建了基线，量的是”出现频率”和”被引用频率”。

我卡在下一步：这两个数，怎么接到生意上？

一个人在 ChatGPT 里问”送护士什么礼物好”，AI 提到了 Stanley，他关掉对话，第二天在亚马逊搜了一下就下单了。

这一单在你的后台，会被归到亚马逊站内搜索。

那次 AI 提及，在数据上不留任何痕迹。

这不是 Stanley 独有的问题。行业里现在通用的做法我大概知道——看直接访问和品牌词搜索的变化、给 AI 平台带来的 referral 打独立参数、做用户调研问”你从哪儿听说的”。这些都能给个大概。

但都是间接的。“被引用一次”和”多卖一件”之间，我没找到一条能算的路。

报道里 Stanley 也没说它怎么接。它只说了在建基线。

所以我不确定的是：这把尺子建起来之后，它是被当成一个可以进考核的指标，还是仅仅当成一个参考温度计？这两件事的投入完全不是一个量级。

如果你那边已经在跟 AI 提及量了，你是怎么跟销售对上的？我特别想知道这个。

上面这条，是我没想通的。下面这几条，是我想通了、但不太好听的。

抄之前，先看看你有没有它那几样东西

四条。

第一，Stanley 有源可聚合，新品牌没有。

那句”缺了底层细节，品牌不会浮现”，前半句成立的前提是后半句有东西可读。大语言模型是去公开网络上聚合已经存在的内容。Stanley 是个百年品牌，网上关于它的评测、报道、开箱、讨论堆了一大片。它把自己官网的字补齐，模型就有东西可对。

一个刚上线一年的白牌，网上关于它的第三方文字接近于零。结构化数据做得再漂亮，模型没有第二个来源可以交叉验证，一样不会推荐你。

这就是为什么”追踪哪些源被当成权威”那一条，对新品牌其实是最先要做的，不是最后。

第二，”打长线”是有钱有时间的人才说得出的话。

报道里说得很清楚：它本来可以像一些竞争对手那样，用取巧手段挤进 AI 推荐，但它选了打长线，把这事当成需要真正训练的马拉松。

这句话我很欣赏。不过我的判断是：那些取巧的手段，短期里大概率是有效的——不然不构成一个需要克制的诱惑。

这是我的推测。报道只说了有对手这么干过，没说效果如何。

Stanley 有百年品牌资产垫着，慢一年没事。一个现金流紧的小团队，慢一年可能就没有然后了。这个选择的成本，两家不一样。

（至于那些手段具体是什么——报道没说是谁、也没说是什么做法。我不知道，就不编。）

第三，42% 是”用 AI 搜信息”，不是”用 AI 买东西”。

这是我对自己开场那个数字的一点保留。Pew 那一栏（2026年2月的调查）问的是”是否曾用聊天机器人搜索信息”。搜信息到下单之间还有多远，Pew 没答，Modern Retail 也没答。

我倾向于认为在决策周期长、客单价高的品类里这段距离更短，但这是我的判断，没有数据支撑。

第四，也是最重要的：Stanley 这套东西，一个结果都还没出来。

报道里所有动作的时态都是”正在测试””正在搭建””正在追踪”。没有一个数字说明这套打法带来了什么。

开头那个 35.5% 的增长（2026年7月对比2025年7月），不是这套打法的成果——报道明确说了，它的认知是靠达人和视觉内容做起来的，AI 搜索这件事是它刚刚发现自己漏掉的。

所以这篇文章能给你的，是一个头部品牌在这个问题上的判断和动作清单，不是一套验证过的方法。

我把它当路线图看，不当答案看。

最后是报道的第一句话

这句我故意留到最后，因为它得看完前面才有分量。

整篇报道的第一句，是记者给这件事的定调：

适应 AI 搜索是个肌肉记忆问题，不是找漏洞的问题。

我很喜欢”肌肉记忆”这个说法。它的意思是：这事没有捷径，只能一天一天练。

而且练的还不是什么新本事。Ridley 最后那句话把要做的事说得特别朴素：

“你必须把信息放在那儿，它才能干它的活。“

这句话里没有一个技术词。

不是让你去猜模型怎么想，是让你把你的产品，用用户的话，老老实实写清楚。

这活儿谁都会干。只是过去十年，我们都以为图片能替我们干完。

那么，这活儿现在该不该轮到你干？

对号入座：你的类目在哪一档

如果是我明天要开干，我会先做一件最便宜的事：

把我自己和三个竞品的详情页链接丢给 AI，然后问它一句——

“如果有人问你「XX场景下该买什么」，你会推荐这几个里的哪一个？为什么？”

然后看它的回答里，引用了什么、漏掉了什么。它漏掉的那部分，就是你欠着的那笔债。

这个动作半小时就能做完，而且它比任何方法论都更能让你看清自己缺什么。

轮到你了，挑一个说

1. 你试过在 AI 里搜自己的产品吗？结果是什么？被提到了、被说错了、还是压根没出现？我特别想收集一批真实结果——这个东西现在没人有全貌，攒起来才看得出规律。

2. 你的详情页，图和字的比例大概是多少？说实话就行。我自己看过的大部分 listing，是七张精修图配五行 bullet。

3. 上面那个”被引用怎么接到销售”的问题，你有解法吗？ 评论区见。

不要抄案例，要抄底层逻辑。

数据来源：Modern Retail《How Stanley 1913 is adapting its marketing for the AI search era, without losing a ‘human touch’》，2026年8月13日刊出（该日期为发表日，采访实际发生日期原文未披露），记者 Krystal Scanlon，受访人为 Stanley 1913 首席品牌官 Kate Ridley 及 Sonata Insights 首席分析师 Debra Aho Williamson。42% 及相关用途排序出自 Pew Research Center《Americans and AI 2026: Chatbots, Smart Devices and Views on Impact》，2026年6月17日发布，调查执行于2026年2月17–23日，样本5,119位美国成年人。官网流量为 Similarweb 第三方估算，时点2026年7月，口径为访问次数。文中”173万次月增量””3.2倍””每5人中约2人”为本人依据上述公开数据自行计算。Stanley 所述各项举措在报道发表时均处于进行中，尚无公开结果数据。

鸡哥能帮你做三件事（如果你正在做出海）：

1. 判断品类：你的产品到底适合”海投”还是”精投”、”铺货”还是”做品牌”——把类目和客单价发我即可。

2. 搭出海增长 SOP：红人矩阵、联盟计划、站外推广的归因链路和报价表，我都整理成了现成模板，直接套用能跑通。

3. 接手投放：海外红人 / 联盟 / 站外这一摊，团队不想自己养人的，可以交给我。

👉 想要我整理的 《红人投放预算测算表》+《出海新品红人冷启动清单》？

加我助理微信 ［jyxjk2022］，

备注”出海“，直接发你。

也欢迎评论区对号入座，我挨条回。