为什么每个 AI 搜索策略都应纳入品类入口点

二十年来，营销人员一直围绕关键词来构建内容。但如今，AI 改变了人们搜索的方式。人们能够用自己的语言描述各种情境，这让内容团队得以更清晰地洞察需求背后的那些时刻。

营销科学把这些称为品类入口点（category entry points，CEP）：即那些促使买家想到某个品类、并回忆起可能品牌的场景。

具体情形如下。假设你团队的自然流量正在下滑。能捕捉这一现象的关键词是"how to increase organic traffic"（如何提升自然流量）。这个关键词有搜索量，搜索结果页面清晰，工作也很直接。

但这个关键词并未捕捉到这个人实际面临的情况。他们还无法判断流量下滑的原因：是算法变化、AI Overviews，还是自己的内容在下滑。他们读过一些关于技术 SEO 的文章，却不确定问题是否出在那里。他们需要先得到诊断方面的帮助，否则任何操作指南都无济于事。

那个潜藏的情境就是 CEP。在这个例子里，它是"我们的自然流量在下滑，却找不出原因"。在 AI 搜索中，买家可以直接描述这个 CEP："我们的自然流量在六个月内下滑了 30%，我无法判断是算法变化、AI Overviews，还是我们自己的内容在下滑。我该怎么办？"

在过去几个月里，我一直在测试：把内容锚定到 CEP 上，是否会改变 AI 系统呈现 Semrush 内容的方式。

简短的回答是：会。有一篇文章在四个多月里每周都被引用。另一篇在发布后那一周，把它所在目标主题簇的心智份额（share of voice）从 15% 提升到了 26%。

本文分享我的发现，以及你可以如何着手。

实验背后的营销理念

品类入口点比 AI 搜索早了 15 年以上。这一框架来自 Byron Sharp 的How Brands Grow（2010 年），它是营销科学领域证据最严谨的著作之一。

Sharp 及其在 Ehrenberg-Bass 研究所的同事利用覆盖数十个品类的大规模购买数据证明：品牌增长取决于心智可得性（mental availability）——即在触发品类需求的那些时刻能否被回忆起来。

CEP 就是这些时刻之一，而它们时刻都在发生。

想象一下深夜开车回家，饥肠辘辘，大多数餐厅都已打烊。麦当劳浮现在你脑海中。也许 Taco Bell 也会出现。你未必是特别想吃其中任何一家，但这个情境触发了该品类，几个品牌随之浮现。

这就是心智可得性。

在 B2B 领域也会发生同样的事。对于一个项目管理工具来说，其中一个 CEP 就是小团队规模超出非正式协作能力的那一刻。此刻的买家可能会这样描述："我的团队刚刚超过了五个人，协作开始崩溃了。"Asana 浮现到他们脑海中。也许是 Monday 或 Trello。

对于一个 SEO 平台来说，某个 CEP 可能是团队怀疑 AI 搜索正在蚕食自己的流量、却无法证实的那一刻。买家可能会说："我觉得我的流量正被 AI 搜索夺走，却不知道该如何判断。"Semrush 浮现在他们脑海中，也许还有其他几个。

我把实验锚定在 CEP 上，因为它们提供了一种有原则的方式来定义内容主题应该是什么——一个具体的需求时刻，一种买家可能会在 AI 提示词中描述的典型时刻。

为什么 CEP 契合 AI 搜索

CEP 契合 AI 搜索主要有三个原因：

1. 提示词能让我们直接看到买家所处的情境
2. 一个 CEP 可以涵盖买家针对同一情境所使用的许多提示词
3. 心智可得性——正是 CEP 的根本所在——终于变得可以衡量了

提示词让 CEP 变得可见

在 AI 搜索中，买家可以用自己的语言描述完整的情境。我们可以找出这些描述背后的 CEP，并围绕它们构建内容。

这样一来，当买家借助 AI 来描述那种情境时，我们的文章就会出现在答案中，因为我们正是为那种情境而写的。

一个 CEP 会出现在许多提示词中

处于同一情境的买家，会用不同的措辞、不同的具体程度，以及不同的情绪基调来表达他们的提示词。

例如，我们的文章"为什么竞争对手在 AI 搜索中胜出？"针对的 CEP 被我们认定为：我注意到竞争对手出现在 AI 答案中，而我们没有。

在将近五个月里，AI 系统在几十个各不相同的提示词中检索到了这篇文章，而这些提示词都在以不同方式描述那种情境。有些非常具体（"为什么 [竞争对手] 会出现在 [品类] 的 ChatGPT 回答中？"），另一些则更笼统（"我怎样才能让我的品牌出现在 AI 搜索结果中？"）。

心智可得性变得可以衡量

Sharp 的论点本质上关乎心智可得性：当一个品牌是否与某人第一次想到"我可能需要这类产品"的那一刻产生关联。

这种关联在历史上一直很难衡量。我们过去依赖调研、无提示回忆研究，以及其他缓慢而充满噪音的信号。

如今，AI 搜索让我们能更直接地看到这种关联。

最清晰的信号来自答案本身中的品牌提及，也就是你的品牌在需求时刻被回忆起来。一个较弱的信号来自你的内容被作为来源的引用：即 AI 判定你的内容与那个时刻相关，即使没有点名品牌。

提及和引用都是全新的心智可得性信号。在 AI 搜索出现之前，两者都无法衡量。我认为这正是让这项实验值得一做的地方。

我们如何开展这项实验

实验分为三个阶段：

1. 识别我们最需要为之创作内容的品类入口点，
2. 围绕这些情境撰写文章
3. 追踪这些文章在各 AI 平台上的表现

识别 CEP

我首先梳理了买家在我们品类中所使用的提示词。这些输入来自三个地方：Semrush Enterprise AIO 内的提示词数据、与我们的销售和客户成功团队的交流，以及我们在支持工单和社交媒体上反复看到的问题。

基于这份梳理，我提炼出那些潜藏的情境——那些最初促使某人使用 AI 工具的时刻，比如"我觉得竞争对手出现得比我们多"或"我不知道 AI 搜索是否在给我们带来流量"。

然后我筛选出 Semrush 有资格去占据的情境：我们的工具、数据和专业能力真正相关，同时我们尚未在 AI 生成的答案中得到良好体现的那些领域。

撰写文章

针对每一个 CEP，团队都从情境内部出发来撰写文章。

我们把每个标题都写成处于该情境的买家可能会自然提出的问题。"为什么竞争对手出现在 AI 搜索中，而不是我们？"读起来很自然，因为它用买家自己的口吻表达了那个 CEP。

在每篇文章中，一些 H2 标题对应了归属于该 CEP 的具体提示词。开篇直接承认该情境，跳过了通常的定义和品类概述。

我们把每篇文章都构建成以自然语言正面回应那个 CEP，不带任何营销废话。

衡量 AI 可见度

我使用 Semrush Enterprise AIO，在我们品类簇的 1,758 个提示词上追踪表现。

对于每篇文章，我都衡量了上一节提到的两种信号：引用（我们的文章被作为来源检索到）和品牌提及（"Semrush"出现在答案本身中）。

我追踪了五项指标：

1. 引用量：每篇文章在 ChatGPT、Google AI Overviews 和 Google AI Mode 上的每周引用次数
2. 提示词广度：引用每篇文章的不同提示词数量
3. 模型组合：引用在三个平台上的分布情况
4. 心智份额（SOV）：每篇文章主题簇中 Semrush 提及量与竞争对手提及量的对比
5. 品牌提及：当文章被引用时，"Semrush"在 AI 答案中出现的频率

当我们把内容锚定到 CEP 后发生了什么变化

当我们把内容锚定到 CEP 后，有两件事发生了变化：引用量在同样的文章上逐月累积，品牌的品类心智份额在其主题簇中提升。

引用数据说明了什么

引用量在同样的文章上持续累积了数月。出现这种情况的文章都有一个清晰的 CEP，并有能全面覆盖它的内容。

"为什么竞争对手在 AI 搜索中胜出？"在第 8 周前后达到峰值，并在随后的四个月里保持在大约峰值一半的水平。

另外两篇更近期的文章"AI 引用我的网站还是第三方来源"和"修复 AI 品牌错误信息"，在其发布初期也呈现出相同的轨迹形态。

那些没有累积的文章告诉了我什么才是关键。

AI 系统引用"跟上 AI 搜索"一文的不同提示词数量多于这一组中的任何其他文章，然后在五周后就不再引用它了。仅仅有提示词广度并不够。真正关键的是 AI 是否会持续因相同的提示词引用这篇文章：即这篇文章是否是某个具体的、反复出现的情境的答案。

我们在表现最好的那篇文章发布的同一天发布了"AI Overviews 流量流失"，它涵盖的主题也密切相关。但它从未达到有意义的引用量。原因在于，我们是围绕一个主题关切来构建它的，而不完全是一个 CEP。表现最好的那篇从具体的买家情境出发，而 AI 搜索一直在匹配的正是这一点。

所有文章中的一个共同规律：在那些产生累积的文章上，Google AI Overviews 贡献了大部分引用。ChatGPT 逐周表现最稳定。Google AI Mode 波动最大，有时主导某篇文章的引用，有时则几乎降到零。

引用如何转化为品牌可见度

我还追踪了心智份额和品牌提及，以理解这些引用究竟转化成了什么。

对于"AI 引用我的网站还是第三方来源"一文，在发布后的两周里，引用该文章的那些提示词中，Semrush 的提及量大约上升了 30%。

在同一篇文章的主要主题簇中，心智份额从发布前那一周的 15% 上升到发布后那一周的 26%，而更广泛的 AI 可见度基准仅从 21% 升到 22%。

这一提升比背景波动更强，不过发布后的观察窗口仍然偏早。

不过，这种规律并不总是如此清晰。

对于"为什么竞争对手在 AI 搜索中胜出？"，这篇文章主题簇内的提及量在发布后的数周里大约翻了一倍。这一上升在六到八周前就已经开始，贯穿 2025 年 11 月和 12 月一路攀升。该簇内其他活动已经积累了势头，而这篇文章是延续了它，而不是触发了一次新的跃升。

而且，正如我们所知，引用和提及并非同一种结果。当我人工审查被引用最多的提示词所对应的 AI 回答时，我识别出四种不同的引用模式：

1. 文章在回答中被引用，并显示在侧边栏中
2. 文章仅在侧边栏中被引用
3. 文章在回答中被引用，但未显示在侧边栏中
4. Semrush 在答案本身中被明确提及

在大多数情况下，文章都扮演了一个辅助来源的角色。

Semrush 的名字作为文章被检索到的副产品出现在侧边栏中。答案正文中直接出现品牌提及则属于例外。

引用带来流量并发出权威信号。提及则通过把你的名字放进答案本身来建立品牌回忆。两者并不总是同步变化。

你可以从哪里开始

从一份把买家带入你品类的情境清单开始。这些就是你的 CEP。

与你的销售团队、客户成功团队，以及那些能听到买家真实想法的人坐下来，写下 20 个真实的时刻。具体的情境，比如："我们的客户第一次意识到自己有这个问题的时刻""竞争对手的名字在他们脑中浮现的时刻""他们决定值得为此做点什么的时刻"。

然后把你的现有内容对照这份清单检查一遍。有些时刻已经被很好地覆盖，另一些则没有。那些未被覆盖的时刻，就是以 CEP 为锚点的内容最有发挥空间的地方。买家现实与现有内容之间的差距在那里最宽。

举个例子：

我们写下的其中一个时刻是："我注意到竞争对手出现在 AI 答案中，而我们没有。"我们现有的内容覆盖了 AI 搜索可见度这一更宽泛的主题，但没有内容针对那个具体情境。我们围绕它写了"为什么竞争对手在 AI 搜索中胜出？"。这篇文章以那个确切的时刻开篇，逐步讲解如何诊断它，并以该怎么做收尾。正是这篇文章连续四个月累积了引用。

写一篇如果你是那个把该情境输入 ChatGPT 的人，也会希望找到的文章。开始写作时有四条原则很重要：

1. 围绕情境本身来构建每一篇内容
2. 使用真人会使用的自然语言
3. 让每个章节只承担一个明确的职责
4. 在不让深度打折扣的前提下保持结构易于浏览

这些原则描述的正是 AI 搜索真正看重的东西：为真实买家时刻构建的内容，用清晰的语言写给身处那些时刻的人。