AI 里的品类还没分完：1,094 个品类，只有 15.2% 有头部玩家
AI 里的品类还没分完：1,094 个品类，只有 15.2% 有头部玩家
先给结论： 一项研究在 2026 年 1 月到 6 月间按月追踪了 ChatGPT 里的 1,094 个美国品类，结果是只有 15.2% 存在明确的头部玩家——即某个品牌在一个话题的 5 个相关买家问题里出现至少 4 次，且提及份额领先第二名至少 5 个百分点。另有 31.2% 只有准头部玩家，53.7% 属于未定，连"有品牌出现在 3 个问题里"都没做到 [1]。
但这不等于那些品类是空的。另一项学术预印本在三个模型上测了 3,750 条回答，发现真正的竞争真空只占 8.0% 的查询，整体集中度中等 [2]。
把两件事放在一起看：AI 几乎总会点名某个品牌，但极少有品牌能被稳定地点名到整个话题。 品类头部位置比的不是单点排名，而是覆盖一致性——而覆盖，在大多数品类里还有空位。
如果你的 AI 可见度报告显示"你出现在若干个 prompt 里"，那你目前还不知道自己有没有占住任何东西。
---
那个可见度百分比，可能什么都没说明
因为买家不会只问一个问题。
一个要买薪酬软件的人，会问它是什么、两个方案怎么比、还有什么替代品、适不适合自己这种情况、最后该买哪个。这是一次购买决策里的五个不同问题。而一个品牌完全可能赢下其中一个，然后在剩下四个里消失。
这就是单 prompt 追踪会误导人的结构性原因。上面那项研究把每个品类构造成一个五问题簇——定义、对比、替代品、使用场景、购买决策——然后去看有没有品牌能撑住整个簇 [1]。按这个尺度量，品牌的存在感比单点检查显示的要零碎得多。
落到实际就是一句话：一个写着"你出现在 40% 的追踪 prompt 里"的看板，描述的可能是一个什么都没占住的品牌。因为那 40% 也许散落在互不相干的话题上，而不是集中在同一个品类里。
---
到底有多少品类已经有头部玩家
很少。1,094 个品类的完整分布如下 [1]：
| 品类状态 | 占比 | 判定标准 |
|---|---|---|
| 明确头部 | 15.2% | 某品牌出现在至少 4/5 个问题，且领先第二名 5 个百分点 |
| 准头部 | 31.2% | 某品牌出现在至少 3 个问题，但领先幅度不够 |
| 未定 | 53.7% | 没有任何品牌出现在 5 个问题中的 3 个 |
反直觉的地方在于，这 15.2% 都集中在哪儿。
研究把品类按 AI 搜索需求二分：需求高的那一半里，只有 11.3% 有明确的头部玩家；需求低的那一半是 19%。而需求高的这一半，占了样本中 AI 搜索量的 98% [1]。
两个数字乘起来，大约 87% 的 AI 搜索量落在没有明确头部玩家的品类里。
这和传统搜索的规律正好相反。在 Google 上，搜索量越大的词通常锁得越死。在这份数据里，需求最集中的地方反而最没有定局。
先说清一件事，再谈预算。这项研究用的是 Semrush 自家 AI Visibility Toolkit 的数据，与 Kevin Indig 和 Growth Memo 合作产出。它是方法公开的厂商研究，不是独立第三方审计，覆盖范围也仅限 ChatGPT 里的美国品类 [1]。
---
别急着高兴：没有头部玩家，不等于没人竞争
这个区分决定了上面那组数字是有用还是误导。
另一项研究从模型侧切入同一个问题。它在 GPT-5.2、Gemini 3 Flash 和 Perplexity sonar-pro 三个模型上，跑了 250 个不含品牌名的品类查询，覆盖 5 个行业的 50 个品牌，每个查询重复 5 次，共 3,750 条回答，然后直接测集中度 [2]。
两个结果值得看。
一是集中度。平均基尼系数是 0.28（95% 置信区间 0.16 到 0.41），低于作者设定的 0.60 幂律阈值。也就是中等集中，不是赢家通吃。
二是竞争真空。作者把"没有单一头部玩家"的品类定义为竞争真空，这类情况只占 8.0% 的查询。绝大多数时候，模型至少点名了一个样本品牌 [2]。
把两项研究并排放：
这两个事实之间的空隙，就是机会。但它比"85% 的品类一片空白"这种说法要窄得多。竞争对手已经在一个个具体回答里被点名了，只是几乎没人做到跨整个问题簇的一致。
这份预印本也有自己的边界。它于 2026 年 6 月提交，正在期刊评审中，尚未完成同行评议；样本只有 5 个行业的 50 个品牌，规模偏小；作者本人把三个指标定性为探索性的，并把结论限定在"在所研究的范围内"与赢家通吃的强叙事存在张力 [2]。当成一个有用的对照，别当成定论。
---
"占住一个品类"，具体是什么标准
这项研究给了一样多数 GEO 目标给不了的东西：一个能对着打的定义 [1]。
- 出现在品类的至少 4 个（共 5 个） 问题里
- 拥有最高的提及份额
- 领先第二名至少 5 个百分点
两点要记住。
第一，这是该研究为了在自己的数据里把信号和噪声分开而设的操作性定义，不是任何 AI 平台公布或执行的门槛。
第二，它衡量头部位置用的是回答正文里的品牌提及，不是来源引用。理由是读者依据答案里说了什么来行动 [1]。
当作工作目标来用，这个定义比大多数 GEO 目标更可执行，因为它说清了工作单元。你要覆盖的对象是一个问题簇。
---
SEO 做得好，为什么不一定能占住
站点整体的强弱不决定这件事。真正相关的，是在这个问题簇上的排名。
研究把每个品类的头部玩家和第二名做了对比，用了三个站点级指标。在 55.7% 的对比中，头部玩家的品牌搜索量更高；自然流量更高的只占 48.4%；权威分更高的占 52.5%。只有品牌搜索量在统计上显著，且优势不大 [1]。
自然流量那个 48.4% 值得停一下。在这份数据里，自然流量更多的那个品牌，输掉品类的次数比赢下的还略多一点。
参与研究的 Kevin Indig 把话说得很谨慎：
"Treat that as a hypothesis, not a finding. What the data actually shows is: traditional SEO metrics aren't enough to explain who owns a topic. While they play their role, there's more to it."
（把它当假设，别当结论。数据真正显示的是：传统 SEO 指标不足以解释谁占住了一个话题。它们确实起作用，但事情不止于此。）
一份独立的元分析能帮我们定位这条线落在哪儿。Cyrus Shepard 汇总了 54 项实验、专利和案例研究，按可重复性、证据强度和平台官方支持三项加权，给 23 个与 AI 引用相关的因素打了分。结果是：域名权威度只有 5.0 分，各项研究确实发现有关系，但普遍很弱。而 search rank 拿到 9.4、扩散查询排名 9.3、话题簇排名 8.9——依据是一个站点如果能在多个相关查询上都有排名，会获得复利式的概率优势 [4]。
两份来源从不同方向指向了同一个位置。站群整体权威与被引用只有弱关联，也解释不了谁能占住品类。关联真正集中的地方，是在这个品类的一系列相关问题上都有排名。 这恰好就是"4/5 覆盖"那个门槛在描述的行为。
Shepard 自己也把框架的边界说清了：这 23 项是"在多项研究中与 AI 引用相关的特征"，不是传统意义上的排名因素 [4]。方向被反复验证过，机制没有被确立。本文引用的任何来源都没有把它做成因果结论。
---
占住之后守得住吗：看领先幅度，不看趋势
通常守得住，前提是领先够宽。
明确的头部玩家在 90.4% 的月度对比中保持首位。而在准头部和未定品类里，首位品牌在 5,470 次对比中换手了 1,950 次 [1]。
真正区分这两种命运的是幅度：
| 结果 | 中位领先幅度 |
|---|---|
| 下个月被反超 | 1.3 个百分点 |
| 守住位置 | 2.9 个百分点 |
这条数据同时给了攻和守两个读法。
1 个百分点的领先不是位置，那是抛硬币。3 个百分点才像个位置。 反过来说，如果你在意的那个品类，现在的头部玩家只坐着一个窄幅优势，那就是抢它成本最低的时候。
研究明确表示它无法回答位置为什么会变——可能是 ChatGPT 的来源变了，可能是生成方式变了，也可能是品牌相关性真的变了。数据支持的是一个关于幅度的规律，不是一套机制 [1]。
另外，六个月的月度数据对"保持率"这个结论来说是个短窗口。把 90.4% 读成这个窗口内的观测值，不是耐久性保证。
---
在 ChatGPT 占住了，在 Gemini 也算吗
不算。这是本文所有来源里被重复验证得最一致的一条，也是最容易让一套测量体系失效的一条。
那份预印本发现，跨模型对最高推荐品牌的一致率只有 41.6%。在一个模型上的首位，在另一个模型上并不可靠地成立 [2]。
2026 年 8 月发布的一份行业指数在软件领域得出了兼容的结果。GetIntel 在 126 个软件品类里各跑约 80 个买家口吻的问题，覆盖 1,825 个品牌，用的是 ChatGPT 和 Gemini 的消费者版 App 而不是开发者 API，分析了 9,978 条可用回答，数据于 2026 年 8 月 6 日采集。两个助手在三分之一的品类里给出了不同的第一名 [5]。
幽灵引用那项研究补上了机制。在多个引擎上测试的 454 个 prompt-域名组合中，引擎之间在"要不要点名这个品牌"上不一致的有 100 个，占 22% [3]。Kevin Indig 对那份数据的总结是：
"There's almost no overlap between which brands ChatGPT cites and which ones Gemini names for the same prompt. These are different behavioral systems. Treat them that way."
（同一个 prompt 下，ChatGPT 引用的品牌和 Gemini 点名的品牌几乎没有重叠。它们是不同的行为系统，就该按不同的来对待。）
Semrush 另一项覆盖 22 个垂类、1,200 多个品牌的分析显示，在其研究窗口内，能做到每个月、每个平台都进入最常被提及前 100 的品牌只有 36 个 [6]。
结论很窄也很硬：一个混合的 AI 可见度总分，会把最要紧的分歧平均掉。品类头部位置必须分引擎衡量，否则等于没量。
---
你可能一直在测错东西：提及，还是引用
这是两个不同的结果。而对判断谁是头部玩家来说，它们指向的方向几乎相反。
在幽灵引用那份数据里——3,981 次域名出现，115 个 prompt，14 个国家，4 个引擎——61.7% 的出现是"被引用但品牌名没出现在回答里"。只有 13.2% 是既被引用又被提及，25.1% 是被提及但没有引用。整体上，74.9% 的出现包含引用，而只有 38.3% 包含提及 [3]。
不同引擎在这个轴上的行为差得极远：
| 引擎 | 提及率 | 引用率 |
|---|---|---|
| Gemini | 83.7% | 21.4% |
| ChatGPT | 20.7% | 87% |
口径：3,981 次域名出现，4 个引擎 [3]
品类归属那项研究在自己的数据里发现了同一个裂缝：某个品类里最常被引用的域名，同时也是最常被提及品牌的情况只占 21%，两者还轻微负相关，相关系数 −0.229 [1]。
值得注意的是，两个独立的研究团队做出了同一个度量选择。预印本的品类归属指数定义为品牌在该品类中的提及份额 [2]，另一项研究也用回答正文里的提及来衡量头部位置 [1]。两家都没有把引用当作衡量头部位置的单位。
所以一份只看引用的报告，完全可能画出一条漂亮的上升曲线，而买家真正读到的那段答案里，你的名字从来没出现过。两个信号都值得追，但它们回答的是不同的问题。拿一个当另一个的替代指标，会让你把投入定错价。
---
那具体怎么打
下面的顺序，按决策实际到来的次序排。
第一步，挑两三个品类，不是二十个。 选你已经有一点存在感、有存量内容、也有真实产品切入点的领域。铺得太开会摊薄覆盖，而覆盖恰恰是拿下头部位置唯一的硬要求。
第二步，把每个品类的五问题簇写出来。 定义、对比、替代品、使用场景、购买决策。这是工作单元，也是多数内容计划真正露出缺口的地方——通常缺在"对比"和"替代品"这两问上。顺手把形态也对上：Shepard 的框架里，意图与形态匹配拿到 9.0 分，对比类问题偏好表格和列表，操作类问题偏好编号步骤 [4]。
第三步，分引擎、分品类看自己在哪。 不要看混合分。你在 ChatGPT 里领先的品类，在 Gemini 里有三分之一的概率是别人第一 [5]。
第四步，把提及和引用分开追。 如果你被引用了却没被点名，解法通常不是再写更多内容，而是更清晰的品牌指称，以及能迫使模型点名各家的对比章节 [3]。
第五步，做站外那一层。 模型会点名那些它在全网反复遇到的品牌。社区讨论、评测站、行业媒体、专家评论里的无链接品牌提及，都在喂这份熟悉度 [1]。
第六步，盯幅度，不盯方向。 领先不到 2 个百分点，两个方向都可能翻。一直推到差距足够宽为止。
第三步是大多数团队卡住的地方，因为测量的形状必须和问题的形状一致。有三项能力决定你能不能看清品类的头部位置：
| 能力 | 为什么判断头部位置需要它 |
|---|---|
| 分引擎拆分 | 跨模型首位一致率仅 41.6%，混合分会盖掉你正在输的那个引擎 [2] |
| 按品类归组 | 头部位置的定义是跨问题簇的，逐个 prompt 的列表看不出覆盖 |
| 提及与引用分别统计 | 61.7% 的出现是被引用但没被点名 [3] |
Innflows 做的就是这一层。它按引擎分别追踪品牌的引用与提及——覆盖 ChatGPT、Google AI 功能、Perplexity、Copilot，以及 DeepSeek、豆包、通义千问、Kimi 等中文引擎——同时审计 AI 爬虫能否访问并解析承载各个品类的页面，检查技术可读性、内容结构与实体一致性。有了按品类的分引擎基线，"我们有没有占住这个话题"就从一场争论变成一个可以按季度复核的数字。
这里"审计"那一半和"追踪"那一半同样重要。围绕一个五问题簇建覆盖，如果承载它的页面被 CDN 挡住、关键事实要靠 JavaScript 才显示、或者品牌与产品的称法前后不一致，那这些覆盖是白建的。
---
这些结论在什么情况下不适用
四条边界，说清楚再动手。
归属门槛是某一项研究的定义。 4/5 覆盖和 5 个百分点是为了在一份数据里得到可读信号而做的分析选择，没有任何平台公布或执行它们。
四个主要来源里有两个是厂商研究。 品类归属和幽灵引用两项都用 Semrush 自家工具的数据，软件指数则来自一家 AI 可见度工具厂商。三者方法都公开，这是它们可用的原因，但都不是独立审计。
学术那一份是预印本。 正在评审中，样本 50 个品牌，作者自述指标为探索性 [2]。
没有一项来源建立了因果。 这些研究描述的是头部位置长什么样、以及什么解释不了它，没有一项隔离出是什么产生了它。对 GEO 整体的综述也是同一个判断：它的行为更像一条概率性的管线，而不是一个输入可控的排名任务 [7]。任何承诺在固定周期内帮你拿下某个品类位置的说法，都超出了现有证据能支持的范围。
---
常见问题
在 AI 搜索里"占住一个品类"，判定标准是什么？
在给出操作性定义的那项研究里，头部玩家指提及份额最高、出现在至少 4 个（共 5 个）相关问题里、且领先第二名至少 5 个百分点的品牌。1,094 个品类中只有 15.2% 达到这个标准，31.2% 有准头部玩家，53.7% 属于未定 [1]。这是该研究的门槛，不是平台公布的规则。
既然 85% 的品类没有明确的头部玩家，是不是一片空白？
不是。那些品类里大多是有品牌出现、但出现得不稳定，而不是没有品牌。一项覆盖三个模型的预印本发现，真正的竞争真空——即没有单一头部玩家的品类——只占 8.0% 的查询，整体集中度为中等，平均基尼系数 0.28 [2]。空位在于跨话题的一致性。
SEO 做得好，就能在 AI 搜索里占住品类吗？
站点整体的强弱不足以决定。头部玩家与第二名相比，品牌搜索量更高的占 55.7%，自然流量更高的占 48.4%，权威分更高的占 52.5%，其中只有品牌搜索量统计显著且优势不大 [1]。一份独立的 23 因素评分把域名权威度定在 5.0，而 search rank 9.4、扩散查询排名 9.3、话题簇排名 8.9 [4]。真正起作用的，看起来是在一个品类的相关问题上都有排名。
在 ChatGPT 里占住了，在 Gemini 里也算吗？
按不算来准备。一项三模型研究中，跨模型对最高推荐品牌的一致率为 41.6% [2]；一份覆盖 126 个软件品类的指数发现，ChatGPT 和 Gemini 在三分之一的品类里给出不同的第一名 [5]。分引擎单独衡量。
该追引用还是追品牌提及？
两个都追，但要分开。在 3,981 次域名出现中，61.7% 是被引用却没有品牌提及；提及率从 ChatGPT 的 20.7% 到 Gemini 的 83.7% [3]。在品类层面，最常被引用的域名同时也是最常被提及品牌的情况只有 21%，两者还轻微负相关 [1]。只看引用的报告可能一路上涨，而买家始终没看到你的名字。
占住一个品类需要多久？
本文引用的来源都没有测量"占住所需时间"，所以任何具体数字都会是编的。数据能说的是：守住位置的中位领先幅度是 2.9 个百分点，被反超的是 1.3 个百分点，而明确的头部玩家在六个月窗口内的月度对比中有 90.4% 保持首位 [1]。这描述的是一个稳固位置拿到之后长什么样，不是建立它要花多长时间。
---
核心结论
在 ChatGPT 里追踪六个月、覆盖 1,094 个品类的数据显示，只有 15.2% 的品类存在一个能稳定出现在整个话题相关问题里的品牌；而需求最高的那批品类，有头部玩家的比例更低 [1]。这是一个真实的窗口，但不是一片空地：模型在绝大多数查询里都点名了至少一个品牌，集中度也测出来是中等而非赢家通吃 [2]。
值得带走的是工作单元的改变：头部位置是跨一个问题簇来衡量的，而它靠幅度守住或丢掉——3 个百分点像个位置，1 个百分点像抛硬币 [1]。
同一批证据还带来两个测量上的修正。头部位置必须分引擎读，因为跨模型对首位品牌的一致率约为 41.6% [2]。提及必须和引用分开读，因为 61.7% 的出现里品牌根本没被点名 [3]。
挑两三个品类，把买家在每个品类里真正会问的五个问题列出来，在投入一个季度的内容之前，先拿到一份诚实的分引擎基线。
如果你想先看清眼下有哪些引擎在引用你、哪些在点名你，可以从一次 AI 可见度审计 开始，再用暴露出来的缺口决定去争哪个品类。
---
参考来源
[6] - Semrush: 36 brands win AI visibility everywhere, 1,200 vanish on one — PPC Land