问 AI「有哪些知名的内衣品牌」，H&M、优衣库、维密当然占优。但真实用户不这么问。

2026 年 8 月，海外 AI 搜索媒体向 ChatGPT 和 Google AI Mode 提了 20 组购买问题，比如「产后身材适合穿什么内衣」「经期内裤有哪些值得推荐」。结果三个大牌加起来只被提到 2 次；一个叫 Knix 的加拿大小品牌，被提到 29 次。

这不是知名度的问题，是提问方式的问题。搜品牌名的时代过去了，用户现在是带着具体场景和具体麻烦来问的。谁的内容长在这些场景里，谁就上榜。

一、用户不再搜品牌名，他们描述麻烦

  • 老逻辑：品牌争的是「消费者先想起谁」
  • 新逻辑：用户抛出具体问题时，AI 愿意推荐谁
  • 更要紧的一点：每换一个问题，AI 可能重新排一次座

所以「业内知名」这件事，在 AI 回答里不太值钱。你问「有哪些大牌」，大牌赢；你问「漏尿怎么办」，只有天天讲这件事的那个品牌在。Knix 的官网、商品页、媒体报道和用户评价一直在讲经期、产后、吸收量，这些内容听起来不「高级」，但在具体问题面前，它可能是唯一答案。

二、被 AI 反复提到的品牌，都在抢五样东西

把多个案例放一起看，做法五花八门，实际都在抢这五样：

  • 场景：先成为某个具体时刻里的合适人选。可口可乐没做过 GEO，但在「看电影配什么饮料」这个问题上品牌领先率是 100%，靠的是几十年广告、餐厅菜单和消费者分享留下的场景资产
  • 问题：把用户会问的话原样写成内容，而不是把产品参数换个说法
  • 产品依据：可验证的参数、检测报告、适用范围，让 AI 有东西可引
  • 解释权：品类怎么选、什么情况不适合，由你来讲清楚
  • 第三方共识：媒体报道、独立评测、真实评价里的说法彼此一致

这里最容易踩的坑，是把「场景」理解成批量生产《××的十大使用场景》。AI 不吃这套。一家三口要在东京住一个月，问「有哪些适合家庭长住的公寓」，模型要处理的是能不能做饭、洗衣方不方便、附近有没有超市、带孩子住合适吗、住一个月贵不贵——它要的是一连串具体问题的答案，不是一句场景口号。

三、可以照着做的三件事

  1. 把品类里用户真实会问的问题列出来。别用行业词，用口语，用「麻烦」的原话
  2. 一个问题配一份内容，答案要对得上问题本身，别绕回品牌介绍
  3. 每季度重问一遍，看哪些问题里已经出现了你，哪些还没有

顺带提醒一句：这份问题清单是会长大的。用户的问法在变，模型的偏好也在变，做完就丢的清单，三个月基本就过期了。

最后

20 组问题的差距，说到底是两种思路的差距。一边在想「怎么让更多人知道我」，一边在想「用户遇到这个具体麻烦时，答案里有没有我」。前者的战场是品类大词，后者的战场是长尾里的每一次具体提问。

大品牌在前一个战场上攒了几十年，小品牌在后一个战场上几乎可以从零开始抢——这大概是 GEO 目前最公平的地方。