# AI 在改变消费者心智，甚至还在篡改品牌的叙事

这周读了一篇论文，**《Dark Brand： The AI-Assembled Brand Image as a New Object of Brand Management》**，讲品牌在 AI 平台里的形象问题。跟我的主业方向相关，读完觉得有东西，给大家解读一下。

AI 在影响消费者对品牌的认知，这件事本身不新鲜，大家都知道，现在被 AI 忽悠的事儿可太多了，最近我就见过无数相关的热搜。不过，这篇论文讲的是另一个角度。AI 影响消费者，如果传达的是品牌方想要传递的信息，那起码还有一方得利了，品牌方做了一次有效传播。

但还有一种影响是：AI 给消费者传达的品牌叙事，是一个品牌方自己都没见过的版本，它是 AI 基于数据和自己的理解生造出来的。由于品牌方不知道 AI 在怎么介绍自己，消费者也不知道自己接收到的是一个没人核实过的版本。消费者和品牌方都在被 AI 误导。

论文借了一个物理概念“暗物质”来类比这个过程，把 AI 自己塑造的品牌，称为“暗品牌”。任何望远镜都没有拍到过暗物质，但天文学家知道它存在，因为星系的转动方式不对劲。如果只有可见物质的引力，星系早该散架了。所以，一定有什么东西在施加影响。品牌在 AI 里的这个现象也一样：影响真实存在，但被影响的双方（消费者和品牌方）都看不见它。论文把它叫做**暗品牌（Dark Brand）**。

现在 GEO 很火，大家都在想办法让 AI 多提自己。但由于“暗品牌”的存在，这篇论文的判断是，品牌方做这事的先后顺序可能搞反了，后面会展开讲。

我们先说 AI 是怎么造出这个暗品牌的？为什么它造出来的东西，经常跟品牌方想说的不一样？

## 一、AI 是怎么造出这个暗品牌的

这个过程并不复杂。AI 做了三步：第一步，把互联网上所有提到某个品牌的内容抓下来；第二步，通过统计和语义压缩，找出出现频率最高、上下文最一致的说法；第三步，用户一问，它就把这个压缩后的版本用对话的形式讲出来。

但问题出在两个地方。

首先，AI 分辨信源质量的能力是有限的。一篇被转了几百遍的旧文章，和一份品牌刚发的官方声明，在 AI 眼里的权重可能差不多，甚至旧文章因为出现次数多反而权重更高。做过 RAG 的人都知道，这正是检索增强要解决的问题。

另一个问题更根本：AI 手里没有“标准答案”。品牌从来没有给过 AI 一份“关于我们，请这样介绍”的材料。AI 只能从互联网的公开内容里去猜，猜出来的就当成对的了。

这两点我自己做 AI 的时候也有体会。第一个是时间问题。模型对信息的新旧极其不敏感，我在写 AI 工作流的时候，经常要专门加一条规则，强制让 AI 先确认当前系统时间，然后再去检索最新的内容，否则它很容易拿着几年前的信息当现在的事实讲。第二个是信源权重问题。搜索引擎有 PageRank，公开透明，品牌方可以理解也可以想办法去影响。AI 平台在信源权重上可能也有自己的一套体系，但既不公开，也没有品牌方可以干预的通道。结果就是一篇官方声明和一条路边博客，对 AI 的影响力可能差不了多少。

说到底，我不觉得这是模型在技术上解决不了的问题。如果愿意花额外的推理算力去做信源分级、时间校验，是可以改善的。但这涉及到平台的成本和意愿，不愿意做的可能性比做不到要大。在平台没有主动去做这件事之前，品牌方自己不管，就没人管。

所以暗品牌不是 AI 故意制造的，而是它的工作方式决定的。只要你的品牌在互联网上有痕迹，AI 就会拼出一个版本来。区别只在于这个版本对不对，有没有人在管。

有人可能会说，品牌方的自我认知和外界认知有偏差，这事在传统媒介时代也有，AI 只是程度问题。论文认为不是这样，AI 带来的是性质上的变化。

## 二、品牌方说的和 AI 说的，为什么总是对不上

论文提了一个模型：任何品牌在任何时候，都同时有三个版本。品牌自己觉得自己是什么，消费者觉得你是什么，媒介呈现的你是什么。

以前，第三个版本基本是品牌方说了算的。广告是你拍的，稿子是你发的，渠道是你选的。就算有偏差，品牌方至少还有手段去调整。

AI 把这件事改了。消费者现在会从 AI 那里获取品牌信息，但 AI 说什么，品牌方管不了。AI 不接广告，不听你的内容需求，也不会区分你的官方材料和一条三年前的吐槽帖。

结果就是三个版本之间裂开了。品牌方觉得自己在说 A，AI 却在跟消费者说 B。这道缝，就是暗品牌。

论文指出，这跟传统的“品牌认知偏差”是不一样的。传统媒介是搬运工，把信息摆在你面前，你自己判断。AI 是解释者，直接给你一个结论。而且 AI 不是出现在你的朋友圈或者电梯广告里，它出现在你准备花钱的那个瞬间。位置不同，影响力也不同。

说品牌方说的和 AI 说的对不上，具体对不上在哪？论文把暗品牌拆成了五个维度来看。

## 三、五个维度里，AI 说准了两个，但说歪了三个

这五个维度分别是：**品牌定位、核心卖点、竞品语境、用户画像、口碑现状**。

前两项说的是“你自己是谁”：品牌的核心身份和主打卖点。后三项说的是“AI 把你放进比较的时候怎么安排你”：跟竞品并排时 AI 给你什么角色，AI 觉得谁在用你，以及你在 AI 嘴里的风评怎么样。

论文在四个主流中文 AI 平台上，对同一个豪华车品牌做了标准化采集，结果印证了这个规律。

前两个维度，AI 说得不错。百年豪华，驾驶乐趣，操控标杆，跟品牌官方定位基本一致。

**但偏差从第三个维度开始了。**

**竞品语境。** 消费者问 AI：“四五十万，买这个传统豪华品牌还是某个新能源品牌？”四个平台给出的框架高度一致：传统豪华 = 经典但慢半拍，新能源 = 智能且前沿。有个平台直接把传统品牌的车机比作“诺基亚遇到了 iPhone”。但实际情况是，这个品牌过去一两年已经跟几家头部 AI 公司和智驾公司做了合作，新车上了不少智能化配置。这些信息存在于互联网上，但在“买谁”这个场景里，四个平台一个都没提。

**用户画像。** AI 给出的典型车主是 30 到 50 岁的企业高管，关键词是“身份象征”“商务接待”。一个 28 岁的产品经理问 AI“什么车适合我”，大概率不会被推荐这个牌子。AI 觉得这是他老板的车。

**口碑现状。** 问 AI 这个品牌口碑怎么样，回来的高频词是降价、召回、智能化落后、销量下滑。有个平台用了“信任危机”。正面信息不是没有，但被负面内容的体量压下去了。

论文说，这个“前两维准、后三维偏”的规律，在更大范围的品牌样本里也能稳定观察到。而且四个平台的偏差方向高度一致。这些平台的训练数据和检索机制各不相同，但它们对同一个品牌说歪的方向却是一样的，这说明问题大概率不在某个模型上，而在所有模型共用的那一池互联网公开内容上。换句话说，品牌面对的对手不是某一个 AI 平台，而是整个互联网多年沉淀下来的内容分布。在一个平台上做优化是不够的，得从源头上改变 AI 能抓到的内容。

更要命的是，偏的恰恰是对消费者做决定影响最大的那几项。

## 四、一个反直觉的发现：被 AI 说错，比不被 AI 提到更危险

行业通常认为，暗品牌最大的风险是 AI 不提你，可见度低，消费者压根看不到你。

但论文的判断是反过来的：**更危险的是 AI 经常提你，但提的内容是偏的。**

原因也不复杂。AI 现在站在消费决策的起点，消费者问完 AI 会拿到一份候选清单，然后再去电商平台验证。论文引了一组数据：超过八成用 AI 购物的消费者会去做二次核实。但他们核实的是 AI 推荐的那几个选项，不是 AI 没提到的品牌。也就是说，AI 已经先一步替消费者画好了圈，消费者后续的“自主选择”其实是在这个圈里面运作的。

论文用一个**可见度 × 准确度的四象限**来描述品牌在 AI 里的处境：

**“目标态”：高可见，高准确。** AI 经常提你，提的内容跟事实一致，这是理想状态。

**“品牌负债”：高可见，低准确。** AI 经常提你，但说的是偏的。最危险的位置，一个错版本正在高频地被消费者看到。对品牌来说，这种伤害可能比完全不被 AI 提到更大，因为消费者不知道 AI 说的是错的，会直接拿来做决策。

**“幽灵品牌”：低可见，低准确。** AI 很少提你，偶尔提了也不准。多数中小品牌和新品牌的默认处境。

**“隐形资产”：低可见，高准确。** AI 偶尔提你，但提的内容是对的。从这个位置出发做推广是安全的，因为被放大的是正确版本。

行业的默认做法是从“幽灵品牌”直奔“目标态”，先使劲让 AI 多提我，再管它提的对不对。论文说这条路经过的是“品牌负债”那个陷阱：你在放大一个不对的版本。正确的顺序是先到“隐形资产”，把内容搞对，再想办法被更多人看到。

这个“先刷量再谈质”的做法，其实就是现在说的很多的一种 GEO 做法了。

## 五、GEO 很火，但它只解决了一半的问题

**GEO（生成式引擎优化）** 今年非常火。简单说，就是通过优化内容结构、Schema 标注、权威信源建设等手段，让品牌在 AI 的回答里出现得更多、排得更靠前。逻辑很清楚：既然 AI 成了新入口，那就得去这个入口抢位置。

这件事本身没有问题。但拿论文的四象限来看，GEO 做的其实是横轴上的事，也就是提升可见度。纵轴上的事，也就是 AI 说你的时候说得对不对，GEO 并不管这个。

那如果品牌方还没搞清楚 AI 到底在怎么说自己，就先把 GEO 的量做上去，会发生什么？四象限里很清楚：你从“幽灵品牌”往右走，没有先往上走，就会掉进“品牌负债”的位置。可见度上去了，但被放大的是一个偏掉的版本。

两者的关系其实是分工。GEO 管执行，让 AI 看到你、提到你、引用你。暗品牌管判断，先确认 AI 看到的那些内容是对的。正确的顺序是判断先走一步：先建好准确性的基准，再让 GEO 把这个准确的版本推出去。

**GEO 回答的是“AI 能不能看见我”，暗品牌回答的是“AI 看见的那个我，是不是我”。** 两个问题都得解决，但先后顺序不能反。

## 六、好消息是，暗品牌是可以管的

前面用暗物质来类比暗品牌，但有一个地方其实不像：暗物质目前没办法干预，只能观测。暗品牌不一样，因为它是从互联网上的公开内容拼出来的，而内容是可以被影响的。

论文给了**两步**。第一步是**看见**，对主流 AI 平台做持续的、跨平台的采集，把 AI 到底怎么描述你，完整地呈现出来。第二步是**校准**，建一套内容资产，把品牌的产品参数、技术能力、合作关系、定位声明这些事实，按 AI 能读懂的方式组织好，让 AI 在检索的时候能找到、愿意引用。

两步形成闭环：看见哪里有缺口，用内容去补；补完之后再看 AI 的描述有没有变化。

看见之后，情况其实分两种。

第一种，AI 确实说错了。比如品牌方已经跟头部智驾公司达成了合作，AI 根本没收录这个信息，还在跟消费者说“智能化落后”。这种属于事实层面的偏差，可以通过校准内容来修正，品牌方把正确的信息喂给 AI 就好。

第二种，AI 说的其实没错，只是品牌方不愿意接受。比如“以价换量”“口碑下滑”，这些可能确实就是市场上消费者真实的看法。这种情况下，问题不在 AI，而在品牌方自身的定位和传播。暗品牌画像反而帮品牌方照了一面镜子，让你看到市场真实的认知跟你自己以为的之间差了多远。

两种情况处理方式不一样，但起点一样：先看到 AI 到底在说什么。

论文在这里做了一个界定：这套内容资产里放的应该是**可核实的事实**，不是品牌方的自我感觉。产品参数、合作伙伴、发布节奏，这些是事实，品牌方比任何人都清楚。但“我们是年轻人最爱的品牌”不是事实，是期望。暗品牌管理是一面镜子，不是美颜滤镜。

这篇是工作论文，原文在 Zenodo 上，感兴趣可以读全文：
doi.org/10.5281/zenodo.20673774