客户背景
客户是国内新能源汽车头部品牌之一，年销量位居行业前五，传统搜索与社交媒体表现都很好。但在 2026 年初的一次内部复盘中，市场部发现了一个尴尬的事实：当用户问 AI「30 万预算买什么新能源车」时，答案里几乎看不到他们。
诊断：问题出在哪
我们用 DZOS 跑了 240 组核心购车意图，得到三个发现：
- 提及率 34%，首推率仅 12%。也就是说即使被提到，也基本是陪跑位置。
- AI 引用的信源以论坛和自媒体为主，官方信息几乎没有被采用。原因是官网内容以图片和视频为主，文字信息密度极低，AI 抓不到可引用的事实。
- 参数表述在不同渠道不一致。同一款车的续航里程，官网、经销商页面、媒体稿件出现了三个版本，AI 因此降低了对该品牌信息的置信度。
方案：三条线同时推进
第一条线：统一事实底座
我们和客户产品部一起，为在售的全部车型建立了一份「标准事实清单」——每个参数只有一个权威版本，并明确了测试标准与适用条件。随后用这份清单同步修正了官网、百科词条、经销商页面与媒体资料库。
第二条线：重构官网内容结构
把原来以视觉为主的车型页，补充了结构化的文字内容层：参数对比表、常见问题问答、使用场景说明、与同价位竞品的客观对比。所有内容都按「一个小标题解决一个具体问题」的原则组织。
第三条线：覆盖决策期长尾意图
基于监测发现的「AI 答不上来」的问题，产出了 180 篇针对具体购车顾虑的内容，比如「冬天续航打几折」「电池质保具体保什么」「充电桩安装要满足什么条件」。这些正是用户在决策期真正会问 AI 的问题。
结果
第 4 个月复盘时的数据变化：
- 核心购车意图下的首推率从 12% 提升到 68%
- 整体提及率从 34% 提升到 91%
- AI 引用的信源中，官方渠道占比从 6% 提升到 54%
- 官网自然流量中，来自 AI 搜索入口的部分环比增长 340%
可复用的经验
这个案例里最值得借鉴的一点是：问题往往不在「没做营销」，而在「做的营销 AI 读不懂」。客户的内容投入一直很大，只是形式上偏向人看的视觉表达，缺少机器可解析的事实层。补上这一层之后，原有的品牌积累才被真正释放出来。