纽约时报观察：品牌营销开始为 AI Agent 优化，Adobe 数据显示 AI 引荐流量增 393%

一位医疗软件公司的首席营销官在 ChatGPT 里输入自家公司名字，AI 给出的介绍过时、残缺，却答得理直气壮。她随后做了一件事：发布 25 万字的内容，专门用来「教育」AI。

纽约时报近期报道《Chatbots Are the New Influencers, and Brands Must Woo Them》（聊天机器人是品牌必须讨好新一代网红），把品牌营销圈正在发生的迁移摆上了台面：消费者的购物与决策起点，正从搜索引擎转向 ChatGPT 等 AI 入口，品牌开始优化「被 AI 推荐」的能力，一门叫 GEO（生成式引擎优化）的新学科随之成型。数据侧的佐证来得同样快：Adobe 追踪显示，2026 年一季度来自 AI 工具的美国零售网站引荐流量同比增长 393%；摩根士丹利预测，到 2030 年智能体购物在美国电商的支出规模将达 1900 亿至 3850 亿美元。

搜索框统治数字营销二十年后，规则第一次被另一台机器改写。品牌接下来要说服的，不再是排队等广告的人，而是替人做决定的模型。

一、纽约时报观察

纽约时报报道的开篇主角是医疗软件公司 athenahealth 的 CMO Stacy Simpson。2024 年底，她向 ChatGPT 询问自己公司的情况，得到的答案基于多年未更新的旧信息。聊天机器人已经对品牌形成了「观点」，问题是这些观点准不准。

她的应对是系统性的：与 GEO 平台合作，发布 25 万字针对性内容，持续向模型输送准确信息，最终让品牌在相关查询中的呈现显著改善。Simpson 在报道中说，这是几十年来所见最大的营销转变之一，并警告先发优势的窗口不会太长。

报道引述行业人士的判断一针见血：在这场游戏里，「调性是没用的」。AI 模型不欣赏品牌故事，只认结构化的事实、一致的信息与跨来源的信任信号。不少公司开始批量发布「AI 校准」内容，测试模型输出、分析缺口、补齐叙事——营销部门的 KPI 表上，第一次出现了「AI 怎么说我们」这一项。

二、数据面

Adobe 的数字把趋势的斜率标了出来。根据 Adobe Analytics 2026 年 4 月 16 日发布的报告（其财年 Q2 报告，覆盖日历年一季度），AI 渠道对美国零售网站的引荐流量在 2026 年一季度同比增长 393%，3 月单月同比增长 269%；往前追溯，2025 年假日购物季 AI 流量同比增长 693%，12 月一度冲到 1151% 的峰值。Adobe 的分析基于超 1 万亿次美国零售网站访问，并调研了 5000 多名美国消费者。

更值得记住的是转化率的翻转。2025 年 3 月，AI 引荐流量的转化率比非 AI 流量差 38%；到 2026 年 3 月，反超 42%。同期 AI 来客在网站的停留时长多 48%，浏览页面多 13%，互动率高 12%，单次访问带来的收入高 37%。Adobe 另一项调研显示，66% 的受访消费者信任 AI 工具结果的准确性。

从最差渠道到最好渠道，只用了一年。传统新渠道的成熟曲线——付费搜索、移动端、社交——都花了好几年才爬出转化洼地，AI 引荐一步跨过了这道坎，因为从 Agent 出发的访客带着已经验证过的购买意图。

流量的另一面是结构缺陷。Adobe 警告，美国零售网站约四分之一的主页与类目页内容、约 34% 的产品页内容，无法被大语言模型正常读取——大部分商家连被 AI「看见」的资格都没备齐。

三、GEO 与 SEO

GEO 与 SEO 的差异，本质是「排名」与「引用」的差异。SEO 争夺的是搜索结果页上的位置，靠关键词、外链与页面权重；GEO 要解决的是模型综合答案时会不会引用你——重点是结构化事实、明确的主张、跨来源一致的信号，以及对歧义信息的封堵。

AI 模型的工作方式放大了这种差异：搜索引擎给页面排序，模型则把公开信息合成成一个答案。品牌信息含糊、过时或互相矛盾时，模型不会说「不确定」，而是按概率补全——旧的论坛帖子可能盖过官网，一篇失实的文章可能定型认知。

机器可读性因此成了硬门槛。Adobe 报告提出了「引用可读性」（Citation Readability）概念：AI 访问份额最高的零售商，其主页可读性得分比尾部高出 62%。Search Engine Journal 的解读更直接——393% 的行业均值是被能被机器读懂的商家拉高的，读不懂的商家在拖后腿，且多数网站运营者根本看不到 AI 爬虫抓到了什么。还有一个细节：被模型提及不等于被信任，错误上下文里的提及反而是负资产，品牌要管理的是「在哪些场景被提到、说法对不对、竞品是否排在前面」。

四、市场规模

钱景的数据同样在收敛。摩根士丹利研究报告估算，智能体购物（agentic shoppers）到 2030 年在美国电商的支出规模将达 1900 亿至 3850 亿美元，对应线上零售 10% 至 20% 的份额。报告分析师 Nathan Feather 称，智能体将是电商的范式转变，将冲击零售与数字广告的整个漏斗。

采用速度有先行指标。摩根士丹利 AlphaWise 调研显示，约 23% 的美国人过去一个月里用 AI 完成过至少一次购买，LLM 平台的用户渗透率已接近 50%；日用杂货与快消品领跑 AI 驱动的购买，被分析师视为未来五年智能体商务最大的解锁场景。其他机构口径可互相校验：贝恩预测 2030 年规模 3000 亿至 5000 亿美元、占线上零售 15%-25%，麦肯锡看到 1 万亿美元量级，Mastercard 2026 年 9 月报告则判断全球将有超 3 亿在线购物者常规使用 AI Agent 购物。

对品牌而言，这些数字共同的含义是：AI 入口在从「辅助发现」变成「交易起点」，营销预算的流向必然随之改写。

五、动作与风险

品牌方现在能做的有三件事。第一，把产品数据结构化：价格、规格、库存、退换政策全部整理成机器可读格式，补齐 Schema 标记，让 Agent 能正确解析——Adobe 报告里那 34% 读不懂的产品页，就是被跳过的订单。第二，维护第三方信任信号：测评、百科、问答平台的品牌信息要一致且新鲜，模型引用的往往不是你的官网。第三，把 AI 引荐流量纳入监测：在分析工具中单独标记 AI 来源的访问、转化与收入，按渠道迭代内容策略。

风险视角同样必须讲透。其一，归因与作弊问题没有解：AI 推荐的排序逻辑不透明，刷 AI 可见性的灰产可能重演 SEO 时代的作弊史——纽约时报报道里那种 25 万字的内容轰炸，与当年为搜索引擎批量生产的垃圾内容只有一步之遥；AI 生成文本的指纹检测研究此前已有报道，说明平台与品牌都清楚这层博弈。其二，利益相关性要留心：Adobe 在发布报告的同时销售 LLM 优化工具，Vendor 自报的数据与结论需要交叉验证，Dell 的消费者收入高管同期就表示智能体购物带来的业务「还没有什么惊天动地的变化」。其三，过度依赖单一 AI 入口等于把流量命脉交给平台，ChatGPT、Gemini、Perplexity 的推荐权重一变，品牌资产可能一夜重排。

所以，品牌营销的下一个十年，大概率从「讨好算法」走向「讨好模型」——区别在于，这一次你连竞价排名的价目表都看不到。

参考资料

• The New York Times：《Chatbots Are the New Influencers, and Brands Must Woo Them》
• Adobe：《Adobe Analytics AI Traffic Report（2026财年Q2）》
• Search Engine Journal：《Lessons Learned From Adobe's 2026 Q2 AI Traffic Report》
• Morgan Stanley：《Here Come the Shopping Bots》
• Digital Commerce 360：《Morgan Stanley: AI 'agentic shoppers' could drive $385 billion in online sales》
• Mastercard：《A short history of the future of shopping and payments》