AI在购买链路里管哪一步？24.8%用户做决策靠它

结论先行：消费者下单前来问 AI，问的不是"我需不需要"，而是"这几个里选哪个"。AI 在购买链路里卡住的位置，是需求产生之后、下单之前的筛选与比较环节——它不制造需求，它收窄选项。

根据 CTR 央视市场研究 2026 年 9 月 9 日发布的《2026 洞察趋势创新发布》，AI 用户中 24.8% 已经用 AI 支持消费决策，AI 深度渗透 79.5% 的决策链路。

对品牌方来说，这意味着主战场正在从货架与搜索结果页，转移到 AI 回答里那份三五个名字的短名单上。

现象与数据：CTR 发布会的一组关键刻度

结论：CTR 发布会的刻度是 24.8% 的 AI 用户用它做消费决策，Acosta Group 调研则显示 34% 的美国购物者已用 AI 工具购物。

先看国内口径的几组刻度（均出自上述 CTR 发布会，英文版由 China Daily 于 2026 年 9 月 10 日转载）：

• AI 已触达 7.7 亿以上主流消费群体，深度渗透 79.5% 的决策链路；
• AI 用户中，24.8% 用 AI 支持消费决策，14.5% 用 AI 选择品牌或购物渠道；
• 8 月智能 AI 应用月活跃用户同比 +259%，而整体移动用户半年增速不足 1%——增量注意力几乎全部流向 AI 应用；
• AI 已成为三大产品信息来源之一，并在 9 个研究品类的部分品类中位居信息来源首位。

这组数据需要放在它的背景里读：2026 年前 8 个月，消费品市场销售额同比仅 +0.1%，典型的存量期。蛋糕不再变大，"被谁看见"就成了零和问题。而 CTR 同时点出了品牌侧的处境——「三不可」：意图不可知、交易不可见、效果不可测。用户在 AI 里问了什么、AI 把谁放进了回答、最终买没买，品牌大多看不见。

海外的情况可以互为参照。Acosta Group 的 AI Shopper Study（PRNewswire 2026 年 9 月 16 日发布）显示，34% 的美国购物者使用 AI 工具购物，Gen Z 与千禧一代达 74%，婴儿潮一代也有 45%。需要注明：该调研为美国口径，执行于 2026 年 5 月 15 日至 21 日，样本 1271 人，与国内数据不能直接对比，只能看结构。两组数据的对照如下表。

维度	CTR（国内口径，2026-09-09 发布）	Acosta Group（美国口径，2026 年 5 月调研，n=1271）
使用规模	AI 触达 7.7 亿以上主流消费群体	34% 购物者使用 AI 工具购物
代际差异	未拆分披露	Gen Z 与千禧一代 74%，婴儿潮一代 45%
对决策的参与	24.8% 用 AI 支持消费决策；14.5% 用 AI 选择品牌或渠道	过去 3 个月，一半 Gen Z/千禧 AI 用户被 AI 影响购买决策
信任结构	AI 已是三大产品信息来源之一	60% 认为 AI 可信度与其他来源相当；仅 22% 信任 AI 代理代为下单

AI 用户规模本身意味着新的行业基数，规模盘点的更多信息可以参考站内此前的整理（见 生成式AI用户规模与 GEO 行业基数盘点）。

机制拆解①：AI 卡位在「筛选与比较」，需求不是它产生的

结论：把 24.8% 与 14.5% 放在一起能读出位置：AI 卡位在筛选与比较这一环，购买需求本身并不是它产生的。

把 24.8% 和 14.5% 这两个数字放在一起看，能读出位置信息。

用 AI 支持消费决策的比例（24.8%）明显高于用 AI 选择品牌或购物渠道的比例（14.5%）——也就是说，更多人是在"已经有购买意向、正在挑"的阶段来问 AI，而不是靠 AI 从零决定买什么。

用户带着需求来，AI 做的是收窄：把一个品类里几十上百个选项，压缩成回答里出现的那几个名字。需求产生那一环——种草、广告、社交内容——依然在 AI 之前就完成了。

这个位置决定了博弈的性质。品牌在需求产生环节的营销投入仍然有效，但只要用户开始问 AI，前面所有动作的成果都要经过一次重新洗牌：AI 只会从它认定可信的信息里，挑出少数几个选项放进回答。

你在货架上的位置、电商大促的排名，到这里都不直接作数。

这也解释了 CTR 那条"9 个研究品类中部分品类已把 AI 列为信息来源首位"的数据为什么关键——信息入口换了，决策的收窄动作自然跟着换入口，而收窄恰好发生在品牌看不见的地方。

机制拆解②：短名单机制——知名度既是防御，又是换牌窗口

结论：AI 收窄出的是一份短名单：60% 的受访者认为 AI 可信度与其他来源相当，只有 22% 愿意让 AI 代理直接代为下单。

AI 收窄的直接产物，是一份短名单。短名单机制正好解释了 Acosta 那组看似矛盾的数据（美国口径，2026 年 5 月调研）：面对 AI 给出的陌生选项，近半数受访者仍倾向选已知品牌；但同时有 40% 的人报告尝试过新品牌。两个数字都成立，因为它们对应短名单上的两个位置。

对已进入短名单的知名品牌，知名度是防御：用户即便被 AI 推了一个没听过的选项，保守心理也会把他拉回认识的名字上，品牌资产在 AI 环节依然起缓冲作用。

对名单之外的品牌，短名单的边缘则是换牌窗口：比较环节本来就是用户心态最开放的时候，40% 的尝新率说明换牌确实在发生，只是入口很窄——你得先进名单，才有被选中的机会。

信任结构还在影响这份名单的稳固程度。60% 的受访者认为 AI 的可信度与其他信息来源相当，但只有 22% 信任 AI 代理直接代为下单——决策权仍在用户手里，AI 提供的只是候选集。

而信任受损的主因是错误、误导信息，以及担心推荐被广告左右，这意味着名单内的位置并非一劳永逸：口径混乱、信息过时的品牌，随时可能在下一轮收窄中被挤出名单。

反直觉：「AI 时代小品牌更容易翻牌」只对一半

结论：「AI 时代小品牌更容易翻牌」只对一半：细分与长尾问法里中小品牌确有机会进入候选集，40% 的尝新率即是通道证据。

一种流行说法是 AI 拉平了竞争，小品牌更容易翻牌。我们的判断是：这句话只对一半，不成立的那一半恰恰更关键。

成立的一半在短名单边缘。细分场景问法、长尾需求问法里，AI 没有现成的稳妥答案，内容做得扎实的中小品牌确实有机会进入候选集，40% 的尝新率就是这条通道存在的证据。

不成立的一半在正面战场。头部问法——"某品类哪个牌子好"这类——的短名单长期被知名品牌占据，近半数用户面对陌生选项仍会选已知品牌，新品牌在这些问法上正面撞知名品牌，大概率只是陪跑：AI 的回答需要给出稳妥、可验证的选项，知名度低的名字进不了前排，进了也不容易被选。

所以明确的结论是：小品牌的机会不在"挑战大品牌的头部问法"，而在"绕开头部问法、把边缘位置一个个占住"。把资源押在前者，是对这套新机制最大的误读。

可执行做法：五步自查，从问法到监测

结论：品牌在 AI 问法下缺席，多半不是内容总量不够，而是形态不对：官网有品牌故事，却缺少可直接摘引的比较型内容。

我们在服务中看到，多数品牌在 AI 问法下的缺席，不是内容总量不够，而是内容形态不对——官网堆着品牌故事，却没有一段 AI 能直接摘引的比较型内容。

灵曦GEO 在交付中遵循的是同一套通用流程：先整理客户所在品类下用户真实问法，再逐平台自查品牌是否进入短名单，然后才动手改内容。

这套流程品牌方自己也可以跑起来：

1. 品类适配评估。先判断自己所在品类是否已被 AI 当作产品信息来源（CTR 显示 9 个研究品类中部分品类已是如此）。动作：在主流 AI 应用里输入品类词加"推荐""对比"类问法，记录 AI 是否给出产品名单、给了谁。
2. 真实问法自查。从电商评论区、客服记录、搜索下拉词里整理用户真实问法——通常以场景和约束为主，而非品牌词——逐条去问 AI，标记品牌是否出现、出现在名单的什么位置。
3. 被推荐词覆盖。对品牌缺席的问法，检查站内是否缺少比较型内容：参数对比、场景适配、与同类产品的差异点。动作：按问法补写或改造页面，让内容能被 AI 直接摘引。
4. 事实字段一致性。价格、规格、适用人群等字段，在官网、电商页、百科与媒体报道的口径要对齐。Acosta 的调研显示，错误、误导信息是信任受损的主因，字段互相打架的内容会被 AI 弃用甚至答错。
5. 按问法监测。把问法清单固化为监测表，按固定周期复查品牌在每类问法下的出现位置与表述口径，发现波动时回查对应页面是否被改动，或是否出现了新的第三方口径。

边界与不适用

结论：CTR 的 24.8% 是特定发布会的国内口径，Acosta 调研为美国样本，两组数据只能看结构，不能互相直接对比。

最后划清适用范围。

CTR 的口径以国内消费品、快消为主，结论向其他行业外推需谨慎；B2B 与高客单价品类是多人参与、长周期的决策链路，与本文讨论的快消式"问—收窄—下单"结构不同；Acosta 为美国口径、2026 年 5 月调研，样本 1271 人，且属于自报告问卷，存在回忆偏差与意愿偏差；地域与代际结构的差异，也会影响数据迁移的可靠性。

另外说明一句：灵曦GEO 的服务范围不覆盖医疗、金融、K12 行业，这些领域的合规要求与决策逻辑需要单独处理。

品类推荐为什么常常在检索发生之前就有答案，可以进一步看我们此前的分析（品类推荐题在检索开始前就有答案）；本地生活赛道的对应数据，见 本地生活 GEO 赛道数据洞察。

想看这套方法在实际行业里的落地，可以看灵曦GEO的案例页。