有些品牌在基础问题中可以进入AI候选，例如：
市场上可以考虑A、B、C和D。
但当问题加入预算、行业、持续服务或可信度条件后，品牌就消失了。
这说明品牌已经完成基础入围，却没有通过综合决策。
此时问题不再是“AI是否知道品牌”，而是：
在用户真正做选择时，品牌缺少什么理由？
一、基础候选和最终推荐有什么不同
基础候选
观察品牌是否属于相关品类，是否具备初步相关性。
决策因素
观察品牌在价格、能力、服务、可信度、行业适配等条件中的表现。
最终决策
多个条件同时出现时，品牌是否仍然被保留。
品牌在基础候选出现，只能证明：
它有资格被考虑。
不能证明：
它是当前用户更适合的选择。
二、常见淘汰原因
1. 适用对象不明确
产品功能很多，但AI不知道适合：
- 中小企业还是大企业；
- 国内还是海外；
- 品牌方还是服务商；
- 单次检测还是持续监测。
2. 价格和使用门槛不清楚
用户强调预算，AI找不到公开价格或体验方式，就可能选择信息更清楚的竞品。
3. 缺少可信案例
功能声明存在，但没有真实客户、方法或复测证据。
4. 缺少综合能力
品牌在单一因素中有优势，但用户需要完整闭环。
5. 竞品证据更丰富
AI推荐竞品时，可以找到更多明确的场景、案例和第三方页面。
三、如何从最终决策题反推缺口
选择5道接近采购的问题，例如：
- 预算有限如何选；
- 需要长期监测如何选；
- 需要竞品和来源分析如何选；
- 中小企业首次使用如何选；
- 需要检测、内容和复测闭环如何选。
逐条记录：
| 问题 | 基础候选 | 最终候选 | 淘汰原因假设 | 需要证据 |
|---|---|---|---|---|
| 低预算 | 出现 | 消失 | 价格不清 | 价格与免费规则 |
| 长期监测 | 出现 | 消失 | 持续能力不清 | 监测流程和报告 |
| 可信度 | 出现 | 消失 | 缺方法和案例 | 方法页、复测案例 |
这比泛泛写“品牌竞争力不足”更有价值。
四、建立决策因素证据矩阵
每个因素至少准备四类材料：
事实
产品当前真实能力。
证明
页面、截图、数据或案例。
场景
什么用户在什么条件下使用。
边界
不适合什么情况，不能保证什么。
例如“持续监测”：
- 事实：支持按固定题库重复检测；
- 证明：监测页面和历史报告；
- 场景：完成内容建设后观察变化；
- 边界：AI回答具有波动，单次变化不等于确定效果。
五、内容建设优先顺序
第一步：选一个最重要因素
不要同时补十个因素。
第二步：建立官方证据页
集中回答该因素。
第三步：发布真实案例
展示具体对象如何使用。
第四步：建立外部问题页
用第三方页面回答用户选型问题。
第五步：同口径复测
观察相关问题是否先发生变化。
六、最终推荐更需要“适合谁”
产品页面不应只列功能。
还要明确：
- 最适合哪些企业；
- 不适合哪些需求；
- 首次使用如何开始；
- 需要准备什么；
- 结果如何使用；
- 下一步可以做什么。
适用边界越清楚，AI越容易将产品匹配到具体场景。
七、不要用夸张总榜替代决策证据
自己发布“行业第一”不能替代：
- 价格；
- 方法；
- 案例；
- 行业适配；
- 持续服务；
- 真实复测。
选型内容可以建立标准，而不是先设结论。
八、复测应该看哪些题
- 原来基础候选已出现的问题；
- 原来最终决策消失的问题；
- 本轮重点决策因素问题；
- 邻近因素问题；
- 对照问题。
如果变化主要集中在目标因素和最终决策层，说明优化方向更有价值。
九、常见误区
- 继续大量写品牌介绍；
- 只强调功能数量；
- 不说明适用客户；
- 把媒体数量当作可信度；
- 没有公开价格和体验边界；
- 发布后更换最终决策题；
- 只公布成功问题。
十、企业检查清单
- [ ] 基础候选和最终决策是否分别统计
- [ ] 是否保存最终决策题原文
- [ ] 是否提取竞品选择理由
- [ ] 是否明确品牌最弱的一个因素
- [ ] 是否有官方证据页
- [ ] 是否有真实案例和适用对象
- [ ] 价格与使用门槛是否清楚
- [ ] 是否说明不适合的场景
- [ ] 是否使用原最终决策题复测
- [ ] 是否观察R2稳定性
十一、如何判断补证据是否有效
如果本轮主要补充“数据可信度”，复测时应重点看：
- 可信度相关因素题是否先变化；
- 推荐理由是否开始出现方法、样本和证据；
- 最终决策题是否首次保留品牌；
- 对照因素是否基本稳定。
这种局部结构变化，比只看总推荐率更能说明方向。
结论
品牌进入候选却没有进入最终推荐，说明它已经完成“相关性证明”，但没有完成“选择理由证明”。
下一步应该补的不是更多品牌名称，而是：
决策因素
适用场景
真实证据
竞品差异
服务边界
复测结果