我们为什么做这个测试
很多建材行业的老板问我们同一个问题：“我们家产品不比头部差，为什么AI推荐里从来没有我们？”
与其用经验回答，不如直接测试。我们选取了建材行业中竞争较为集中的两个细分品类——瓷砖和整装定制，圈定10个行业公认的头部品牌，加上40个年营收在3000万到3亿之间的区域或新锐品牌，构建了一份包含120个真实购买场景问题的测试集，在5个主流AI平台上展开测试。
测试问题是怎么设计的
我们没有只测试"XX行业最好的品牌是哪个"这一类最拥挤的问题，而是把问题分成三类：
- 最佳推荐类：如"瓷砖品牌哪个最好"“整装定制找哪家可靠”
- 对比类：如"A品牌和B品牌哪个更适合小户型"“预算15万的整装该选谁”
- 细分场景类：如"没有装修经验的家庭应该找哪种整装模式"“老房改造用什么瓷砖比较合适”
这个分类本身就是测试的核心假设：我们怀疑，挑战者品牌的机会不在第一类问题里，而在后两类。
关键发现一：最佳推荐类问题里，头部品牌几乎垄断
测试结果印证了我们的猜测。在"最佳推荐"类问题中，10个头部品牌合计占据了62%的首位推荐位，剩下的位置也大多被头部品牌瓜分，40个区域/新锐品牌能挤进前五推荐的比例很低。
这背后的原因并不神秘：头部品牌的媒体报道、用户讨论、历史内容积累远超新锐品牌，AI在处理这类高度模糊、需要综合排名的问题时，天然更容易调用信息密度更高的头部品牌。
关键发现二：对比类问题里，游戏规则完全不同
当问题从"谁最好"变成"A和B谁更适合我"时，情况发生了明显变化。在对比类问题中，只要新锐品牌具备清晰的差异化定位（比如更适合小户型、价格区间更精准、服务响应更快），入选概率相比最佳推荐类问题提升了4.2倍。
这类问题对AI提出了不同的要求：AI需要理解两个品牌各自的适用边界，而不是简单排名。如果一个新锐品牌的官网、案例、内容清晰地说明了"我们更适合什么样的客户"，AI就有充分的依据在对比场景中把它作为一个合理选项呈现出来。
关键发现三：细分场景类问题，是挑战者最容易拿到入场券的地方
细分场景类问题的表现介于前两者之间，但呈现出一个有意思的规律：问题越具体，头部品牌的优势越被稀释。当用户问"老房改造用什么瓷砖"这种带有明确使用场景的问题时，AI给出的答案会更依赖内容里是否有针对这个场景的直接说明，而不是品牌整体知名度。
平台之间的差异也值得注意
不同AI平台对新锐品牌的整体友好度存在差异。从我们记录的"平台中新锐品牌综合提及率"数据看，各平台的活跃程度不同，这意味着单一平台的测试结果不能直接代表整体情况，也是我们坚持多平台交叉验证的原因。
