人工智能搜索让传统营销漏斗彻底失效——大家都在如何调整客户旅程策略？

你并不孤单。这正是每个营销领导会议上的核心议题。

根本性转变：

传统漏斗假设你可以在每个阶段逐步影响买家。AI搜索把这些阶段压缩成我称为“意图同步解决”的过程。

当买家在Perplexity上提一个复杂问题时，其实同时表达了：

• 认知需求（“有哪些解决方案？”）
• 考量需求（“它们如何对比？”）
• 决策需求（“哪款适合我的具体情况？”）

……全部在同一次提问中。AI整合一切并给出推荐。你的漏斗现在只剩下一次你无法掌控的互动。

数据很明显：

• 90%的B2B买家在采购过程中会用生成式AI
• 83%的买家旅程在接触销售前就已完成
• 传统归因模型大多无法捕捉这些环节

新的思维模型：

别再想“漏斗阶段”，而要思考“获得AI推荐的资格”。

你的目标不是推动买家逐步过渡——而是在买家把所有阶段压缩进一次查询时，成为AI推荐的品牌。

我们半年前就围绕这一现实重构了整个go-to-market策略。

我们称之为“AI时代漏斗”：

TOFU/MOFU/BOFU不再适用，现在分三层：

1. AI可见性层

• 当买家向AI咨询品类时，我们是否被提及？
• 我们的AI声音占比与对手如何？
• 我们在AI推荐中的定位如何？

2. 品牌强化层

• AI提及我们时，买家是否记得住？
• 我们的品牌能否经得住AI摘要？
• 我们是否出现在多个AI触点？

3. 转化层

• 当AI“预教育”买家后到访，我们能否成交？
• 网站是否面向AI知情访客做了优化？
• 销售团队是否懂得应对AI教育下的客户？

我们追踪的指标：

• AI引用频率（每周通过Am I Cited监测）
• 品类AI声音占比
• 品牌搜索量趋势
• AI可见性与品牌搜索相关性
• “预教育”线索转化率

中间过程无法追踪，所以我们聚焦输入端（AI推荐）和输出端（转化）的优化。

归因分析专家来报道，用数据验证你的担忧。

“归因暗物质”问题的确存在：

我们分析了最近500个成交案例：

• 34%首触为“直接”流量
• 其中78%在回访时提到通过AI做过调研
• 传统归因模型对AI认知阶段完全没有分配任何价值

数学问题：

如果客户在ChatGPT咨询品类，被推荐后直接输入我们网址——在GA4中这只是“直接流量”，但实际上是AI驱动的需求。

我们的应对方式：

1. 购买后调研 —— 直接问“你最初从哪里了解我们？”就能发现AI的作用

2. 品牌搜索相关性 —— 我们AI可见性提升后，品牌搜索量会在2-3周后同步上涨

3. 营销组合建模（MMM） —— 用统计模型推断影响，无需追踪个人路径

4. AI引用追踪 —— 用Am I Cited监测传统分析无法追踪的环节

残酷现实：

传统漏斗指标（MQL、SQL、触点归因）越来越多地衡量的是活动量，而非实际影响。真正的影响发生在我们看不见的AI对话中。

我们这样重构了内容策略以适应AI漏斗：

旧方法（按漏斗阶段分内容）：

• 认知：“什么是[品类]？”类博客
• 考量：对比指南、功能列表
• 决策：产品页、案例研究

新方法（AI可引用内容）：

全意图内容

• 单一页面回答买家所有问题
• 涵盖定义、对比、适用对象
• 结构化便于AI提取（清晰标题、直接答案、数据支撑）

权威内容

• AI可引用的原创调研
• 可被AI引用的专家观点
• 行业专属场景案例

验证内容

• 第三方网站客户背书
• 评论站优化
• 行业媒体报道

核心转变：

我们不再思考“这内容服务哪个漏斗阶段？”，而是“这内容解决了买家的完整问题吗？”

因为AI根本不关心你的漏斗阶段，只关心能否完整回答用户问题。

销售视角下的转变：

客户对话中发生的变化：

买家过去带着问题来，如今他们带着AI教育后的观点来。

他们通常已经：

• 了解了品类
• 比较过各家方案
• 形成了偏好
• 找到了关注点

有时AI调研准确，有时不准确，但他们自信满满。

我们的应对：

1. “AI告诉了你什么？”探询 —— 在对话早期主动问客户做过哪些AI调研、学到了什么，及时发现误解并纠正

2. 应对AI带来的异议 —— 常见的AI驱动型异议会被整理和提前应对

3. 更快的销售周期 —— 买家准备更充分，我们针对AI教育下的客户优化缩短周期

4. 赢/输单分析纳入AI —— 现在会追踪AI在丢单时是否提及我们或对手

积极一面：

当AI正面推荐我们时，客户带着信任和热度到访，转化更快、成交更高。

挑战是——如何确保AI最初就能准确、正面地推荐我们。

创业公司视角——其实对小公司来说这未尝不是好事。

传统漏斗优势：

• 大品牌有海量内容库
• 多年积累的SEO权威
• 每个触点都有品牌认知

AI漏斗优势：

• 相关性比规模更重要
• 最佳答案胜出，而非最大预算
• 新玩家可以和巨头同台被推荐

我们的做法：

1. 极致细分定位 —— AI在特定问题上更倾向推荐专家而非泛化选手

2. 答案优先而非排名优先 —— 我们拼不了传统排名，但能为细分问题提供最佳答案

3. 第三方背书为重 —— 让自己被AI信任的评论、对比、讨论所提及

4. 密切监控AI推荐 —— 用Am I Cited追踪每次提及，每周调整策略

我们的成效：

我们和比我们大10倍的对手一起被AI推荐——因为AI不看公司规模，只看答案对问题的相关性。

竞争门槛比以往任何时候都低。

我为大型企业做这方面咨询，以下是我的实操框架：

“压缩漏斗”战略：

第一层：可被发现

• 优化内容结构，确保AI易于发现与引用
• 在AI常引用的平台建立存在感（Wikipedia、Reddit、G2、行业媒体等）
• 各渠道信息统一且准确

第二层：可被推荐

• 明确针对细分场景定位
• 积累第三方背书
• 直接响应对比类问题
• 保持强大的评论存在

第三层：易于转化

• 针对AI教育下的访客优化网站
• 提供快速自助评估
• 培训销售团队应对更高级、周期更短的对话

第四层：可被衡量

• 将AI可见性作为首要指标
• 用MMM推断影响归因
• 将AI提及与后续业务指标相关联

落地现实：

大多数公司无法一夜转型。先做监测——追踪AI可见性，然后逆向优化各层。

如果看不见AI可见性，就无从提升。

反方观点——我认为漏斗没有消亡，只是被重塑了。

买家依然经历阶段转变：

• 认知到问题
• 考虑解决方案
• 做出决策

变化在于这些阶段发生的“地点”和“速度”。

新漏斗不是“无漏斗”，而是“AI环境下的加速漏斗”：

• 认知在AI对话中发生
• 考量在AI对比中发生
• 决策在AI推荐中发生

实际意义：

你仍然需要覆盖各阶段内容——但内容要能被AI发现、且结构适合AI引用。

心理路径没变，实施路径完全不同。

这场讨论彻底改变了我对策略的思考方式。

我得到的核心转变：

1. 从漏斗阶段到AI推荐资格 —— 目标是被AI推荐，而不是推动客户按阶段前进
2. 从阶段内容到完整答案 —— 能完整解答买家问题的内容优于针对特定阶段的小内容
3. 从归因追踪到影响衡量 —— 认可传统归因已失效，用AI可见性、品牌搜索相关性等替代
4. 从流量指标到AI声音份额 —— 即便没有点击，被AI提及也很重要
5. 从SEO优化到声誉建设 —— 全网权威比单页面排名更重要

我的实际举措：

1. 用Am I Cited搭建AI可见性监测
2. 审核所有内容，优先AI完整性而非漏斗思维
3. 将AI引用监测纳入仪表盘，与传统指标并列
4. 在赢/输单分析中增加“AI如何描述我们”
5. 向管理层建议投资MMM以实现更优影响衡量

必须接受的现实：

我多年来优化的那个漏斗，只是属于旧时代的思维模型。是时候为AI时代构建新模型了。