# 从美国汽车零售 AI 追踪报告，看 AI Marketing 的北极星指标 IPS

-01- 美国购车用户，正在静悄悄地换一种“买车姿势”

Cox Automotive 在 2026 年 7 月底发布了最新的《AI in Auto Retail Tracker》（2026 年第二季度数据，覆盖 1,502 名未来 12 个月内有购车意向的消费者，以及 483 家经销商）。这份报告里最值得营销人停下来看的一行数字是：

•  63% 的购车意向者计划用 AI 来完成他们下一辆车的选购。

这不是"年轻人尝鲜"的边缘行为，而是主流消费旅程正在发生的一次结构性迁移。更有意思的是用户用 AI 的方式——他们不是在用 AI 绕开经销商，而是在用 AI 更好地走向经销商：

• 26% 的 AI 用户用它生成“进店后该问销售的问题清单”；

• 24% 表示 AI 让他们到店时“准备更充分”；

• 仅有 17% 把"减少与销售打交道"列为好处——这是所有选项里得票最低的一项。

这意味着明天走进展厅的那个客户，已经做完了作业。AI 没有消灭人际触点，它重塑了触点之前的"认知前置"环节。消费者在对话界面里完成需求梳理、车型对比、配置筛选，然后带着一份"心理清单"走向线下。

这恰恰是行业研究反复强调的一个判断：生成式 AI 改变的不是某个单点工具，而是消费者决策链路的入口本身。

正如谭北平与金立印教授的《生成：AI生产力重构营销新范式》一书所指出的——当“推荐”发生在对话框里，品牌的主战场就从搜索引擎的排名页，迁移到了大模型的回答里。

-02- 行业端的巨大落差：82% 用了AI，71% 还没看懂AI搜索

与消费者端的快速迁移形成刺眼对比的，是供给端的迟钝。

同一份报告显示，美国经销商的 AI 使用率已经达到 82%，自动化例行任务、客户跟进协同、内容生成是三大主流场景。看起来"都在用 AI"。但再看一组数字：

• 只有 29% 的经销商开始针对“AI 驱动的搜索/推荐”做调整；

• 32% 承认“知道该行动，但还没开始”；

• 26% 表示“不清楚这意味着什么”；

• 23% 觉得“这事不在我的工作表上”。

也就是说，71% 的经销商面对“消费者用AI 选车”这件事，尚未迈出第一步。

而焦虑正在蔓延：52% 的经销商觉得自己在 AI 应用上落后于同行（一季度是 47%）。报告的原话很精准—— “不是因为他们真的落后了，而是因为球门柱一直在移动，噪音越来越大。”

更值得深思的是“预期与现实的剪刀差”：

• 带来销售/收入增长：预期 69%，实际体验到 22%；

• 提升员工效率：预期 54%，实际体验到 26%；

• 改善利润：预期 51%，实际体验到 9%。

ROI与成本担忧（45%）和准确性担忧（45%）并列成为最大障碍。行业的质疑已经从“要不要用 AI”，成熟地变成了—— “请证明它对生意有效。”

-03- 营销科学的视角：所有AI焦虑的本质，都是“测量缺口”

报告里最容易被低估的一组数据，是关于“测量”的：

• 41% 的经销商说不清楚 AI 是否达到了预期（一季度为 37%，还在恶化）；

• 三分之一的 AI 用户要么完全没有测量 AI 的效果，要么说不清自己是怎么测量的。

这就是营销科学视角下的核心诊断：今天围绕 AI 的大多数焦虑、怀疑与摇摆，本质上不是技术问题，而是测量问题。

同一批数据里藏着最好的反证。报告把"以数据驱动决策"的经销商单列出来对比：

• 用指标评估 AI 效果：数据驱动型经销商 71%，其他经销商 46%；

• 认为AI 对长期成功至关重要：79% 对 56%；

• 实际获得 AI 带来的收入增长：34% 对 18% 。

差距接近一倍。这不是巧合，而是营销科学最基本规律的再次验证：凡是能被测量的，才能被管理；凡是能被管理的，才能转化为增长。“先测量、后优化”的数据驱动者，不仅在认知上更笃定，在结果上也真的拿到了更多收入。

对汽车品牌而言，这个规律在 AI 时代有一个全新的投影：当消费者的决策前置到大模型的对话框里，品牌需要被测量的，不再只是“人怎么看你”，还有“AI怎么推荐你”。

-04- IPS：AI Marketing 的北极星指标

这正是 IPSmoto 项目（www.ipsmoto.com）立项的初衷。

如果说营销科学的第一原则是“一切始于测量”，那么在 AI 时代，首先需要回答的测量命题是：当消费者问 AI“我该买哪台车”时，你的品牌被推荐了吗？被如何推荐？我们把这个问题的量化答案称为 IPS（Intelligent Promotion Score，智能推荐指数）。

IPSmoto的监测体系有几个关键设计：

• IPS 三指标：IPS（智能推荐指数）、VS（可见度分）、RS（排名分），刻画品牌在 AI 回答中的"被提及、被看见、被排在前面"三个层次；

• 9 大汽车核心要素：座舱、智能驾驶、安全、续航、空间、性能等维度，拆解 AI 推荐背后的“理由结构”；

• 16 个全球市场（中国、美国、日本、德国、英国、法国等）× 11 款主流大模型（GPT、Claude、Gemini、DeepSeek、通义、豆包、Kimi、文心、Perplexity 等）的 7×24 小时持续监测；

• 500+ 品牌、7,000+ 车型，并模拟青年、家庭、商务、年长等不同年龄段的真实购车意图进行高频 Prompt 测试；

• AI 引用指数（AI Citation Index）：追踪各大模型深度信任的权威媒体信源——因为 AI 的"信任"，本质上是对内容生态的引用加权。

IPSmoto 主张的指标体系是“IPS + NPS 双指标”：NPS 测量人类用户的推荐意愿，是过去二十年品牌健康度的北极星；IPS 测量 AI 的推荐意愿，是未来十年品牌增长的新北极星。人类反馈与 AI 反馈，构成了品牌资产测量的完整闭环。

回到美国市场的数据：63% 的购车者将用 AI 选车，而AI 的推荐绝非中立——它是可以被测量、被归因、也被优化的。谁先建立 IPS 的基线测量，谁就先拿到了 AI 时代营销科学实验的"对照组"。

-05- 给品牌主的三个行动建议

结合 Cox 报告的洞察与 IPSmoto 的监测实践，建议中国汽车品牌（尤其是正在出海的品牌）立刻做三件事：

• 把“AI 推荐表现”纳入常规仪表盘。就像监测舆情和搜索指数一样，定期测量各市场、各模型对品牌和车型的 IPS。没有基线，一切优化都是盲打。

• 经营 AI 信任的“信源资产”。Cox 数据显示 68% 的经销商认为“内置 AI 的工具更有价值”、63% 更信任嵌入式的 AI——信任是分层传递的。对品牌而言，AI 引用指数揭示的权威媒体，就是 AI 时代的“意见领袖”。你的内容是否出现在 AI 深度信任的信源里，比你投了多少曝光更决定 AI 怎么评价你。

• 用数据驱动回应“ AI 到底值不值” 。不要成为那 41% 说不清 AI 效果的从业者。为每个 AI 营销动作设定可测量的目标 ——无论是 IPS 的变化、AI 引用量的增长，还是到店线索中“AI 辅助决策”客户的占比。营销科学的传统没有改变：假设、测量、归因、迭代，只是实验场从货架和搜索页，搬进了大模型的对话框。

结语

Cox 报告里有一句话值得记住：“那些从 AI 中获得真实价值的经销商，不是把 AI 当成一个独立的战略部门，而是把它当作对既有工作的一次迭代。”

营销科学也是如此。AI 没有创造新的营销本质，它只是把“被推荐”这件事，第一次变成了可规模化测量的对象。63% 的美国购车者已经走进了 AI 的对话框——你的品牌，在 AI 的回答里吗？

这，就是 IPS 要回答的问题。

 

数据来源：Cox Automotive, AI in Auto Retail Tracker, Q1 2026 (n=504 dealers) & Q2 2026 (n=483 dealers; n=1,502 vehicle intenders), July 2026.