当购车入口从搜索框移向对话框：AI 时代营销度量需要换一把尺子｜IPSmoto

一个正在发生的变化，可能比多数营销人预想的更快：消费者购车决策的“第一站”，正在系统性地从搜索引擎和垂直网站，迁移到 AI 对话界面。Gartner 的研究预测，到 2026 年传统搜索引擎流量将下降 25%，AI 聊天机器人正在成为品牌与买家之间的新中介。更直接的信号来自搜索行为本身：2026 年前四个月，美国 Google 搜索的零点击率达到 68%；在 AI 概览（AI Overviews）出现时，点击率下降近 60%。Botify 的研究进一步指出，高意向查询——产品发现、对比、规格、故障排查——正在 AI 搜索引擎内部完成，不产生任何外部点击。

对于汽车营销而言，这不是一个“值得关注”的趋势，而是一个已经影响到度量基础的现实。当消费者的购车研究发生在对话框里，而不是搜索结果页上，过去二十年围绕“流量—点击—线索”搭建的营销指标体系，正在同时失去解释力和行动指导力。

现象层：购车决策的入口已经移动，且移动得并不均匀

Cox Automotive 2025 年购车者旅程研究显示，19% 的购车者和 25% 的新车买家在购买前使用了 ChatGPT、Copilot 或 Google AI 概览等 AI 工具；使用 AI 的买家报告了更高的满意度、对经销商更高的信任，以及更快更简单的流程。CarGurus 2025 年消费者洞察则显示，80% 的购车者对使用 AI 进行信息收集、方案对比和建立信心持开放态度。两组数据指向同一方向：AI 正在从“可选辅助”变为购车研究环节的常规基础设施。

但这一迁移在不同市场的进度并不一致，而这种不一致本身构成了营销策略需要面对的新变量。IPSmoto 16 国系列研究已经记录了这种分化：

同一套“AI 正在改变购车”的叙事，落在不同市场时，消费者的信任结构、渠道惯性、模型使用习惯，决定了 AI 在消费者购车旅程中实际插入的环节和深度并不相同。这意味着，用一套全球统一的“AI 营销”框架去度量所有市场，从起点上就会丢失精度。

度量层：旧指标在 AI 界面中失明，新指标需要回答“被推荐的质量”

传统汽车数字营销的度量逻辑是清晰的：曝光量、点击率、留资成本、到店转化。这套指标的前提是“用户经过一个可追踪的页面，留下可归因的行为”。AI 对话界面改变了这个前提：当消费者在 ChatGPT、豆包或 DeepSeek 中直接获得购车建议，并据此走向线下或官网时，品牌既没有获得一次点击，也很难在传统分析工具中识别这条线索的来源。

更深一层的问题是，即使品牌意识到需要监测 AI 中的表现，“被 AI 提到”和“被 AI 推荐”之间也存在实质差距。亿欧智库联合图谱宝对中国 30 家新能源汽车品牌的 GEO 表现扫描显示：行业整体的“可信性”均值（73.4 分）系统性低于“可见性”均值（78.1 分），差值为 -4.7 分；接近一半的品牌（47%）仍处于存在明显短板的第三梯队。大量品牌已经在 AI 的知识库中“存在”，但 AI 在生成推荐时对它们保持保留态度。仅仅追踪“有没有被提及”，会高估品牌在 AI 推荐中的实际位置。

这正是 IPSmoto 将 IPS（Intelligent Promotion Score，智能推荐指数）作为核心度量的出发点。IPS 不把 AI 中的品牌存在视为一个“有或无”的布尔值，而是拆解为三个递进层次：

这套度量逻辑的合理性，建立在“AI 推荐正在成为购车决策前置过滤器”这一判断之上。当 AI 给出的候选清单越来越成为消费者线下看车和线上比价的起点，品牌在 AI 推荐中的强度，就不再是一个“数字营销部门的技术指标”，而是一个直接影响漏斗顶部宽度的结构性变量。

行动层：从“买流量”到“建设可被引用的信源资产”

GEO 面对的是一个生成式系统：AI 从它认为可信的信源中提取信息、组织答案、形成推荐。品牌能施加影响的，不是“在答案里买一个位置”，而是“成为 AI 生成答案时愿意引用的高可信信源”。这意味着官网参数页、权威媒体评测、真实车主口碑、第三方机构测试数据，需要被系统地组织成 AI 可理解、可验证、可引用的知识资产。信源的可信度和一致性，成为比关键词密度更关键的变量。

这一逻辑在不同市场的优先级需要分开处理：

这也回到了 IPSmoto 在 16 国研究中反复出现的判断：不存在一套全球统一的 AI 营销动作序列；但存在一个跨市场通用的原则——先度量品牌在 AI 推荐中的真实位置，再决定信源建设、模型覆盖和线下校准的资源配置。在没有基线的情况下扩大“AI 营销预算”，和传统搜索时代不看关键词排名就加投放，本质上是同一种风险。

一个需要被认真对待的度量变化问题

Gartner 对搜索流量下降的预测、SparkToro 对零点击率的追踪、Cox 对 AI 购车者满意度的调查，指向同一个结构性变化：消费者的决策信息环境正在从“可追踪的页面网络”转向“生成式的答案界面”。在这个新环境中，继续用点击率、留资成本、页面停留时间来评估营销效果，不是“不精确”，而是系统性地看不到最关键的那部分决策前置过程。

对汽车品牌而言，真正需要回答的问题正在变得具体：当消费者在主流 AI 模型中提出购车需求时，你的品牌是否进入了候选范围、以什么理由被描述、被放在第几位、与竞品之间的推荐强度差距是扩大还是收窄。这些问题的答案，无法从传统营销仪表盘中读取；它们需要一个针对 AI 推荐环境设计的度量框架，以及基于该框架的持续监测。