买护肤品时，你可能问过 AI，哪款面霜更适合我？
它推荐了一个熟悉的大牌，把成分和适用肤质说得头头是道。
这时，如果另一款不知名品牌的产品，价格、容量和成分都和大牌一样，只是在产品介绍里多写了一段话，说它由皮肤科医生参与研发，还经过 120 人的临床试验，AI 会放弃大牌，转而推荐它吗？
这个问题并不是凭空设想。最近我读到一篇研究 AI 品牌推荐的论文，作者是来自美国 Trine University 的 Xi Chu 和 Texas A&M University 的 YuPeng Hou。他们通过类似的对照实验，测试品牌知名度和专家背书会如何影响 AI 的选择。结果显示，那段专家背书让原本每次都被选中的知名品牌，获选比例降到了约 20%。
不过，这个结果还需要结合实验设置来理解：所谓的「专家背书」是研究者为实验瞎编的，不知名品牌也是虚构的。我把论文和公开数据翻了一遍，还重新统计了一组排序结果。接下来，我想把这篇论文和实验过程翻译成更容易理解的内容，供大家参考。先从实验中的商品清单和提问方式说起。
先将十款护肤品
交给 AI 选择
研究者给 AI 准备了一份商品清单，里面有十款同类护肤品。一款来自真实的知名品牌，另外九款的品牌名字由研究者虚构。
比如保湿乳液这一组，知名品牌选的是适乐肤（CeraVe）。研究者给适乐肤和九个虚构品牌写了相同的基础描述，比如容量都是 89 毫升、价格都是 17 美元，列出的主要成分也一样。注意，这是为了比较而设定的资料，不是真实在售商品的参数或售价。
每次提问，研究者都会把十款产品的顺序打乱，再把商品清单和产品资料直接交给 AI，让它只推荐一款。这组实验没有让 AI 联网搜索（不过，AI 在比较时除了限定资料以外，也可能用到它在预训练阶段学到的品牌信息）。
研究覆盖保湿乳液、防晒霜等四类护肤品，题目中设定的用户是一名 25 岁、容易出油长痘的男性。研究者使用 GPT、Claude 和 Gemini 的三个具体模型版本，以中文和英文重复提问。
第一种情况里，九个虚构品牌都没有额外背书。十款商品给出的基础资料相同，AI 会选择哪个品牌？
把四类产品、三款模型和两种语言的结果合在一起，480 次有效回答全部选了那个真实知名品牌。这里的有效回答，指研究者能从中识别出 AI 选了哪一款。
不过，另外九个品牌没有真实的品牌历史和市场口碑。知名品牌在这场比较里占了优势，虚构品牌的陌生感也可能影响选择，这两个因素很难在这里完全分开。
给其中一个虚构品牌
加一段「专家背书」会怎样
接下来，研究者保留原来的十款商品、用户需求和基础产品描述，每次随机挑一个虚构品牌，在它的介绍后面加一段「专家背书」，大牌和其他八个虚构品牌的介绍没有加这段话，产品顺序照样会被打乱。
以保湿乳液为例，新增介绍声称这款产品与皮肤科医生联合研发，疗效经过 120 人参加的临床试验验证。其他护肤品类也使用了类似的声明，里面的专家背书和临床试验都是研究者为实验虚构的。
再让 AI 从十款里选一款，474 次有效回答中，知名品牌被选中 94 次，约占 20%；加了背书的虚构品牌被选中 380 次，约占 80%。
把两种情况放在一起看，没有虚构品牌加「专业背书」时，480 次回答 AI 全选了知名品牌；当一个虚构品牌多了这段介绍，它抢走了约八成的推荐。
两款产品条件相同，
品牌介绍会影响 AI 的选择吗？
研究者还做了另一组测试，这次不再使用十款商品，而是让一个真实知名品牌和一个虚构品牌直接比较，要求 AI 在两款中选一款。
实验给两款产品写了相同的基础成分、价格、评分和评价数量，比如保湿乳液这组，两款产品都设为 17 美元、满分 5 分里得 4.5 分，各有 500 条评价，这些都是为实验准备的资料。
知名品牌的介绍保持原样，研究者只在虚构品牌的基础描述后面，分别加上不同说法，再比较 AI 的选择。每次提问时，两款产品出现的先后顺序也会随机调整。
比如，一组强调医生参与研发和临床试验，另一组声称产品在护肤社群获得很多好评，还有一组强调限量生产、补货后很快售罄。每次只在虚构品牌的介绍里加入其中一种说法，再让 AI 在它和知名品牌之间选一款。下表是这三种说法各自的测试结果。
三款模型的反应也不一样。在「专家背书」这一组里，Claude 约有 55% 的回答选了虚构品牌，GPT 约 69%，Gemini 约 99%（这里测的是三个模型的 API 特定版本，平时直接打开 AI 应用时的结果可能不同）。
我看到这里，想起之前做过的一次测试（跟四款AI抬了一万次杠，我看清了谁才是「墙头草」）。当时我准备了 58 道答案已经核实、国内四款 AI 最初都能答对的品牌事实题，接着用不同说法反驳它们。每种说法对每道题重复三次，也就是每款模型各 174 次。
我告诉其中一款模型「我觉得是另外那个」，它改口 15 次；换成「我看到有资料说是另外那个」，改口增加到 21 次（我并没有实际给到资料，第二句话也只是声称我看到了资料）。
我以前那次测的是反驳能否让 AI 改口，这篇论文则是给虚构品牌加上一段编造的临床试验介绍，看 AI 会不会改变推荐。两次实验的内容和条件不同，但都值得进一步追问：当有人说「有资料」或者「做过临床试验」，却没有提供可以核实的来源，这样的说法会在多大程度上影响 AI 的回答？
把虚构品牌的评分提高一点，
又会怎样？
论文里还有一组单独的测试。研究者让一款真实知名品牌和一款虚构品牌的同类产品竞争，要求 AI 从中推荐一款。
研究者给两款产品设定了相同的基础成分、价格和评价数量，每款都有 500 条评价。产品资料里还写了「用户评分」，满分为 5 分，类似我们在购物页面上看到的商品评分。这些评分和评价数量都是研究者为实验设定的。
然后，研究者分别测试了两种情况。
第一种，两款产品的用户评分都是 4.5 分，470 次有效回答里，虚构品牌被选中 28 次，约占 6%。
第二种，知名品牌仍是 4.5 分，只把虚构品牌的评分改成 4.6 分，其他基础资料保持相同。440 次有效回答里，虚构品牌被选中 283 次，约占 64%。
这组结果说明，在研究者给 AI 的资料里，虚构品牌多了 0.1 分的用户评分优势后，更常被选中。
九个虚构品牌
都加上「专家背书」，
知名品牌的推荐率回升至约 94%
回到最初那份十款商品的清单。一个虚构品牌加上「专家背书」，已经在测试里获得了大部分推荐；如果有更多虚构品牌也加上同类背书呢？
研究者分别设置了五种情况，带背书的虚构品牌从 0 个增加到 9 个。在同一品类里，加了背书的虚构品牌使用同一段描述，十款商品的基础资料和用户需求保持不变，知名品牌始终没有加背书。研究者会随机选择哪些虚构品牌加背书，也会打乱产品顺序，AI 每次仍只能推荐一款。
分母是这一种情况下的有效回答次数，分子是其中选中知名品牌的次数。一个虚构品牌加背书，知名品牌的推荐掉到了约 20%；九个虚构品牌都加上后，知名品牌又获得了约 94% 的推荐。
论文作者认为，当越来越多品牌使用相似背书，这段介绍就没那么容易把它们区分开，模型因此更可能选回熟悉的品牌。
对做今天在做 GEO 的人来说，这组结果提出了一个很实际的问题。GEO 关注的是品牌在 AI 回答中怎样被提到和介绍，虽然真实市场的产品和竞争方式复杂得多，但当一个品牌有了竞争者没有的资料，并让 AI 在比较时看到它，AI 可能改变选择，等竞争者都有了类似描述，这份优势还能留住多少？
只选一款与排序十款，
知名品牌排第一的比例差异很大
作者的另一项测试，使用同样的十款商品，并让九个虚构品牌都带上背书。这次研究者要求 AI 把十款产品从最推荐到最不推荐排个顺序，而不是只选一款。
我看了作者公开的原始记录，分别计算了两种要求下，知名品牌拿到第一的次数。
只选一款时，466 次有效回答里有 437 次选择知名品牌，约占 94%。排列十款时，我们筛出完整列出十个不同产品的 473 条记录，其中 229 条把知名品牌排在第一，约占 48%。
排序题里还有一个细节，研究者先打乱产品顺序，再按 A 到 J 编号；给 AI 的输出格式示例也恰好是从 A 排到 J。473 条完整排序中，有 121 条结果同样按 A 到 J 排列。
实验没有单独验证这个示例是否影响了回答，也可能有其他原因。但它提醒我们，看到一个品牌排第一的比例时，除了看问题怎么问，也得看看 AI 被要求怎样输出答案。
做品牌监测时，消费者可能问「只推荐一款」，也可能问「给我列五款」。把两种问题的结果分开记录，再比较品牌的表现，会比把它们混成一个提及率更容易看清变化。
对做 GEO 的人来说，
这个实验有什么用？
论文中的商品资料直接交给了 AI，现实消费者通常先提出需求，AI 需要从已有知识或外部资料里组织答案。论文作者也做了简化的资料检索测试，但它和用户端 AI 搜索平台的完整流程不同，结果不能直接推广到所有平台。
品牌方可以把两种情况分开测试。一种是直接把两款产品资料交给 AI，请它比较。每次另开一个对话，先用现有资料多问几次，再只增加一条真实、可查证的测试结果，其他条件保持不变，把每次推荐和理由都记下来，看看加入资料后有没有变化。
另一种是从消费者的问题出发，比如询问适合敏感肌的保湿产品，不提前给品牌资料。可以记录 AI 推荐了谁、给出什么理由；有引用时，再点进去检查来源是否支持这些说法。仅凭最终答案，未必能知道 AI 查过哪些资料。
前一种方法能帮观察 AI 面对已有资料怎么选，后一种更接近消费者实际使用时会遇到的答案。两种结果出现差距，可以先检查品牌资料是否容易找到，再看 AI 引用或复述的信息是否准确。
我第一期做品牌测试时（20000次问答后，我拿到了AI搜索第一份品牌成绩单），就很在意 AI 提到品牌以后说得对不对。论文里的临床试验和专家背书是为实验虚构的，品牌实际传播仍需要使用真实、可查证的资料；真实背书能否取得同样效果，论文没有直接验证。
下一期：
把真实品牌放进来，
看看 AI 会不会偏向大牌
论文里的九个挑战者都是虚构品牌，题目又要求 AI 选出一个赢家。这让我想继续测一个问题：如果换成真实的小牌和大牌，给其中一方一项更符合用户需求的参数，AI 会选谁？当两边条件一样，又允许它回答「难分优先」，结果会怎样？
我正在做下一组实验，选了 16 对真实品牌，覆盖空气净化器、无线吸尘器、蓝牙音箱和移动固态硬盘四个品类。这次使用 DeepSeek，把模拟商品参数写在比较题里，也给模型保留平局和信息不足的选项，再重复提问。等实验整理完成，我会把结果和过程一起展示出来。
本文由“壹伴
暗品牌 Lab 翻译特辑
本文依据 Xi Chu 和 YuPeng Hou 的 arXiv 论文 2026 年 10 月 v3 版本撰写。研究主要使用四类护肤品，模型为 GPT-4o-mini、Claude Sonnet 4.6 和 Gemini 3 Flash，通过 API 以中文和英文重复提问。两种语言都设定用户为 25 岁、容易出油长痘的男性，中文版设定他住在上海，英文版设定他住在加州；回答次数不等于消费者人数。
十款商品排序的数据由我按作者公开记录重新统计。作者程序标记有效的 474 条排序记录中，有一条记录只包含九个产品编号，因此本次完整排序统计使用 473 条。