Stanley 1913如何重塑内容策略以适应AI搜索和LLM推荐

美国品牌Stanley 1913正在重构内容策略以适应AI搜索：在产品卡片中添加常见问题解答、护理说明和详细的购买场景描述——这些都是大型语言模型推荐ChatGPT或Perplexity中产品所需的内容。根据皮尤研究中心的数据，42%的美国成年人已经使用AI聊天机器人搜索信息，但大多数品牌的内容仍然针对人类的视觉感知而优化，而不是针对LLM的解析。

为什么视觉内容在AI搜索中不再有效

Stanley 1913通过创意内容建立了品牌认知度：母亲节的视觉营销活动、感师周的活动、与网红的合作。人类可以从图片、面部表情和语调中理解含义，但语言模型做不到。LLM聚合来自公开网页的文本数据：产品描述、文章、评论、常见问题解答。如果没有详细的文本内容，即使品牌在社交媒体上拥有数百万的覆盖范围，也不会出现在ChatGPT的回答中。

Stanley 1913首席品牌官凯特·里德利解释道："我们围绕假日创作了大量视觉内容，但没有解释为什么保温杯是给护士或教师的好礼物。现在我们明白了：对于LLM来说这至关重要"。该品牌开始在产品卡片中嵌入人们向AI助手提出的问题的答案："母亲节送什么礼物"、"如何选择健身保温瓶"、"不锈钢餐具的护理"。

Stanley 1913如何调整内容以适应语言模型

该公司启动了跨职能工作小组：内容、SEO、电商、技术、公关和营销。任务不仅是在网站上添加文本，而是建立统一的产品数据系统，使LLM能够从任何来源进行解析。里德利强调："我们专门为LLM构建指南和指标，以便所有部门同步行动"。

在基础设施层面，Stanley 1913正在测试Shopify和Google的通用商务协议——该协议允许直接将商品目录提取到聊天机器人对话中。该品牌使用Schema.org结构化标记，以确保数据在传统搜索引擎和AI代理中都能被正确读取。与Yotpo Discovery平台合作，该团队追踪Stanley 1913的产品在LLM回答中被提及和引用的频率。

"Stanley 1913通过真实创意人士和网红很好地重新获得了关注。现在品牌需要将AI平台视为新型网红——消费者发现品牌、了解品牌并做出购买决策的地方"，——Sonata Insights创始人黛布拉·阿霍·威廉姆森。

与外部来源和获得性媒体的合作

LLM不仅依赖品牌自有网站，还依赖第三方出版物：媒体评论、合作内容、用户评价。Stanley 1913追踪AI搜索引擎认为权威的平台，并将公关努力指向这些平台。文化营销活动——例如最近与歌手凯西·马斯格雷夫斯的合作——在媒体中产生提及和超出自有渠道范围的讨论，这增加了出现在LLM搜索结果中的机会。

里德利澄清："我们不是放弃社交媒体转向AI平台。我们需要两者兼顾，以提供关于产品的最大信息量。但对于LLM，信息必须采用明确的文本形式——否则模型根本无法处理它"。根据Similarweb数据，Stanley 1913网站流量同比增长35.5%，在2026年7月达到660万访问量——随着受众增长，消费者发现品牌的接触点数量也在增加。

这对俄罗斯市场和品牌意味着什么

在俄罗斯，通过AI助手的搜索查询比例仍低于美国，但这一趋势正在加速：Yandex将YandexGPT集成到搜索中，用户越来越频繁地向Alisa和第三方聊天机器人寻求推荐。俄罗斯品牌面临同样的问题：用于Stories和Reels的视觉内容不包含语言模型所需的结构化数据。

实际结论：如果电商平台或公司网站上的产品卡片没有回答"用途是什么"、"适合谁"、"如何使用"这些问题，品牌就有可能被排除在AI推荐之外。这对竞争激烈的类别尤为关键——美容、电子产品、运动商品——消费者在众多类似产品中进行选择。

检查清单：如何调整内容以适应AI搜索

• 产品卡片审计：检查描述中是否包含常见问题的答案——"如何选择"、"什么场合适用"、"与类似产品有何区别"。如果描述少于300字符且仅包含特性列表，需要进行补充。
• 在产品级别添加常见问题解答：直接在卡片中放置3-5个问题和答案。按照人们在搜索中提问的方式来表述问题："可以用洗碗机洗吗"、"适合热饮吗"、"办公室用什么容量合适"。
• 结构化标记：实施Schema.org的Product、FAQPage、HowTo类型。这有助于搜索引擎和LLM正确解释页面上的数据。
• 针对使用场景的内容：为特定使用场景创建指南和收藏——"同事礼物"、"登山保温瓶"、"野餐餐具"。每个指南应该包含详细的描述，而不仅仅是照片和产品列表。
• AI中的提及监控：定期检查聊天机器人如何回答您类别相关的查询。如果答案中没有您的品牌，分析模型引用的是哪些来源，然后在这些地方建立存在。
• 部门同步：内容、SEO、电商和公关应根据统一的指南开展工作。创建一份内部文件，其中包含产品描述要求，并根据AI优化任务对其进行更新。

指标和结果测量

Stanley 1913使用合作伙伴工具来追踪LLM回答中的提及频率和产品引用。俄罗斯市场目前还没有现成的生成搜索引擎优化(GEO)分析平台，但可以测量间接指标：在发布扩展描述后Yandex.Wordstat中品牌查询的增长、网站在"快速回答"块中的排名变化、来自聊天机器人的流量增长在网络分析中的变化。

重要的是要理解：AI优化的商业效果比传统付费搜索广告的投资回报率更难证明。品牌投资于评估LLM回答中可见性的工具，但目前很难建立与销售的直接联系。Stanley 1913采用长期战略：现在就建立数据基础设施，以便随着AI搜索比例增长保持可见性。

常见问题

什么是针对AI搜索和LLM的内容优化

这是对网站、产品卡片和外部出版物上的文本进行调整，以满足大型语言模型的要求：添加常见问题解答、详细的使用场景描述、结构化标记以及对自然用户问题的回答。目标是出现在ChatGPT、Perplexity、YandexGPT和其他从开放源聚合信息的AI助手的回答中。

如何衡量语言模型内容的有效性

可以通过专门的平台（例如Yotpo Discovery）追踪品牌和产品在LLM回答中的提及频率，监测发布扩展描述后传统搜索引擎中品牌查询的增长，在网络分析中分析来自聊天机器人的流量，以及在"快速答案"块中的排名。由于难以建立与销售的直接联系，品牌关注可见性指标。

为了获得文本内容是否需要放弃视觉内容

不需要，视觉内容对于社交媒体和创意营销活动仍然很重要。任务是用语言模型能够解析的文本数据来补充它：购买场景的描述、说明、常见问题解答。Stanley 1913继续与网红合作，同时丰富产品卡片的AI搜索信息。