Stanley 1913 怎么在 AI 搜索时代保住人情味

Stanley 1913 怎么在 AI 搜索时代保住「人情味」 这给所有品牌一个反常识的启示

Stanley 1913(Stanley 水杯的母公司)是过去几年最成功的 DTC 品牌之一,水杯产品在 TikTok 上爆红,单品类年营收超过 7 亿美元。但 Stanley 1913 最近遇到一个新挑战:消费者越来越多用 AI 搜索产品信息(ChatGPT、Perplexity、Gemini 等),而 AI 搜索的回答方式跟传统 Google 搜索完全不同。Stanley 1913 的首席品牌官 Kate Ridley 在 Modern Retail 的采访中分享了她的策略——把 AI 搜索适应当作「肌肉记忆问题」而不是「hack 问题」,长期投入而非短期套利。

Stanley 1913 的具体做法有四个值得记住的点。第一个点是「产品信息和客户利益的清晰链接」。过去 Stanley 1913 的产品描述是「保温 24 小时」「食品级不锈钢」「真空密封」这类技术参数。AI 搜索时代,这种描述会被 AI 直接引用,但消费者不会感受到「这对我的意义」。Stanley 1913 改写产品描述,加上「适合送礼」「健身携带」「户外使用」「旅行便携」这类场景化标签,让 AI 搜索的回答更有「人情味」。

第二个点是「产品级 FAQ 和使用指南」。Stanley 1913 在每个产品页面加上「常见问题」和「使用指南」板块,内容覆盖「适合什么样的礼物」「如何清洁」「保冰时间多长」「是否漏杯」等具体问题。这些问题正是消费者在 AI 搜索时会问的,AI 引擎会直接从这些页面提取答案,品牌的「自然语言回答」质量显著提升。

第三个点是「场景化内容覆盖」。Stanley 1913 围绕「母亲节、教师节、护士节」这些礼物场景做内容,但过去内容以视觉为主(精美的产品图)。AI 搜索时代,Stanley 1913 改写为「文本为主、视觉为辅」——每个场景内容有清晰的文字描述「为什么 Stanley 1913 是母亲节的理想礼物」「护士的实用礼物推荐」等,让 AI 引擎能直接抓取和总结。

第四个点是「品牌声音一致性的长期投入」。Stanley 1913 没有采用「快速赢得 AI 推荐」的 hack 做法(比如 SEO 关键词堆砌、虚假 FAQ 注入),而是把 AI 搜索适应当作品牌内容质量的长期提升。这种策略短期看效果慢,但长期建立了品牌的「AI 搜索资产」——当 AI 引擎越来越多地被消费者信赖时,品牌内容的「自然语言回答质量」决定推荐率。

更深一层的策略是「多 AI 引擎的覆盖」。Stanley 1913 同时关注 ChatGPT、Perplexity、Gemini、Claude 等多个 AI 引擎的回答质量。这些引擎的训练数据、更新频率、引用逻辑都不同,品牌需要针对每个引擎做内容适配。比如 ChatGPT 偏爱「结构化、事实性」内容,Perplexity 偏爱「最新、权威」内容,Claude 偏爱「详细、上下文丰富」内容。

Stanley 1913 的策略给所有 DTC 品牌和零售品牌的启示非常具体。第一个启示是「AI 搜索时代的品牌资产不只是 SEO,还包括 AI 答案」。过去 SEO 决定 Google 搜索的排名,现在 AI 答案决定 ChatGPT、Perplexity 等 AI 引擎的引用。品牌需要在「AI 答案可见性」上做长期投入。

第二个启示是「产品描述要场景化,而不是技术参数化」。AI 引擎偏爱「自然语言场景描述」,传统的「技术参数 + 关键词堆砌」反而会被 AI 引擎降权。品牌改写产品描述时,要把「保冰 24 小时」改写为「户外野餐一整天冰块都不化」,更自然、更场景化。

第三个启示是「内容投资是长期游戏,不是短期套利」。Stanley 1913 没有采用快速 hack,而是把 AI 搜索适应当作品牌内容质量的整体提升。这种做法短期看效果不明显,但 5-10 年后会建立强大的「AI 答案资产」——AI 引擎会持续引用品牌内容,因为品牌内容质量高、权威性强。

更深一层的启示是「AI 搜索时代的品牌差异化」。传统搜索时代,品牌差异化靠「关键词排名 + 视觉吸引力」;AI 搜索时代,品牌差异化靠「内容质量 + 自然语言权威性」。这两个差异化的核心要素完全不同,品牌战略需要全面调整。

总结 Stanley 1913 给所有品牌的核心启示是四条:第一,AI 搜索适应是长期肌肉记忆问题,不是短期 hack 问题;第二,产品描述要场景化,让 AI 引擎能直接抓取「自然语言答案」;第三,内容投入要长期,建立「AI 答案资产」;第四,多 AI 引擎覆盖是必要动作,每个引擎的训练数据和引用逻辑都不同。

创业找资源,上乌鸦部落。