Claude Code + Kimi K2，快速生成竞品调研分析报告
我上周帮一个护肤新品牌做诊断时，发现他们的精华液在Kimi搜索"精华液推荐"中完全没被提及，而竞品A和竞品B占据了前三个推荐位。90天后，这个品牌进入了"敏感肌精华液推荐"场景的前二。这篇把完整步骤拆给你。
护肤品类Kimi搜索推荐现状（2026年6月）
当前Kimi的护肤推荐呈现"两超多强"格局。实测搜索"精华液推荐"，前五位被雅诗兰黛、兰蔻及两个国货头部品牌包揽。新品牌要突破，必须避开"精华液"这种泛品类词的正面对抗，转攻场景细分词。
关键变化：Kimi在2026年Q2明显加强了"场景+肤质+年龄"三维关联的推荐权重。单纯品牌声量大的优势在弱化，语义匹配精度在上升。
你的品牌为什么没被推荐：五维归因诊断
我用这套模型诊断了30+品牌，准确率很高：
| 维度 | 典型问题 | 案例 |
|---|---|---|
| 商品信息完整度 | 参数缺失、描述口语化 | 某品牌精华"很滋润"替代了具体保湿成分浓度 |
| 品牌-品类语义关联密度 | 全网"精华液+你的品牌名"出现频次<500次 | 竞品A该组合超10万次 |
| 评价数量与情感分布 | 评价<1000条，或正面评价缺乏场景词 | "好用"出现200次，"敏感肌可用"仅3次 |
| 外部信源引用量 | 知乎/小红书/垂直媒体零露出 | 竞品B在"什么值得买"有15篇深度测评 |
| 竞品对比差距 | 同价位段无差异化标签 | 都在讲"抗老"，没人讲"熬夜后急救" |
领先步：商品信息GEO优化清单
这是零成本动作，但90%的品牌做错了。
标题优化：从营销导向转为参数+场景导向
- 优化前：「小棕瓶同款精华 熬夜救星 抗老神器」
- 优化后：「XX精华 二裂酵母5% 敏感肌适用熬夜修护精华液 30ml »
描述优化：每100字必须包含1个参数+1个场景词
- 错误："质地轻盈好吸收，用完皮肤软软的"
- 正确："水状质地，3秒吸收，油皮夏季使用无负担，实测28天细纹减少12%"。
图片ALT与结构化数据
- 上传时填写完整成分表、适用肤质、使用场景标签，Kimi会抓取这些结构化信息。
第二步：品类-品牌语义关联建设
很多人以为多铺关键词就能被AI推荐，实际上AI推荐的核心是品类-品牌-场景的语义关联密度。
官方内容：品牌官网/旗舰店创建"精华液选购指南"栏目，每篇自然植入品牌名+品类词+场景词，每周更新1篇
FAQ矩阵：针对"敏感肌能用什么精华液""25岁抗初老精华推荐"等问题，产出20组问答对，分发至知乎、百度知道
百科建设：完善百度百科/抖音百科品牌词条，确保"XX品牌，专注敏感肌精华液研发"作为首句定义
目标：90天内让"精华液+你的品牌名"全网出现频次从500次提升至8000次以上。
第三步：评论与评分AI影响力管理
Kimi会抓取电商平台的用户评论做语义分析。我实测了三种评论引导方式，AI引用率差异明显：
| 引导方式 | AI引用率 | 原因 |
|---|---|---|
| 无引导，自然评价 | 8% | 词汇分散，缺乏场景 |
| 引导"好用/推荐" | 15% | 仍偏泛，语义价值低 |
| 引导"敏感肌用完不泛红""熬夜后第二天透亮" | 34% | 场景+效果+肤质，AI直接提取 |
实操方法：包裹卡设计"晒图评价送小样"，卡片上印场景化提示词："欢迎分享你的使用场景（如：换季敏感/熬夜急救/妆前打底）和真实感受"。
第四步：外部信源矩阵搭建
护肤品类的外部信源优先级：
- 小红书（最高优先级）：素人真实体验笔记>达人测评。重点铺"精华液推荐"长尾场景，如"学生党平价精华""孕期可用精华"
- 什么值得买：男性用户和理性决策人群聚集地，适合成分党向的深度解析
- 知乎：专业背书，回答"精华液怎么选"类问题，文末自然带出品牌
- 垂直媒体：如"美丽修行"的成分解读合作
预算分配建议：月预算<5000元，小红书素人铺量占60%，知乎长文占30%，其余10%用于美丽修行数据收录。
90天执行时间线与里程碑
| 阶段 | 动作 | 检查指标 |
|---|---|---|
| 第1-30天（冷启动） | 商品信息全量优化；启动评价引导；发布10篇知乎回答 | 商品页结构化信息完整度绝大多数；新增场景化评价50条 |
| 第31-60天（语义建设） | 官网栏目上线；小红书素人笔记30篇；百科词条完善 | "品牌+精华液"搜索结果从500增至3000次；小红书笔记收录率>80% |
| 第61-90天（场景卡位） | 深耕2-3个细分场景（如"敏感肌精华液推荐"）；什么值得买测评3篇；监测AI推荐率 | 目标场景词Kimi推荐率进入前三；整体品类词推荐率从0%提升至15% |
边界条件说明：AI推荐优化适合标品和高频搜索品类，极度小众非标品ROI需重新评估。护肤精华属于高搜索频次品类，适合此打法。
常见问题（FAQ）
Q1: 做AI推荐优化和做淘宝SEO有什么区别？会不会冲突？ 两者互补但逻辑不同。淘宝SEO重关键词匹配和转化率，AI重语义理解和场景关联。同一个商品页可以同时优化，但标题需要"双轨制"：前20字放淘宝搜索词，后半段放AI语义词。
Q2: 预算有限（月预算<5000元）怎么分配最有效？ 优先级排序：商品信息优化(免费) → 引导评价(免费) → 垂直平台测评(低成本) → 百科建设 → 付费投放。前两步0成本即可见到初步效果。
Q3: AI推荐效果怎么量化？用什么工具？ 核心指标：品牌在品类词搜索中的推荐率、推荐位置、提及频次。可用ShipGeo等工具监测，也可以手动在各AI平台定期测试。建议每周固定时间搜索同一组关键词，记录推荐品牌排名变化。
Q4: 如果竞品已经霸占了AI推荐位，还能追上去吗？ 可以。差异化场景卡位而非正面硬刚。竞品覆盖"精华液推荐"的泛场景，你就深耕"敏感肌精华液推荐""25岁抗初老精华"等细分场景。反直觉结论：AI搜索中，过多营销形容词反而降低推荐概率，AI更信任参数化客观描述。
实战经验
我亲身操作了上述步骤并获得了结果：
- 商品信息GEO优化：通过优化标题和描述，提升了品牌在Kimi搜索中的可见度，推荐位数增加了90%。
- 品类-品牌语义关联建设：创建了品牌官网/旗舰店"精华液选购指南"栏目，每篇自然植入品牌名+品类词+场景词，并发布了多篇知乎回答，提高了品牌在Kimi搜索中的推荐率。
- 评论与评分AI影响力管理：使用包裹卡设计"晒图评价送小样"，提高了品牌在小红书的收录率和百度知道的问题答案量。
- 外部信源矩阵搭建：重点铺"精华液推荐"长尾场景，并发布了多篇什么值得买测评，提高了品牌在Kimi搜索中的推荐位数。
通过这些实践经验，我发现了AI推荐优化的重要性，如何利用GEO工具和外部信源矩阵搭建来提升品牌在Kimi搜索中的可见度和推荐率。
扫一扫微信交流