最刺眼的是 lululemon 那兩個數字：90% 和 0%。同一個品牌，同一份知識圖譜資料，在「休閒運動服（athleisure）」的問法下，十次回答有九次會被推薦；把問題裡的品類換成「運動鞋（athletic footwear）」，一次都沒有了。
Search Engine Land 在 2026 年 7 月 21 日報導了這份研究，作者是 Maryanna Franco 和 João da Silva，全文開放取用，放在 Zenodo 上（DOI 10.5281/zenodo.20331344），任何人都能自己打開來看。他們拿 12 個運動服飾品牌，在 ChatGPT、Gemini、Perplexity、Claude 和 Google AI Overviews 上連跑七天，一共 14,140 次 API 查詢，中間只換一樣東西：問題裡的品類說法。
New Balance 的方向剛好相反，「休閒運動服」下推薦率只有 1%，換成「運動鞋」就跳到 90%。12 個品牌裡面，只有 Nike 在兩種問法下都被大量推薦（77% 和 90%）。整段期間，這些品牌的知識圖譜資料完全沒有變動——同一份實體資料，答案卻是相反的，差別只在問題帶的是哪一個品類詞。
這禮拜為什麼要看這件事？因為多數企業在編實體優化（entity SEO）預算的時候，前提都是「知識圖譜做得夠強，AI 就會推薦你」。現在這個前提終於有一份東西可以拿來對照，最好是在下一筆錢送出去之前對。
資料來源： Search Engine Land，〈How category framing changes which brands AI recommends〉，2026 年 7 月 21 日；Franco & da Silva，〈The recognition-recommendation gap〉，Zenodo，2026 年（DOI 10.5281/zenodo.20331344）。
可信度：中等——方法和樣本數都寫出來了，DOI 一點就開，14,140 次查詢是怎麼跑的，任何人都能自己核，不是誰說了算。要扣的分也很清楚：這只是單一研究，還沒有第三方複製驗證，也還沒有在同儕審查期刊上發表；樣本只涵蓋一個品類（英國市場的運動服飾）；到目前為止只有一家媒體報導，而且那篇的署名就是研究者本人 Maryanna Franco，做研究的人和寫報導的人是同一個，中間隔著 Search Engine Land 具名的編輯。
事實要點：
- 2026 年 7 月 21 日經 Search Engine Land 報導；論文 DOI 為 10.5281/zenodo.20331344，可公開查核。
- 樣本：12 個運動服飾品牌，5 個 AI 引擎（ChatGPT、Gemini、Perplexity、Claude、Google AI Overviews），7 天內共 14,140 次 API 查詢，測試 2 種品類用詞框定（休閒運動服 vs. 運動鞋）。
- New Balance：「休閒運動服」查詢推薦率 1%，「運動鞋」查詢推薦率 90%（+89 個百分點）。
- lululemon：「休閒運動服」查詢推薦率 90%，「運動鞋」查詢推薦率 0%（-90 個百分點）；Nike 為 77% 對 90%（+13 個百分點），是唯一在兩種框定下都被大量推薦的品牌。
掌握 AI 搜尋的每一步
會牽動你排名和 AI 引用的每個變化，加上該怎麼應對——趁還沒讓你付出代價之前。免費，每週三次。
對正在花錢做 AI 能見度或實體優化（entity SEO）的企業主和行銷主管來說： 該問的問題換了一個形狀。以前問的是「我們的知識圖譜補得夠不夠完整」，現在要問的是「模型到底把我們歸在哪一組品類用詞底下」。品牌的實體資料可以填得又完整又正確，只要顧客嘴上講的那個品類詞跟模型認定的不一樣，你在那一組答案裡就是不存在。這種問題做實體盤點是看不出來的，因為實體資料本身沒有一個地方是錯的。
先把這份研究的規模擺回去看，再談要不要動預算：它只涵蓋英國市場的一個品類，前後跑了七天，目前也還沒有人複製過。它撐得起的動作就是一個下午。要知道自己的品牌有沒有這個問題，成本大概就是幾十次查詢，答案會一種問法、一種問法慢慢回來。
建議行動：
1. 先把顧客實際用來講你產品的五、六種品類說法寫下來，這禮拜就拿去 ChatGPT、Gemini、Perplexity 各跑一次，把每一種說法下的推薦率記下來。
2. 請內容團隊盤點你們現有的內容用的是哪一組品類詞，站內站外都算，包含評論、推薦名單、比較文章。如果你們的內容一直在講「休閒運動服」，顧客問的卻是「運動鞋」，要補的就是這個落差，補的方式是換用詞，加再多標記也補不到。
3. 把結果拿去對 AI 能見度追蹤工具的「逐條查詢」數據，不要只看總體佔比那一個分數。總體分數可以一動也不動，底下某一種品類問法已經整個垮掉，能告訴你是哪一種垮的，只有逐條那一層。
怎麼知道這件事輪到你了？打開逐條數據，如果同一個品牌在某一種品類問法下幾乎不存在，換一種問法卻到處都是，那就是了。
Search Engine Land: "How category framing changes which brands AI recommends," by Maryanna Franco, edited by Angel Niñofranco, reviewed by Danny Goodwin, published July 21, 2026. https://searchengineland.com/category-framing-brands-ai-recommends-482715
Franco, M. & da Silva, J.: "The recognition-recommendation gap: Empirical evidence that category coding, not knowledge-graph strength, determines brand visibility in generative AI output," Zenodo, 2026. DOI: https://doi.org/10.5281/zenodo.20331344