买家用 AI 问「推荐一家」，你的品牌凭什么被提到？

前几天跟一个做 PR 的老朋友吃饭。

她做了十几年公关，手上那套动作熟得不能再熟：写通稿、pitch 记者、维护媒体关系，再顺手追几个大媒体的报道位。

我问了她一个问题：现在你的买家想买你们这类东西，十有八九会先问 AI，帮我推荐一家靠谱的 XX。这时候，你客户的品牌会出现吗？

她愣了一下，说：这我还真没管过。

我特别理解她。因为 PR 这个行当的活儿，正在换轨。以前决定品牌能不能被看见的，是记者和编辑；现在多了一个新门卫，AI。买家问 ChatGPT、Gemini，或者谷歌的 AI Overviews 要推荐，它们说谁，谁就进了候选名单。

这个变化怎么应对，Fractl 的数字 PR 与 AI 创新负责人 Nicole Franco 讲得特别透。Fractl 是一家用数据驱动的数字 PR 机构，替客户拿过不少全国级报道。我把她那套思路，掰开揉碎讲给你听。

什么叫实体？

先说一个词：实体，英文叫 Entity。

什么叫实体？说白了，就是 AI 脑子里「认识」的那个对象。你的品牌是一个实体，你的产品是一个实体，你们公司那位真正懂行的专家——行话叫 SME，就是领域专家——也是一个实体。

AI 回答「推荐哪家」这种问题时，不是从全世界的品牌里瞎抽，它是从自己认识、并且信得过的实体里挑。

所以 Franco 说，做 PR 的人得换个算法：别再把精力铺在一篇篇稿件上，先盘清楚你手上有哪几个实体，给它们定一套统一的指标，然后围绕实体去创造内容、复用内容。

具体是哪几样？数字 PR 战役，放大媒体报道的 LinkedIn 帖子，专家署名的观点文章，突发新闻里的专家评论。

以前，这是四件事，四个团队，四份预算。

现在，它们是同一台引擎的四个汽缸。

这台引擎干什么用的？往你的专家身上攒权威。攒到社交认、搜索认、AI 也认。

权威是「看场合」的

第二步，选媒体。这里有条 Fractl 拿自家数据试出来的反常识结论，我第一次听到也愣了。

高权威的大媒体，好。但好，得放进你品牌的语境里。

举个例子。你是个食品品牌，想让 AI 在回答美食问题时提到你，那一个生活食谱站（比如 All Recipes 这种）里的报道，可能比一家搜索权重很高的商业财经大刊更管用。

你反过来想就通了：一个人问 AI「周末做什么菜」，AI 会去翻食谱站，还是去翻财经大刊的美食版？

但你要是做招聘或者 HR 相关的生意，优先级整个掉个头。

为什么？因为模型引用谁，看的是两样东西：你这个品类的受众平时泡在哪，以及回答这个垂直领域的问题时，它习惯引用哪些信源。

所以别再无脑追大 logo 了。大 logo 给你面子，垂直媒体给你位置。AI 引用的是位置，不是面子。

把专家语录，当成数据资产

第三步，是 Franco 那套我觉得最妙的打法：把专家评论，当成可以规模化的结构化数据资产来经营。

什么意思？

你想想记者的处境。热点一出，收到的「专家评论」能塞满邮箱，一半是打磨得光溜溜的通稿，一半是一眼就能认出来的 AI slop，机器生成的口水话。

记者想要什么？想要能直接用进稿子里的原始素材。Franco 的原话大意是：把语录当成数据点、当成 sound bite，要生猛的、没修饰的、有真话感的，能给稿子加料的那种。

一句话，别再给记者喂「观点」，要喂「能直接用的料」。

这就把工作方式整个改了。与其每个热点都憋一篇四平八稳的漂亮话，不如建一套可重复的系统：突发新闻一出来，你的专家能在几个小时内给出有情绪、有干货，最好还有点意外的短评。

通稿没人转发，金句自己会跑。

这种评论被引用得多了，你的 SME 权威就一层层垒起来。记者引用你，报道反过来喂给 AI，AI 下次回答这个问题时，就更可能提到你。飞轮就这么转起来了。

回到那顿饭

饭吃完，我跟朋友说，你那套 pitch 记者、维护关系的本事没白学，继续用。

但记住，它不再决定终点了。

终点是：当买家问 AI「推荐一家」，AI 张口就能报出你客户的名字。

给 PR 团队的账很好算：把四条内容线拧成一台实体引擎，把媒体目标从「最大」换成「最对口」，把专家语录从「通稿」升级成「可复用的数据资产」。

三件事，都不贵，但都得现在动手。

祝你家的品牌，早日住进 AI 的候选名单。