时尚礼赠 DTC：改善 AI 面对复杂条件时的推荐
Global fashion and gifting DTC brand
礼赠专题与限定范围事实核验相结合，ChatGPT 36 道负向对照题中的按条件推荐率从 25.00% 升至 52.78%。
项目成果
客户挑战
拥挤品类中既要进入无品牌送礼推荐，又要准确回答适用人群和购买边界。
我们的解决方案
Gravity 行业案例 04 · 时尚消费与礼赠 DTC｜216 组配对复测 · ChatGPT 负向对照题“按条件推荐率”由 25.00% 升至 52.78%
关键结果 | 含义 | 数据与范围 |
|---|---|---|
25.0% → 52.8% | ChatGPT 负向对照题“按条件推荐”比例翻倍 | 在 ChatGPT 对应的 36 道挑剔边界题中，由 9/36 跃升至 19/36（+27.78 个百分点） |
+3,192.84% | 核心专用 AI 引擎周抓取量爆发增长 | 从项目初期首周 377 次跃升至最新周 12,414 次，礼赠专题页成为推荐组织框架 |
0 事实冲突 | 342 条品牌陈述候选专项事实核验 | 170 条获官网证据支持、151 条待核、21 条未评估，已核范围内事实冲突为 0 |
一、客户问题：品类高度拥挤，面对买家“挑剔提问”时 AI 容易保守回避
在时尚内衣与节日礼赠 DTC 赛道，品牌面临的 AI 搜索挑战与耐用品截然不同：
- 买家提问往往带着挑剔的负向约束（Negative / Boundary Constraints）：例如 “送伴侣礼物怎么选才不会选错尺码或显得俗气？”、“某品牌的每款产品是不是对所有身型都零风险、100% 合适？”、“敏感肌穿戴或退换货到底有哪些限制条件？”。当官网缺乏清晰的分场景适配边界时，大模型为了规避风险，往往会给出模棱两可的免责套话，甚至直接回避推荐。
- 公域礼赠场景竞争激烈，缺乏结构化导购锚点：在情人节、纪念日、新婚伴娘礼等高转化送礼场景下，如果官网只有按“连体衣、睡袍、两件套”分类的传统货架，AI 很难将具体系列与送礼心智直接挂钩。
二、Gravity 动作：上线礼赠场景专题页 + 216 组原题两期配对复测与事实治理
围绕 “从消费者的真实购买问题出发，连接产品事实、官网内容、外部证据与 AI 回答，找出影响推荐的缺口” 的方法论，Gravity 执行了以下闭环：
- 打造结构化《礼赠场景选购专题页》：
- 打破传统商品分类货架，按“送礼关系阶段、收礼人偏好风格、尺码容错率高低（如高容错睡袍/可调节款式 vs 精准尺码款式）及 30 天退换保障”构建结构化送礼决策指南。
- 建立四维题簇（216 组原题两期配对复测）：
- 将评估题库拆分为 品牌锚定题、受控改写题、负向边界题、无品牌自然发现题 四大象限，在 ChatGPT、Gemini、Perplexity 三大平台开展严格的同题两期配对复测。
- 对 342 条品牌陈述候选做逐条事实核验，并制定最小化口径对齐建议：
- 对 AI 回答中提取出的 342 条品牌陈述候选 进行事实核验（确认 170 条获官网证据支持、151 条待核、21 条未评估，已核范围内事实冲突为 0）；同时针对官网个别页面表述差异，提出保留 30 天退换等核心卖点的“一句话”最小化口径对齐建议（待客户确认后上线）。
三、实际变化：ChatGPT 挑剔提问下的“按条件推荐”翻倍，礼赠专题页成为答案骨架
核心验证维度 | 改造前（T0 基线） | 改造后（T1 复测） | 商业价值与实际变化解读 |
|---|---|---|---|
核心专用 AI 引擎周抓取量 | 377 次 / 周 | 12,414 次 / 周（+3,192.84%） | 专用 AI 检索通道全面打开，新增礼赠专题页与核心商品集合页被高频抓取 |
礼赠场景专题页引用与采纳 | 未建立场景级导购锚点 | 被 ChatGPT 直接引用并采纳为推荐框架 | 当买家询问送礼选购建议时，ChatGPT 直接引用该专题页，并按页面中的“场景 + 尺码容错率”结构组织推荐答案 |
ChatGPT 负向对照题“按条件推荐率” （36 道 ChatGPT API 负向边界题） | 25.00%（9 / 36） | 52.78%（19 / 36，+27.78 pp） | 面对“是否适合所有人、如何避免选错”等挑剔问题，AI 不再简单回避，而是超过一半回答给出“在特定身型/场景下明确推荐该品牌对应系列”的积极导购结论（注：该比例对应 ChatGPT 36 道负向对照题，不代表三平台整体推荐率） |
无品牌自然发现题（Perplexity） | 5.56% | 8.33%（+2.77 pp） | 在完全不提品牌词的泛品类提问中实现初步增长，同时清晰定位出下一阶段公域内容扩圈的发力重心 |
方法论启示： 在消费品与 DTC 赛道，GEO 的价值不仅在于“让 AI 提到你”，更在于当消费者提出挑剔的真实顾虑时，让官网的透明边界与场景指南帮助 AI 充满信心地给出“按条件推荐”。
