美妆：这里没有垄断者，但每个问题都有自己的王
我们监测了美妆 49 个三级类目在主流 AI 平台上的回答，累计 6,917 条有效观测。 和家电不一样：家电是三个品牌占满一条回答，美妆是前十名挤在 23%–51% 之间。 答案空间是分散的——分散意味着还有位子，但位子不在你以为的地方。
一、这个行业在 AI 里是什么样
没有垄断者，但有一个很高的第一
兰蔻 是全行业提及率最高的品牌，50.8%；但第四名只有 28.1%， 到第十名仍有 23%。前十都在两位数以上—— 对比家电：那边三个品牌就能占满一条回答，第四名几乎不出现； 美妆的 AI 回答里能同时容纳很多品牌。
类目之间的壁垒不一样厚
防晒是功效型品牌的战场（理肤泉、资生堂、薇诺娜）， 香水是奢侈品牌的领地（香奈儿、迪奥）， 精华与面霜是国际集团的主场（雅诗兰黛、兰蔻）。 同一个"美妆"，在 AI 里是几个规则完全不同的市场。
真正空着的是「性价比」这一场
同一个品牌换个问法，覆盖的答案就换了一批：兰蔻 在高端问题里 49%，在性价比问题里 11%；雅诗兰黛 高端 56%，性价比 11%。这不是它们变弱了，是这个场景的答案里根本没有它们。
二、五个千级类目，五种格局括号内为该品牌在类目内的提及率；样本不足 200 条的类目不列
三、同一批品牌，按提问类型拆开看覆盖率 = 该品牌出现在多少比例的回答里；不是排名，也不是市场份额
读法：横向比同一行看谁占位更稳，纵向比同一列看品牌在哪种场景下会掉队。 样本不足 100 条的题型不列出。
四、性价比这一场，现在是谁在回答同一批问题里，被 AI 提到最多的十个品牌
这是全页最有用的一段。当用户问的是「学生党平价」「控油不贵」「有没有替代款」， AI 给出的名单和"推荐高端面霜"几乎是两批品牌。 这一场的头名只有 40.9%——没人垄断。
五、全行业品牌提及 TOP 10跨类目合并计算；提及率之和可超过 100%
六、商品层：有名字，但未必有型号
美妆商品库已收录 5,884 个 SPU。这个数字不小，但美妆的商品层问题与家电相反： 家电是"型号太多，AI 答不上来"；美妆是"同一个名字对应太多 SKU"—— 「小棕瓶」可以是第七代也可以是眼霜，AI 很容易答成一个模糊的整体。 品牌想让人搜到具体那一瓶，需要把商品资料整理成 AI 能区分的形式。
七、AI 信息信源与引用数据建设中
当前监测采用名单式提问（只要求模型列出品牌），模型回答本身不携带引用链接。 我们在家电同口径的 11,338 条回答正文上核查过：含 URL 的为 0 条。 美妆使用同一套采集口径，结论相同。
要真正回答"AI 凭什么推荐这个品牌、引用了谁的成分表或测评"，需要升级采集口径（带检索增强并记录引用来源）。 这会改变单次调用成本与历史可比性，我们已单独提交 PoC 预研方案，通过后再谈上线。
在此之前，这一段就是空的。不用推测填满它。
八、这个行业的 GEO 机会在哪
机会一：把「性价比场景」做成入口
这是全行业唯一没有垄断者的一场：头名 40.9%，前十挤在 16%–41%。 国际大牌在这里结构性缺席，因为它们没有"便宜好用"的话术。 谁能把平价线、成分对比、学生党/打工人场景讲清楚，谁就能占住这场。
机会二：功效词比品牌词更好用
防晒类目里，功效型品牌（理肤泉、薇诺娜）能和国际大牌同场竞争，甚至反超。 原因不是它们更有名，而是 AI 在回答"痘肌能用的防晒"时，找的是成分与功效证据，不是品牌层级。这类内容是可积累的资产。
机会三：把 SKU 说清楚
「小棕瓶」「大红瓶」这类昵称在 AI 里是模糊的。同一品牌下多个产品共用一个昵称， 模型会把它们混成一个答案。把具体型号、容量、适用肤质整理成结构化资料，是见效最快的一步。
机会四：纠正在 AI 里的事实错误
美妆是成分与功效最容易被说错的品类：浓度、配比、是否含酒精、是否孕妇可用， AI 一旦答错，损失是真实的。修正它需要的不是多发稿，是把正确事实送到 AI 能取到的地方。
九、我们怎么做（方法，不是承诺）
先测基线
用你所在类目的真实问题跑一遍，看清现在被提到几次、排在哪、被怎么描述。
找场景缺口
按提问类型拆开，看哪些场景你已经在了、哪些场景 AI 根本不提你——后者才是增量。
补可被引用的事实
把成分、功效、适用人群、对比数据整理成结构化资料，放到 AI 会取用的地方。
逐场景复测
每轮动作之后在同样的问题上复测，区分"真的变了"和"平台波动"。
持续看着
GEO 不是一次优化，是长期占位。每天监测，掉了才知道，才知道为什么掉。
十、先看看你自己在什么位置
如果你想知道自家品牌在美妆这个行业里被 AI 提到的频率、和头部差多少、 哪个场景还有空位，可以先做一次品牌体检，或者直接联系我们做行业诊断。
申请美妆行业 GEO 专属诊断
留下企业名称与联系方式，我们会基于这个行业页的监测数据， 指出你家品牌在 AI 回答里的位置、哪些场景已经有位子、哪些还空着。
联系方式仅用于本次需求跟进，未经授权不向第三方披露。
· 统计时间：截至本次页面渲染时的全量累计观测；行业监测按批次执行，非实时。
· 样本量：美妆有效观测 6,917 条（仅计 `status=success`，失败样本不进分母）。
· 数据来源：WANVO 行业监测，覆盖 5 个主流 AI 平台。
· 提及率定义：品牌出现的回答数 ÷ 类目有效观测数。一条回答可提及多个品牌，故各品牌提及率之和可超过 100%。
· 覆盖率（题型维度）：该品牌出现在"该题型回答"中的比例，分母是这类题的样本量，**不同的题不能直接比大小**。
· 适用范围：仅反映"AI 回答中的表现"，不等于真实销量、市场份额或消费者偏好。
· 数据限制：当前采集为名单式提问，不含引用来源（见第七段说明）； 类目观测批次时间不同，跨类目比较应注意批次差异；样本不足 200 条的类目与不足 100 条的题型不出结论。