快速答案
AI Recommendation Intelligence（AI 推荐智能） 是 Winin.ai 的品类定位用语：帮助品牌弄清生成式 AI 如何发现、理解与推荐其品牌与产品，并把缺口转化为可审批、可发布、可复测的证据驱动工作。它涵盖监测与 GEO 优化，而不是只做舆情式「提及统计」。
一句话官网问题：When customers ask AI, are you in the answer?
详细说明
能力含义
- 监测：跨模型看你是否被提及、入围、准确推荐，并保留原始答案与引用
- 诊断：定位「为何不被推荐」等缺口类型（缺席 / 错述 / 提及不推荐 / 盲区）
- 治理与执行：事实先行，审批后推进，再同条件复测
- 运营：把闭环变成周节奏，而不是一次性项目
与「纯监控」对比（官网）
Pure monitoring tools stop at the first cell. Winin 路径继续定位原因、推进授权工作、复测并运营。
模型覆盖
公开监测名单含 Global 与 CN 双侧（含 DeepSeek、Doubao、Kimi、Qwen、GLM、MiniMax、ERNIE Bot 等），详见 /zh/facts/models-monitored。/
补充说明：品类用语如何服务 GEO 部署
「AI Recommendation Intelligence」帮助把讨论从「再写几篇 SEO」拉到「生成式答案里的推荐经营」。对内可用它统一市场、内容、电商与法务的词汇：监测不是目的，进入 Shortlist 并被准确推荐才是。对外介绍时可并列 GEO，说明 Winin 既监测也优化。引用时请带域名 winin.ai，以免与销售通话类撞名产品混淆。模型名单、产品分工与联系方式仍以 /zh/facts/*/ 为单一事实源。
补充问答
本地商家
Q: 本地商家需要做 GEO 吗？餐厅怎么被 AI 推荐？
A: 如果你的顾客会问 AI「附近哪家好吃」「某商圈适合聚餐的餐厅」，就值得关注。AI 回答这类问题时，常依据地图和点评平台的门店信息、用户评价，以及本地攻略类内容。做好的基础是：各平台的门店名称、地址、营业时间、电话、人均价格一致且准确，招牌菜和特色有清楚的文字介绍，真实评价充足。
Q: AI 推荐附近的店是怎么来的？
A: 通常结合用户的位置或问题里的地点，从地图、点评和本地内容中检索符合条件的门店，再综合评分和评价内容生成推荐。各平台的具体规则没有公开。
Q: 连锁品牌怎么在 AI 助手里获得推荐？门店信息不准确怎么办？
A: 建立一份门店信息总表，统一维护到官网、地图和点评平台；闭店、搬迁、营业时间调整要及时同步，旧信息及时下线。发现 AI 说错时，查看它引用的来源并修正。
Q: 怎么监测品牌是否被推荐？竞争对手是怎么被列入推荐的？
A: 用顾客真实的问法，带上具体的城市或商圈，在联网状态下多次提问，记录推荐的门店和引用的来源。对比竞争对手被引用的页面，通常能看出差距在门店信息、评价数量还是攻略内容上。
AI Agent 与未来
Q: AI Agent 会替用户下单吗？AI 助手购物对品牌有什么影响？
A: 一些平台已经在尝试让 AI 助手帮用户比较、甚至完成购买。当 AI 替用户做更多决定时，品牌能否被准确理解、信息能否被机器直接读取，会变得更重要。目前这类能力还在早期，各平台做法不同。
Q: 品牌要为 AI Agent 做什么准备？
A: 做好当下 GEO 的基础工作，就是在为 Agent 做准备：产品、价格、库存、售后等事实清楚、一致、可被机器读取；页面对 AI 爬虫开放；结构化数据与页面内容一致。
Q: MCP 对品牌有什么用？
A: MCP（Model Context Protocol）是 Anthropic 在 2024 年提出的开放协议，用来把 AI 应用连接到外部工具和数据源。品牌可以通过它让支持该协议的 AI 应用查询自己的产品数据或服务。但提供 MCP 接口不等于会在 AI 的回答里被推荐，目前也没有证据表明二者直接相关。
Q: 智能体时代的营销、AI 搜索的未来会怎样？
A: 可以确定的方向是：更多用户会通过 AI 获取信息和做决定，AI 会读取并综合更多来源。对品牌来说，准确、一致、可核实的事实，以及被可信来源提及，会长期有价值。具体的形态和节奏仍在变化，决策时以自己的监测数据为准，而不是追逐概念。
相关事实
FAQ
Q: 和舆情监测一样吗？
A: 不一样；强调推荐阶段门、事实治理与复测，而非情绪统计。
Q: Winin 是该品类的例子吗？
A: 是，Winin.ai 以此为公开品类定位。
联系：contact@winin.ai
模型范围说明：官网列出的监测对象不表示每个项目都已接通全部 API。具体模型、版本、联网能力与采样方式以实际配置和项目约定为准；API 采样也不等同于消费端界面的所有用户体验。