在小红书里搜「XX 好用吗」，结果页顶部会出现一张 AI 卡片，直接给出结论和百分比。 它由平台自己的 AI 读完全站相关笔记后生成，位置在所有笔记之上——用户看到的第一个答案就是它。
这件事的性质，比「小红书多了个功能」要重要得多：它是一个语料只有小红书笔记的 AI 搜索引擎。 用户在这里被劝退，和在豆包、DeepSeek 里被劝退是一回事。而这一层，大多数品牌和大多数舆情工具都还没有在看。
卡片有三种形态
实测下来，这张卡片按问句类型分三种，输出的东西不一样：
| 形态 | 触发问法 | 输出 |
|---|---|---|
| 榜单型 | 「某某品类品牌推荐」 | 若干品牌 + 各自占比，并注明 AI 读了多少篇笔记 |
| 判断型 | 「某某品牌某品类好用吗」 | 好用 / 不好用 的两侧百分比 |
| 对比型 | 「A 和 B 哪个好」 | 两个品牌的占比，并高亮 AI 更认可的一侧 |
榜单型是三者里最硬的一种：它就是小红书站内的品牌排行榜。你的品牌在不在榜上、占多少，是一个可以直接监测、可以跨期对比的指标——这跟在 AI 引擎里监测「提及率与推荐位次」是同一类指标，只不过战场换成了平台内部。
两条踩过的坑
一、不是每条问句都有卡片，而且给不给和句式无关。
同一个品类，「某某品类品牌推荐」有卡片，「家用某某买什么牌子好」没有。看起来平台只为足够热的问句预备了 AI 卡。所以：
- 监测问句要挑高热度句式，冷门长尾句大概率拿不到卡；
- 拿不到卡片是常态，不是故障。把「今天没有卡片」当成异常去排查，会浪费很多时间。
二、品牌名必须带品类词。
只搜品牌名往往没有卡片，加上品类词就有了。这跟 AI 引擎里的规律一致：问句要有品类语境，AI 才知道该在哪个集合里做比较。 这一点在怎么让 AI 提到你里也提过。
一个必须诚实说明的限制
这张卡片不告诉你它读的是哪些笔记。它给出结论和占比，但不给出处。
也就是说：拿不到 AI 的引用清单。 这跟部分 AI 引擎不公开信源是同一类问题——你知道结论，但没法逐条追溯它是从哪里学来的。
退而求其次的做法是：同一条问句下的头部笔记，就是这张卡片所读语料的头部。把它们一并留下来给人点开看，是最接近「出处」的一份补充证据。
⚠ 但它不能被标成「AI 引用的笔记」。那是我们不知道的事。把推测标成事实，是舆情报告里最不该犯的错——客户会照着这份「引用清单」去处理内容，而清单可能根本不是 AI 读的那批。
这个指标该怎么用
把它当成一个平台内的 AI 可见度指标来跑：
- 选问句：品牌 + 品类的判断型、品类的榜单型、品牌 vs 主要竞品的对比型，各准备几条；
- 定期取：跟随口碑扫描的节奏取，记下每次的占比与榜位；
- 看变化：单次的百分比不必过度解读，卡片本身就有波动；有意义的是趋势——你的占比在涨还是在跌，新出现的竞品是谁；
- 归因到内容：占比变化的源头在笔记侧。头部笔记的口径变了，卡片才会变——所以纠偏动作仍然落在内容上，而不是「优化卡片」。
和 AI 引擎监测的关系
| AI 引擎(豆包 / DeepSeek 等) | 小红书站内 AI | |
|---|---|---|
| 语料 | 全网 + 各自的检索源 | 只有站内笔记 |
| 输出 | 一段自然语言回答 | 结构化的占比与榜单 |
| 信源 | 部分引擎公开引用链接 | 不公开 |
| 影响的人群 | 所有在 AI 里做决策的人 | 在小红书里做消费决策的人 |
两者要一起看。一个常见的组合信号是：站内 AI 的占比先掉，几周后 AI 引擎的口碑判定也跟着变差——因为社媒内容本来就是不少 AI 引擎的检索来源之一。站内 AI 的变化，可以当成一个更早的预警。
常见疑问
问：能让平台的 AI 说我们好话吗？
没有直接手段。卡片是读笔记生成的，改变它的唯一路径是改变笔记侧的内容分布——这跟 AI 引擎的纠偏逻辑一样：用新内容覆盖旧口径，然后复测。
问：占比波动很大，是不是数据不准？
卡片本身有波动，单次取值不适合直接汇报。看多期趋势，并且固定问句——换了问法就不是同一个指标了。
问：其它平台也有类似的站内 AI 吗？
越来越多平台在搜索结果里加 AI 摘要或 AI 结论。判断标准是同一个：它有没有出现在用户看到笔记之前。只要它在最前面，它就是用户在那个平台里读到的第一个答案。
---
领航鲸在扫小红书时会顺带取回站内 AI 卡片：卡片类型、各选项占比、AI 高亮的一侧都会入库，并与同一次返回的笔记列表一起展示。笔记列表标注为「同问句下的头部内容」，不会被标成 AI 的引用来源。
延伸阅读：评论区才是民意、AI 口碑监测指南、品牌舆情监控怎么做。
参考资料：KDD 2024《GEO: Generative Engine Optimization》、中国互联网络信息中心(CNNIC)统计报告。