全球出货第二,却不在 AI 的默认推荐里:一份悖论解剖报告

(本文是我"出海品牌 AI 可见性"系列的第四篇。前三篇:32 品牌全景、完整榜单、以及这套数据是怎么用 AI Agent 两天做出来的。这一篇换个打法:只解剖一个品牌,一个最反直觉的案例。)

悖论本身

IDC 口径,科沃斯(Ecovacs)2025 年全球扫地机出货量第二,份额 14.1%,仅次于石头科技。

我们的实测(32 品牌 × 720 次 AI 问答):在联网搜索作答的 AI 引擎里,科沃斯的提及率只有 12%——40 个"best robot vacuum"类问题里只出现 5 次,而且出现时平均排位 4.2,全场垫底档。

全球第二的份额,AI 默认推荐里的边缘人。我把它叫"科沃斯悖论"。

但真正有意思的不是这个数字,是拆开之后发现的三层撕裂。

第一层:默认推荐——想不起它

问 AI:"best robot vacuum for pet hair"、"best robot vacuum under $300"……

它推荐谁?石头、追觅、iRobot、Eufy——这个名单几乎没有变化。科沃斯 40 问只被想起 5 次。

更扎心的细节:那仅有的 5 次,每一次都是和 Roborock、Dreame、iRobot 同时出现的——它是"顺便一提"的那个,从无一次独立推荐。第五名效应:在场,但不在聚光灯下。

第二层:问它新品——对答如流

同一批实测里,我们问了:"What's new from Ecovacs in 2025-2026?"(科沃斯 2025-2026 有什么新品?)

AI 的回答:

"As of May 2026, Ecovacs' biggest 2025–2026 news is its shift to roller mops, hot-water self-washing, bagless/cyclone docks, and LiDAR-guided robotic lawn mowers. The headline launches are the Deebot X9 Pro Omni, T90 Pro Omni, X8 Pro Omni, T80 Omni…"

滚筒拖布、热水自清洗、无尘袋基站、割草机器人,连具体型号都门儿清。

AI 的知识库完全跟得上科沃斯。 新品认知率不是问题。

第三层:直接问评价——公允,甚至偏正面

问 "Is Ecovacs legit?"(科沃斯靠谱吗):

"Yes — Ecovacs is a legitimate, established company, not a scam."

问 "Ecovacs or Roborock, which is better"(二选一):

"Roborock is generally the safer all-around pick, but Ecovacs often gives you more features for the money. The exact model matters more than the brand."

没有贬低,价值点上还给科沃斯记了一功("同样的钱,功能更多")。

三层合起来,结论浮出水面

默认推荐:想不起(12%,打包出现,排位垫底)
知识储备:门儿清(新品型号张口就来)
直接评价:公允偏正面("more features for the money")

所以"科沃斯悖论"的真相不是"AI 不认识科沃斯",而是:

AI 认识它,问它时还说它好——但在"没人点名"的默认推荐场景里,想不起它。

这是两种完全不同的失败。前者要补知识(慢),后者要补"推荐心智份额"(有打法)。用户真实的行为路径恰恰是后者:先问"best xxx"拿推荐名单,而不是先知道品牌再来验证。

两个假设(明确标注:是假设,不是结论)

为什么默认推荐名单里没有它?我们没有引用级数据(本轮两引擎不返回引用来源),只能给假设,按可疑度排序:

假设一:英文评测媒体的声量结构。 联网 AI 的推荐高度跟随评测媒体和论坛。近两年英文评测场的注意力明显向石头/追觅倾斜,科沃斯的 DEEBOT 线在评测内容里的出现密度可能不足。——需要下一版接入带引用的引擎来验证。

假设二:公司名与产品线名的认知分裂。 海外语境讨论的多是 "Deebot"(产品线),少说 "Ecovacs"(公司)。我们统计时自己也差点栽在这里:回答里写 Deebot 不写 Ecovacs,没有别名机制就漏计。AI 在"点名推荐"时用哪个名字、关联到多强的品牌实体,可能影响它进入默认名单的概率。

(顺带一提:这也意味着我们的 12% 已经是含别名的宽口径——真实情况不会更好,只会更差。)

一面镜子:Dreame 的反向撕裂

同一次实测里,追觅是完美镜像:默认推荐 62%(全场第二),但训练记忆层 0%——AI 实时推荐它,却不记得它。

科沃斯:赢在记忆,输在推荐。追觅:赢在推荐,输在记忆。

两个方向都证明同一件事:"AI 可见性"不是一个大指标,至少是两层的,而两层要分开经营。

给所有品牌的三分钟自查

不用做 720 次测量,问自己品牌三个问题就够定位:

发现层:问 AI "best [你的品类]",连续问 10 个变体——你在名单里吗?
知识层:问 "What's new from [你的品牌] in 2026"——它知道你最近半年的动作吗?
信任层:问 "Is [你的品牌] legit / vs [竞品]"——它的裁决是正面、含糊还是回避?

三层全绿:健康。只有第三层绿(科沃斯模式):你的产品不错,但推荐心智缺位——新客入口在漏水。第一层绿第三层黄(部分新锐的反面):被推荐但被含糊,临门一脚软。

想看自家品牌完整的六项指标 + AI 原话引用 + 归因分析,评论区或后台留言品牌名,我出一份单品牌诊断页(前 10 个免费)。

*数据口径:32 品牌 × 2 引擎 × 360 问题(2026 年 10 月),提及率含产品线别名(Deebot→Ecovacs),可复现;本文对品牌的所有判断均为数据陈述与标注假设。