复旦团队发布AI品牌健康度指数：品牌叙事规则正被AI重写

随着生成式人工智能加速渗透至日常信息获取与消费决策场景，如何被AI理解与采信已成为品牌管理领域的新命题。

2026年8月9日，由复旦大学传播与国家治理研究中心主办的“AI时代品牌健康度与管理创新研讨会”在上海召开。会上，复旦大学研究团队发布了《AI时代品牌健康度与管理创新报告》（以下简称《报告》）。

AI时代品牌健康度与管理创新研讨会。本文图片均由澎湃新闻记者张呈君拍摄

《报告》系统梳理了AI时代品牌健康管理面临的结构性变化、机遇与趋势，并基于对全球200个品牌样本的数据验证，首次提出可量化的AI品牌健康度指数（AI-BHI）及“C-B-A三层架构”，为企业构建长期数字认知资产与健康治理体系提供指南。

来自高校、媒体及业界的专家围绕智能时代的品牌健康度管理展开了深度研讨。专家指出，AI时代品牌竞争的逻辑已从传统的“可见度竞争”与流量博弈，升级为以“认知治理”为核心的生态系统较量。品牌不仅要触达人类用户，更需赢得AI信息端的高权重推荐。

品牌竞争：从“可见度竞争”延伸至“认知质量竞争”

“AI时代，信息传播底层环节正在发生深刻变化，品牌健康管理面临新的结构性挑战。”《报告》主持人、复旦大学传播与国家治理研究中心主任张志安教授认为，这些挑战主要包括五个方面：用户信息入口向智能问答与AI聚合平台迁移，品牌竞争从“可见度竞争”延伸至“认知质量竞争”；内容供给规模急剧扩张，真实、专业、可验证的信息来源更显稀缺；虚假与误导性信息的生产门槛降低，企业核实与纠错的成本不断上升；主流媒体在智能分发中的能见度被稀释，权威信源的触达效率面临挑战；传统品牌管理方法在控制力、稳定性和可测量性方面出现新的不适应。

复旦大学传播与国家治理研究中心主任张志安教授

挑战的另一面是机遇。张志安带领的研究团队指出，优化品牌在AI推荐场景中的呈现质量，有助于放大“首因效应”，缩短用户决策路径；建立可被AI采信的数字认知资产，既能形成跨平台的统一品牌印象，也能降低长期品牌维护的边际成本；此外，AI优化的品牌曝光成本低于传统搜索优化，可为中小品牌创造更多增长机会；AI技术本身也能提升舆情响应效率，帮助企业更及时地识别潜在隐患、开展风险预警。目前，已有品牌率先布局GEO（生成引擎优化）以提升在AI模型中的可见性，为行业提供了有益参照。

然而，GEO在实践中也暴露出“AI投毒”乱象。部分机构通过批量生产带有商业导向的内容，干预大模型的抓取、引用和推荐结果，导致品牌曝光度与信息真实性错位。对此，《报告》开创性地提供了一套涵盖多维度指标的系统评估工具，以期扭转唯曝光数字导向的短期思维，推动企业建立可追溯、可修正、可持续的健康管理机制。

发布AI品牌健康度指数

针对传统舆情监测、SEO效果评估等工具难以清晰回答“AI如何理解并呈现品牌”这一核心痛点，复旦大学研究团队首次提出AI品牌健康度指数（AI-BHI）。作为《报告》的主要亮点，该指数也是研究团队在理论创新与实践探索方面取得的阶段性成果。

AI时代品牌健康度与管理创新研讨会

围绕AI-BHI指数，《报告》在理论层面构建起自下而上的“C-B-A三层架构”，以期实现“评价—诊断—改进—治理”的实践闭环。其中C层为资产健康度，旨在测量企业公开数字资产的完整性、一致性与可验证性，是品牌在数字世界的底层基础；B层为机制健康度，主要评估内容结构与AI信息处理逻辑的适配程度，关乎品牌信息能否被AI有效理解；A层为表现健康度，用于衡量品牌在各类AI终端（如对话式搜索、智能问答工具等）中的实际呈现效果。三层之间的建议权重配比为2:3:5，也可根据不同行业特征、企业发展阶段适当调整。

研究团队对200个品牌样本的回归分析证实，C、B、A三层之间存在自下而上的严格因果传导关系，下层质量直接约束上层表现的提升空间。这提示企业，唯有从底层数字资产入手、自下而上系统治理，才能构建从诊断、改进到常态化巡检的完整闭环。

为帮助企业对上述指标进行常态化的追踪与管理，研究团队同步推出了AI品牌健康度指数评估系统。该产品基于报告中的三层评估模型开发，支持企业自主录入品牌信息、一键生成健康度评估报告，并可针对不同大模型进行多维度对比分析，直观呈现品牌在各大AI平台中的表现差异与改进方向。

面向未来，《报告》总结了AI时代品牌健康管理的三大演进趋势。在竞争逻辑上，品牌正从短期“流量获取”向长期、结构化的“认知资产积累”过渡；在信任机制上，由品牌、用户、AI平台、媒体等多方共同参与的“人机协同信任体系”正在形成；在管理重心上，从“事后灭火”转向“日常免疫”的常态化健康维护成为大势所趋。

AI时代，如何做好品牌管理？

围绕“AI时代品牌健康度与管理创新”这一议题，多位来自产学研各界的专家展开了深入探讨。

清华大学新闻传播学院教授沈阳

清华大学新闻传播学院教授沈阳分析认为，新生代用户已习惯于通过AI工具了解品牌，因此品牌建设需同时覆盖人类用户与AI端的信息触达，重点布局AI系统认可的高权重信源渠道，提升品牌在AI工具中的信息呈现优先级。

“你的品牌声誉取决于AI怎么说你”，沈阳坦言，“AI在改变人类，人类也在改变AI，这是相互适应的一个过程，我现在也在慢慢适应。”

中国人民大学新闻学院教授卢家银则点出了更深层的隐忧。他认为，当前品牌面临的最大问题是失去自我叙事权——以往用户通过搜索引擎查询产品时，可自行从搜索结果列表中筛选甄别，品牌也能依托统一的故事模板完成叙事；但如今，年轻人普遍将AI作为搜索引擎使用，AI直接给出单一的终极推荐结果，品牌能否被AI推荐成为关键。

针对这一挑战，卢家银提出三条建议：一是将品牌资产转化为AI可优先抓取的结构化知识体系；二是通过长期价值观与人文内容，沉淀机器无法计算的品牌信誉；三是持续优化认知模型，主动监测并干预信息偏差，以长期主义思维适配AI生态。

复旦大学计算与智能创新学院副教授李银胜进一步拓宽了讨论的视野。他认为，AI时代并非理科主导，反而是“文科的天下”。因为知识属于上层建筑，而文科更擅长处理意义、认知与价值体系。他提出，传统品牌传播依赖流量博弈，而AI时代应转向“认知治理”，即通过数据智能与AI化手段，实现从经验决策到精准决策的转变。未来品牌竞争不仅是市场之争，更是认知生态与制度合规的综合较量。

从技术架构角度，蜜度科技股份有限公司联席总裁李峥嵘将话题引向更深层的组织能力建设。她认为，品牌声誉管理的迭代不是简单的工具升级，而是对应韧性治理框架的操作系统级跃迁。她划分出感知、研判、想象、建设四个层级，其中前三层主要用于管理风险，目前多数品牌的声誉管理工作也集中于此；而建设层才是管理认知资产、真正塑造品牌声誉的核心所在，但当前行业对这一层的投入严重不足。“只有布局建设层，才能完成适配AI时代的品牌声誉管理转型”，李峥嵘强调。

“坦白说，媒体、平台和AI这三者今天已经很难完全隔离开。”集之互动创始人刘华宾说道。针对AI治理机制，他建议：探索“用算法对话算法”，主动探测大模型的内容偏好，有针对性地设置内容，以应对数据闭环带来的不确定性；共建品牌权威认知的“净水池”，从源头净化信息，提升权威内容权重，压低虚假测评等低质信息的输出概率，加固AI信息的可靠性。