雅诗兰黛牵手 Profound：从粉底市场看 AI 搜索竞争

2026 年 9 月 14 日，雅诗兰黛集团（The Estée Lauder Companies）宣布与 Profound 合作。Profound 是一家监测品牌在 AI 回答中如何出现的美国公司。合作内容是观察旗下品牌在主要 AI 平台上如何被描述、比较和推荐，再把这些发现用于产品页、博客、视频等内容的调整。

图 1：雅诗兰黛集团官网 2026 年 9 月 14 日发布的新闻稿，宣布与 Profound 建立全球合作。

对于一家拥有众多品牌、面向不同国家销售的集团，这显然不是每周查几条提问（Prompt）的 AI 排名就能完成的工作。

看到这个消息后，我们在 Dageno 的公开市场数据中搜索了 Estée Lauder（雅诗兰黛），想从一个具体品牌看看：它在 AI 里究竟处于什么位置？

先说明范围：以下查询的是 Estée Lauder 单品牌，不是雅诗兰黛集团的合并成绩。Clinique、M·A·C、La Mer 等旗下品牌，在数据中是各自独立的品牌。数据来自 Dageno 公开市场数据，截图时间为 2026 年 9 月 29 日。

打开"粉底"市场，答案似乎很漂亮

在 Dageno 识别出的"粉底"市场里，共有 598 个品牌。Estée Lauder 的 AI 可见度为 32.99%，排名第 2；第一名 L'Oréal Paris 为 33.84%，第三名 NARS 为 31.29%。AI 可见度指的是：在这个市场采集到的 AI 回答里，有多大比例提到了这个品牌。

图 2：粉底市场 AI 可见度榜单。Estée Lauder 排在 L'Oréal Paris 和 NARS 之间。

这是一个很强的位置，而且与榜首只差 0.85 个百分点。如果只看这张总榜，品牌团队可能会得出一个相当乐观的结论。

但搜索 Estée Lauder 时，Dageno 还列出了它涉及的其他美妆细分市场。切到"面部精华"，它排第 15；"抗衰老护肤品"排第 23；"香水与古龙水"排第 84。市场不同，竞争者和品牌位置也跟着变了。

图 3：细分市场图谱。同一个品牌在不同产品品类里的名次差别很大。

这些排名不能直接解释为"雅诗兰黛集团在哪些业务上弱"。集团可能本来就由不同品牌承担不同产品线。它提出的是一个更值得核对的问题：Estée Lauder 这个品牌希望在哪些购买场景中被推荐？目前 AI 对它的认识，与品牌自己的产品策略一致吗？

这也是从细分市场视角看比单一品牌总分有用的地方。团队可以先确认值得争取的市场，再研究其中的竞争，而不用看到一个靠后名次就急着安排内容生产。

同一个粉底市场，也没有统一的 AI 排名

回到"粉底"。Estée Lauder 在 ChatGPT 排第 1，在 Google AI Overview 排第 2，在 Google AI Mode 和 Copilot 排第 3，在 Gemini 排第 4。

图 4：平台视图。同一个品牌、同一个市场，在五个 AI 平台上的名次各不相同。

按地区看，英国和澳大利亚排第 1，美国和法国排第 3，印度排第 7，日本排第 8。各平台、地区的回答样本不同，百分比不能简单放在一起比较；但名次的变化已经足够让团队追问：差异发生在哪些问题里？当地 AI 更常推荐谁？依据的是品牌官网、评测，还是其他来源？

图 5：地区视图。英国和澳大利亚排第 1，日本排第 8。

传统 GEO（生成式引擎优化）工具的固定 Prompt 监测，很适合长期盯住一组重要问题。Dageno 的市场视角往前走了一步：先从持续采集的 AI 回答中整理出市场、细分市场、意图、品牌和竞争关系，帮助团队发现哪些问题值得纳入长期监测。两者各有用途，顺序很重要。

再往下看，品牌被推荐的"理由"也不同

接下来，Dageno 将这次查询中的购买问题归入 7 组主意图、23 个子意图。意图指用户提问时想解决的事，例如"按预算选一款粉底"。Estée Lauder 在其中 18 个子意图里有覆盖。

图 6：搜索意图概览。购买问题被分成 7 组主意图、23 个子意图。

在"根据需求选择"和"查看综合推荐"中，它都排第 3；到了"按预算或档位选择"，排到第 7。后一个切片在当前样本中的占比很小，不能凭这一行就决定预算，但值得打开原始回答和引用来源看看：AI 是怎样介绍它的价格和适用人群的？又把哪些品牌放在了更合适的位置？

图 7：卖点热力图。颜色越深，表示 AI 回答越常把这个品牌和这个卖点放在一起。

卖点数据提供了另一条线索。Estée Lauder 在持妆和控油相关回答中的品牌关联较强；到了"保湿配方"，L'Oréal Paris 的关联次数则更高。这不是产品性能测试，也不能证明哪款粉底真的更保湿。它反映的是：当 AI 谈论这些属性时，更容易把哪个品牌与它们联系起来。

如果品牌希望争取"兼顾持妆与保湿"的购买场景，接下来就可以顺着回答和引用页面检查：现有产品信息是否讲到了这一点？第三方评测是否支持？问题也可能出在产品本身不适合这个场景。市场数据负责指出值得调查的地方，具体动作仍要回到证据。

进入商品卡，又出现一张不同的榜单

AI 回答里除了文字推荐，还会出现带图片和价格的商品展示，下文称商品卡。在同一"粉底"市场的 AI 购物样本中，Estée Lauder 的品牌商品可见度为 26.72%，排名第 1；Maybelline 为 26.32%，L'Oréal Paris 为 24.70%。

图 8：AI 购物中的品牌商品可见度。Estée Lauder 在商品卡里排第 1。

文字回答中排第 2，商品卡中排第 1，并不矛盾：被写进推荐文字与具体商品获得展示，是两种不同的机会，统计样本也不同。

图 9：单品列表。TIRTIR 的一款气垫出现在 25 条商品卡回答里，Estée Lauder 的 Double Wear 出现在 11 条里。

继续看单品，截图中 TIRTIR 的一款气垫出现在 25 条商品卡回答里，NARS 的一款粉底出现在 23 条里，Estée Lauder 的一款 Double Wear 出现在 11 条里。品牌榜领先，不代表每款产品都占据最显眼的位置。

AI 入口的商业呈现正在变得更复杂。品牌除了关心自然回答里的提及和引用，还需要看商品展示；在已有广告数据的平台上，也需要观察广告由什么问题触发、谁在投放、素材把用户引向哪里。把这些信号放回同一个市场，才方便判断该补产品信息、内容证据、商品呈现，还是调整投放。

Dageno 想做的，是让这条新渠道看得清

这次查询从一个品牌开始，依次看到了细分市场、竞争排名、平台与地区差异、购买意图、卖点关联、引用信源，再到具体商品。任何一层发现疑问，都应该往下深挖，回看 AI 的原始回答和引用页面。

图 10：粉底市场的引用分析。它列出 AI 回答引用了哪些网站，是回头核对证据的入口。

否则，团队手里只有几张漂亮的榜单，很难判断下一步该做什么。

这正是 Dageno 建设 AI 搜索市场情报的原因。GEO 是当下最容易感知的应用，但我们关注的范围更大：当 AI 逐渐承担商品发现、方案比较、推荐，以及部分购物和广告入口的角色，品牌需要一套持续理解市场结构的方式。

AI 在回答哪些需求，如何组织竞争，依据哪些来源，商品和广告又出现在哪里，这些数据是制定策略的基础。

谁能持续看清这层市场结构，谁就更有机会把零散的营销动作变成有依据的决策。

Dageno 已经在做的，是把可观察的 AI 回答整理成可比较、可追溯的市场数据，并帮助团队识别机会、观察行动后的变化。

更长远地，我们希望用不断积累的市场数据和结果，形成适用于不同市场与阶段的策略能力。数据是起点；让 AI 时代的商业入口可洞察、可执行、可验证、可持续优化，是我们要走向的方向。

雅诗兰黛集团已经开始把这件事放进全球品牌运营。其他品牌不必等到建立一整套流程才开始。可以先到 Dageno 免费查询自己的 AI 市场：看看品牌当前在哪里、与谁竞争，再决定第一个需要深入研究的问题。

参考来源

1. The Estée Lauder Companies 新闻稿（2026-09-14），The Estée Lauder Companies Announces Partnership with Profound to Expand AI Visibility Across Its Global Brand Portfolio：https://www.elcompanies.com/en/news-and-media/newsroom/press-releases/2026/09-14-2026-173210983
2. Dageno 公开市场数据，粉底市场（截图时间 2026-09-29）：https://insight.dageno.ai/