GEOly 研究 · 2026-11-03
AI 礼物货架：节日问题上 ChatGPT 推荐谁
当有人问助手「送什么好」，答案里会摆出一排商品。我们从节日意图的提示词里切出 15.9 万张 ChatGPT 购物卡片，看这个货架上站着谁、点击被交给哪个零售商，以及它和全意图货架差多少。
数据说了什么
- ×11Etsy 的货架份额在礼赠意图下翻了十一倍——全意图卡片里占 0.5%，节日卡片里占 5.5%，排名从第 14 升到第 3。
- −6.6ppHome Depot 从 11.6% 掉到 5.0%。礼赠类问题把货架从家居建材推向礼品与消费电子零售。
- 81.5%充电宝货架被中国出海品牌包住：Anker、UGREEN、INIU、Baseus、CUKTECH 合计占匹配卡片的 81.5%。
- 7× gap集中度在品类之间差距极大：Samsung 占平板的 36.1%，而珠宝第一名只有 5.1%。同一套 GEO 打法不可能同时适用。
- 节日卡片
- 159,227
- 节日提示词
- 4,320
- 品类
- 1,066
- 链接域名
- 14,290
关于黑五的说明
这是节日基线，不是黑五读数。数字描述的是 2026-09-04 那次 ChatGPT 运行——我们公开购物数据集里最新的一天。黑五版需要两件事：公开数据集覆盖到 2026-11-25 至 12-01 这一周，以及一套黑五意图的提示词集；两者齐备之前，我们不会把九月的数据标成黑五。
礼物货架把点击送去哪里
节日卡片里链接指向各域名的占比，旁边是同一域名在全意图货架上的占比。值得读的是差值：礼赠意图奖励礼品与消费电子零售，惩罚家居建材。
| 域名 | 节日占比 | 全意图 | 差值 | 卡片数 |
|---|---|---|---|---|
| walmart.com | 16.2% | 17.3% | -1.1pp | 25,281 |
| bestbuy.com | 6.3% | 4.9% | +1.4pp | 9,924 |
| etsy.com | 5.5% | 0.5% | +5.0pp | 8,667 |
| target.com | 5.2% | 5.7% | -0.5pp | 8,197 |
| homedepot.com | 5.0% | 11.6% | -6.6pp | 7,836 |
| nordstrom.com | 4.9% | 3.7% | +1.2pp | 7,610 |
| wayfair.com | 3.3% | 3.9% | -0.6pp | 5,184 |
| ulta.com | 1.3% | 2.8% | -1.5pp | 2,088 |
| backcountry.com | 1.2% | 1.0% | +0.2pp | 1,830 |
| macys.com | 1.1% | — | — | 1,712 |
| bhphotovideo.com | 0.9% | 1.2% | -0.3pp | 1,435 |
| lowes.com | 0.8% | 1.7% | -0.9pp | 1,286 |
| microcenter.com | 0.8% | — | — | 1,276 |
| scheels.com | 0.8% | 1.0% | -0.2pp | 1,215 |
| guitarcenter.com | 0.7% | — | — | 1,160 |
逐品类看货架
十个节日卡片量足够排名的品类。品牌份额是该品类内「匹配到品牌」卡片的占比——分母在每页都写明，因为它从 35%（珠宝）到 98%（智能手表）差别很大。
| 品类 | 卡片数 | 第一名 | 第一名份额 | |
|---|---|---|---|---|
| 珠宝首饰 | 1,410 | Macy's | 5.1% | 看该品类 → |
| 充电器 | 1,010 | Anker | 32.0% | 看该品类 → |
| 电动滑板车 | 951 | Segway | 20.3% | 看该品类 → |
| 美妆礼盒 | 930 | Clinique | 8.1% | 看该品类 → |
| 充电宝 | 759 | Anker | 29.4% | 看该品类 → |
| 平板电脑 | 674 | Samsung | 36.1% | 看该品类 → |
| 智能手表 | 645 | Garmin | 33.4% | 看该品类 → |
| 回音壁 | 608 | Samsung | 25.0% | 看该品类 → |
| 耳机 | 588 | Sony | 24.2% | 看该品类 → |
| 电助力自行车 | 557 | Specialized | 13.5% | 看该品类 → |
这份数据怎么用
1. 先搞清自己品类的集中度再定目标。像平板那样的货架，你是在和一个霸主抢第二；珠宝那样的长尾货架，靠大量结构化商品页就能啃下来。
2. 别只看品牌有没有被提到，要看卡片链到哪个域名。提了你但链去 Walmart 的卡片，把点击交给了零售商——各品类的自有站份额见货架研究。
3. 礼赠意图和常青意图是两套提示词。如果你只追「best X」，就看不到围绕「送什么」形成的那个货架——那里的零售商构成、常常连赢家都不一样。
4. 两个旗舰单品就能撑起一个品类。耳机里两个型号占全部卡片的 21.4%；把内容和公关压在一个旗舰上，可能比摊在整条产品线上更有效。
看看你自己的品牌在这个货架上
GEOly 每天在四个引擎上追踪 AI 在你的品类里推荐哪些商品、引用哪些来源、把点击送去哪里。
方法论
- 数据来源：GEOly 公开购物数据集。每行是一张 ChatGPT 购物卡片，取自 2026-09-04 的周度运行，美国英文提示词。共 15.9 万张卡片，其中 15.64 万张带链接域名。
- 节日意图的判定：当一张卡片所属提示词的 seasonality 标签里含 "holiday" 时计入。这是提示词集自带的标签，不是我们对提示词文本的解读。符合的有 4,320 条提示词、1,066 个品类。
- 品牌份额：该品类内匹配到品牌的卡片占比，按匹配置信度去重到一卡一行。标题匹配不到品牌表的卡片被排除，所以分母小于卡片总数——每个品类页都印出了分母。珠宝只匹配到 35%，电子类品类在 93%–98%。
- 商品份额：该品类全部卡片的占比，按标准化标题归组。价格是这些卡片上最低价的均值，取整到美元；它是卡片侧的读数，不是报价也不是市场价。
- 全意图对照：「全意图」一列是同一次运行、69.5 万张带链接卡片的完整货架上该域名的占比，取自我们的购物货架研究。空白表示该域名不在那份研究的前 14 名内。
- 局限：单引擎（ChatGPT）、单国家（美国）、单次周度运行。份额描述的是这一个快照，不是趋势。品牌匹配基于名称，因此只以零售商自有品牌名销售的品牌会被低估。
- 引用方式：「GEOly《AI 礼物货架》(2026)，数据取自 2026-09-04 的 ChatGPT 运行」。请链接到本页。表格可自由转载，注明出处即可。