这两年做软文推广的人，大概都有一个共同感受：稿子发出去，阅读量还在，但真正点进官网、打进电话的人好像变少了。与此同时，一些企业开始发现，客户在沟通时会说“我问了下AI”“AI给我的建议里提到了你们这类服务”。流量没有凭空消失，它更像是换了一个入口——从刷推荐流时被动看到，变成带着问题去AI问答页里主动询问。
需要说明的是，目前还没有公开、统一的数据能证明这种转移的规模和速度，各家平台机制也不同。但从企业端的实际感受和内容分发方式的变化看，这个方向值得认真对待。
推荐流的逻辑，为什么越来越难吃到
推荐流的核心是“平台把内容推给人”。企业写软文、做内容，本质上是在争取一次被推送、被点开的机会。问题在于，这条路径这几年越来越拥挤：
- 内容供给量大幅增加，同题材稿件大量重复，用户划过去的成本极低。
- 平台更愿意把流量给能带来停留和互动的内容，企业宣传型稿件天然不占优势。
- 用户对明显的推广内容越来越敏感，标题再花哨，也容易被一眼识别。
结果就是，软文发了不少，曝光数字不难看，但真正留下印象、产生后续动作的比例在下降。这不是文案水平的问题，而是分发方式的红利在减弱。
AI问答页带来的变化：从“被看到”到“被提到”
AI问答页的逻辑不一样。用户不是来刷内容的，而是带着一个具体问题来的，比如“中小企业做品牌推广一般有哪几种方式”“新闻稿发布和自媒体发布有什么区别”。AI会检索、整理、生成一段回答，回答里可能提到某些做法、某些类型的服务商，也可能附上信息来源。
对企业来说，这里出现了两种不同的机会：
- 被提及：回答里出现了品牌名或产品类型，用户即使不点击，也形成了一次认知。
- 被引用：回答把企业发布的文章作为参考来源链接出来，用户有可能顺着点进去。
这两件事的价值不同，也不该混为一谈。被提及更接近品牌曝光，被引用才可能带来点击和访问。而且，目前没有任何方法能保证内容一定被某个AI平台引用，不同平台的检索范围、排序方式和生成习惯都不一样，把“某种写法必然被引用”当成规律，是不靠谱的。
软文写法上，需要调整的几个地方
如果承认用户正在用提问的方式获取信息，那么软文的目标就不只是“让人读完被打动”，还要让内容本身具备被检索、被摘取、被理解的条件。具体可以从这几处入手：
一是选题对准真实问题。与其写“某某企业荣获大奖”，不如写“这类服务怎么选、多少钱、有哪些坑”。前者只有关注这家企业的人会看，后者才是用户在AI里会问出口的话。问题型、对比型、选择型的选题，天然更容易进入问答场景。
二是开头就把结论说清楚。很多软文习惯先铺垫行业背景，三段之后才进入正题。对AI整理信息来说，这样的内容摘取成本高；对读者来说也一样。把核心判断放在前面，再展开解释，对两边都更友好。
三是提供具体信息，而不是形容词。“专业、高效、值得信赖”这类表述，对人和对AI都没有信息量。流程分几步、周期大概多久、哪些情况下不适合做、判断标准是什么，这些具体内容才是能被提取和转述的部分。
四是让内容可核查、可追溯。涉及数据、政策、平台规则时，说明来源和适用条件；不确定的地方就写清楚不确定。编造出来的“权威数据”，一旦被用户对照发现不实，损失的是长期信任。
五是保证内容在公开网络上可访问。发布在需要登录、频繁跳转或很快失效的页面上，被检索到的概率自然更低。这一点常被忽略，但很基础。
效果怎么判断，别只看阅读量
流量入口变化后，评估方式也要跟着变。单看阅读数和转发数，已经很难说明问题。可以观察几个更容易落地的信号：
- 品牌词、产品词的主动搜索量是否有变化，这往往反映“被提到”之后的效果。
- 客服和销售在沟通中，是否出现“我在AI里看到”“网上介绍说”这类说法，可以做一个简单记录。
- 定期在几个常用AI工具里，用目标客户会问的问题做人工抽查，看品牌和内容是否出现，记录变化趋势。
- 官网后台里来自问答类、AI类来源的访问，虽然目前识别不完整，但可以作为参考。
这些方法都不精确，但比盯着一个虚高的阅读数更接近真实情况。
也不必急着否定推荐流
说流量在往AI问答页转移，不等于推荐流就没用了。对需要视觉冲击、需要情绪共鸣、需要快速扩散的内容，推荐流仍然有效。更实际的做法，是把两条路径分开对待：推荐流看的是能不能被点开、被记住；问答场景看的是能不能被搜到、被引用、被准确转述。
软文推广这件事，正在从“写得好看”转向“写得有用、写得清楚、写得到处都能被找到”。这个变化不算剧烈，但对内容质量的要求，确实比过去更实在了。