信任资产的预算怎么分

三月，一家做宠物智能饮水机的出海团队在排下季度预算。红人短视频去年是最大的一笔，今年要不要再翻一倍？会议争的是“哪个渠道更划算”，没人问另一件事：这些钱买回来的东西，在 AI 回答“哪种宠物饮水机不容易长霉”时，能不能用上一句。

信任预算不该按曝光分，而该按“这项资产能不能被 AI 摘出一句可核验的话、并且正好落在买家做决定的那一刻”来分；曝光买的是记忆，证据买的是被推荐。

为什么按曝光分一定分错

因为 AI 引用的是句子，不是人次。

模型在比较品牌时做的是同一件事：找可验证的陈述——谁、在什么条件下、测了什么、结果是多少、哪里能查到。播放量、粉丝数、发布会照片都不满足这个形式，也无法被第二个来源交叉核对。一笔只产出“很多人看见过”的钱，在 AI 那条链路上留下的资产是零。

预算分错的三种姿势很稳定。按渠道惯性：去年红人有效，今年加倍。按单价：CPM 低的先买。按声量：通稿、奖项、联名，看着热闹，摘不出一句带条件的结论。三类支出在周报上都好看，只有在下一次 AI 回答里看不出痕迹。

判断一项支出值不值，只问一句：它能不能被第三方复核？不能，就不是信任资产，是曝光。

没有盘点表，任何比例都是拍脑袋。

盘点不是列“我们做过什么”，而是列“我们留下了哪句能被引用的话”。同一类资产，有没有测试条件，价值差一个量级。

资产	盘点问题	算数的标准	常见伪资产
第三方评测	谁测的、什么条件	有对照、有口径、链接可查	只写“体验出色”的软文
垂类榜单	怎么入选、谁评的	入选规则公开	付费上榜且不标注
长测内容	用了多久、坏了什么	有具体问题与时间线	开箱即夸
用户评论与问答	差评被回答了吗	公开回复、可追溯	只删差评
认证与检测	哪家机构、哪一版标准	报告可下载	图标无出处
署名内容	谁写的、他凭什么	作者可查、有从业背景	品牌自说自话

给每一行打三个分，各 0–2 分：可引用性（有没有一句独立成立的话）、决策接近度（出现在“买哪个”那一刻，还是只在品牌期）、独立性（是不是只有你自己在说）。合计 0–6 分。

0–2 分的项，本季度先停或先改口径；3–4 分的补条件，把形容词换成测试与数字；5–6 分的加仓。这张表和AI 推荐你的四个信任前提是同一套判断的两种用法：那边看缺哪个前提，这边看钱该压在哪。

同一类资产，第一篇和第五十篇的价值不是线性关系。

饱和来得很早。AI 需要的是“多来源、可交叉”的证据，不是“同一句话被复述很多遍”。第 6 篇媒体评测如果只是重复前 5 篇的结论，它增加的是噪音，不是覆盖。三种饱和信号：新增内容开始互相复述；被引用的独立域名数不再增加；同类内容集中出现在同一批站点。

缺口信号也很清楚：目标问题里，AI 只能引用你自己的页面；或者它引用了一个过时评测，里面还是旧型号。这两种情况加钱的边际收益最高，因为补的是“没有”，不是“再来一条”。

所以预算不该按“每类资产平均分”，而该按“缺口 × 决策影响分”分。一个简单的纪律：每一类资产先设一条停手线，写清触发条件（例如连续两季新增独立来源为零），触线就减 30%，把钱挪去缺口。

以下品牌、金额与产出均为虚构，只用于演示分配逻辑。

某季信任类预算 30 万。A 方案把 26 万给 40 条中腰部红人短视频，4 万发一轮新品通稿。产出是 40 条“很好用”的口播和一批转载，没有测试条件，没有对照，也查不到检测口径。

B 方案把 8 万给 3 家垂类媒体做同条件对照测试，写明样品、时长、测量方法；6 万给 12 位长测作者，要求写出 30 天里出现的具体问题；5 万维护评论与问答，把差评里反复出现的疑问做成公开回答；4 万把检测报告做成可下载的公开页；5 万给工程师署名内容；2 万留作实验。

金额差不多，资产形态完全不同。A 只能支持一句“很受欢迎”，B 的每一项都能被第二个来源复核，也能被直接搬进一段比较。要让这些句子真的进答案，还得按答案单元的写法把它们放到页面上——证据不落在页面上，等于没存。

步骤	做什么	谁来做	怎么算过
1 盘点	把去年信任类支出按来源列行，每行写“它产出了哪句可引用的话”	市场 + 内容	每行有句子，或明确写“无”
2 打分	三维各 0–2 分，算决策影响分	增长负责人	分歧超过 1 分的项，拿真实 AI 回答对一遍
3 定仓	70% 基础仓、20% 进攻仓、10% 实验仓	预算 owner	三个仓有项目名单，不是比例口号
4 设停手线	每类资产写饱和信号与减仓幅度	市场	信号可观察，不靠感觉
5 调仓	每季只动 20–30%，用基线验证	增长 + 财务	调仓记录能对应到变化

基础仓放评论、认证、常青评测这类“随时被问到”的资产；进攻仓给新市场、新品类的第三方测试；实验仓试新来源形式，比如把用户问答与 UGC里的问题做成结构化回答。调仓的验证不要看单次截图，按AI 可见度基线的采样口径对比同一组问题。

第一，品牌实体还不存在。各处名称对不上、站外几乎零提及，这时任何预算都先花在“让自己可被识别”上。

第二，成交主要在平台内。平台 AI 读的是 listing、评论与履约，站外评测的边际收益要打折，钱应先给能影响平台内指标的部分。

第三，低客单、冲动型品类。买家不比证据，证据密度对决策影响小，按这套表分配会高估评测的价值。

第四，处于纠错期。站外有一条错误信息在扩散，预算逻辑要让位于“先改对”，分配表暂时失效。

第五，把分数当财务承诺。它只用来排序，不预测回报；结论必须回到真实引用与真实成交上看。

这个月做一件事：把上一季度信任类支出摊成一张表，逐行补一句“它产出了哪句可引用的话”。写不出来的行，就是本季度先停或先改口径的钱；挑其中一行，补上测试条件、样本量与可查证的来源，再花一次。主题页在战略与市场。