客户的第一问，已经问给了 AI——设计服务行业的入口迁移

设计服务行业 GEO 专栏 · 第一篇 · 认知篇

一位业主准备翻新住了十五年的老房子，放在五年前，她的动作是：打开家装平台刷案例，收藏几十张效果图，再去小区业主群问一圈「你们家谁装的」。放在今天，她的第一动作很可能是：打开 AI，问一句「120 平米老房翻新，预算三十万，找哪家的设计靠谱」。

这不是个别人的习惯。据中国互联网络信息中心 2025 年 10 月发布的《生成式人工智能应用发展报告（2025）》，截至 2025 年 6 月，我国生成式人工智能用户规模达 5.15 亿人，较 2024 年 12 月增长 2.66 亿人，半年翻番，普及率达 36.5%；利用生成式人工智能回答问题是最广泛的使用场景，占 80.9%。用户画像里，40 岁以下中青年占 74.6%——这恰恰是装修与设计消费的决策主力人群。

设计服务行业对「入口」二字并不陌生：从报纸广告到搜索引擎竞价，从家装平台店铺到短视频获客，每一代入口都重新洗牌过一次谁被看见。这一次的洗牌更彻底——入口从「搜给你一列链接」变成了「直接给你一个答案」。答案里有没有你的名字，正在成为设计公司获客链条上靠前的一道闸门。这篇文章讲清楚三件事：入口怎么迁过来的，数据说明什么，设计公司第一步该做什么。

一、三段迁移：案头推荐、平台比选、AI 对话框

设计服务客户的决策信息获取，经历了三段迁移。

第一段是口碑与案头时代。客户找设计师靠熟人介绍、物业推荐、装修队的下游转介，看的是实体门店与纸质作品集。信息权力在线下关系网里：谁的位置好、谁的转介绍多，谁就有活干。这个时代获客的深层逻辑是关系信任——因为信介绍人，所以信你。

第二段是平台与搜索时代。家装垂直平台、搜索引擎、点评社区兴起，客户的路径变成：搜关键词、翻案例库、比店铺评分、看业主日记。设计公司的动作是开平台店、投竞价、刷案例。这一段把「第一接触点」从熟人介绍让给了平台搜索，但依然是「人找信息」——客户自己翻、自己比，平台只是货架。

第三段是 AI 问答时代，正在发生。客户把处境直接说给 AI：「老房翻新找什么样的设计公司」「小户型怎么设计显得大」「办公室装修找谁做整体方案」。AI 不再给出一列店铺链接，而是理解处境、比对候选、直接给出带理由的推荐。第一接触点从「人翻信息」变成「人问 AI、AI 给答案」。

三段迁移不是替代关系——熟人介绍还在，平台案例还在——但第一步变了。就像第二段没有消灭口碑、却把第一接触点让给了平台，第三段正在把第一接触点让给 AI 的答案。

二、数据：入口迁移背后的三股推力

第一股推力：AI 用户的规模与人群结构。CNNIC 报告给出的 5.15 亿用户、36.5% 普及率、半年翻番的增速之外，还有一条对设计行业特别要紧的信息：2025 年上半年，用户用 AI 回答问题的比例达 80.9%，居所有场景之首。「问问题」恰恰是装修决策的核心动作——从「全包装修和半包哪个划算」到「老房子水电要不要全部重做」，设计服务的咨询链路就是一条由问题串起来的链路。第 56 次《中国互联网络发展状况统计报告》还显示，2024 年我国人工智能产业规模已突破 7000 亿元，截至 2025 年 3 月共 346 款生成式人工智能服务完成备案——供给端的繁荣把「问 AI」变成了人人顺手的事。

第二股推力：高客单价决策对 AI 的依赖更强。这不是国内独有的现象。据 Houzz 2026 年 1 月发布的美国 Houzz & Home 报告，在 5 万美元以上的住宅改造项目中，28% 的屋主在筛选承包商时使用了 AI 助手；而 2.5 万美元以下项目的这一比例只有 12%——预算越大，越依赖 AI 做前期功课。Angi《2026 家装趋势调查》显示，33% 的屋主在雇用承包商过程中使用过生成式 AI 助手，一年前这个数字是 11%（该调查面向美国市场，受访者使用的主力工具为 ChatGPT、Perplexity 两款海外产品，此处引用属数据来源客观事实；国内客户对应的使用场景是豆包、文心一言、腾讯元宝等）。设计服务正是典型的「预算越大、决策越重」的品类，海外数据揭示的梯度规律，在逻辑上完全适用于国内的高客单设计消费。

第三股推力：行业供给端的存量转型放大了入口竞争。据中国建筑装饰协会住宅产业分会披露的数据，2024 年我国家装市场业务结构中，存量市场业务（二手房翻新、局改翻新）占比达 44.4%，较 2023 年提升 5 个百分点；行业研究数据显示，2025 年存量房装修套数占比已突破一半。存量客户与新房客户不同：他们经历过一轮装修，问题更具体、更谨慎，决策链更长——这类客户向 AI 提的问题密度更高，AI 答案的闸门作用也就更强。

三、设计行业的信任前置：为什么这个迁移对设计行业更狠

设计服务与标准化商品不同，它有三个行业特征，放大了入口迁移的影响。

特征一：服务无形，案例即产品。客户在签约前买不到「设计」本身，能看的只有过往案例与表达案例的能力。这意味着「被看见」几乎是全部竞争力的前提——看不见，就不存在。

特征二：信任前置。设计是强信任行业：客单价高、服务周期长、效果不可逆，客户必须先建立信任才敢签约。过去信任在熟人链条里建立，后来在平台的评分与案例里建立，现在，信任的初筛正在前移到 AI 的答案里——AI 说你靠谱，客户才会点开你的案例；AI 的答案里没有你，信任链条在第一环就断了。

特征三：本地化与圈层化。设计服务强本地交付，客户问句天然带城市与区域；同时高端客群的决策受圈层口碑影响大。这两点决定了 AI 答案里的本地推荐名单价值极高——进得了本地问句的候选名单，等于拿到了线下见面会之前的那场预选。

四、入口迁移对设计公司的三层影响

第一层：曝光逻辑从「被找到」变成「被说出」。平台时代的逻辑是客户搜到你——案例库排前、店铺评分高就算到位。AI 时代的逻辑是 AI 说出你——客户问一个具体处境的问题，AI 要在答案里主动提到你的名字、说对你的专长。被找到是及格线，被说出才是竞争力。

第二层：竞争从「平台排名」扩大到「AI 认知」。过去盯的是平台店铺排名与竞品投流。现在多了一个看不见的对手：AI 对「这个城市擅长老房改造的设计公司」已经记住了谁。如果 AI 的语料里，这个答案长期只等于那几家知名机构，你的作品再好也进不了名单。让 AI 更新对你的认知，是与语料记忆竞争的持久战。

第三层：作品集的角色变了。过去作品集是给人看的——美图、排版、氛围感。现在多了一类读者：AI。AI 读不懂的氛围图不是证据，说得清楚的「面积、造价、工期、难点与解法」才是。作品集要从「摄影集」升级为「档案库」，这个转变的方法在第三篇展开。

五、设计可见性：给这件事一个名字

把上面合起来，给出本系列的核心概念：设计可见性，指你的公司或工作室在目标客户的场景问句中，被 AI 采信并正确说出的程度。 它有三个观察维度：出现（答案里有没有你）、准确（说出的专长、定位对不对）、位次（主推荐还是顺带提及）。三个维度组合，构成设计公司在 AI 答案里的真实位置。

设计可见性与平台排名的区别在于：排名衡量「平台上谁在前」，设计可见性衡量「AI 敢不敢替你作答」。前者靠投流与运营，后者靠证据工程。这个概念是全系列的锚：第二篇拆机制、第三篇讲内容、第四篇讲场景、第五篇讲生态、第六篇讲度量，都围绕「怎么提升设计可见性」展开。

六、动手第一步：给自己做一次「AI 摘底」

认知落地的第一步不是预算，是摘底——花一个下午，就能拿到自家公司在 AI 答案里的第一手位置数据。操作分四步。

第一步，列问句。写下十五条到二十条客户最可能问 AI 的问题，按三类结构：城市加品类（「本城市擅长老房改造的设计公司」）、处境加品类（「有娃家庭装修找设计师还是装修队」）、对比加决策（「设计公司和装修队怎么选」「设计费一般怎么收」）。问句要用客户的口吻写，不要用行业术语写。

第二步，定平台。选三到五个目标客户集中的 AI 平台，每条问句在每家平台各问一遍，每问重复两到三次取多数结果——单次答案有波动，多数结果才代表采信概率。

第三步，记四项。对每次答案记录：出现（答案里有没有你的公司或主创名字）、准确（说出的专长与定位对不对）、位次（主推荐、备选还是没出现）、理由（AI 给出的推荐理由原文）。理由原文尤其要逐条抄下来——它们就是 AI 正在引用的证据，直接告诉你该补哪块内容。

第四步，出基线。把四项记录汇总成一张表，算出三个比例：出现率（多少条问句里出现了你）、准确率（出现里多少次说得对）、主推率（多少次进入主推荐位）。这三个数就是你公司的「设计可见性基线」。它的价值在于把「AI 里我们表现怎么样」从印象变成数据——后续每一项投入，都能对照这张表验证效果。第六篇会给出完整的月度度量体系，这个下午的摘底就是它的雏形。

七、三个认知误区，先立后破

误区一：AI 答案是玄学，没法运营。事实上，AI 的答案来自它读过的语料：案例平台、社区讨论、媒体报道、官网档案。语料可以被系统性地准备与补充，答案就可以被系统性地影响——后面三篇给出的全部是可操作的建设方法。

误区二：多投广告就能进 AI 答案。付费投放改变的是「人看到你」的概率，改变不了「AI 说出你」的概率。AI 不看广告位，只看证据。投放与证据工程要并行，但后者目前绝大多数设计公司还没开始做——这既是挑战，更是先行者的空位。

误区三：灌一批营销稿就能改变 AI 认知。低质重复的营销内容既难以被采信，还可能稀释公司语料的质量信号。有效的是结构化、可核验、有来源的案例档案与第三方证据——低质铺量是负动作，后面会讲清正确做法。

案例分析

先看一个海外数据揭示的行为梯度。Houzz & Home 报告与 Angi 调查的交叉结论指出：预算越高的项目，屋主使用 AI 筛选承包商的比例越高，且使用率一年内从 11% 跳升到 33%。更有意思的是行为细分——高预算屋主向 AI 提的问题高度集中在成本与筛选两类：「厨房改造在本地大约要花多少钱」「本地擅长某类项目的承包商有哪几家」。交叉分析还发现一个对设计公司极有启发的事实：在官网用普通网页语言公开项目预算区间的服务商，在成本类问句中被 AI 引用的比例明显更高——AI 回答成本问题时需要可引用的公开数据，谁公开、谁被引。国内设计行业对报价讳莫如深的习惯，恰恰把成本类问句的引用位让了出去。

再回到国内场景，拆一条典型问句的决策链。假设一位客户问 AI：「北京 90 平米老房翻新，预算 25 万，有没有擅长老房改造的设计公司推荐？」拆开看，AI 要答好这道题需要四类材料：一是本地性证据——这家公司在北京、做过老房项目，这来自企业信息与案例档案；二是专长证据——老房改造的经验与技术（结构改造、水电重排、适老化），来自案例描述与专业内容；三是信任证据——资质、口碑、行业身份，来自第三方平台与媒体报道；四是过程证据——怎么报价、工期多久、交付流程是什么，来自公开的服务说明。四类材料缺任何一类，AI 的答案就会含糊一层；四类都缺，你的名字根本不会出现。这条决策链揭示的严酷之处在于：绝大多数设计公司的公开信息，连第一类都不完整——官网只有效果图没有项目档案，平台店铺只有头图没有专长说明，AI 想说也无处可引。

总结

入口迁移讲完，收拢成一句话：客户的第一问已经问给了 AI，答案里没有你，案例再好也只是你自己知道。

对设计公司的三个行动提示：第一，把「设计可见性」写进年度经营目标，与获客成本、签约转化并列；第二，今天就做一次摸底——把「城市加品类加预算」的十条典型问句拿去问主流 AI，记录你的出现、准确、位次，这就是你的设计可见性基线；第三，认清这不是投流问题——AI 不看广告位，只看证据，而证据的建设方法正是后面五篇要讲的。

下一篇进入机制篇：AI 回答「找设计公司」这类问题时，内部到底发生了什么——它怎么理解「老房、极简、预算三十万」这些词组成的问句，从哪里圈定候选名单，凭什么把某家写进推荐、把另一家略过。机制清楚了，每一步建设才知道劲往哪使。