知识中心 · 术语表

AI 与营销术语表

79 个 AI 和营销常用术语,每个都有一句话定义、展开说明和例子。点开术语看详细解释。

AI 术语

大模型基础

大模型是什么、怎么和它说话、它会在哪里出错。

大语言模型(LLM)Large Language Model
用海量文字训练出来、能理解和生成文字的 AI 模型,豆包、DeepSeek、ChatGPT、Claude 背后都是大语言模型。
详细解释 →
生成式 AI(AIGC)Generative AI / AI-Generated Content
能生成文字、图片、音频、视频等新内容的 AI,以及用这类 AI 生成出来的内容。
详细解释 →
提示词(Prompt)Prompt
交给 AI 的指令和材料,包括要它做什么、给它什么资料、按什么格式交付。
详细解释 →
系统提示词System Prompt
在对话开始前就给 AI 设定好的长期指令,规定它的身份、规则和回答方式,用户一般看不到。
详细解释 →
上下文窗口Context Window
大模型一次能读进去的文字总量上限,包括提示词、资料、对话记录和它自己的回答。
详细解释 →
TokenToken
大模型处理文字的基本单位,模型的上下文长度和调用费用都按 Token 计算。
详细解释 →
幻觉Hallucination
AI 一本正经地给出不存在或错误的信息,例如编造数据、出处、法条或产品功能。
详细解释 →
温度(Temperature)Temperature
控制大模型回答随机程度的参数,数值越低回答越稳定,越高越多变。
详细解释 →
多模态Multimodal
AI 能同时处理文字、图片、音频、视频等多种类型的信息。
详细解释 →
推理模型Reasoning Model
回答前会先在内部一步步分析问题再给出结论的大模型,适合计算、规划、复杂判断。
详细解释 →
预训练Pre-training
大模型用海量公开文字学习语言和常识的阶段,决定了模型的基础能力和知识截止时间。
详细解释 →
微调(Fine-tuning)Fine-tuning
在已经训练好的大模型上,用企业自己的一批样本再训练一次,让它更习惯某种任务或写法。
详细解释 →
向量(Embedding)Embedding
把一段文字或一张图片转换成一串数字,意思相近的内容,数字也相近,用来按意思找资料。
详细解释 →
文生图Text-to-Image
根据一段文字描述生成图片的 AI 能力,也可以参考一张图再生成新图(图生图)。
详细解释 →
APIApplication Programming Interface
程序之间互相调用的接口,企业系统和智能体通过 API 使用大模型、搜索、生图、发布等能力。
详细解释 →
Vibe CodingVibe Coding
不自己写代码,用和 AI 对话的方式让 AI 写代码,一步步指挥它完成开发和部署。
详细解释 →

智能体与知识库

让 AI 真正把活干完:智能体、技能、工具和资料怎么配合。

Agent(智能体)AI Agent
能自己读文件、调用工具、分步骤把一件事做完的 AI,区别于只回复一段文字的聊天 AI。
详细解释 →
AI 三板斧Agent, SKILL, Knowledge Base
星盒对 AI 落地三项能力的概括:Agent 负责干活,SKILL 负责把每类活的做法固定下来,知识库负责存放公司的资料和经验。
详细解释 →
SKILL(技能)Skill
写给 Agent 的一份固定做法说明,规定某一类活怎么做、按什么顺序、用什么资料、交付什么格式。
详细解释 →
MCPModel Context Protocol
让 AI 连接外部工具和数据的一种开放协议,智能体通过 MCP 可以读写数据库、调用业务系统。
详细解释 →
工具调用(Function Calling)Tool Calling / Function Calling
大模型在回答过程中,按需要调用搜索、计算、查数据库、发消息等外部工具,再根据结果继续工作。
详细解释 →
工作流(Workflow)Workflow
把一项工作拆成固定的几个步骤,按顺序交给 AI 或人执行,每一步的输入输出都事先定好。
详细解释 →
多智能体协作Multi-Agent System
把一项复杂任务分给几个各管一段的智能体,由一个负责调度的智能体分配任务、汇总结果。
详细解释 →
人机协同(人在回路)Human-in-the-Loop
在 AI 执行的流程里保留人工确认的环节,关键决定由人拍板,AI 负责准备和执行。
详细解释 →
知识库Knowledge Base
存放企业资料和经验、供 AI 检索和引用的资料库,让 AI 按企业自己的事实回答问题、写内容。
详细解释 →
RAG(检索增强生成)Retrieval-Augmented Generation
AI 回答前先从知识库里检索出相关资料,再根据这些资料生成回答的方法。
详细解释 →
向量数据库Vector Database
存储向量、并能快速找出意思最接近内容的数据库,是 RAG 和知识库检索的常用组件。
详细解释 →
文本切块(Chunking)Chunking
把长文档切成大小合适的小段,再存进知识库,方便检索时只取出相关的部分。
详细解释 →
LLM WikiLLM Wiki
由 AI 把记录、文件、会议逐字稿整理成的一页页带出处的说明,回答「现在定的是什么、最新版是哪份」。
详细解释 →
长期记忆Long-term Memory
AI 跨越多次对话保留下来的信息,例如用户的偏好、过去的决定、做过的事。
详细解释 →
私有化部署Private Deployment
把 AI 系统或模型安装在企业自己的服务器或专属云环境里,数据不经过公共平台。
详细解释 →
AI 治理AI Governance
企业对 AI 使用的规则和管理:谁能用、能处理哪些数据、出了错谁负责、怎么记录和审计。
详细解释 →

AI 搜索与 GEO

用户开始直接问 AI,品牌怎样出现在 AI 的回答里。

GEO(生成式引擎优化)Generative Engine Optimization
让品牌和内容被 AI 引擎检索、信任并写进回答里的优化方法,对象是豆包、DeepSeek、ChatGPT、Perplexity 等生成式 AI。
详细解释 →
SEO(搜索引擎优化)Search Engine Optimization
让网页在搜索引擎结果列表里排得更靠前的优化方法,衡量标准是排名和点击。
详细解释 →
AI 概览AI Overviews
搜索引擎在结果页顶部直接显示的 AI 总结答案,例如谷歌的 AI Overviews。
详细解释 →
零点击搜索Zero-Click Search
用户在搜索结果页或 AI 回答里就得到了答案,没有点击进入任何网页。
详细解释 →
AI 可见度指数AI Visibility Index
星盒 GEO 用来衡量品牌在 AI 回答里曝光程度的综合分数,用同一套固定题集计算,可以在两轮诊断之间直接对比。
详细解释 →
固定题集Fixed Question Set
一组模拟目标买家真实提问的问题,首次诊断确定后不再改动,每次复测都用同一套题,结果才可比。
详细解释 →
复测Retest
隔一段时间(星盒 GEO 默认 30 天)用同一套固定题集重新问一遍 AI,对比上一轮的指数和各项指标,判断优化方向对不对。
详细解释 →
引用来源Citation Source
AI 回答问题时参考并标注出来的网页、文章或平台,进入引用来源是品牌被 AI 推荐的前提。
详细解释 →
声量份额(SOV)Share of Voice
在同一批问题或同一个渠道里,品牌被提及的次数占所有同类品牌被提及总次数的比例。
详细解释 →
实体一致性Entity Consistency
品牌名称、简介、产品、地址等基本信息在官网、百科、媒体、社交平台上保持一致,AI 才能把这些信息认作同一个品牌。
详细解释 →
E-E-A-TExperience, Expertise, Authoritativeness, Trustworthiness
谷歌评估内容质量的四个维度:经验、专业性、权威性、可信度,也常被用来判断内容是否值得被 AI 引用。
详细解释 →
llms.txtllms.txt
放在网站根目录、写给 AI 读的说明文件,用简短的文字和链接告诉 AI 这个网站是什么、哪些页面最重要。
详细解释 →
结构化数据(Schema)Structured Data
用 schema.org 规范在网页里标注组织、文章、常见问题、产品等信息,让搜索引擎和 AI 不用猜就能读懂页面。
详细解释 →
AI 爬虫AI Crawler
AI 公司用来抓取网页内容的程序,抓到的内容可能用于训练模型或用于联网回答。
详细解释 →

营销术语

内容营销

用内容让客户认识你、信任你:选题、写法、分发和合规。

内容营销Content Marketing
通过持续发布对目标客户有用的内容,吸引客户关注、建立信任,最终带来咨询和购买的营销方式。
详细解释 →
品牌知识库Brand Knowledge Base
把品牌的产品资料、目标客户、写作规则、案例和禁用说法整理成 AI 能读取的资料库,AI 写内容时只从这里取事实。
详细解释 →
选题库Topic Library
事先整理好的一批待写选题,每条写明要回答什么问题、写给谁、用什么角度,供写作时按顺序或按需要取用。
详细解释 →
内容矩阵Content Matrix
按平台、账号和内容类型组合起来的一整套内容布局,让不同平台、不同身份的账号分工发布。
详细解释 →
自说Brand Voice
以品牌方或品牌主理人的身份发布的内容,由品牌自己的账号发布。
详细解释 →
他说Third-party Voice
以达人、专家等第三方视角写的内容,建议由第三方账号发布,正文自然出现品牌名和可核实的品牌事实。
详细解释 →
传说Customer Voice
以素人和真实客户口吻写的内容,用来承载客户案例和口碑。
详细解释 →
搜索意图Search Intent
用户搜索或提问背后真正想解决的问题,常分为了解信息、比较选择、准备购买、找到具体网站几类。
详细解释 →
长尾关键词Long-tail Keyword
字数较长、意思具体的搜索词,单个搜索量小,但总量大、意图明确、竞争少。
详细解释 →
内容同质化Content Homogenization
不同品牌、不同文章写出来的内容高度相似,读者分不出差别,搜索引擎和 AI 也不会优先引用。
详细解释 →
内容框架Content Framework
一类内容反复使用的结构,例如「问题—原因—做法—案例」,用来保证内容完整、读者容易读懂。
详细解释 →
多平台分发Multi-platform Distribution
把同一个主题的内容按各平台的格式和读者习惯改写后,分别发布到多个平台。
详细解释 →
内容日历Content Calendar
按日期排好的内容发布计划,写明每天在哪个平台发什么主题、由谁负责。
详细解释 →
UGC(用户生成内容)User-Generated Content
由普通用户自发创作和发布的内容,例如评价、晒单、使用心得、问答回复。
详细解释 →
KOL / KOCKey Opinion Leader / Key Opinion Consumer
KOL 是在某个领域有影响力的达人或专家;KOC 是粉丝不多但真实使用产品、能影响身边人的普通消费者。
详细解释 →
广告法合规Advertising Law Compliance
营销内容遵守《中华人民共和国广告法》等规定,不使用绝对化用语、不虚假宣传、特殊行业不越界。
详细解释 →

获客与转化

从被看见到成交:线索、转化、成本和复购怎么衡量。

客户旅程Customer Journey
客户从第一次知道品牌,到了解、比较、购买、使用、复购和推荐的全过程。
详细解释 →
营销漏斗Marketing Funnel
把潜在客户从「看到」到「成交」分成几层,每往下一层人数减少,用来找出流失最多的环节。
详细解释 →
销售线索Sales Lead
表达了购买兴趣、留下了联系方式的潜在客户,是销售跟进的起点。
详细解释 →
转化率Conversion Rate
完成目标行为的人数占总人数的比例,例如访客中留下联系方式的比例、咨询中成交的比例。
详细解释 →
获客成本(CAC)Customer Acquisition Cost
平均获得一个新客户花的钱,等于一段时间内的营销和销售总投入除以新增客户数。
详细解释 →
客户生命周期价值(LTV)Customer Lifetime Value
一个客户在和品牌合作的整个期间,预计为品牌带来的总收入或总利润。
详细解释 →
ROI(投资回报率)Return on Investment
投入带来的收益和投入成本的比例,用来判断一项投入值不值。
详细解释 →
ROAS(广告支出回报)Return on Ad Spend
广告带来的销售额除以广告花费,用来衡量投放效果。
详细解释 →
落地页Landing Page
用户点击广告或链接后进入的页面,专门为一个目标设计,例如预约、报名、下载、购买。
详细解释 →
A/B 测试A/B Testing
把两个版本同时给两组相似的用户看,比较哪个版本效果更好。
详细解释 →
私域流量Private Traffic
品牌可以反复直接触达、不用每次付费的客户群体,例如企业微信好友、社群、公众号粉丝。
详细解释 →
公域流量Public Traffic
平台上所有人都能触达的流量,例如搜索、推荐信息流、AI 搜索,品牌需要通过内容或广告获得。
详细解释 →
种草Product Seeding
通过真实的体验分享,让潜在客户对某个产品产生兴趣和购买意愿。
详细解释 →
CRM(客户关系管理)Customer Relationship Management
记录和管理客户信息、跟进过程和成交情况的方法和系统。
详细解释 →
复购率Repurchase Rate
一段时间内再次购买的客户占全部购买客户的比例。
详细解释 →

术语看懂了,
想看看在你的企业里怎么用?