知識中心 · 術語表

AI 與營銷術語表

79 個 AI 和營銷常用術語,每個都有一句話定義、展開説明和例子。點開術語看詳細解釋。

AI 術語

大模型基礎

大模型是什麼、怎麼和它説話、它會在哪裏出錯。

大語言模型(LLM)Large Language Model
用海量文字訓練出來、能理解和生成文字的 AI 模型,豆包、DeepSeek、ChatGPT、Claude 背後都是大語言模型。
詳細解釋 →
生成式 AI(AIGC)Generative AI / AI-Generated Content
能生成文字、圖片、音頻、影片等新內容的 AI,以及用這類 AI 生成出來的內容。
詳細解釋 →
提示詞(Prompt)Prompt
交給 AI 的指令和材料,包括要它做什麼、給它什麼資料、按什麼格式交付。
詳細解釋 →
系統提示詞System Prompt
在對話開始前就給 AI 設定好的長期指令,規定它的身份、規則和回答方式,用戶一般看不到。
詳細解釋 →
上下文窗口Context Window
大模型一次能讀進去的文字總量上限,包括提示詞、資料、對話記錄和它自己的回答。
詳細解釋 →
TokenToken
大模型處理文字的基本單位,模型的上下文長度和調用費用都按 Token 計算。
詳細解釋 →
幻覺Hallucination
AI 一本正經地給出不存在或錯誤的資訊,例如編造數據、出處、法條或產品功能。
詳細解釋 →
温度(Temperature)Temperature
控制大模型回答隨機程度的參數,數值越低迴答越穩定,越高越多變。
詳細解釋 →
多模態Multimodal
AI 能同時處理文字、圖片、音頻、影片等多種類型的資訊。
詳細解釋 →
推理模型Reasoning Model
回答前會先在內部一步步分析問題再給出結論的大模型,適合計算、規劃、複雜判斷。
詳細解釋 →
預訓練Pre-training
大模型用海量公開文字學習語言和常識的階段,決定了模型的基礎能力和知識截止時間。
詳細解釋 →
微調(Fine-tuning)Fine-tuning
在已經訓練好的大模型上,用企業自己的一批樣本再訓練一次,讓它更習慣某種任務或寫法。
詳細解釋 →
向量(Embedding)Embedding
把一段文字或一張圖片轉換成一串數字,意思相近的內容,數字也相近,用來按意思找資料。
詳細解釋 →
文生圖Text-to-Image
根據一段文字描述生成圖片的 AI 能力,也可以參考一張圖再生成新圖(圖生圖)。
詳細解釋 →
APIApplication Programming Interface
程序之間互相調用的接口,企業系統和智能體通過 API 使用大模型、搜尋、生圖、發佈等能力。
詳細解釋 →
Vibe CodingVibe Coding
不自己寫代碼,用和 AI 對話的方式讓 AI 寫代碼,一步步指揮它完成開發和部署。
詳細解釋 →

智能體與知識庫

讓 AI 真正把活幹完:智能體、技能、工具和資料怎麼配合。

Agent(智能體)AI Agent
能自己讀文件、調用工具、分步驟把一件事做完的 AI,區別於只回復一段文字的聊天 AI。
詳細解釋 →
AI 三板斧Agent, SKILL, Knowledge Base
星盒對 AI 落地三項能力的概括:Agent 負責幹活,SKILL 負責把每類活的做法固定下來,知識庫負責存放公司的資料和經驗。
詳細解釋 →
SKILL(技能)Skill
寫給 Agent 的一份固定做法説明,規定某一類活怎麼做、按什麼順序、用什麼資料、交付什麼格式。
詳細解釋 →
MCPModel Context Protocol
讓 AI 連接外部工具和數據的一種開放協議,智能體通過 MCP 可以讀寫數據庫、調用業務系統。
詳細解釋 →
工具調用(Function Calling)Tool Calling / Function Calling
大模型在回答過程中,按需要調用搜尋、計算、查數據庫、發消息等外部工具,再根據結果繼續工作。
詳細解釋 →
工作流(Workflow)Workflow
把一項工作拆成固定的幾個步驟,按順序交給 AI 或人執行,每一步的輸入輸出都事先定好。
詳細解釋 →
多智能體協作Multi-Agent System
把一項複雜任務分給幾個各管一段的智能體,由一個負責調度的智能體分配任務、彙總結果。
詳細解釋 →
人機協同(人在迴路)Human-in-the-Loop
在 AI 執行的流程裏保留人工確認的環節,關鍵決定由人拍板,AI 負責準備和執行。
詳細解釋 →
知識庫Knowledge Base
存放企業資料和經驗、供 AI 檢索和引用的資料庫,讓 AI 按企業自己的事實回答問題、寫內容。
詳細解釋 →
RAG(檢索增強生成)Retrieval-Augmented Generation
AI 回答前先從知識庫裏檢索出相關資料,再根據這些資料生成回答的方法。
詳細解釋 →
向量數據庫Vector Database
存儲向量、並能快速找出意思最接近內容的數據庫,是 RAG 和知識庫檢索的常用組件。
詳細解釋 →
文本切塊(Chunking)Chunking
把長文檔切成大小合適的小段,再存進知識庫,方便檢索時只取出相關的部分。
詳細解釋 →
LLM WikiLLM Wiki
由 AI 把記錄、文件、會議逐字稿整理成的一頁頁帶出處的説明,回答「現在定的是什麼、最新版是哪份」。
詳細解釋 →
長期記憶Long-term Memory
AI 跨越多次對話保留下來的資訊,例如用戶的偏好、過去的決定、做過的事。
詳細解釋 →
私有化部署Private Deployment
把 AI 系統或模型安裝在企業自己的伺服器或專屬雲環境裏,數據不經過公共平台。
詳細解釋 →
AI 治理AI Governance
企業對 AI 使用的規則和管理:誰能用、能處理哪些數據、出了錯誰負責、怎麼記錄和審計。
詳細解釋 →

AI 搜尋與 GEO

用戶開始直接問 AI,品牌怎樣出現在 AI 的回答裏。

GEO(生成式引擎優化)Generative Engine Optimization
讓品牌和內容被 AI 引擎檢索、信任並寫進回答裏的優化方法,對象是豆包、DeepSeek、ChatGPT、Perplexity 等生成式 AI。
詳細解釋 →
SEO(搜尋引擎優化)Search Engine Optimization
讓網頁在搜尋引擎結果列表裏排得更靠前的優化方法,衡量標準是排名和點擊。
詳細解釋 →
AI 概覽AI Overviews
搜尋引擎在結果頁頂部直接顯示的 AI 總結答案,例如谷歌的 AI Overviews。
詳細解釋 →
零點擊搜尋Zero-Click Search
用戶在搜尋結果頁或 AI 回答裏就得到了答案,沒有點擊進入任何網頁。
詳細解釋 →
AI 可見度指數AI Visibility Index
星盒 GEO 用來衡量品牌在 AI 回答裏曝光程度的綜合分數,用同一套固定題集計算,可以在兩輪診斷之間直接對比。
詳細解釋 →
固定題集Fixed Question Set
一組模擬目標買家真實提問的問題,首次診斷確定後不再改動,每次複測都用同一套題,結果才可比。
詳細解釋 →
複測Retest
隔一段時間(星盒 GEO 預設 30 天)用同一套固定題集重新問一遍 AI,對比上一輪的指數和各項指標,判斷優化方向對不對。
詳細解釋 →
引用來源Citation Source
AI 回答問題時參考並標註出來的網頁、文章或平台,進入引用來源是品牌被 AI 推薦的前提。
詳細解釋 →
聲量份額(SOV)Share of Voice
在同一批問題或同一個渠道里,品牌被提及的次數佔所有同類品牌被提及總次數的比例。
詳細解釋 →
實體一致性Entity Consistency
品牌名稱、簡介、產品、地址等基本資訊在官網、百科、媒體、社交平台上保持一致,AI 才能把這些資訊認作同一個品牌。
詳細解釋 →
E-E-A-TExperience, Expertise, Authoritativeness, Trustworthiness
谷歌評估內容質量的四個維度:經驗、專業性、權威性、可信度,也常被用來判斷內容是否值得被 AI 引用。
詳細解釋 →
llms.txtllms.txt
放在網站根目錄、寫給 AI 讀的説明文件,用簡短的文字和連結告訴 AI 這個網站是什麼、哪些頁面最重要。
詳細解釋 →
結構化數據(Schema)Structured Data
用 schema.org 規範在網頁裏標註組織、文章、常見問題、產品等資訊,讓搜尋引擎和 AI 不用猜就能讀懂頁面。
詳細解釋 →
AI 爬蟲AI Crawler
AI 公司用來抓取網頁內容的程序,抓到的內容可能用於訓練模型或用於聯網回答。
詳細解釋 →

營銷術語

內容營銷

用內容讓客戶認識你、信任你:選題、寫法、分發和合規。

內容營銷Content Marketing
通過持續發佈對目標客戶有用的內容,吸引客戶關注、建立信任,最終帶來諮詢和購買的營銷方式。
詳細解釋 →
品牌知識庫Brand Knowledge Base
把品牌的產品資料、目標客戶、寫作規則、案例和禁用説法整理成 AI 能讀取的資料庫,AI 寫內容時只從這裏取事實。
詳細解釋 →
選題庫Topic Library
事先整理好的一批待寫選題,每條寫明要回答什麼問題、寫給誰、用什麼角度,供寫作時按順序或按需要取用。
詳細解釋 →
內容矩陣Content Matrix
按平台、賬號和內容類型組合起來的一整套內容佈局,讓不同平台、不同身份的賬號分工發佈。
詳細解釋 →
自説Brand Voice
以品牌方或品牌主理人的身份發佈的內容,由品牌自己的賬號發佈。
詳細解釋 →
他説Third-party Voice
以達人、專家等第三方視角寫的內容,建議由第三方賬號發佈,正文自然出現品牌名和可核實的品牌事實。
詳細解釋 →
傳説Customer Voice
以素人和真實客戶口吻寫的內容,用來承載客戶案例和口碑。
詳細解釋 →
搜尋意圖Search Intent
用戶搜尋或提問背後真正想解決的問題,常分為了解資訊、比較選擇、準備購買、找到具體網站幾類。
詳細解釋 →
長尾關鍵詞Long-tail Keyword
字數較長、意思具體的搜尋詞,單個搜尋量小,但總量大、意圖明確、競爭少。
詳細解釋 →
內容同質化Content Homogenization
不同品牌、不同文章寫出來的內容高度相似,讀者分不出差別,搜尋引擎和 AI 也不會優先引用。
詳細解釋 →
內容框架Content Framework
一類內容反覆使用的結構,例如「問題—原因—做法—案例」,用來保證內容完整、讀者容易讀懂。
詳細解釋 →
多平台分發Multi-platform Distribution
把同一個主題的內容按各平台的格式和讀者習慣改寫後,分別發佈到多個平台。
詳細解釋 →
內容日曆Content Calendar
按日期排好的內容發佈計劃,寫明每天在哪個平台發什麼主題、由誰負責。
詳細解釋 →
UGC(用戶生成內容)User-Generated Content
由普通用戶自發創作和發佈的內容,例如評價、曬單、使用心得、問答回覆。
詳細解釋 →
KOL / KOCKey Opinion Leader / Key Opinion Consumer
KOL 是在某個領域有影響力的達人或專家;KOC 是粉絲不多但真實使用產品、能影響身邊人的普通消費者。
詳細解釋 →
廣告法合規Advertising Law Compliance
營銷內容遵守《中華人民共和國廣告法》等規定,不使用絕對化用語、不虛假宣傳、特殊行業不越界。
詳細解釋 →

獲客與轉化

從被看見到成交:線索、轉化、成本和復購怎麼衡量。

客戶旅程Customer Journey
客戶從第一次知道品牌,到了解、比較、購買、使用、復購和推薦的全過程。
詳細解釋 →
營銷漏斗Marketing Funnel
把潛在客戶從「看到」到「成交」分成幾層,每往下一層人數減少,用來找出流失最多的環節。
詳細解釋 →
銷售線索Sales Lead
表達了購買興趣、留下了聯繫方式的潛在客戶,是銷售跟進的起點。
詳細解釋 →
轉化率Conversion Rate
完成目標行為的人數佔總人數的比例,例如訪客中留下聯繫方式的比例、諮詢中成交的比例。
詳細解釋 →
獲客成本(CAC)Customer Acquisition Cost
平均獲得一個新客戶花的錢,等於一段時間內的營銷和銷售總投入除以新增客戶數。
詳細解釋 →
客戶生命週期價值(LTV)Customer Lifetime Value
一個客戶在和品牌合作的整個期間,預計為品牌帶來的總收入或總利潤。
詳細解釋 →
ROI(投資回報率)Return on Investment
投入帶來的收益和投入成本的比例,用來判斷一項投入值不值。
詳細解釋 →
ROAS(廣告支出回報)Return on Ad Spend
廣告帶來的銷售額除以廣告花費,用來衡量投放效果。
詳細解釋 →
落地頁Landing Page
用戶點擊廣告或連結後進入的頁面,專門為一個目標設計,例如預約、報名、下載、購買。
詳細解釋 →
A/B 測試A/B Testing
把兩個版本同時給兩組相似的用戶看,比較哪個版本效果更好。
詳細解釋 →
私域流量Private Traffic
品牌可以反覆直接觸達、不用每次付費的客戶羣體,例如企業微信好友、社羣、公眾號粉絲。
詳細解釋 →
公域流量Public Traffic
平台上所有人都能觸達的流量,例如搜尋、推薦資訊流、AI 搜尋,品牌需要通過內容或廣告獲得。
詳細解釋 →
種草Product Seeding
通過真實的體驗分享,讓潛在客戶對某個產品產生興趣和購買意願。
詳細解釋 →
CRM(客戶關係管理)Customer Relationship Management
記錄和管理客戶資訊、跟進過程和成交情況的方法和系統。
詳細解釋 →
復購率Repurchase Rate
一段時間內再次購買的客戶佔全部購買客戶的比例。
詳細解釋 →

術語看懂了,
想看看在你的企業裏怎麼用?