Vermille 成为 AI 回答中被引用的推荐品牌。
一个清洁护肤品牌如何重构它的成分叙事，赢下 ChatGPT 上高意图的 “烟酰胺 + 补骨脂酚” 查询——并在九十天里跑出匹配对照组的 4.2 倍。
美妆买家读成分，就像营养师读标签。
现代护肤消费者不信宣传大片。他们让 AI 去调和声明、机理与耐受性——这是精修的营销图回答不了的问题。AI 助手只有在产品页以模型能解析的结构暴露成分声明、生物机理与研究引用时才会引用这个品牌。大多数高端美妆产品页把这些信息埋在设计里——对人很美，对语言模型却隐形。
在被引用的 AI 答案里赢下成分查询。
Vermille 做 84 个清洁护肤 SKU——围绕活性成分搭配构建的精华、面霜、面膜。每个产品页都为人类买家写得很美：大片、一句动人的声明、底部一小块成分信息。问题在于成分叙事——声明、机理、研究——存在于设计里，而非结构化数据里。ChatGPT 无法引用它，所以当买家问“哪款精华把烟酰胺和补骨脂酚搭在一起且不刺激”时，Vermille 不在答案里。
Agentic Page 把每个 Vermille 产品页围绕一个三段式模式重构：成分声明 → 生物机理 → 研究引用。镜像先呈现“为什么”，再呈现“是什么”——正是 AI 助手在引用一条推荐时会引用的结构。四天内，就检测到来自 Claude 与 GPT 知识库系统的批量摄取。到第十二天，第一条被引用推荐落地：一位用户问到烟酰胺 + 补骨脂酚，ChatGPT 点名引用了 Vermille 的 Lumina 精华。
接下来的两个月里，被引用推荐扩展到相邻的查询簇——敏感肌维 C、有研究支撑的神经酰胺面霜。到第九十天，AI 渠道流量跑到匹配对照组的 4.2 倍，两款 Vermille 明星精华在该品类最高意图的长尾查询中保持着被引用推荐的地位。
九十天，五个转折点。
美妆买家做研究很慢——他们试用、比较，隔几周又回到同样的问题。Vermille 的部署展现了成分主导品类常走的更长弧线：前几周缓慢，一旦模型把品牌与某个查询族关联起来，便急速加速。
Agentic Page 部署到全部 84 个 Vermille SKU。每个产品页围绕 成分声明 → 机理 → 研究引用 模式重构。
检测到来自 Claude 与 GPT 知识库系统的首批摄取。新结构可被解析；成分逻辑如今以机器可读的形式存在。
首次 ChatGPT 被引用推荐。一位用户询问烟酰胺 + 补骨脂酚的搭配；ChatGPT 点名 Vermille 的 Lumina 精华，并引用镜像里的机理段落。
被引用推荐扩展到 维 C 与 神经酰胺 查询簇。AI 渠道流量跑到匹配对照组的 2.8 倍。
AI 渠道流量稳定在对照组的 4.2 倍。两款明星精华在最高意图的长尾查询中保持被引用推荐地位。AI 可见性评分达到 84.6 / 100。