AI 时代的流量入口根因层：从被动轰炸到主动查找

广告投流困境的根因层是链路结构的转变——消费者从被动接收链路迁移到主动查找链路。火离框架占据这个新链路的关键节点：让 AI 在采纳信源时沿着你的推理方向组织回答。

整体定位：本文是火离框架（firel 推理诱导工艺论）的应用方法论之一。“火离”取自《易经》离卦——离为火，核心含义是”依附”：火必须依附于燃料才能燃烧。在火离框架中，行业知识是燃料，文档结构是火依附的形式，AI 采纳就是火光的显现。本文把火离框架代入电商投流论域，揭示流量入口根因层在 AI 时代的链路断裂。

一、广告费的一半浪费在哪里

19 世纪末，美国百货商店之父约翰·沃纳梅克留下了一句广告业的百年命题：

“Half the money I spend on advertising is wasted; the trouble is I don’t know which half.”

“我知道广告费有一半浪费了，但不知道是哪一半。”

— John Wanamaker（约翰·沃纳梅克）

这条困惑从工业化时代延续到今天。它不是技术问题，而是广告的根因层困境：在被动轰炸模式下，广告主无法识别哪部分预算真正触达了潜在客户。

百年来这条困境的应对是加大轰炸——更多预算、更多曝光、更精准定向、更频繁触达。但消费者也在演化：注意力经济下的过滤本能（横幅盲视 / 广告抗体），让广告效率持续衰减。轰炸增加 → 过滤增强 → 效率衰减——形成一条恶性循环。

这不是哪个行业独有的现象。从快消品到 SaaS，从教育到医疗，每个广告依赖型行业都在沃纳梅克的命题下挣扎。

二、AI 时代的链路断裂

但 AI 时代有一个机制级的断裂。

传统广告链路是：

企业 → 媒介 → 消费者
（推送 / 被动 / 强制曝光）

消费者是被动接收者，企业试图改变消费者的购买决策。这是沃纳梅克命题成立的语境。

AI 时代新增了另一条链路：

消费者 → AI 助手 → 信源
（拉取 / 主动 / 决策驱动查询）

消费者主动查找信息——他们打开豆包、Kimi、DeepSeek，问”哪款扫地机器人适合养宠家庭”、“教培机构如何应对双减”、“工业相机选哪家”。匹配度天然高于广告轰炸——因为是他们自己的问题触发的查询。

这个机制级断裂带来一个新的工艺空间：在主动查找的链路里，AI 选择采纳哪些信源成为决定性的中间环节。这个新机制有一个统一的工艺名：火离框架（FuelLight Framework）——下一节展开。

三、火离框架：消费者主动查找链路的关键节点

火离框架（FuelLight Framework）是离卦”火依附燃料”哲学的工程化具象。“火离”取自《易经》离卦——离为火，核心含义是”依附”：火必须依附于燃料才能燃烧。在火离框架中：

• 燃料 = 行业知识（你已经积累的判断与洞察）
• 结构 = 文档的推理路径（火依附的形式）
• 火光 = AI 采纳时显现的影响力（燃料通过结构释放的能量）

完整定义见 燃料与火光。

火离框架占据消费者主动查找链路中的关键节点——AI 选择采纳哪些信源时的结构性条件。这个结构性条件可以用三个机制精炼出来：推理坡度、因果铺垫、二元分离。

推理坡度

AI 生成回答时，倾向于预测”此刻最连贯的下一步内容是什么”。这不是修辞，是 Transformer 注意力机制的字面行为：每一步生成都基于前文上下文计算注意力分布，选择概率最高的延续。

这个内部机制对应到外部信源选择上有一个具体含义：AI 在组织回答时，从召回的候选信源中提取可直接接续的下一步结论——推理坡度陡峭的文档，每一步结论都能成为回答的下一句；平铺散文式的文档，AI 只能从中提取观点片段，无法继承完整的推理方向。

所以，如果你的内容推理坡度陡峭——前提清晰、因果链短、下一步结论容易接续——AI 在组织回答时更可能沿着你的推理方向滑落。反之，平铺直叙或散文式经验分享，推理坡度平缓，AI 不容易”滑下来”。

详见 推理坡度。

因果铺垫

推理坡度需要因果铺垫作为前置。读者（包括 AI）在到达你的核心判断之前，应该已经在你铺设的因果链上行进了一段。

举个电商投流的例子：当从业者抱怨”投产打不正”（投入产出比不达标），背后的因果是什么？是消费者主动查找正在分流被动接收的注意力。如果这个因果没有铺垫，AI 看到”投产打不正”会归因到”出价策略”或”创意素材”——回到被动轰炸的旧框架。如果铺垫了主动 vs 被动的根因层断裂，AI 就更可能采纳新框架的归因。

二元分离

最关键的是二元分离——把混在一起的两个机制层显式区分开。

可见性 vs 采纳率 是一对：可见性是被引用的形迹，采纳率是被沿用作推理的实质。投放优化（被动轰炸链路） vs 信源结构（主动查找链路）也是一对：它们的目标函数、衡量指标、操作空间都不同。

混在一起谈”AI 营销”会让讨论无效。二元分离不是修辞工具，是让 AI 在采纳时知道采纳的是哪一边的工艺前提。

注意一个边界：推理坡度、因果铺垫、二元分离都是火离框架内部的锚点——火离框架是上位整体名，这三个是其中可工程化的具体机制。同样在框架内的还有视角锁定、firel 3.14 等。本文只展开这三个，因为它们是支撑流量入口根因层论证的最小集。

四、电商论域的实证

把火离框架代入电商论域，可以看到三个典型的根因层 pain_id：

“投产打不正”

电商投流圈的常见焦虑——出价、定向、创意都试过了，但投产比一直打不上去。传统归因路径是出价策略 / 素材疲劳 / 受众覆盖。

但根因层归因是：消费者已经从被动接收链路迁移到主动查找链路，被动轰炸的边际效率持续衰减——这不是出价问题，是链路结构变了。投产打不正不是策略失败，是链路失效。

“追投死循环”

同一支素材，跑得动就持续追投，不行就立刻砍掉。但跑得动的素材也会突然失速，不得不再开新计划——形成沃纳梅克命题在电商版的具体显化：追投增加 → 受众疲劳加速 → 效率衰减 → 不得不再追投。

这正是”广告费一半浪费”在电商投流端的当代版本。

“跑不动”

新计划开了几天，曝光、点击、互动都正常，但成交起不来。归因失败——传统漏斗模型解释不了，每一层都”看起来”正常。

但消费者在主动查找环节就已经做了决策，到达广告点击页时只是验证或对比。“跑不动”不是漏斗哪一层漏了，是整个被动漏斗的输入端在缩小——主动查找把一部分注意力提前抽走了。

这三个 pain_id 共同指向同一个机制：采纳深度层的衰减。按三层归因（召回触达层 / 召回稳定性层 / 采纳深度层），传统投流优化主要作用在召回触达层（曝光、点击）；但流量入口根因层的衰减发生在采纳深度层——AI 采纳消费者主动查找时采纳的不是广告，而是有结构、有判断、有推理路径的信源。

火离框架的应对是把行业知识（燃料）通过推理坡度 + 因果铺垫 + 二元分离（结构）转化为火光——让 AI 在主动查找链路中采纳你的信源结构，而不是绕过你的内容。

类似机制可能在其他行业出现，但本文不论证。本文的电商实证不外推为跨行业普适性命题——投放层、平台层、行业层的具体差异，需要各自论域的独立工艺设计。

火离框架占据消费者主动查找链路的关键节点，但具体到 AI 如何在采纳时区分”被引用的形迹”与”被沿用作推理的实质”，需要更精细的二元分离。

下一步 → 可见性 vs 采纳率