行业观察｜企业 AI 的第一站不是模型，是数据：
200 位访客的第一跳分布

先说结论：企业 AI 的第一道门是数据

过去 21 天，我们把官网当成一块探针：记录每一位外部访客进站后的第一个页面。200 位访客给出的答案，比任何问卷都诚实。

结论放在最前面：28% 的访客第一站落在「数据能力」页，只有 5% 落在「AI 能力」页，差 5.6 倍。从文章直接进来的 40 位读者里，被读最多的两篇是「自然语言问数」和「数据治理」，两篇合计占 42.5%。换成人话：企业客户进门先问的不是「你的模型多强」，而是「我的数据能不能用」。把 AI 能力的介绍摆在数据能力之前，等于跟客户的决策顺序对着干。

一屏看完这 200 个人的选择：

口径边界先说清：这是我们一个站点的 200 位访客，窗口 9 月 18 日至 10 月 8 日，其中 73% 来自微信内置浏览器。这个样本量只够做方向判断，不足以推断行业比例——所以本文只下一个结论，而且它对样本量并不敏感：数据页与 AI 页之间数倍的差距，不是噪声能解释的量级。

样本怎么来的：剔除干净的 200 人

统计方法说明白了，结论才有分量。所有数字来自官网自建埋点库，按同一口径可以复算：

这份数据的用途只有一个：看清「人来了以后先看什么」。它不能说明客户会不会买单——21 天里真实外部留资是 0 条，这个我们照样公开。但「先看什么」这一层，它的分辨率足够。

三个反直觉的细节

细节一：73.5% 的人只看一个页面就走。200 位访客里，147 位只产生 1 次页面事件。数据能力页的 56 位首访者中，50 位看完这一页就离开了（89%）。这不是流量质量差，而是他们带着一个具体问题来的——问题被回答（或者没被回答）就走了，没有兴趣逛官网。这决定了优化重点不是「让人多点点」，而是「第一页就能给出可执行的下一步」。

细节二：被真正读完的文章，都是数据类。40 位从文章页进站的读者，分布是这样的：

数据类两篇合计 17 位，占 42.5%。这与上一期的结论互相印证：那期我们按类型排序 13 篇文章，客户案例类篇均 2.7 人阅读、停留 15 秒、看完继续逛官网的比例是 0——花功夫最多的类型，数据最差。两期数据指向同一件事：读者不消费「我们做过什么」，他们消费「我该怎么做」。

细节三：被转发的页面，是「能不能接」。最近 7 天，全站 49 次外部页面事件里有 23 次（47%）落在同一个页面上——开放能力页。它们集中在两波：10 月 4 日晚 13 位、10 月 8 日上午 9 位，全部来自微信内置浏览器、来自不同 IP，是典型的「被转到群里」轨迹。这些人看的不是「AI 能做什么」，是接口、API、能不能接进现有系统。

这里的边界同样要说清：两波转发、22 位访客，样本很小，只能说明在转发场景下被传播的是接入信息，不能说明站内所有技术评估行为都长这样。但把它和细节一、细节二放在一起看，方向是一致的。

对甲方：AI 立项先过「数据三问」

如果这个判断成立，它对甲方（准备上 AI 的企业）的直接含义是：把「选哪个模型」往后放，先回答三个数据问题。我们服务企业时，用下面这张表当开工门槛：

三问都答得上，再谈模型选型和预算；答上两条以下，模型选得再对也落不了地。顺序错了，后面每一步都在返工。

对服务商：把数据入口做在 AI 入口之前

对我们自己的含义更直接——我们讲内容的顺序，和客户的决策顺序是反的。所以这一轮把三个动作做实：

第 ③ 条是这期留下的最大作业：我们已经知道人从哪里进来，还不知道他们在等什么。下一步要在数据能力页的第一屏就把「你能带走什么」写清楚——不是话术优化，是把承接结构重做一遍。做完用跳出率验收，而不是用感觉验收。

客户不是从「AI 能做什么」开始想问题的，他们从「我的数据能不能用」开始。