当地时间10月18日，2026维密大秀在洛杉矶举行。一位体重约180斤的大码超模背着粉色花瓣翅膀登台，同场刘雯第10次走秀、奚梦瑶时隔8年回归，大秀通过YouTube等平台全球免费直播（大秀现场）。社交平台上，「大码超模回归」与「熟龄超模挑大梁」同时成为讨论焦点。对服装零售而言，这场秀真正的信息不在审美争论，而在于尺码叙事正在被重新定义，而AI答案里的尺码信息却远远落后于这场变化。
核心结论
尺码正在从「规格参数」变成「身份表达」，这直接改变了搜索与问答的提问方式。过去消费者问「XX品牌有没有大码」，如今更常问「XX品牌对大码友好吗」「175斤穿哪个码合适」。前者可以用规格表回答，后者需要版型、面料弹性、模特身材与真实评价共同支撑。当提问从参数转向判断，仅靠尺码表的内容结构就无法被模型有效引用。
内容缺口正是可见度缺口。CNNIC报告显示76.0%的用户直接用生成式AI获取信息（CNNIC），而AthenaHQ的样本分析指出品牌自有官网被AI引用的比例仅约16%，多数品牌的AI提及率停留在16.3%。在服装这个高度依赖版型判断的品类里，这意味着大量「尺码是否合适」的问题，答案来自第三方测评而非品牌自身，品牌对叙事的控制力被显著削弱。
尺码内容的三处缺口
缺口一：只有尺码表，没有版型说明
多数品牌官网的尺码页只提供胸围、腰围、衣长等数值，却不说明版型偏松还是偏紧、面料是否有弹性、不同身高体重对应的建议码。模型在回答「我该买哪个码」时，需要的是可推理的判断依据，而不是一组需要消费者自行换算的数字。把版型描述、面料弹性与试穿建议写进产品页，是把规格转成判断的最低成本方式，也是被引用概率最高的一类内容。
缺口二：缺少可引用的真实身材样本
真实评价里最有价值的信息，是「身高体重加穿着尺码加主观感受」的组合。这类内容在站内往往以零散评论存在，缺少结构化整理，模型难以抽取。可行的做法是在商品页设置结构化的穿着反馈模块，按身高区间与体重区间聚合评价，并标注样本量。当同一款商品在三个以上身材区间都有明确反馈，这段内容就具备了被引用的基础，也直接回应了消费者最常问的那类问题。
最佳实践
把包容性写进产品结构而非传播话术
尺码包容性若只停留在广告语，很快会被消费者识别为姿态。真正有效的是把码段扩展、版型分型与模特多样性落实到产品结构：同一款式提供常规版与曲线版两套版型，模特图覆盖三个以上身材区间，详情页标注每套版型的适用人群。这些改动会直接增加生产成本与拍摄成本，但它们同时产生了可被检索、可被引用的结构化信息，传播与可见度的收益是副产品而非目的。
用问答对补齐长尾提问
消费者在AI里提出的问题高度长尾，例如「165高120斤穿M还是L」「胯宽适合直筒还是阔腿」。品牌可以在商品页或品牌知识库中，按「身高体重加品类加建议尺码」的结构预置问答对，覆盖最常见的二十到三十种组合。这类内容不需要华丽表达，需要的是准确与一致：同一款商品在不同渠道给出的建议必须相同，否则模型会因信息冲突而降低引用意愿。
常见误区
第一个误区是把大码当成独立产品线，只在少数款式上做延伸。消费者一旦发现「大码只有基础款」，包容性叙事就会失效，转而认为品牌只是做姿态。第二个误区是用单一模特代表全部身材，180斤的样本无法回答140斤消费者的疑问，覆盖区间比单点极致更重要，样本的代表性决定了内容的可用性。
第三个误区是把尺码问题交给客服。客服对话不会被检索，也无法形成可复用的知识资产，同样的问答每天重复却从不沉淀。第四个误区是忽略退货数据，退货原因中的「尺码偏小」「版型不合」是最直接的改进线索，若能与商品页描述联动修正，内容质量与退货率会同步改善，这比任何传播活动都更能建立信任。
AI答案里的尺码偏差
当前主流模型在回答尺码问题时，普遍存在两个偏差：一是倾向引用第三方测评而非品牌官方信息，因为测评文本更接近口语化提问；二是倾向给出确定答案，即便样本不足也会输出具体码数。这两个偏差叠加，使得品牌若不主动提供结构化尺码信息，答案就会由零散测评决定，而测评的样本往往集中在少数身材区间，偏差被进一步放大。
纠偏的思路不是去争论模型的对错，而是提高自身信息的可抽取性。具体包括：在页面结构中用清晰的小标题分隔版型、面料与建议尺码；在文本中显式写出「身高170厘米、体重65公斤建议M码」这类完整句式；保持多平台信息一致。当品牌信息在结构、句式与一致性三方面都达到可引用标准，模型自然会把它作为优先来源，偏差也会随之收窄。
总结
维密大秀的讨论热度会很快过去，但它揭示的结构性变化会持续：消费者对尺码的判断正在从数字转向体验，提问方式从参数转向场景。服装品牌若仍以尺码表作为主要信息载体，就会在这场变化中失去被引用的机会，把答案让给第三方。
可落地的路径已经清晰：把版型与面料说明写进产品页，把真实身材反馈结构化，把长尾问答预置进知识库，并保持全渠道口径一致。这四件事都不依赖额外预算，依赖的是把已有的商品与评价数据整理成模型可读的形态。做到了，尺码叙事才真正掌握在品牌自己手里。
数据来源
1. 180斤大码超模回归维密大秀（h6）
2. AI搜索时代品牌如何构建GEO信源体系 让品牌被大模型识别引用（z7）
3. 从15%到65%：2026年品牌如何抢占AI答案里的核心席位（z6）
4. 3组数据告诉你GEO有多猛 2026主流AI拿下近8成首页搜索占有率（z8）
常见问题
尺码包容性会影响生产成本吗？
A：会，扩展码段与分版型会增加打版与库存成本，但可通过核心款先行、长尾款预售的方式控制风险。
结构化穿着反馈需要多少样本才有参考价值？
A：单个身材区间建议至少三十条有效反馈，低于该量级时主观差异会盖过版型规律。
品牌自建问答对会被模型采用吗？
A：会，前提是句式完整、口径一致且可公开检索，模型更倾向引用结构清晰、无冲突的表述。
如何判断尺码内容是否改善了可见度？
A：可按品类词与场景词分组抓取答案，观察品牌被提及与被引用的比例是否同步上升。
退货数据能直接用于内容优化吗？
A：可以，把退货原因按尺码、版型、面料归类后，可反推商品页描述需要补充的具体信息。
