独家实测：AI答「附近修车店」距离，我用测距仪核出18%偏差

上周跑一个本地汽修连锁的GEO项目，客户拍桌子说AI推荐的「附近修车店」把他们排在3公里外，实际门店就在用户1.2公里。我第一反应是模型抽风，第二反应用地图测距仪逐个核。

实测方法：拿10个模拟用户坐标（分布在城市不同象限），分别问同一款AI助手「附近修车店」，记录它给出的每个门店名称和距离。然后用测距仪沿实际道路测一遍直线距离和驾车距离，对比。

结果：10次提问，AI共推荐了23个门店。其中只有14个的距离标注在±15%误差内，剩下9个偏差超过30%，最夸张的一个把2.8公里的店说成「1公里内」。更关键的是，这9个错误距离的门店，有7个是客户自己的直营店——AI在帮倒忙。

根因追查：我翻了这些门店在AI训练语料里的露出方式。发现门店POI数据里「距离」字段是用「步行5分钟」「开车10分钟」这种模糊描述，而AI把它硬转成了公里数。加上有些第三方点评站的数据陈旧，AI抓到了2022年的旧坐标。

我的判断：GEO优化不能只盯着「有没有被推荐」，得把「事实准确性」当成核心指标。尤其本地生活类，距离、营业时间、电话这些硬字段，AI一旦答错，用户到店发现不对，品牌信任直接崩。

落地动作：我们给客户改了POI结构化数据，把距离换成「距地铁站X米」这种可验证的锚点，同时把营业时间拆成「周一至周五」和「周末」两段。三周后复测，距离偏差超过30%的门店从9个降到3个。

你们有没有遇到过AI把「附近」推荐得离谱的情况？是直接改POI数据，还是换问句引导？求个更稳的复现套路。