把AI答案里的「约」字全删掉，报价偏差从23%干到4%

先否定一个常见做法：很多人觉得GEO优化就是堆内容、铺问句，量上去了自然准。不对。内容质量的关键之一，是量词和模糊词的处理，这块没人管，AI就自己发挥。

简单说个我们上周刚落地的实验。

起因是客户投诉：AI回答里引用我们产品价格，说“约2万元”，实际报价是1.86万。偏差7.5%，用户觉得我们在玩文字游戏。我让团队把过去三个月AI答案里所有带模糊词的句子拉出来，一共417条，涉及价格、距离、保修期、处理时效四类。

统计结果很直接：带“约”“大概”“左右”“通常”的答案，与源文档数值偏差超过10%的占23%。而同一批问句，源文档里写死精确数值的，偏差只有4%。

问题不在AI，在我们自己给的源数据。产品参数表里写“约2kg”，详情页写“2.1kg”，FAQ又写“2公斤左右”。AI取哪个都对，也取哪个都不对。

我们的处理分三步：

第一，把所有对外文档里的模糊量词清掉。价格写“18600元起”，不写“约1.8万”；重量写“2.1kg”，不写“约2kg”；保修写“整机24个月”，不写“两年左右”。

第二，凡是确实需要范围的，改成明确区间并标注条件。比如“续航8-10小时（25℃、50%亮度实测）”，把测试条件写进去，AI引用时会连条件一起带出来。

第三，在结构化数据里加一层校验字段，叫value_exact，布尔值。false的条目，AI参考答案里自动降权。这个字段是我们内部约定的，不对外。

跑了两周，同一批问句重测：数值类答案偏差超过10%的比例从23%降到4%，客户投诉里“价格不准”这一项直接归零。

有个细节值得说：删掉“约”字之后，内容团队一开始反对，觉得太绝对、容易惹麻烦。我的判断是，GEO场景下模糊不是保护，是漏洞。用户问的是具体数，你给个约数，AI就替你补一个更离谱的数。责任归属很清楚——源文档谁写的，谁负责把数写死。

简单说，GEO技术门槛真不高，难的是愿不愿意把内容当成数据来管。一个“约”字看着无害，乘以几百个条目就是系统性偏差。

问一句：你们在处理AI答案数值偏差时，是改问句还是改源文档？我目前倾向后者，但想听听有没有人试过在问句里做约束，效果怎么样。