给AI喂了三个月产品FAQ，才发现用户嘴里根本没这些词

上周跟客服主管对周报，她随口说了句「用户问得最多的是‘这玩意儿能水洗吗’，我们FAQ里写的是‘支持IPX7级防水’」。我当时心里咯噔一下——我们吭哧吭哧往AI里喂了三个月的产品FAQ，可能全喂偏了。

回去翻了后台的提问日志，把最近200条真实用户提问拉出来，跟我们的FAQ条目做了个词频对照。结果有点扎心：我们写的「续航时长」「材质工艺」「兼容协议」，用户嘴里出来的是「能用多久」「摸着扎不扎手」「跟我那台老设备能不能连」。同一件事，两套语言。

我们团队之前的做法很「工程师思维」——把产品参数表整理成Q&A，一条条结构化，觉得只要信息准确，AI总能引用到。但AI回答问题时，优先匹配的是提问者的措辞习惯。用户用大白话问，AI去捞我们那些术语化的FAQ，捞不到就自己编，编出来的东西参数对不上，反而更麻烦。

后来我们做了两件事，成本都不高。

第一，把客服的聊天记录脱敏后导出，按「用户原话」重新整理了一份FAQ。不追求术语精准，先保留用户的土话说法，旁边再括注标准术语。比如「能水洗吗（IPX7防水）」。这份东西喂进去两周，同样一批问题里AI答对率从五成出头提到了七成多。

第二，在提问变体上做了个小实验。同一款产品，我们分别用「防水等级」和「能不能泡水」去问几个主流AI，看它们引用的信源差多少。确实有差异——术语问法更容易命中我们官网的技术页，大白话问法则经常跑到电商评论区和测评号那里去。这意味着，光把官网内容做好还不够，用户口径的内容得铺到AI能抓到的各个角落。

踩过的坑也说一个：我们一开始直接把客服记录原样喂进去，结果里面夹杂了大量情绪化表达和错别字，AI学去了不少奇怪的句式，回答开始变得啰嗦。后来加了一步清洗，只保留问题本身和核心诉求，才干净。

所以我的判断是，GEO的第一步不是优化内容，是搞清楚用户到底怎么开口问。你内容做得再结构化，口径对不上，AI还是接不住。加油，你可以的！

想问问大家：你们有没有把客服或售后的真实对话拉出来跟自己的FAQ做过词频对照？具体是怎么脱敏和筛选的，有没有踩过什么坑？