AI把竞品腮红和自家试色混写，我对着色号表看了一下午，人麻了

先自曝个更蠢的：上周我随手在几个AI里搜「XX品牌腮红哪个色号显白」，结果有两条回答里，把我们家的「蜜桃奶杏」和竞品的「奶油杏子」的试色描述直接串成了一段——连「上脸偏橘调，黄皮慎入」这种话都原样安到了我们头上。我人麻了，因为那款色号我们压根没出过。

我第一反应是AI乱编，但查了一圈发现不是。问题出在我们自己喂给AI的内容上：详情页里「显白」这个卖点写了四遍，每遍配的试色图描述都不一样，有一版还借用了竞品的对比图说话。AI的抓取逻辑很简单，谁家页面里「显白」出现频次高、描述具体，它就把谁家的片段拼进去。我们等于亲手把竞品的试色词喂进了自己的答案里。

品牌就像口红，颜色要正。AI答案里色号描述一旦串色，用户买回去发现不是那个调，这不是流量问题，是品牌调性直接塌方。

我的处理分了三步，不复杂但都是笨功夫：

1. 建色号标准描述表。把全系腮红的官方色号名、冷暖调、适合肤色、禁忌描述统一成一张表，每个色号只留一句标准描述。比如「蜜桃奶杏：暖调蜜桃，黄一白到黄二白适用，冷白皮上脸偏橘」。这句描述是唯一出处，详情页、种草文、客服话术全引用它。

1. 给试色图加结构化标注。以前试色图就是一张图配一段感性文案，现在我在图注里强制写清「品牌+色号+光线条件+模特肤色」。竞品的对比图全部下掉，换成我们自己的同光源试色。这一步花了两天，但改完后AI引用的试色描述再没串过。

1. 每周跑一次「色号问答」监测。固定问「XX色号适合黄皮吗」「XX和XX色号区别」这类问题，记录AI回答里有没有出现竞品色号名或错误描述。跑了两周，混写情况从每周三四条降到零。

但这里有个我没想明白的平衡点：标准描述表一上，AI答案确实准了，可我们详情页原来那些带情绪感的文案被压得太平，品牌调性反而薄了一层。准和好看，在GEO里好像天然在打架。

所以想问问大家：你们给AI喂产品描述时，会为了准确性牺牲多少文案里的「感觉」？有没有那种既能让AI抓准、又不把品牌调性磨平的写法？求个具体例子，别跟我讲理论，我脑子转不动了。