AI问句库我按五层拆完，后两层答非所问，全是死胡同

上周我把咱厂AI问句库按决策链拆成五层：认知、兴趣、评估、采购、复购。拆完单独跑了120条问句，结果后两层——采购和复购——答非所问占了76%，当场把我整不会了。

先说数据。认知层35条，AI答对（指能准确说出咱厂主营和优势）28条，80%；兴趣层30条，答对21条，70%；评估层25条，答对14条，56%；采购层20条，答对5条，25%；复购层10条，答对2条，20%。越往下越拉稀，后两层加起来30条，只有7条能对上，剩下23条全是“死胡同”——要么答竞品，要么答成行业通用参数，要么干脆说“建议咨询厂家”。

我翻了下问句原文，发现后两层的问法跟前面完全不是一个路子。采购层用户问的是“重庆哪家做XX起订量500件以内交期30天”，这是带着具体约束条件的。咱官网和结构化内容里全是“支持定制、交期灵活”这种话，AI抓不到硬指标，只能瞎编。复购层更恼火，用户问“XX型号的易损件怎么买、保修咋算”，咱内容里压根没写，AI就按行业通识答，答得驴唇不对马嘴。

我做个对照：把采购层里“起订量500件以内”这个约束，在官网参数表里写成明确字段，加进JSON-LD的additionalProperty，一周后重跑那20条，答对从5条爬到12条。复购层还没动，因为涉及售后条款，得先让法务过一遍措辞，不敢乱写。

我的判断很简单：GEO工具吹得再凶，问句库不分层就是白跑。认知层答得好不代表能带货，采购层答不对，前面全白干。工具只是帮你批量跑，分层和口径得自己定。

想问下各位，你们复购层的问句是怎么处理的？售后条款这种带法律风险的内容，怎么写进结构化数据才既让AI敢引用、又不给自己挖坑？我这边卡住了，求个实操思路。