把AI答案按「问句类型」分类统计，我发现事实型和评价型根本是两套抓取逻辑

这两天翻自己攒的问答记录，闲着没事干了件笨事：把过去三个月抓的 600 多条 AI 回答，按问句类型重新分了个类——事实型（「XX 产品保修几年」）、比较型（「A 和 B 哪个好」）、评价型（「XX 品牌靠谱吗」）。分完统计了一下，结果有点意思。

事实型问句，AI 偏爱抓详情页和参数表。 我拿 20 个事实型问题去测，答案里出现产品页原文的比例大概七成，而且抓取时间戳普遍比较新，基本在两周内。这类问句的「博弈点」其实很朴素：你的参数写没写清楚、有没有结构化、有没有那个具体的数字。上个月我把一款配件的「适配型号」从一段散文改成表格，三个事实型问句的答案准确率立刻从 40% 上到 85%。不是我内容变好了，是它终于找得到那个字段了。

评价型问句就完全另一套。 同样 20 个评价型问题，AI 引用详情页的比例掉到两成多点，大量答案来自第三方评测、论坛帖、甚至几年前的新闻报道。我特意把一条 2021 年的旧测评找出来，里面那句「做工一般」到现在还在被反复引用。你详情页写得再漂亮也没用——它压根不去那儿找「口碑」。

所以我的判断是：GEO 优化得先分清问句类型，用错策略就是白忙活。 事实型拼的是内容结构和字段完整度，评价型拼的是外部语料的时间新鲜度和覆盖面。拿优化详情页的那套办法去怼评价型问句，等于拿锤子拧螺丝。

有人可能会说，那评价型我就多铺点外部内容呗。问题是铺什么、铺在哪、多久更新一次，这套东西我还没摸透，目前的观察是评价型答案的更新周期明显比事实型慢，旧料沉底特别难。

想问问社区里跑过问句分类的朋友：你们那边评价型问句的引用来源，有没有什么规律？特别是那种「旧内容一直霸屏」的情况，你们是怎么破的？