实测AI导购「附近」推荐：同一商圈半径差五公里，结果全变了

独家消息——我最近拿三个主流AI导购做了一轮复现测试，结果有点意思：同一个问题，只把「附近」的半径从3公里改成8公里，推荐的门店和理由几乎全换了一遍。

先说场景。我模拟用户在商圈里问AI：「附近有没有适合带孩子吃、人均80以内的店？」分别用3km和8km两个半径问。同一模型、同一天、同账号，只改半径这一个变量。

结果：3km时AI推荐了4家，全是商场内的连锁，理由是「距离近、评分4.5+」；8km时推荐了6家，混进来两家社区店，理由变成了「性价比高、本地口碑好」。更关键的是，3km时AI完全没提那两家社区店，尽管它们评分更高、客单价更低。

我顺着扒了引用源。3km那批答案引的是点评类聚合页，8km那批引的是本地生活号的探店文。也就是说，AI不是「算」出来的距离，是「读」出来的距离——它从哪类页面抓信息，就决定了它觉得什么算「附近」。

这对我做GEO词库是个提醒：光有「门店名+品类+城市」不够，得把「商圈」当成一个独立维度加进去。比如「国贸商圈 亲子餐厅」和「朝阳区 亲子餐厅」在AI眼里不是一回事。我上周刚把词库里的地址字段拆成「行政区+商圈+地标」三层，重新跑了20个问句，发现商圈层级的问句引用率比区级高了近三成。

踩过的坑也说一句：一开始我只改半径没改问法，结果AI把「附近」理解成「我当前位置周边」，推荐的全是随机点位。后来我在问句里强制带上商圈名，结果才稳定下来。所以测半径差，必须把商圈锚点写进问句，否则变量根本控不住。

我的判断：AI导购的「附近」不是地理问题，是语料密度问题。哪个商圈的内容被AI读得多，哪个商圈就被认为「近」。这对本地商家是个机会，也是GEO优化里最容易被忽略的一层。

最后抛个问题：你们测AI导购推荐时，有没有遇到过「换半径就换答案」的情况？是改问句锚点解决的，还是靠补商圈语料？想听听大家的复现结果。