把AI答案里的「数字」全换成文字表述后，引用率掉了三成，我怀疑模型在偷懒

独家消息，我最近做了一组挺意外的对照实验，结果有点反直觉。

背景是这样：之前我们测过带百分号的句子在AI答案里存活率更高，于是我顺着往下追了一步——把同一批产品页里的数字全部改成中文文字表述。比如「提升30%」改成「提升三成」，「0.5秒」改成「零点五秒」，其他一字不动。跑了两周，同一个问句库，AI引用率从18.7%掉到13.1%，掉了差不多三成。

我一开始以为是样本波动，又换了一批问句重跑，还是掉。这就不是偶然了。

我翻了日志里的引用片段，发现一个规律：模型在摘取答案时，明显更偏爱阿拉伯数字。带「30%」「0.5秒」的句子被整句引用的概率更高，而「三成」「零点五秒」这类表述，往往被模型改写或者直接跳过。我的判断是，模型在生成答案时对结构化、可比较的数字信号有更高的置信度，文字表述在它的训练分布里可能就是「模糊表达」，所以它宁可自己去编一个数字，也不愿意引原文——这就是我说的「偷懒」。

但这不代表要无脑堆数字。我踩过的坑是：金融类产品页里数字太密，反而让模型把不同段落的数字串在一起，答出了错误的复合结论。所以我的经验是——关键指标用阿拉伯数字加单位，辅助描述用文字，别让数字密度超过一段里两个关键点。

再补充个细节：表格里的数字换成文字后，掉得更狠。我们有个对比表格，把「3倍」「5倍」改成「三倍」「五倍」，那个表格在AI答案里几乎不出现了。我推测模型对表格单元格里的纯数字有专门的抽取路径，文字一多，它就判断这表格「不好读」，跳过。

这事让我重新理解了GEO优化里一个很细的点：不是内容好不好，是模型「读着顺不顺」。数字表述看起来是小得不能再小的细节，但它直接影响模型对你内容的置信度判断。

想问问社区里跑过类似对照的朋友：你们有没有测过「数字 vs 文字」这个变量？特别是在不同行业里，掉幅是不是也不一样？我这边是消费品类掉得最狠，B端服务类几乎没感觉，想找更多样本验证一下。