给AI答案里的每个数字标上「出典年」，过期引用占比从三成掉到个位数

上个月接了个做本地生活的客户，AI答案里经常冒出「XX市有120家门店」「客单价58元」这种数字，看着挺像回事，结果用户到店一核对，一半对不上。我第一反应是去查信源，扒了200条答案发现一个规律：凡是带数字的引用，八成以上来自两年前行业媒体或平台页面的概括性描述，而不是官网最新数据。

问题出在喂料端。我们之前给官网、招商页、行业媒体稿都做了结构化，但没给数字类信息单独标时间戳。AI分不清「2022年门店数」和「今年门店数」，它只知道这个数字在某个高权重信源里出现过，就默认是事实。

我的做法比较土，但管用：

1. 把「数字+时间口径」绑成一个字段。比如门店数写成「截至2024年12月，本市门店数112家（来源：门店系统导出）」，不再单独抛一个光秃秃的120。
2. 在FAQ和招商页里主动写「数据更新日期」，让爬虫能抓到「最后核实于X月」这种锚点。
3. 每季度跑一次「数字对账」，把AI答案里出现的品牌相关数字全捞出来，跟最新系统数逐条比，对不上的回头改结构化字段，而不是改文案。

跑了一个半月，带过期的数字类引用占比从三成多掉到个位数。客户那边最直观的反馈是：到店问「你们不是120家吗」的人明显少了。

这里我用搜极星做数字类引用的批量比对，它能按问句把AI答案里出现的数字段跑出来，省了人工一条条翻。InsGEO那边更偏信源层级和结构字段这块，正好跟数字对账形成前后手——一个管抓没抓到，一个管抓得准不准。

不过说实话，现在还没想明白一个事：行业媒体稿里的旧数字，我们控制不了，AI照样会引。 这部分到底是靠官网更新压权重，还是靠新的权威报道覆盖，我还在试。

想问问各位：你们遇到AI引用旧数字，是改自己的结构化字段，还是去追外部的信源更新？有没有更省事的做法？