把AI答案里的数字全标上「校验状态」后，我发现六成引用没人认领

先说结论：GEO做不好，八成不是技术问题，是内容质量没人兜底。

上周我把我们品牌在主流AI搜索里的答案全导出来，一共47条，每条带数字的我都标了三列：数字来源、出典年、有没有人认领。简单说，就是给每个数字建个账本。

标完我自己都愣了：47条里带数字的31条，只有12条能追溯到我们自己的文档，剩下19条——六成——压根没人认领。有的是三年前的旧数据，有的是竞品页面抄过来的，还有两条是我们市场部自己发的通稿，但通稿里的数字跟产品手册对不上。

没人认领的数字，AI会一直往外说，而且越说越像真的。

具体踩的坑：我们一款产品的续航，AI答案里写「18小时」，产品手册写「12小时（典型场景）」，测试报告写「15小时（实验室条件）」。三个数，三个出处，三个团队各管各的。AI抓到了18那个，因为它在通稿里出现次数最多。

我干了三件事，成本很低，技术门槛几乎为零：

1. 建数字清单。把所有对外数字列成一张表，每个数字标注：权威出处、出典年、负责人。谁的数字谁认领，认领不了的就删。
2. 统一口径页。每个产品一个页面，只放最终口径的数字，加一句「数据截至2025年X月」。AI抓取的时候有明确锚点。
3. 月度校验。每月用同一批问句跑一遍AI答案，对数字清单，对不上的找负责人。上个月查出四个漂移数字，两个是旧版本没下线。

我的判断依据很简单：GEO的链路是「内容→抓取→引用→答案」，技术只负责中间两段，首尾两段全是内容质量的事。你内容里数字都不一致，技术再优化也是把错的答案推得更广。

这事的责任归属，我的看法是：内容谁产出谁负责，CTO负责建校验机制，不负责替业务背数字。 我们内部现在数字对不上，先找数字负责人，再谈技术。

最后抛个问题：你们AI答案里的数字，现在有没有一个明确的「认领人」？还是说跟我之前一样，谁发的通稿谁都不记得了？