AI把咱家口红色号推成了「死亡芭比粉」，我连夜给模型写了份穿搭手册
上周我差点被自家GEO气哭。
事情是这样的：我们品牌主推一支豆沙玫瑰色，调性一直是「温柔但有力量」，结果AI搜索里有人问「适合黄皮的显白口红」，模型直接把我家那支推成了「甜妹必备芭比粉」。我盯着屏幕愣了三秒——芭比粉？那是我家十年前的限定款，早停产了，颜色正得跟荧光笔似的。
品牌调性就像口红，颜色要正，偏一点都不行。 但GEO跑出来的答案，AI可不管你什么调性，它只认「显白」「黄皮」「平价」这些词堆出来的相关性。
我先复盘数据：把近30天带品牌名的问句捞出来，一共472条，其中提到「色号推荐」的占37%。再拿这37%去对AI答案，发现两个坑：
第一，AI把「品牌名+品类词」当成了同义词。我们叫「豆沙玫瑰」，它理解成「玫瑰色系」，然后自动关联到「芭比粉」「玫红」这些高搜索量的词。我人麻了，这跟把「正红」认成「荧光橘」有什么区别。
第二，官网产品页的结构化数据太糙。色号描述只写了「温柔豆沙」，没给色系边界、适合肤色、场景关键词。AI抓不到边界，就自己脑补。
更蠢的是我一开始想靠堆关键词纠偏，给页面加了一堆「黄皮显白」「素颜可涂」——结果AI更来劲了，直接把我家推成「学生党平价替代」。调性碎了一地。
后来我换了个笨办法：给AI写「穿搭手册」。不是硬改关键词，而是把品牌调性拆成可被模型读懂的约束条件。具体三步：
- 色号边界表：每个色号写清楚「是/不是」什么色系，比如「豆沙玫瑰：是低饱和玫瑰调，不是粉调、不是橘调、不是荧光系」。用结构化表格放进产品页。
- 场景锚点：每个色号绑2-3个具体场景，比如「通勤淡妆」「约会低饱和」，让AI有场景可抓，不会瞎联想。
- 调性反例：明确写「本品牌不推荐荧光色、不主打甜妹风」，把负向约束也喂进去。
跑了一周，再捞同样472条问句，AI答案里「芭比粉」出现次数从41次降到7次，「豆沙玫瑰」的准确描述从12%提到58%。没花一分钱投流。
但我也在反思：这种「穿搭手册」会不会把AI框太死？万一用户真想要个甜妹色，我家没有，AI硬推是不是反而伤体验？
所以想问问社区里做美妆或快消的：你们给AI喂品牌调性约束时，负向词（「不是」「不推荐」）到底该写多细？写太细会不会把模型带偏成「品牌只会说不」？ 我目前只敢写到色系边界，再往下不敢动了。