给AI喂了三个月参数表，客户电话里问的还是「这东西多重」

上个月我把一个客户的GEO后台数据翻出来复盘，越看越觉得有些事得摆到台面上说。

先说背景。这家客户做工业配件，我们按标准套路喂了三个月结构化数据——材质、公差、耐温区间、适配机型，参数表整得比说明书还细。我当时的判断很简单：AI搜索时代，机器读得懂参数，用户问得专业，匹配就准。

结果呢？客服那边拉了近三个月的电话记录，我让助理把客户开口第一句原话抄下来，一共217条。排名前五的问题是这样的：

• 「这东西多重？」——43次
• 「安装要不要专用工具？」——38次
• 「发重庆要几天？」——31次
• 「坏了咋个换？」——27次
• 「跟XX牌子那个能通用不？」——22次

看明白没得？我喂进去的是工程师语言，客户嘴里蹦出来的是搬运工语言、安装工语言、库管语言。AI答案里倒是规规矩矩引了我们喂的参数，但用户根本不按那个路子问。

这里头有个要命的错位：我们默认「专业=有效」，但GEO的匹配逻辑是「用户怎么问，AI就怎么答」。你喂的参数再准，跟用户的提问词对不上，引用链路就是断的。后来我把这217条原话按「提问人身份」重新归了三类——采购、安装工、维修工，各喂了一套问答对，重点补的是重量、安装条件、物流时效这些「不专业但高频」的字段。两周后抽样看AI答案，涉及「适配」「安装」类问句的引用率从原来的两成多爬到了五成左右。

但我不得不多说一句：这个数我只敢在内部报，因为样本量太小，而且AI答案本身有波动。工具后台那个「引用率」指标，我到现在都不全信——它统计的是「被引用」，不是「被引用后用户信了」。

所以我的态度一直没变：工具是拿来验证猜想的，不是拿来当成绩单的。真正值钱的是客服那本子上的原话，那玩意儿不要钱，但要人肯蹲下去抄。

最后抛个问题给各位：你们喂料之前，有没有把客服或销售那边的「大白话提问」整理成词表？还是直接照着产品手册的结构化字段就上了？我这边吃了亏才回头补，想听听有没有人一开始就把这条路走对的。