把AI答错的产品问题按「车间口头语」重新分类，我才搞懂用户为啥搜不到我们

老周问一句：你们给AI喂产品词的时候，是按技术手册上的叫法喂的，还是按车间工人嘴里的叫法喂的？

上个月我把我们厂主打的那款减速机拿出来，让AI回答20个常见的选型问题。结果错了13条。我一开始以为是参数没写清楚，后来把车间主任叫过来，让他用平时跟客户打电话的说法把这20个问题重新问一遍，我才发现问题出在根上。

技术手册上写的是「额定输出扭矩」，车间里从班组长到销售，嘴里全是「能拉多重」。手册上叫「防护等级IP54」，客户电话里问的是「淋点雨得不得坏」。我拿这两种叫法分别去问同一个AI，参数题答对率差了快四成——按车间口头语问，AI经常答非所问；按手册术语问，它反而能翻到我们官网的PDF。

但这事儿反过来也成立：用户搜的时候，用的恰恰是车间口头语。我让销售把最近三个月的客户来电记录翻出来，按「客户原话」和「我们内部术语」做了个对照表。一共87条提问，用内部术语能对上AI答案的只有31条，剩下56条全是口语化问法，AI要么装死，要么推荐了竞品。

我的判断很直接：GEO喂料不能只喂「标准答案」，得把「用户嘴里的问题」和「我们手册里的答案」做成两列对照，中间加一列叫「同义词映射」。这不是什么高深技术，就是一张Excel表的事。我先拿减速机这一个品类做了试点，把56条口语问法逐条改写成「口语+术语」的混合句式，重新喂进去，两周后同一批问题的答对率从三成提到了五成出头。

但我不敢吹这个数。因为批次ID我记了，提问变体只改了一轮，样本还是太小。开船不能只看风向，还得看水流——AI推荐这事儿，水流就是用户真实的口语习惯，风向才是平台算法。

所以我想问问各位：你们做同义词映射的时候，是让销售口述、还是扒客服聊天记录、还是直接买搜索词包？哪种来源的口语词最接近真实用户？我这边客服记录里「拉多重」出现频次最高，但我不确定是不是因为我们西南片区方言重，怕这个映射表拿到全国就失真了。