AI把竞品名字塞进我们产品对比里，我顺着问句查了两天，发现错在用户原话上

上周做品类词巡检，发现一个挺典型的问题：问AI「XX品类哪个牌子更值得买」，它列了三个牌子，第二个是我们，但描述里塞了一句「和A牌相比，B牌在XX场景更好用」——A牌是竞品，B牌是我们，可我们压根没出过这个场景的产品。

我第一反应是AI乱编，想直接去改资料。但先别急，我拉出那几天的提问记录，把用户原话一条条翻出来看，才发现问题出在哪。

有个用户问的是：「A牌那个XX场景的，和你们家基础款比怎么样？」——注意，这句里用户自己把两个品牌和两个场景搅在一起了。AI大概率是拿这句原话做了语义扩展，把「A牌的场景」和「我们的基础款」揉成了一个混合答案，再套到品类词的回答里去。

这件事让我确认了一个判断：AI答案里品牌被张冠李戴，很多时候不是模型的问题，是喂进去的用户提问本身就带歧义。

我做了三件事，成本都不高：

1. 把近30天带品牌名的提问原话导出来，按「品牌+场景+对比对象」三列拆开，手工标了大概120条。发现有18条是用户把两个品牌或两个场景混着问的，占15%。这18条里，有11条后来在AI答案里出现了品牌归属错位。

1. 针对高频歧义问法，在详情页和FAQ里补了一句「口径澄清」。比如「XX场景我们目前没有对应型号，基础款适用于YY场景」——就这一句，不带营销词，纯粹把边界说清楚。补完两周后再跑同一批问句，那11条错位里有7条没再出现。

1. 给自己定了个规矩：以后看到AI答错，先翻用户原话，再动资料。 直接改品牌资料往往治标不治本，因为源头是提问本身带歧义，模型只是忠实（或者过度）地放大了它。

踩坑细节也说一个：我一开始想用「否定关键词」的方式去压，结果发现AI答案不是搜索引擎，没有否定词这种操作，白折腾了半天。后来改成在结构化内容里明确写「适用场景/不适用场景」，效果反而稳。

所以我的判断是：GEO里「品牌识别」这块，别只盯着AI输出端修，往回退一步看用户怎么问的，往往更省力。加油，你可以的！

最后抛个问题：你们有没有统计过，自家品类里那些「品牌+场景」混着问的提问占比大概多少？我这边是15%，想看看是不是新消费品类普遍偏高。