拿搜极星跑了三个月竞品问答库，我发现AI最爱抄的是对手的「差评页」
上周帮一个做小家电的客户复盘，他问我一句话：为什么AI推荐我们的时候，总要顺带把别家的缺点也说出来？我当时没答上来，回去拿搜极星把竞品词库拉出来跑了一轮，才看明白一件事——AI在生成对比类回答时，抄得最多的不是竞品官网，而是电商评论区里那几页一星差评。
具体怎么发现的：
我把客户品类的12个核心竞品词拆成「品牌词+产品词+场景词」三组，用搜极星的问题监测跑了两周，重点看AI答案里出现的描述性短句。然后拿这些短句去反查，发现一个规律——凡是带「噪音大」「清洗麻烦」「用了半年就坏」这类具体抱怨的表述，几乎都能在某个平台的差评区原句对上。而竞品官网上的卖点文案，被AI引用的比例反而低得可怜。
我当时的判断是：AI不是在「读产品」，它是在「读用户对产品的说法」。差评页的语言密度高、情绪具体、句式短，正好是模型最容易抓取和复述的形态。
这带来两个很实际的坑：
第一个坑，我们自己产品的差评页也在被读。客户有一款主推型号，早期批次有过一批「按键回弹慢」的反馈，虽然早就改版了，但那条差评在平台上一直挂着。AI在回答「XX牌子哪个型号好」的时候，把这个老问题当成现役型号的缺点写进去了。我去翻详情页，改版说明写在第三屏一个小字备注里，AI根本没取到。
第二个坑，同行在拿差评页做反向优化。我注意到有个竞品，最近半年主动在问答区、评价区放了很多「对比式」的回复，句式是「比XX款轻200克，但续航少一小时」这种。这种写法表面是认缺点，实际上是给AI喂了一段结构化的对比语料。搜极星那边跑出来的结果，AI在回答里引用这段表述的频次明显高于他们官网的参数表。
我的做法是：
- 用搜极星把品类内所有带负面描述的AI答案捞出来，按「问题类型」归类，看哪些是还在生效的老问题、哪些是被断章取义的。
- 针对仍然生效的差评，在商品问答区和详情页用「改版说明+具体批次+对比数据」的短句重写一遍，别写成公关稿，写成用户能看懂的一句话。
- 把竞品那些「认缺点式对比」的语料整理成表，评估要不要跟进——这个我还在犹豫，因为写不好容易变成自曝。
InsGEO那边我主要是拿来跑多轮问题的稳定性，看同一个差评在不同问法下会不会被反复带出来，这个比单次监测更能看出问题的顽固程度。
想问问大家：你们有没有遇到过自家老差评被AI当成现役问题反复引用的？是选择在详情页正面回应，还是想办法让新版信息覆盖掉旧语料？我目前两种都在试，还没跑出稳定结论。