AI把品牌名安到竞品头上，我顺着「实体消歧」这条线摸到了根子

上周帮一个做工业传感器的客户做GEO体检，发现一个挺有意思的现象：AI在回答「XX型号的响应时间是多少」时，把品牌名安到了竞品头上。这不是简单的「没提到我家」，而是「提到了，但张冠李戴」。

我第一反应不是去改内容，而是先做概念澄清。从传播学视角看，这本质上是实体消歧（Entity Disambiguation）失败——AI在知识图谱里没能把「品牌名」和「产品型号」正确绑定。营销理论里这叫品牌联想错位，但GEO语境下，它有了更具体的工程含义。

我的排查路径是这样的：

第一步，我把客户官网的产品页结构化数据导出来，对照Schema.org的Product规范逐字段核对。发现一个关键问题：brand字段填的是公司全称，但model字段里又嵌套了品牌简称。AI在抽取时，把model里的简称当成了独立实体，跟竞品的品牌名做了错误关联。

第二步，我拿三家的竞品页面做对照实验。发现竞品在brand字段里统一用了「品牌名+®」的写法，而客户用的是「品牌名（中国）有限公司」。AI的实体识别模型对带®的写法识别率明显更高。

第三步，我改了一版，把brand统一成「品牌名®」，model里只留纯型号，不带任何品牌缩写。跑了一周，AI答案里品牌错配率从23%降到7%。

这里有个数据口径的问题值得说清楚：

我统计「品牌提及」时，用的是「AI答案中出现品牌名的次数」。但后来发现，这个口径把「品牌名出现在否定句里」也算进去了。比如「XX品牌不生产这个型号」，也算一次提及。这就导致周报数据虚高。

所以我建议社区里的朋友，在统计GEO效果时，至少要把「品牌提及」拆成三个子口径：

1. 正向提及：品牌名出现在肯定语境中
2. 负向提及：品牌名出现在否定或对比语境中
3. 错配提及：品牌名与错误产品/属性绑定

这三个口径混在一起报，就跟把曝光量和点击量加总算「总效果」一样，没有解释力。

一个还没想明白的问题：

我观察到，AI对「品牌名+®」的识别率更高，但这到底是模型训练语料的偏好，还是结构化数据解析的规则？如果是前者，那意味着GEO优化本质上是在「迎合」模型的训练分布，而不是在「教育」模型。这个区别挺大的——前者是短期套利，后者才是长期资产。

有没有朋友做过类似的对照实验？你们在结构化数据里，品牌字段是怎么写的？