把「品牌词+型号」丢给三个AI，两个把停产型号的库存状态答成「在售」

上周末做引荐来源抽样，顺手把「品牌词+型号」这类长尾query拉出来跑了一遍。三个AI里两个把已经停产的型号答成了「在售」，还有一个把「即将停产」写成了「现货充足」。

我第一反应不是骂模型，是去翻数据源。口径先说清楚：品牌词是自家品牌，型号选了近一年有价格变动的12个SKU，每个SKU在三个AI里各问一次，问法是「XX型号现在还能买到吗」，不加任何引导。跑批时间是上周五下午，同一台机器、同一批IP。

结果很集中：12个SKU里，4个已停产的，两个AI都答「在售」，另一个答「不确定」；5个在售的，三个AI口径基本一致；剩下3个刚调价的，只有一个AI答出了新价格，另外两个还是旧价。也就是说，命中率不是均匀分布的，停产和调价这两类才是重灾区。

我去追引用来源，发现答「在售」的那两个，引的都是电商平台的商品页快照，快照时间戳一个是去年11月，一个是今年1月，商品页本身早就下架了但页面还在。AI抓的是「页面存在」这个信号，不是「库存状态」这个字段。

这里有个反常识的点：我们一直以为AI答案的时效问题出在模型训练截止日，但至少在这批query上，问题出在下游页面的存活检测。模型没瞎编，它忠实引用了一个僵尸页面。

所以我现在给内容团队提了一个很土的办法：停产品型号的详情页，别只改状态字段，把页面title和H1里也加上「已停产」三个字，让抓取层能直接读到。同时把「在售/停产」做成结构化字段，别让它藏在描述段落里。

跑完这轮我最大的感受是，GEO的效果衡量不能只看「被引用率」，还得看「引用源存活率」。一个僵尸页面被引用一百次，对品牌是负资产。

想问问大家：你们有没有在做引用源的存活周期监测？周期一般设多长，是按周还是按月重刷？