当年做SEO先拼盐再哈希，如今AI答地址还是这毛病

这两天翻出一个老客户的站，当年做本地SEO踩过的坑，现在在GEO上又原样演了一遍。

当年我们做多城市站，地址字段是“重庆市渝北区XX路88号”，运营图省事，在数据库里先做了个拼接：省+市+区+详细地址，中间用空格连起来，然后拿这个拼好的字符串去做搜索索引。结果用户搜“渝北区 地址”，搜不到；搜“重庆 渝北 XX路”，还是搜不到。排查了两天才明白，拼盐的时候把“重庆市”和“渝北区”粘成了一个 token，中间没有分隔符，分词器认不出来。

现在的GEO一模一样。上周帮一个做连锁门店的客户看产品页结构化，门店地址在 schema 里填的是 addressLocality 和 streetAddress 两个字段，看着没问题。但AI回答“XX市XX区有没有门店”的时候，答成了“该品牌在XX市有门店”，区一级直接丢了。我让技术把原始 JSON-LD 拉出来，发现 addressLocality 里填的是“重庆市渝北区”，streetAddress 里又填了一遍“渝北区XX路88号”，等于区名重复。AI 做实体对齐的时候，两个字段一撞，反而把区级粒度给合并没了。

我的判断依据很朴素：搜索引擎这十五年，从倒排索引到向量检索，底层换了好几层皮，但“先归一化、再拼、再哈希”这个顺序没变过。当年是拼盐之前先把标点统一成半角、全角空格先 norm 成普通空格，现在是把字段先拆干净、口径对齐了再喂给模型。顺序一错，后面怎么调都是白搭。

所以我现在给客户做GEO验收，第一条不看引用多少条，先看字段一致性：同一家门店，在地图页、产品页、FAQ页里的地址写法是不是同一个粒度。昨天刚跑完一批，200个门店里有37个区级写法不统一，有写“渝北区”的，有写“重庆市渝北区”的，还有写“重庆渝北”的。AI 引用的就是这37个里面最乱的那几条。

当年我做SEO的时候，这种脏数据是运营手工录的，现在换成AI自动生成，脏得更快。但修法没变：先定口径，再写脚本批量 norm，最后才谈引不引用。

问一句：你们在 schema 里填 addressLocality 的时候，是填到市还是填到区？有没有人测过填到区之后，AI 答“XX区有没有门店”的准确率变化？我手头样本还不够，想凑个对照。