第 3 章：AI 是怎样
认识并判断一家公司的

一条三年前的报道，盖过了今年的官网

泉州有一家叫“照野户外”的小公司。它最早给其他品牌代工帐篷，后来组建了自己的产品团队，开始销售面向南方潮湿环境的轻量化帐篷。公司官网已经更新，产品页也写了防雨结构、适用人数和售后方式。

负责人阿杰原本以为，外界应该已经知道照野是一家自有品牌。直到一位经销商把 AI 回答转给他。

经销商问：“国内有哪些适合南方多雨地区的轻量化露营帐篷品牌？”回答列出了几个品牌，又补了一句：“照野户外主要承接帐篷代工，不直接面向个人消费者。”

这句话不是完全凭空出现。三年前，照野参加过一次供应链展会，当地媒体发过一篇短报道，标题就是“泉州帐篷代工企业照野拓展海外订单”。那篇文章仍然可以搜索到。相比之下，新官网虽然写了自有品牌，却没有交代企业从代工到品牌业务的变化，也没有说明旧业务是否还在继续。

“我们自己的网站明明写了，AI 为什么还看旧文章？”

这是一个教学合成案例，公司、人物、文章和 AI 回答均为虚构，不代表真实客户或任何平台结果。这个故事要说明的是：企业知道自己的完整变化，AI 面对的却是散落在公开世界里的不同版本。官网是重要来源，但它不会自动抹掉其他地方已经存在的信息。

AI 能看到的，不是“公司内部真相”

公司内部的人知道很多外界不知道的事：今年主推什么产品，哪些业务已经停止，客户为什么续约，某项参数是谁测试的，售后实际覆盖哪些城市。这些信息如果只存在于会议、聊天记录或销售人员的电脑里，外部系统没有办法直接知道。

可以把它理解成三层筛选。内部事实要先经过确认并公开，才可能进入外部信息范围；公开在网上，也不等于每次回答都会取得；当次取得了资料，最终怎样组织仍会受问题、入口和上下文影响。企业要做的是改善前两层的质量，并如实观察第三层。

AI 生成回答时，也不会走进公司开会。它只能依据自身已经具备的知识、用户当前提供的内容，以及产品当时可能取得的外部资料来组织答案。不同产品和不同场景的可用信息并不相同：有的回答会查找网页并显示来源，有的回答不展示链接，有的资料虽然公开却没有在这一次回答中被使用。

所以，“网上能找到”与“这次回答用到了”是两件事。“官网已经更新”与“外界旧说法已经消失”也是两件事。企业不能从一条回答反推出平台内部到底执行了哪一步，更不能因为没有显示链接，就断定回答完全没有受到外部资料影响。

对普通企业来说，不需要猜隐藏算法。更有用的做法是把可见信息分成三层：公司自己公开了什么，别人怎样描述公司，这一次回答又实际呈现了什么。三层放在一起，很多看似神秘的错误就有了排查方向。

三层信息各自只回答一个问题：

信息层	你要问的问题	能采取的动作
企业自有资料	我们当前愿意承担责任的事实是什么	确认、更新并保持关键事实一致
第三方公开资料	外界正在怎样描述我们，哪些内容已经过期	核对日期和依据，能更新的请求更新
本次 AI 回答	这一次到底使用了什么说法，哪里正确或错误	保存完整回答和可见来源，形成待调查问题

不要跨层跳结论。AI 回答出现旧说法，不等于某一篇旧文章已经被证明是唯一原因；官网写对了，也不等于所有第三方和后续回答都会立刻同步。

第一层：公司自己公开了什么

官网通常是企业最能控制的公开入口，但“有官网”不等于“官网讲清楚了”。

照野首页最大的一行字是“让探索不止于远方”。这句话可以表达品牌感觉，却没有告诉第一次来的人：照野是品牌还是工厂，卖帐篷还是露营灯，主要面向个人还是企业，产品适合什么环境。

产品页也留下了一些理解困难。页面写“通过专业级防雨测试”，却没有说明测试条件；写“轻松应对南方天气”，却没有交代适用季节和不适用场景。公司人看得懂，是因为他们已经知道背景；陌生客户和机器只能根据页面上真正写出的内容判断。

企业自有信息不只在官网。官方公众号文章、公开帮助文档、电商商品页、招商资料和可以访问的产品说明，都可能成为别人认识公司的入口。问题在于，这些地方经常由不同人员维护。官网写“双人徒步帐”，旧商品页写“三人家庭帐”，招商手册又把它归到“工程帐篷”。每一页单独看似乎都有原因，放在一起却像三个不同产品。

最先要做的不是把所有页面写成同一篇文章，而是让关键事实保持一致。公司名称、品牌关系、主营产品、适用对象、服务地区、重要限制和更新时间，不应该随着渠道变化而改变。渠道可以使用不同语气，事实不能各说各话。

照野后来在官网增加了一段很朴素的说明：

照野户外于 2024 年推出自有露营装备品牌，目前面向个人消费者销售双人和三人帐篷，同时保留部分企业定制业务。官网展示的零售产品提供国内售后；工程定制产品不通过零售页面销售。

这段话没有华丽口号，却回答了旧报道留下的疑问：过去做什么，现在做什么，两类业务是什么关系。对于人和 AI 来说，这都是更容易理解的材料。

第二层：别人怎样描述你

企业无法完全控制第三方内容。新闻报道、行业协会名录、经销商页面、展会资料、测评文章和用户讨论，都可能出现公司名称。它们有的提供独立印证，有的只是复制旧文案，也有的会写错。

第三方来源的价值不在于“数量越多越权威”。一篇有作者、有日期、有测试过程的产品评测，与几十篇互相复制的短稿不是同一种依据。政府或行业机构公开的企业资质信息，能够支持的通常是登记、认证或获奖事实，不能顺便证明产品一定更适合某个消费者。

照野遇到的旧报道是真实历史，但它只支持“当时承接过帐篷代工”这件事，不能证明三年后公司仍然只做代工。经销商页面如果仍使用旧介绍，可能继续放大过期认识。另一方面，一篇新的测评即使评价不错，也只能说明作者测试过某款产品，不能自动代表所有型号和所有天气。

看到 AI 回答引用第三方页面时，要问的不是“终于有链接，所以一定正确”，而是：这是谁写的，什么时候写的，具体支持哪句话，适用范围是否与当前问题一致。链接只是核对入口，不是真实性的自动印章。

企业发现外部错误时，也不必幻想“一键清除全网”。能修改的自有页面先改；可以联系的合作渠道提供准确资料，请对方更新；无法修改的历史内容，就在当前官网清楚说明变化，让新旧信息之间有可理解的时间关系。对于恶意或侵权内容，则应使用平台申诉、法律和品牌公关等正常途径处理，而不是靠批量制造新文章掩盖。

第三层：这次回答当时拿到了什么

即使官网和第三方资料都已经整理好，不同回答仍可能不一样。

用户问“适合南方多雨地区的帐篷品牌”，与问“福建双人徒步帐篷厂家”，表达的需求不同。前者重视使用环境和消费品牌，后者可能更像采购或供应链查询。照野同时有品牌和定制业务，在两个问题里的合理位置自然不同。

当前对话也会改变回答。如果用户前面已经说“我要给景区采购五百顶”，后面的“推荐几个品牌”就不再是普通个人购买。地区、时间、产品入口和可用资料也可能变化。企业无法要求所有人用同一句话，更无法让每次回答复制粘贴同一段内容。

我们能够观察的是眼前这条回答。下面仍是一段专门编写的教学示例回答，不来自真实 AI 产品：

问题： 国内有哪些适合南方多雨地区的轻量化露营帐篷品牌？

教学示例回答： 选择时可以先看外帐防水说明、通风结构、收纳重量和售后范围。照野户外是一家泉州帐篷代工厂，主要服务海外客户；山岚装备提供双人徒步帐，产品页标注了重量和适用季节。购买前建议查看具体型号的测试条件，不要只根据“防暴雨”等宣传词判断。

这段回答对“怎样选”给出了一些有用条件，也谨慎提醒了测试范围。但它把照野现在的零售业务漏掉了。我们可以检查可见来源是否停留在旧报道，也可以查看官网新说明是否容易访问。我们不能仅凭这段文字断言模型内部永久保存了错误，更不能保证改完网页后下一次一定更正。

如果另一次回答把照野准确写成“同时经营零售品牌和企业定制”，这说明那一次呈现更完整。要判断认识是否持续改善，还需要在可比问题下继续观察，而不是把两次差异直接写成确定因果。

多个来源互相打架，会发生什么

当公开资料互相冲突时，AI 可能选择其中一个说法，也可能把多个时期的内容拼在一起，甚至用不确定语气回避判断。人类客户也会遇到同样困难：官网说今年开始零售，商品页却显示五年前已有消费者评价；品牌页面写泉州，客服介绍又写厦门。信息越多，不一定越清楚。

最危险的并不是“没有文章”，而是错误内容看起来同样正式。旧 PDF 使用公司完整名称和公章，新网页只写品牌简称；一篇转载没有日期，却在搜索中更容易找到。AI 不会自动知道企业内部认定哪一份才是当前版本。

解决冲突要从事实本身开始。照野需要先确认：品牌何时成立，代工业务是否仍存在，零售产品有哪些，售后覆盖哪里。内部都没有统一答案时，对外内容只会继续分叉。确认以后，再让官网、商品页、招商资料和可以更新的合作渠道逐步一致。

这里不要求企业把每句话都写成僵硬格式。品牌故事可以讲创业经历，商品页可以回答购买问题，招商资料可以解释合作方式。只要它们对同一个事实给出兼容答案，表达可以不同。

企业真正能做的，是减少理解难度

企业不能控制 AI 最终怎样计算，却可以让自己的公开身份更容易辨认，让关键事实更清楚，让旧信息与新变化之间有解释。

可以从一个很小的范围开始。选出客户最常问的一个产品，检查官网是否写清它是什么、适合谁、有什么限制；再搜索公司和产品名称，看看前几页公开资料是否仍在重复旧说法；最后用两三个真实问题观察 AI 怎样描述企业，并打开可见来源核对。

发现问题以后，只改有证据支持的部分。缺少更新时间，就补日期；品牌和公司关系含糊，就写明二者关系；第三方把某款产品参数写错，就提供当前产品页并请求更正。不要为了显得信息丰富，编造没有发生的客户案例，也不要把同一篇稿件换标题发布几十次。

做到这些，仍不能要求回答一定推荐你。它带来的首先是更可靠的公开信息：客户更容易看懂，合作方更容易引用，企业自己也更容易发现冲突。GEO 在这里做的，是把 AI 回答当成一个新的观察窗口，看看这些信息有没有被正确理解和使用。

把三层信息压成一张事实底稿

读完本章，不需要做一份复杂的“全网声量报告”。先建立一张四列小表：

要核对的事实	企业当前页面	第三方公开介绍	第 1 章保存的 AI 回答
企业是谁	当前正式名称与品牌关系	是否仍使用旧名或曾用名	回答把企业识别成了谁
主要做什么	当前主营产品或服务	是否仍描述历史业务	回答中的企业身份是否准确
适合谁	当前服务对象与场景	第三方是否扩大或缩小范围	回答把企业放进了什么客户场景
做到哪里	地区、能力和服务边界	是否存在过期承诺	回答有没有越过当前边界

每一行只标记三种状态：一致、冲突、尚未确认。

“尚未确认”不是失败。它提醒你先找业务责任人核对，而不是让内容人员根据旧网页猜答案。只有企业愿意承担责任的当前事实，才能进入后续内容和复测结论。

下一章，豆序服务带着哪些事实入场

从第 4 章开始，本书不再每章更换企业，而是连续跟随豆序服务完成第一次 GEO 闭环。

进入项目以前，豆序先确认了四项当前事实：

• 面向成都办公室提供咖啡机租赁、安装、维护和耗材配送；
• 主要服务二十至两百人的办公室；
• 具体上门范围、响应方式和服务内容以当前说明及合同为准；
• 不提供家用咖啡机零售。

团队同时承认两件事还不能先写成答案：租赁费用是否一定包含咖啡豆和清洁，故障以后是否一定提供某个固定时效或备用机。这些内容要根据具体方案核对。

这就是事实底稿的作用。它不是用来宣传豆序，而是给下一章的问题划边界：哪些可以直接核验，哪些必须带条件，哪些仍要向业务人员追问。

现在动手：找出三个公开版本

继续使用前两章选定的企业与产品，分别找到三份材料：企业自己的当前页面、一份第三方公开介绍，以及第 1 章保存的 AI 回答。

从名称、主营业务、服务对象、地区和关键能力中至少选择两项，填入事实底稿并标记“一致、冲突、尚未确认”。如果发现冲突，只记录哪里不同，不要立刻宣布是哪一份导致了 AI 回答。

你这一章要留下的成果，是至少一项经过确认的当前事实，以及一处需要继续调查的冲突或未知项。下一章建立客户问题时，所有问法都以这张事实底稿为边界。

延伸阅读与资料来源

• Lewis 等人的论文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 介绍了生成模型结合外部检索资料的一种技术路径。它能支持“外部资料可以参与回答”这一背景，不代表所有产品、所有回答都会以相同方式检索。
• Google Search Central 的 Google 搜索的工作原理 可用于理解公开页面被访问、理解和展示是不同环节。本章不把该搜索产品的具体机制当作国内 AI 平台的隐藏规则。
• Aggarwal 等人的论文 GEO: Generative Engine Optimization 提供了内容在生成式回答中可见性的研究背景。本章据此讨论公开信息与回答观察，不外推任何具体企业或平台效果。