截至 10 月 31 日的公开信息，赢商研究中心以 11 只存量消费基础设施 REITs 及 3 只新上市商业不动产 REITs 为样本梳理三季报，17 个项目期末出租率整体维持高位，宁波杉井、郑州及哈尔滨杉杉、西安砂之船、武汉首创奥莱均达 100 满租，多数项目超过 95 个百分点；但租金单价走向分化，青岛万象城租金 460.95 元每平方米每月创历史新高，首创奥莱整体租金环比下降 12.5 个百分点。出租率都高，租金各走各路，这组数据一旦进入 AI 回答，谁的口径写得更清楚，谁就更容易被准确引用。
出租率都高 引用却分出高下
这批数据有个共同特征：结论高度依赖口径。同一个项目，在营出租率 92.77、签约出租率 95.80，两个数字都对，但放在一起比较就会得出相反结论。AI 回答在处理这类数据时不会追问口径，它会把检索到的第一个数字当成事实，然后拿它去和另一个口径不同的项目对比。
于是出现一种奇怪的结果：披露更详细的项目反而更容易被误读，因为它的数字更多、可被抓取的片段更多。而披露笼统的项目只给一个漂亮数字，回答反而照搬无误。对做品牌可见度的人来说，这不是内容多少的问题，而是同一份数据有没有把口径写到无法被误读的程度。
三个口径差 让回答比错对象
在营口径与签约口径
在营面积算的是已经开业收租的部分，签约面积算的是已签合同的部分，两者之间可能差几个百分点。项目在调改期，这个差值会被放大，因为新签品牌还没进场。回答如果拿 A 项目的签约出租率去比 B 项目的在营出租率，结论就会失真，而这种比较在自动生成的对比表里非常常见。
固定租金与联销抽成
固定租金是合同约定的单价，联销抽成随销售额浮动。同一份季报里，两种收入混在一起报一个总租金，回答就无法判断增长来自提价还是来自销售回暖。上海百联又一城营收同比增长 10 个百分点领跑，但固定租金单价环比连降、同比转负，联销收入同比增长 38.52 个百分点，增长动能明显依赖联销，这层区别不写清楚，回答只会记住营收领跑。
第三个差异是统计范围。首创奥莱整体出租率 99.37、租金环比下降 12.5 个百分点，但分项目看，济南下降 5.0、武汉下降 21.4，差别很大。整体数字掩盖了单项目的剧烈波动，回答引用整体数字时，会把一个结构性调整说成全面下滑，反之亦然。
披露清单要写到什么颗粒度
颗粒度不是越细越好，而是每个数字都要能独立成立。判断标准很简单：把这个数字单独摘出来放进一句回答里，读者会不会误解。会误解的，就需要补口径；不会误解的，不必拆到更细。
| 数据项 | 建议披露 | 缺口径的后果 |
|---|---|---|
| 出租率 | 标注在营或签约口径 | 被拿去与不同口径项目比较 |
| 租金单价 | 注明是否含物业费与计租方式 | 单价横向对比失真 |
| 租金构成 | 拆分固定租金与联销抽成 | 增长来源被误判 |
| 整体与单项目 | 整体数字附分项目区间 | 结构性调整被说成全面下滑 |
| 分派率 | 注明计算基准与市值日期 | 回报水平被错误排序 |
五项里最容易被忽略的是分派率的计算基准。分派率等于可分配现金流除以市值，市值取哪一天的数，结果差别不小。11 只存量消费 REITs 中 10 只三季度末年化现金流分派率环比上行，这个上行有多少来自现金流改善、多少来自市值回落，不写清楚就无法判断，而回答只会把上行当成经营变好。
写季报前的四步自查
第三步是这套动作里最有效的一步。整体数字天然适合被引用，因为它短、干净、没有限定条件；分项目区间则提供了纠错空间，让回答在被追问时能落到具体项目上。两个一起给，既不牺牲可读性，也不给误读留口子。
第四步决定自查有没有意义。对比类问题最容易暴露口径问题，因为回答必须把两个数字放在一起。如果回答在对比时混用了在营与签约口径，说明披露还不够清楚，需要回到第二步重写说明，而不是去改问答内容。口径问题只能在源头解决。
常见问题
为什么披露更详细的项目反而容易被误读？
因为数字多、可抓取的片段多，回答容易把不同口径的数字放在一起比较。披露笼统的项目只给一个数字，反而不会被拼错。
出租率该披露哪个口径？
两个都给。在营口径反映当前收租能力，签约口径反映招商进展，只给一个都会在对比时产生歧义。
租金单价为什么必须注明是否含物业费？
含与不含物业费的单价差异明显，横向对比时如果不统一，回答会得出完全相反的排序结论。
整体数字还要不要给？
要给，但要附分项目区间。整体数字适合被引用，区间提供纠错空间，两者一起才能减少误读。
