浙江一位消费者在大促期间买了张床，商家效果图里用料扎实、质感上乘，收到实物完全不是一回事；云南一位消费者退了两件衣服，因为同一个商品的几张图里，领口有的带扣子、有的没有。中青报社会调查中心联合问卷网做的专题调查回收 1334 份有效问卷，95.8% 的受访者表示 AI 卖家秀让自己下单时「心里没底」，51.4% 明确踩过坑。当商品图、评价、直播间都由模型生成，品牌在 AI 搜索与 AI 答案里的可信度就成了一个需要单独验证的指标。本篇的数据核验以 11 月 11 日的公开信息为界。
可信度为什么成了一个可测指标
过去判断一个品牌可信，看的是它有没有官网、有没有媒体报道、有没有第三方检测。现在多了一层：当用户向 AI 提问「这款床的材质怎么样」，模型会去抓取商品页、评价区和第三方测评，如果抓到的是一张过度美化的生成图与一段批量生成的好评，答案就会把错误信息放大一遍。品牌被引用得越多，错误信息传播得越广。
这也是为什么 AI 搜索可见度和内容可信度必须一起看。只做可见度，等于把品牌推到答案里却不保证说得对；只做内容治理，等于把话说对了却没人听见。两个指标同时改善，才构成一个可用的评价体系。
三类失真分别伤在哪
图像失真直接拉高退货
色差、版型、材质是 AI 生成图最容易失真的三处。消费者按图下单，收到实物产生落差，退货率随之上升。对品牌来说，退货不只是物流成本，还会影响店铺评分与后续流量分配，形成负向循环。调查中提到的「同一个商品几张图自相矛盾」，本质上是素材生产没有统一口径。
评价失真污染引用池
模型在组织推荐类答案时，会参考评价区的高频表述。如果评价由模型批量生成，那些表述就会进入引用池，成为模型判断产品优劣的依据。这类污染比图像失真更难清除，因为它已经进入语料，删掉源头内容也未必能改变模型已经形成的印象。
三方的责任边界
| 主体 | 责任 | 可核查的证据 |
|---|---|---|
| 商家 | 宣传内容真实性第一责任人 | 素材原始拍摄文件、标注记录 |
| 平台 | 明知或应知侵害消费者权益未采取措施的连带责任 | 审核记录、下架与处罚记录 |
| 内容制作方 | 明知或应知虚假仍设计制作的连带责任 | 委托合同与素材交付记录 |
责任边界清楚之后，品牌的内部动作也要跟着调整。素材从谁那里来、有没有留原始文件、标注有没有做、页面上的表述与实物是否一致，这些原本属于美工和运营的琐事，现在都成了可以举证的合规材料。有专家指出，即便页面标注了「AI 生成」，也不能免除虚假宣传的责任，标注只解决知情权，不解决真实性。
这也是 AI 搜索可见度监测需要扩展的地方。此前 AI购物助手引用来源那篇 讨论过答案里来源如何留痕，这里更进一步：留下来的来源本身是否可信，需要另一套验证。品牌可以做的，是把可核验的事实（检测报告、成分表、产地证明）放在模型容易抓取的位置，让引用落在硬事实上，而不是落在生成图上。
可信度自查的五个动作
第三步常常会暴露一个反直觉的结果：品牌被 AI 引用的次数并不少，但引用的内容多是促销信息而非产品事实。这种引用看起来热闹，实际对转化的帮助有限，还会在出错时放大负面影响。把引用结构从「促销语」调到「可核验事实」，是这一轮内容治理里最具体的抓手。
常见问题
标注了 AI 生成，商家就没责任了吗？
不是。标注只保障知情权，虚假宣传的责任仍然由商家承担，平台明知未处理也要承担连带责任。
AI 生成的商品图完全不能用吗？
可以用在场景合成、氛围图等不影响事实判断的地方。涉及材质、颜色、版型的部分应以实拍为准。
评价区的内容品牌能管吗？
能管一部分。品牌可以举报虚假评价，也可以通过引导真实用户晒单改善评价结构，但不能组织刷评。
可信度怎么量化？
可以用退货原因分布、AI 答案引用来源类型、页面标注合规率三个指标组合，按季度跟踪变化。
