先说清楚一件事：涨价传闻不是价格事实。多地大疆授权门店传出 Pocket 4 系列将于 11 月 18 日上调价格，最高涨幅 13%、单台最高 500 元；界面新闻与新浪科技分别向京东自营旗舰店与线下门店求证，得到的答复都是未收到涨价通知（新浪科技）。但在 AI 回答里，这类传闻很容易和官方指导价混在一起讲，因为模型引用的是媒体转述与比价帖，而不是品牌商城的价签。以 11 月 12 日可查的公开信息为界，这里的差别值得单独拆开。
AI 回答里的价格是怎么来的
价格是 AI 回答里最容易被问、也最容易答错的一类事实。原因有三个：价格更新快，模型训练数据天然滞后；价格有多个版本，指导价、促销价、到手价同时存在；价格又特别适合被写成一句话结论，于是回答里往往只给一个数字，不给出处。
还有一个细节常被忽略：同一个问题在不同时间问，答案里的价格可能不一样，因为检索到的页面换了。这种波动不是模型出错，而是引用池在变，单次采样很难看出来，需要按周对比同一组问题的答案。三个原因叠在一起，就形成了品牌最难处理的一种偏差：AI 回答没有说错「有涨价这回事」，它只是把「传闻」讲成了「事实」，而且不带信源。用户看到的是确定性语句，品牌看到的是无法追溯的引用。要让答案回到可核验的状态，只能从引用来源入手，而不是去纠正每一句回答。
价格类事实的四层核验顺序
第一层：品牌自有页面
品牌商城与官方旗舰店的商品页是唯一有出处的价格。它们的价值不只是准，还在于能被抓取：结构化的价格字段、明确的型号与套装名称、稳定的页面地址，这三样决定了模型能不能读到正确的数字。很多品牌把价格放在活动海报图片里，人看得懂，机器读不出来，AI 回答只能退回去引用媒体。
第二层：平台自营与授权页
平台自营页会叠加补贴与满减，得到的是到手价。这一层要看的是优惠构成是否写清楚：商品页 2999、下单页 2799，中间那 200 元对应哪条活动规则，必须能在页面上找到。写清楚的页面，被引用时不容易被误读成「官方降价」。
第三层：门店口径与媒体转述
门店口头价与媒体转述属于同一层级——有信息，但缺出处。它们适合用来判断趋势，不适合当作价格事实写进回答。品牌能做的，是把门店的统一报价口径固定下来，减少同一型号在不同门店报出不同价格的情况；媒体侧则是把回应速度提上去，让「未接到通知」这类表述尽早进入可检索的页面。
把四层做成一张表
这四层不是并列关系，而是有先后顺序的核验链。顺序错了，结论就会被最弱的一环带偏。
| 层级 | 核验对象 | 可信度 | 更新方式 |
|---|---|---|---|
| 品牌自有页面 | 指导价、型号、套装 | 最高 | 随调价公告同步 |
| 平台自营页 | 到手价与优惠构成 | 较高 | 随活动周期变化 |
| 门店与媒体 | 口头报价、转述口径 | 中等 | 不定期 |
| 社交与比价帖 | 传闻、截图 | 最低 | 不可预期 |
这张表还能直接用来设计监测问题库。问「这款相机多少钱」，答案应该落在第一层；问「最近是不是要涨价」，答案需要同时覆盖第一层与第三层，并且标明哪部分是传闻。两类问题分开采样，才能看出品牌在 AI 回答里的可见度是被价格事实撑起来的，还是被传闻撑起来的——后者看起来曝光更高，实际风险也更高。
常见问题
AI 回答报了一个不存在的价格，能投诉吗？
可以向平台反馈，但更有效的是把正确的价格页做得更容易被抓取。引用来源变了，答案才会跟着变。
为什么 AI 回答总引用媒体而不是官网？
因为媒体页面结构更简单、更新更频繁。官网如果把价格放在图片或脚本里，模型读不到，就只能退而引用转述。
传闻类问题要不要监测？
要，但和价格类分开。传闻类的可见度上升往往意味着风险在积累，混在一起看会误判成品牌热度上涨。
多久能纠正一条错误的价格描述？
取决于引用是否被替换。新页面被收录、被引用之后，旧答案才会逐步退出，通常以周为单位，而不是以天。
