当 AI 说某个牌子的空气炸锅「同级最省电」时，你凭什么相信它？截止到 11 月 12 日的公开报道，这个问题已经不只是消费者的困惑——79.4% 的用户下单前会先用 AI 咨询比价，AI 对购物决策的影响力首次超过传统媒体广告；另一条线同时在长：部分商家批量炮制虚假测评与软文，污染 AI 的数据源，让推荐结果偏向广告商品。到了这一步，GEO 要回答的就不再是「有没有被提到」，而是「被提到的那句话能不能被核实」。
投毒链条污染的到底是什么
这组关于低价内卷的复盘把链条讲得比较直白：商家炮制大量虚假测评与软文，AI 难以区分客观测评与商业推广，缺少明确的广告标注，于是把高佣金、低性价比的商品包装成优质选择。对做 GEO 的人来说，这意味着 AI 搜索里的竞争已经分层——一层是能不能进入候选集，另一层是进入候选集的那段描述，究竟建立在什么材料上。第二层的失真，会让第一层的努力全部作废。
虚假测评如何进入候选集
投毒并不神秘，它利用的是检索环节的偏好：同一款产品，被越多页面以越一致的方式描述，越容易被当作共识复述。批量测评、批量问答、批量对比文，本质上是在制造一种「很多人这么说」的表象。判断一个品类是否已被污染，可以看两个信号：一是关于该品类的高频表述高度雷同，措辞几乎一致；二是这些表述集中出现在少数几个域名上，且这些域名没有可核实的评测方法。
把「被提到」换成「可核实」
GEO 的指标设计要跟着改。出场率和可见度仍然要看，但它们只描述位置，不描述质量。真正需要新增的是三个字段：AI 回答里那段描述的依据来自哪个信源、这个信源能不能追溯到可验证的材料、同一提问下竞品的引用来源是否与自身相同。三件事合起来，才构成一次可核实的记录。
| 核验线 | 观测对象 | 判定标准 |
|---|---|---|
| 信源归属 | AI 回答给出的引用域名 | 是否可追溯到官方或可核实材料 |
| 表述一致性 | 回答中的参数与官方页面 | 逐条比对，记录偏差条数 |
| 竞品同场 | 同一提问下的竞品对比 | 引用来源是否可比、是否同源 |
三条核验线
第一条最难，因为它要求把 AI 回答里的引用一条条打开看。多数团队停在截图层面，截了回答却没截来源，事后无法复盘。AI 比价工具的普及从侧面证明了这件事可行：用户已经能拉出半年价格曲线，说明公开页面的可追溯性足够支撑核查。品牌的核验能力不该低于普通用户。
第二条要看的是留存。AI 购物工具的 7 日留存不足 15%、30 日留存仅 3%，这组数据常被用来唱衰 AI 导购，但对 GEO 有另一层含义：用户还没形成稳定的使用习惯，意味着现在建立的品牌表述会被反复重新学习。今天写清楚的参数页，会在未来几个月里被不同平台反复抓取；今天留下的模糊表述，同样会被反复复用。窗口期比想象中长，但方向一旦固化，纠正成本极高。
行动清单
五步里第三步最容易被跳过。只看回答不打开引用，等于把核查做成了截图收集，问题依然定位不到页面。第五步决定这套动作能不能延续，不复跑就永远只有一次快照。
- 按品类建问题库，每类至少 30 条问法，覆盖参数、场景、竞品对比三类。
- 固定提问口径与复跑频率，同一批问题按周复跑，避免问法漂移。
- 每条回答都打开引用来源，记录域名与页面类型，标注是否可核实。
- 把回答里的参数与官方页面逐条比对，记录偏差条数与偏差类型。
- 按月输出走势，不只看单次快照，重点看信源结构有没有变化。
常见问题
GEO 只看 AI 搜索的排名可以吗？
不够。排名回答位置，GEO 还要回答 AI 回答里的描述是否准确、引用来源是否可追溯。
被虚假测评污染了怎么办？
先把引用来源归类，找出被高频引用的污染域名，再用结构化参数页与官方材料做对冲。
竞品对比要单独记吗？
要。同一提问下与哪些竞品同场出现、引用是否同源，比名次更能反映 AI 眼中的可比关系。
留存率低是不是说明 GEO 没价值？
不是。留存低说明用户还在形成习惯，AI 搜索里的表述会被反复重新学习，正是可以影响的时候。
