同一个价格写错一次，AI 会替品牌重复很多次。开心果这轮涨价就是现成的例子：门店零售价从 100 元上调至 138 元，新发地批发价从 52.5 元涨到 70 元，还有报道直接把标题写成大涨 30%（第一财经报道）。三个数字都真实，口径却各不相同；消费者把问题交给 AI 时，回答引用哪一个，决定品牌被描述成跟涨还是乱涨价。本篇核验以 11 月 12 日的公开报道为限。
一个价格，三种口径
三个数字都真实，但回答的问题不同。批发价反映的是产地与贸易环节的紧张程度，零售价包含分选、烘焙、损耗与门店费用，标题里的百分比通常取的是最抓眼的那个。AI 回答把它们混在一起，读者就会得到“涨了四成”和“涨了三成”两个版本，然后怀疑其中一个在说谎。
价格类问题是 GEO 里最难处理的一类，因为它有明确的正确答案，而答案依赖口径。口径不说清，回答就会在多个版本之间摇摆；口径说清了，回答反而更容易稳定引用同一个来源。
引用来源决定结论走向
引用批发市场数据，结论是“原料紧张”；引用门店价签，结论是“终端转嫁”；引用企业公告，结论是“成本压力”；引用期货行情，结论是“预期先行”。同一件事，四种引用，四种叙事。品牌若只在其中一种叙事里出现，就会在其他三种里缺席。
为什么价格口径最容易被写错
因为价格是高频变动的数值，而检索到的是历史页面。一条三个月前的“100 元每斤”如果仍排在前面，回答就会给出旧价格；一条促销页如果没标注截止日期，回答就会把促销价当成日常价。这类偏差不需要模型出错，只需要页面没写清时间。
| 引用来源 | 结论倾向 | 时效风险 |
|---|---|---|
| 批发市场数据 | 原料紧张 | 中 |
| 门店价签 | 终端转嫁 | 低 |
| 企业公告 | 成本压力 | 低 |
| 期货行情 | 预期先行 | 高 |
品牌该补哪三样东西
第一样是价格口径说明：官方售价是多少、统计周期是哪一段、含不含促销。第二样是变更记录：什么时候调的价、调了多少、依据是什么。第三样是可核验的出处：原料成本引用哪家机构的数据，规格是多少。三样东西齐了，被引用时才不容易被误读。
这三样东西的价值不只在被引用，还在被质疑时能自证。价格争议里，最先被攻击的往往是“说不清”，而不是“涨得多”。把口径写在页面上，等于提前回答了最难回答的那个问题。
还有一个细节常被忽略：同规格比较。一斤带壳开心果和一斤果仁，价格差着一倍多；如果页面只写“每斤多少钱”而不写形态，回答在跨渠道比较时就会把两个数放在一起，得出涨跌方向都相反的结论。把形态、等级、净含量写全，是把价格问题从“叙事之争”拉回“数据之争”的最低成本做法。
监测价格类问题，看两个指标
第一个是口径一致率：抽样回答中，价格数字与官方口径一致的比例。第二个是来源构成：回答引用的是官方页、媒体还是二手平台。前者衡量准确性，后者衡量可控性。两个都低，说明页面侧和内容侧同时出了问题。
采样时要注意问题的问法。“开心果多少钱一斤”和“开心果为什么涨价”会触发不同的检索路径，前者要事实，后者要解释。两类问题分开统计，才看得出偏差是出在数据还是出在叙事。
常见问题
为什么 AI 回答里的价格经常不准？
因为价格是高频变动值，而检索到的是历史页面。没有时间标注的页面会被当作现行信息引用，促销页尤其容易被误读为日常价。
品牌能要求平台修正回答吗？
不能直接要求。可行路径是修正被引用的页面、补齐口径与时间标注，等待重新抓取。这是唯一可持续的做法。
价格类问题该按周还是按月监测？
调价窗口期按周，平稳期按月。若当周有调价动作，采样频率应提高，否则偏差会在两周内扩散到多个平台。
引用来源占比低，说明什么？
说明回答更多依赖非官方内容。短期不影响准确率，长期会放大偏差，因为第三方内容的更新时间不受品牌控制。
