不少人把 AI 卖家秀当成审美问题，真正被投诉的是描述与实物对不上。11 月 12 日公布的调查里，45.6% 的受访者提到商家配套的虚假买家评价与图片，44.2% 遇到卖家把 AI 生成的图说成实拍，36.9% 发现材质纹理是编出来的（中国青年网报道）。这三项加起来说明，问题不在图片好看，而在页面上那几个可核验的字段被省略了。核验口径以 11 月 12 日的公开调查与监管表述为准。
一张 AI 主图能改写四个字段
商品页上真正被机器读取的是字段，不是图片。材质、成分、克重、尺寸、色号、适用人群，这些以文字或结构化标签形式存在的字段，才是搜索与问答系统生成描述的原料。当字段缺失，系统不会留空，它会用图片、评论与第三方内容去推断——推断的结果就是“看起来是棉麻”“大概是米白色”这类模糊表述，与实物之间的偏差由此产生。
这也是为什么色差与版型问题反复出现。颜色在图片里是像素，在字段里才是一个可核验的值；版型在图片里是观感，在字段里才是肩宽、衣长与廓形。只给图片不给字段，等于把判断权交给推断，而推断必然带偏差。
字段缺失时，模型会用什么补
优先补的是同类商品的高频表述，其次是评论里的形容词，最后是图片的视觉特征。三者按可得性排序，不按准确性排序。于是常见的结果是：一件实际含 30% 羊毛的外套，被描述成“羊毛混纺”；一个实际 480 毫升的杯子，被写成“约 500 毫升”；一个偏冷调的口红，被说成“豆沙色”。每一条都像是小误差，加起来就是消费者口中的“货不对板”。
三个高频漂移字段
第一是材质与成分。这类信息只有在页面明确写出百分比时才准确，否则模型只能用“混纺”“面料舒适”这类泛词。第二是规格与容量。毫升、克重、尺寸只要缺一项，回答就会用同类商品的常见值填补。第三是适用人群与肤质。这一项最容易被忽略，却直接决定消费者会不会买错，比如“敏感肌可用”这种表述，必须有明确的页面依据，否则不能出现在回答里。
证据链怎么留
对品牌来说，可核验的证据链包含四样东西：字段的原始来源（检测报告、成分表、规格书）、字段在页面上的位置、字段的更新时间、以及变更记录。四样齐全，当回答出现偏差时，你能明确指出是哪一环出了问题——是页面没写、写错，还是写了但过期。没有这条链，所有争议都会落回“各说各话”。
| 信源类型 | 可信度 | 主要风险 |
|---|---|---|
| 品牌商品页字段 | 高 | 更新滞后 |
| 检测报告与成分表 | 高 | 不公开难抓取 |
| 买家评论 | 中 | 可能被生成内容污染 |
| 社交测评 | 低到中 | 时效与主观性强 |
买家评论也是信源
评论在回答生成中的权重比想象中高。用户问“这个材质扎不扎”，最贴近的语料往往来自评论而不是商品页。问题在于评论可以被组织：45.6% 的受访者提到虚假买家评价与图片，这意味着评论区的“主流意见”未必是真实体验。监测时若不分层抽样，很容易把组织出来的好评当成整体口碑。
可行的做法是分层：按时间分层看早期评论与近期评论的差异，按长度分层看长评与短评的措辞差别，按是否有图分层看晒图与纯文字的结论是否一致。三层交叉，能筛出异常聚集的评价。这套方法不新，但在 AI 生成内容普及之后，必要性比过去高得多。
放回 AI 回答的场景看，商品页字段直接决定回答的可信度。字段齐全的商品，回答能给出明确数值与可回溯的引用来源，品牌的曝光也更稳；字段缺失的商品，回答只能引用评论与测评，可见度被第三方内容分走一大截。这不是投放能补的缺口，只能靠页面自己长出来。
字段核验的四个动作
第一，把销量前二十的 SKU 逐个过一遍字段，标出缺失项。第二，为每个字段指定唯一来源，避免同一参数在不同页面出现两个值。第三，设定更新周期，成分与规格变动时同步改页面，并在变更记录里留痕。第四，按月抽样回答，逐字段比对，把偏差按“缺失、过期、错误”三类归档。
四个动作都不需要额外系统，需要的是把商品页当成数据资产而不是设计稿。多数偏差的根源不在模型，而在页面：没写、写错、写旧了。修页面永远比修回答有效，也便宜得多。
常见问题
为什么 AI 描述商品总用模糊词？
因为页面没给可引用的明确字段，模型只能用同类商品的常见表述填补，模糊词是填补的产物。
把图片做得更真实能解决问题吗？
不能根本解决。图片不产生可核验字段，回答仍会依赖推断；字段补齐才是治本的做法。
评论区的权重为什么高？
因为评论包含使用场景与主观感受，最贴合“扎不扎”“显不显胖”这类问题，但也最容易被组织。
核验要多久做一次？
属性类按季度全量核验，价格与促销按月，出现新品或配方变更时即时核验。
