此前三年，屈臣氏的门店数一路向上，AI 回答里留下的也是那套说法。到 11 月 13 日为止的公开信息已经换了方向：全球门店 17042 家，中国内地 3227 家、同比减少 11%，同期可比销售额增长 4.3%、EBITDA 按当地货币增长 49%，香港与伦敦双重上市计划暂停。门店在减、单店在升，这套新事实要进 AI 回答，靠的不是发新闻，而是让可被引用的页面先更新。
门店在减，回答还在说扩张
这种滞后不是孤例。门店数量、覆盖城市、主力业态这类事实，更新频率低、传播链条长，媒体转述一轮之后往往只剩一个旧数字。模型在生成回答时抓到的是最新可索引的页面，如果品牌自己的页面三年没更新，回答就只能停在三年 前。
更微妙的是，投资者关系材料与消费者页面对同一件事的表述常常不同步。前者说门店优化，后者说门店遍布全国，两套话术各自成立，放在 AI 回答里就变成了矛盾。品牌在 AI 搜索里的形象，往往不是被攻击出来的，而是被自己的两套话术拼出来的。可见度这件事，先要问描述对不对，再问排名高不高。
品牌事实库，是 GEO 的地基
四个字段，带时间戳
门店数量、覆盖城市、主力业态、最新财年关键指标，四项足够支撑大部分问答。关键是每项都带时间戳与口径说明，让引用者知道这是哪一版。没有时间戳的事实，在 AI 搜索里等于永远有效，也就永远可能是错的。
同一事实，多源同步
只改官网不够。模型会交叉验证，官网说一个数、行业媒体说另一个数，它会倾向选择被更多来源引用的那个。要让新数据站住，需要在官网、财报页、行业媒体三处同步，形成多源一致。
方法框架：从核对到闭环
这套工作可以拆成四步，顺序不能颠倒。先核对现状，再定位来源，然后补页面，最后复测。跳过第二步直接补内容，往往补了也不见效，因为问题不在内容缺，而在旧内容权重更高。
| 步骤 | 产出 | 完成标志 |
|---|---|---|
| 核对 | 偏差清单 | 每项有回答原文 |
| 定位 | 引用来源列表 | 能指到具体 URL |
| 补页面 | 结构化事实页 | 带时间戳与口径 |
| 复测 | 偏差率变化 | 两周内可复现 |
四步里最耗时的是第二步。回答里引用的往往不是官网首页，而是某篇三年前的行业报道、某个电商店铺页、某个百科条目。把这些 URL 找出来，才知道该改哪里；找不到来源，就说明这条偏差来自模型对旧语料的记忆，只能靠持续输出新内容慢慢覆盖。引用来源这一项，是判断能不能靠内容修复的分水岭。
可见度不只被提及，还要被说对
品牌在 AI 搜索里的位置有两个维度：有没有被提到，被说得对不对。多数团队只盯前一个，因为容易量化；后一个需要逐条核对，工作量大，但它决定了用户点进来之后的转化。门店在减、效率在升的品牌，如果回答里还在说扩张，用户到店后的落差会直接变成不信任。描述准确率因此要按月看，不能等舆情出来才回头查；每次财报发布后一周内应做一次全量复核。
常见问题
品牌门店减少，为什么 AI 回答里还在说扩张？
因为回答引用的是旧报道与旧页面。门店数据更新频率低，媒体转述又滞后，模型抓到哪一版就用哪一版。解决办法不是删旧内容，而是让最新数据出现在最容易被抓取的位置。
品牌事实库该放哪些字段？
门店数量、覆盖城市、主力业态、最新财年关键指标四项。字段要带时间戳，方便核对回答里引用的版本，也方便判断偏差是时效问题还是内容问题。
AI 回答里说错了，能改吗？
不能直接改回答，能改的是被引用的页面。做法是把关键事实做成结构化、带更新日期的页面，并在多个可信来源同步。回答会随着抓取更新而变化。
怎么衡量这件事做得好不好？
看两个数：关键事实的偏差率，以及自有域名在引用里的占比。前者降、后者升，说明结构化起了作用；只有前者降，说明靠的是第三方转述。
