先说清边界：能测的是某个品牌在主流 AI 回答里被怎样描述、引用了哪些域名，不能测模型的判断逻辑，也没法保证同一个问题明天还是同一个答案。这条边界在 AI 比价工具走红之后变得更要紧——到 11 月 13 日为止，双 11 的价格已经被各类助手整理成对比表，品牌的价格与规格描述准不准，直接决定用户看到的是六百九还是五百九。
比价问答里，错的是价格还是规格
价格偏差里最容易混淆的是券后价与标价。商品页上标价与到手价同时存在，AI 抓取时如果只取了其中一个，回答就会给出一个用户点进去发现对不上的数字。用户不会去分辨这是券的问题还是模型的问题，只会记住「这个牌子报的价不准」。一次比价回答的错误，抵得上十篇正确的内容。
价格偏差研究把来源分成三类：过期页面抓取、券后价与标价混用、多规格未对齐。三类里前两类是内容问题，可以靠自己改；第三类要改商品结构，把不同规格拆成独立页面并各自标注，比在一个页面里塞五个规格更容易被准确抽取。这也解释了为什么大规格商品的 AI 描述偏差率更高。
按问题类型分开测，才能定位责任
| 问题类型 | 典型问法 | 要记录的字段 | 偏差高发区 |
|---|---|---|---|
| 价格型 | 这款现在多少钱 | 报价、页面价、日期 | 券后价混用 |
| 规格型 | 一箱多少袋 | 规格、单位、包装 | 多规格未拆页 |
| 对比型 | 和另一款差在哪 | 比较维度、结论倾向 | 引用过期测评 |
| 购买型 | 去哪买便宜 | 渠道、优惠形式 | 活动已结束 |
四类问题的责任部门不同。价格型偏差归商品与运营，规格型归商品结构，对比型归内容，购买型归渠道。混在一起统计，最后只能得出「AI 回答不准」这种无法派活的结论。分类型统计之后，通常会发现偏差集中在一到两类，修这两类就够，不必全线返工。
对比型最容易被忽略，因为它不涉及具体数字，看不出错。但用户问「和另一款差在哪」时，AI 往往会引用一篇几个月前的测评，那篇测评里的卖点可能已经下架。可见度监测口径建议记录回答里出现的比较维度，而不只是品牌是否被提及——维度错了，结论就错了，而且错得很难被发现。
引用域名分布比提及率有用
提及率只告诉你品牌有没有出现，域名分布告诉你品牌被谁代言。如果价格型问题的引用长期落在电商详情页，说明页面在起作用；如果落在第三方导购站，说明自家页面没有被当作信源，价格一旦调整，AI 会继续引用旧数据。看域名，才知道该修哪里。
监测不能只做一次
模型版本更新、检索时点变化、活动上下线，都会让同一问题的回答漂移。单次监测只能得到一张快照，说明不了趋势。把同一组问题固定下来，每周跑一次，才能看出某次内容修改到底有没有进到引用池，也才能区分「模型变了」和「内容没改对」。
这轮比价监测的具体做法
先定三十个问题，价格型、规格型、对比型、购买型各占一部分，措辞固定不改。再在同一周内跑完主流 AI 平台，逐条记录报价、页面价、引用域名与回答日期。最后按问题类型分组，算偏差率，挑偏差最高的一类先修内容，两周后复测同一组问题。
修的顺序也有讲究：先修能被验证的事实错误，比如价格与规格；再补结构性内容，比如多规格拆页；最后才做描述性优化。反过来做，优化了半天描述，价格还是错的，用户照样不信任。品牌能控制的只有内容供给与页面质量，模型怎么总结，只能观察、不能指挥。
常见问题
AI 报价和页面价不一致，算谁的问题？
先查内容，多数是券后价与标价混用，或页面更新滞后。
多规格商品怎么降低偏差？
拆成独立页面，各自标注规格与价格，比塞在一页更易被准确抽取。
监测要跑多少个问题？
三十个起步，四类问题各占一部分，措辞固定便于复测。
能要求 AI 平台修改回答吗？
不能。只能提高准确内容的可抓取性，不能干预模型输出。
