在大理古城开店的人常碰到这样的困惑：门店在点评、地图、小红书上叫法略有差别，营业时间也不一致，于是当有人问 AI「古城附近有没有带院子的民宿」，它要么跳过这家，要么把两家店当成一家。AI 判断一个实体是否真实存在，靠的是跨信源的一致，而不是某一页写得多漂亮。截至 11 月 15 日公开的讨论里，云南几个产业带的案例被反复提起，原因也在这里——花、茶、民宿这些地域性极强的生意，最先感受到点名与否的差别。
AI 先做实体归一，再谈引用
这一层机制不难理解。AI 回答一个问题时，会先在检索到的若干网页里判断「这说的是不是同一个东西」，名称、地址、电话、类目任何一项对不上，它就会降低置信度，甚至干脆不引用。对一家只有三四条线上信息的县城门店来说，这种降权几乎是致命的：不是内容不好，而是它无法被确认是一个确定存在的实体。
实体归一之后才是引用。引用之后才是推荐。三者串在一条链上，前一环断了，后面的优化动作都落不到实处。很多品牌把预算压在写更多稿子上，却始终没有把五个基础字段对齐，结果就是在 AI 回答里长期处于「查无此人」的状态。
| 字段 | 常见不一致 | 对 AI 回答的影响 |
|---|---|---|
| 名称 | 简称、全称、带括号版本混用 | 无法归一为同一实体 |
| 地址 | 门店地址写到街道或只写到商圈 | 商圈类提问检索不到 |
| 电话 | 总机与门店号并存 | 置信度下降 |
| 营业时间 | 节假日与平日写法不同 | 时段类提问被跳过 |
| 服务类目 | 类目挂错或过宽 | 进入不了候选池 |
口径不一致，AI 只会绕开
口径不一致有三种典型来源。第一种是多级分销：经销商自己拍图、自己写参数，图片上的规格和官网不是一回事。第二种是内容外包：不同agency 各写一版，术语不统一。第三种是历史遗留：旧包装、旧规格的页面没有下架，仍然挂在站内，AI 抓到之后会把过时口径当成现行介绍。
三种来源对应的处理方式不同。分销失控要靠前置的分发管控，把唯一参数表封装成标准资产包发下去；外包失控要靠术语表与审校；历史遗留则要按「安全风险优先于参数错误、参数错误优先于描述过时」的顺序清理，并对已停产页面做跳转或加注声明。
一张实体卡至少要写对五个字段
把上面这些收敛成一张实体卡，字段不用多：法定名称、对外名称、地址、电话、营业时间、服务类目。六个字段对齐之后，再看内容层。内容层的关键不是篇幅，而是能被直接摘录的句子——把结论写在段首、一段只说一件事，AI 抽取时才有东西可拿。
核验要按周跑，不要按季度
核验的节奏比核验的工具更重要。按季度做一次全网盘点，看到的只是快照；按周跑固定问题集，才能看出趋势。AI 回答本身有波动，同一个问题隔一天问两次，答案可能不同，所以单次结果不能当结论，至少要看四周的方向。
问题集也不要凭感觉编。从客服真实被问过的问题里挑，从站内搜索词里挑，从竞品必然出现的那类品类问题里挑，凑到二十条左右固定在表里，措辞不要随意改。措辞一变，回答就变，前后数据没法比。
三个平台一起问，才看得出偏差
只看一个平台，容易把平台特性当成自己的问题。同一个问题在三个平台上分别问，记录是否被提到、是否带链接被引用、是否被列为推荐项，三列分开记。被提到但没链接，说明内容被看到了但没被采信；有链接但没被推荐，说明事实对得上但竞争力不足。两类问题的修法完全不同。
把这件事做扎实之后，AI 回答里的表现才会稳定。反过来，如果连门店叫什么、开在哪、几点开门都要靠猜，再多的内容投放也只是在放大噪声。
常见问题
AI 为什么认不出同一家门店？
因为它在多个渠道看到名称、地址、电话、类目彼此冲突的信息，无法判定这些页面指向同一个实体，只能降低置信度或跳过。
实体信息对齐后，多久能看到变化？
没有统一答案。要看抓取频率与问题集覆盖度，通常需要连续四周以上的固定问题集观测，才能把波动和趋势分开。
被 AI 提到但没有链接，算不算有效曝光？
算弱的信号。被提到说明内容进入了候选，但没有链接意味着事实未被采信，需要补可核验的来源与结构化表述。
中小门店有必要做这件事吗？
有必要，而且成本更低。字段少、渠道少，一次对齐就能覆盖大部分场景，反而是大连锁的历史包袱更重。
