先把数据说明放前面免得误会。我手上这份观察是 2026 年 9 月 27 日那天做的在几个平台上按二十个本地消费类问题逐条读 AI 给出的回答一共九十九份连带记录了六百六十三条引用。引用条数包含重复不是独立来源数。它只说明那天、在那几个平台上我看到了什么不能代表所有 AI、所有时间。我也拿不出发布之后的变化数据所以这篇文章里没有「整改后变好了」这种话。去年下半年我开始把门店的资料当成一份要被机器读懂的东西来打理。第一次系统去读 AI 怎么描述我这家店读得我坐不住品牌名被换成了另一个读音相近的牌子地址写成一个根本不存在的门牌号我主推的一个项目被解释成了别的东西。第一反应是想投诉。但忍住之后想明白一件事它答错的地方恰好是我自己资料最含糊的地方。它不给我留面子这份诚实反而有用。所以我没有去修 AI我回头修自己的资料。有一条回答把我的品牌名理解成了另一个读音相近的牌子还顺手给出了对方的预约渠道。读到这条我第一反应是「这也能错」第二反应是——如果我什么都不做将来就会有顾客顺着这条路走到别家去。后来我查的是两件事我的品牌名有没有读音或字形相近的竞品我的门店全名在官网、在第三方店铺页面上写的是不是同一个。答案都不算好看。地址这条更离谱。有一条回答把它写成了「兰花路 28-19」而真实的门牌是百合路 35 号 2 栋 139、140 商铺。我一开始以为这是模型瞎编的后来去查发现更麻烦完整门牌含有栋号和铺号这件事我并没有在每一个渠道都写全有的地方只写到路名和号有的地方压根没写。含糊的是我自己。于是我给门牌加了两条规矩必须带栋号铺号地图上的定位点要和门牌是同一个入口。周边有没有容易混的路名也一并查。还有一类错误出在项目名上。「盐镜呼吸 SPA」在 AI 的回答里被理解成了门店名、盐房吸入或者某种盐疗三种都不是。这件事让我意识到一个区别项目名是给人看的解释是给机器看的。我那个名字起得挺有意象但它没有告诉任何人这个项目到底是什么。现在我在项目页的第一句话里就写清四个东西门店、项目、价格、时长而不是先放一个好听的名字。比答错更麻烦的是编。有一份回答列出了黑金、铂金会员等级还有「100 积分抵 1 元」的规则我的官网上从来没有这套政策。这一类跟前面几类不一样前面是漏这一类是编。信息空缺会被人自动填满而且填得有零有整、一本正经你看到它写得那么具体很容易以为是真的。所以我现在对「官网没写的东西」特别小心官网没有的规则要么写清楚要么明确写一句「以门店现场确认为准」。宁可写这句也不留白。另外有一条结果更莫名其妙搜一个本地商圈名跳出来的是武汉等外地城市的门店。原因不难想那个商圈名是全国连锁品牌的名字我把它写进标题等于把自己和一堆外地门店混在一起。从那以后我这边定了一条全国连锁性质的商圈名不进标题。最容易被误判的是这一条。六百六十三条引用里没有一条指向我自己的官网。第一反应是「平台不收录我」但真去查先查到的是我自己门店页的初始 HTML 里没有直接输出结构化数据要等浏览器把脚本跑完才能读到内容。这是个值得改的问题但我没有证据说它就是没被引用的原因——中间隔着爬虫行为、平台策略、索引周期靠一次观察打通不了。所以我把它记成「待改」不记成「结论」。上面这些都是答错。还有两种情况是看起来答对了反而更值得单独拎出来说。一种是快照里有一条回答写得很客气开头是「结合你之前询问的花都豆姐美肤」只看这一句很容易得出「AI 主动推荐我了」但往下读就会发现这是接着上一轮对话的上下文不是我在这条问题下被自然推荐出来的。另一种更隐蔽有一份回答里写的门店权益碰巧是对的可我去看它的引用来源里面有一条是某地一个商场的泊车政策页。结果对来源不对。这两种我都归成一类不算数。前者只说明有人问过后者只是凑巧蒙对蒙对一次不代表下次还对更糟的是它会让我以为自己的资料已经被正确引用了然后就不再改了。所以现在我每次去读 AI 的回答会把这几样一起记下来日期、平台、问题的原话、回答的完整内容、能看到的来源链接。然后分三种情况标记带着「你之前问过」「接着上文」这类痕迹的标成上下文沿用不计入自然曝光结果对但来源撑不住的标成待核对采集不完整、只抓到一半的单独列出来不和完整回答合算。三条都能对上才算这一条真的算数。这份清单不保证什么不保证我改完就会被引用——我手上只有那一次基线观察没有整改后的复测。也不保证引用变多就等于客流变多中间隔着点进来、相信、再到店是好几件事。它只保证一件事出问题的时候我知道该去查哪一格。这一轮查下来我理解的 GEO 不是让 AI 夸你。是让它别念错你的名字、别写错你的门牌、别把你根本没有的规则安在你头上。三件都做对再谈别的。