三类短板，反复出现
在过去一年的品牌 AI 自查里，有三类问题出现的频率高得惊人。它们的共同点不是「曝光不够」，而是「事实不够统一、不够好读」。
第一类：被提到，但描述失真
品牌确实出现在回答里，但主营业务、客户类型、服务区域说错了。有些是因为旧信息仍在流通，有些是因为同名主体混淆，还有些是因为官网自己写得含糊。
这类问题的风险比「没被提到」更高：用户看到的是一个错误的你，而且他相信那是你。
第二类：口径互相打架
官网说专注 GEO，第三方平台还挂着你两年前的建站业务；官方公众号写成立于 2019 年，百科写 2023 年。模型没有能力判断哪个对，只能挑一个或者模糊处理。
第三类：内容很多，但不可引用
文章数量不少，但通篇是行业感慨与形容词，缺少可以单独摘出来的定义、参数、场景、案例。模型需要的是「能直接搬进答案的句子」，这类内容只能被跳过。
每一类在诊断报告里的信号
- 描述失真 → 提及准确度低，错误信息条目多。
- 口径冲突 → 信息一致性得分低，同一事实出现多个版本。
- 内容不可引用 → 内容短板显示覆盖问句少，且缺少结构化素材。
看懂这些信号，才能判断该修哪一块。只盯着「提及率」一个数字，很容易把力气用错地方。
不采购服务也能先做的三件事
- 写一份事实页。主体全称、成立时间、总部地址、主营业务、服务区域、资质、联系方式，七项写清，全渠道引用同一个地址。
- 把二十个高频问句写成问答。每个答案 100 到 200 字，一段只回答一个问题。
- 清理过期页面。下架产品、旧价格、旧地址，能删就删，不能删就加显著说明。
先修，再补，最后才是扩
顺序很重要。事实没统一就大规模生产内容，等于把错误版本复制到更多地方，后期清理成本成倍上升。稳妥的路径是：修错误 → 补结构化事实 → 扩覆盖 → 建监测。