第三讲：记录一次品牌 AI 搜索检查

一张好看的截图不等于稳定表现

同一个问题在不同时间、账号和对话中，可能得到不同答案。诊断的目标不是找到最好看的那一次，而是记录一个可重复比较的样本。不要先反复告诉 AI 自己的品牌，再用下一条回答证明它主动推荐了你。

在平台允许的范围内使用新对话，记录是否开启记忆和联网、使用的入口、时间和区域。无法排除的个性化条件要保留在记录里。API 测试和消费者界面可以分别提供信息，但不能默认两者表现相同，更不能混在同一条趋势中。

每次提问至少留下这些证据

记录完整问题与原始回答，比只保存品牌出现的那一小段更重要。品牌可能出现在否定、风险提醒或对比对象中，这些都不是正向推荐。若答案没有列出来源，写明未显示引用，不让 AI 猜一个出处来补表。

• 问题编号、原文、平台、入口、日期与测试条件。
• 品牌是否出现；若是列表，记录位置；不是列表就记不适用。
• 原始回答或截图，以及可见引用的准确链接。
• 提到的其他品牌、品牌描述和明显错误。
• 官网、电话、地址等行动信息是否正确。
• 失败、超时、拒答单独记录，不悄悄删掉。

顺着引用找缺口，不猜平台的隐藏权重

如果答案引用了某个行业网站，可以打开该网页，检查它到底提供了什么。是产品参数、服务范围，还是一份比较清单？真正有用的是内容层面的发现，而不是给整个平台贴上永久高权重标签。

还要区分引用和因果。某网页出现在答案来源里，并不证明它决定了品牌顺位。追问 AI 为什么推荐，也不能当作系统内部排序报告。把可见来源记下来，作为下一轮内容选题和渠道判断的线索即可。

按三种问题安排下一步

第一种是没有出现。检查问题是否匹配真实业务，再看是否缺少公开可读的内容。第二种是出现但说错。优先核对官网和其他公开资料，修正过期或矛盾的信息。第三种是客户想联系却找不到。此时更新电话和预约入口，可能比新增一篇长文更重要。

对负面评价要分清事实、过期情况和错误关联。真实问题应解决并公开必要的改进信息；确实虚假的内容可以依平台规则申诉。不要把所有负面都当作要覆盖掉的信息，更不要编造正面评价。

把诊断写成任务，而不只是分数

教学示例：某次回答引用了旧地址，官网联系页也没有注明搬迁。可执行任务是更新联系页、核对其他公开入口，并在后续同条件样本中检查地址。不能仅凭这次现象就判断整个网站代码有问题。

最终保留一张问题到动作的对应表：现象是什么、证据在哪里、谁负责、改哪份资料、何时复查。没有出现不等于故障，提交成功也不等于被收录；不确定的地方应明确标为待观察。

品牌回答记录表