AI 说错了你的产品，怎样查清楚

假设有一款排班 SaaS 软件，我们叫它 A。官网写着“专业版支持跨店排班”，AI 却回答：“A 只适合单店，没有跨店功能。”

点开回答下面的链接，有旧版产品介绍，有渠道目录，还有一篇看起来很新的选型文章。它们都在谈 A，怎么会与官网说的不一样？

“AI 更信媒体、不信官网”是一个容易想到的解释。不过，要验证它，得先看看这些页面究竟写了什么。有时查到后来会发现，几篇文章沿用的是同一份旧资料，连说的产品版本都与官网不同。

对 GEO 来说，这种核查能帮团队决定下一步改哪里：是官网缺了版本说明，还是渠道仍在使用旧材料，又或者回答扩大了原文的意思。找到具体问题，才知道该补充、更正哪份资料。

沿着开头这个假设，把产品版本、页面和引用关系放在一起，核查结果可以记成下面这张表。后文再逐项展开。

把查到的材料记下来

真实项目还应保存问题原文、平台与入口、完整回答、采集时间、引用 URL、支持或冲突的原文段落，以及页面留存位置。另一位同事应当能拿着记录找到原文，复核判断。表格记录的是证据，不给信源打权重分。

基础版的限制，怎么变成了整个产品的结论

“A 只适合单店，没有跨店功能”这句话，把功能和适用范围连在了一起。

即使某个基础版没有跨店功能，也不能直接推出整个产品只适合单店。回答可能把版本限制扩大成了品牌定位。

核对时，产品名称还不够，版本、功能、适用时间和使用条件都得对上。

这里，A 的旧基础版不支持跨店排班，后来上线的专业版增加了这项能力，但需要启用相应配置。

如果不补上“专业版”和“启用配置”，一句“支持跨店排班”也不够准确。

官网、媒体、用户评价各自可能掌握不同部分。产品文档可以说明功能与版本；一份有测试条件的评测可以说明实际体验；用户投诉可以证明有人遇到过问题，却不能仅凭个案证明所有版本都如此。

若预先按“官网第一、媒体第二、论坛第三”排好座次，就容易忽略每份材料实际能回答的问题。

Bing 在 2026 年 5 月讨论 AI grounding 时，把关注对象从页面转向能够支撑答案、来源明确的具体事实，并强调处理信息冲突。这段说明讨论的是系统目标，没有给出按网站类别划分的固定权重。〔1〕

引用原文到底说了什么

回答末尾引用了选型文章。文章原文写的是：“A 的基础版主要面向单店。”

这段原文说的是基础版定位。用它来支撑“A 没有跨店功能”，范围就扩大了。

一篇研究生成式搜索可验证性的论文，把这件事拆成两个方向来查：回答里的陈述有没有引用支持，附上的引用又是否支持对应陈述。这里借用它的核查思路，历史测评数据的适用范围见文末。〔2〕

核查时，可以把常见情况分别记下来：

• 支持：原文足以支撑这条陈述，版本和条件也一致。
• 部分支持：只支持其中一部分，或回答遗漏了适用条件。
• 冲突：在相同版本与条件下，原文与回答的说法相反。
• 无法核实：页面打不开，或缺少当时的页面版本，暂时无法判断。

如果页面可以读到，却与这条陈述无关，就直接记为“不支持”，不必硬塞进上面四种情况。搜索摘要也不能代替完整原文。

查完引用，还会有一部分过程看不见。页面出现在引用里，不代表这句话完全来自它，也不代表系统只看过这些页面。 官网没有被列出，同样不能说明它从未被取得过。

因此，下面只记录公开可见的关系，模型内部怎样选择和组合材料，仍然留作未知。

几篇文章沿用了同一份资料

继续往下查，选型文章明确标注转载自渠道目录；渠道目录又注明产品介绍由厂商提供，并链接到旧版产品页。

如果三页都在沿用那条旧版描述，就不能把它们算作三个独立观察。转载多了一层，并没有多出一次对当前功能的核验。

沿着引用往回找，几篇文章指向了同一份旧资料。

识别这种关系，要找明确的转载声明、原始链接、供稿说明或可核验的版本记录。

相同段落、相同错字、相同配图可以帮助发现疑似同源页面，但只有文本相似，还不足以确认谁抄了谁。日期较早的页面，也未必就是最早的原始材料。

暂时找不到来源说明，就记为“疑似同源，关系未确认”，不急着连上箭头。

还有一种情况：媒体文章原样使用了厂商的功能简介，却自己测试了操作流程。前一部分是转述，后一部分可能提供了独立证据，得分开看。

查清这些关系后，所谓“多个信源都这么说”，可能就只剩下一份底稿。至于反复转载是否让系统更倾向采用这段话，这次追查还回答不了，也不足以支持“多发转载就能提高引用”的建议。

页面更新日期与产品版本

那篇选型文章本月刚更新，但关于 A 的段落仍沿用了旧版介绍。

页面上的日期很新，关于 A 的那一段却未必动过。

Google 的日期说明要求区分页面的发布、更新日期与页面所描述事件的日期。这份文档讨论搜索日期标注，其适用范围见文末。〔3〕

做记录时，至少把三种时间分开：页面标注的时间、材料描述的产品版本或生效时间，以及自己实际查阅的时间。

如果今天打开引用页，发现它已经改过，也不能拿今天的内容直接断言昨天的回答没有依据。能找到当时留存的页面或可靠历史快照，就对照当时版本；找不到，应保留这个缺口。

A 的两份材料，说的可能原本就是不同版本：一份讲过去的基础版，一份讲当前的专业版。若把这点核实了，就能判断问题出在回答混用了版本，而不必认定其中一页在造假。

但也不能反过来，只因官网较新，就认定所有负面资料都已失效。要先确认它们说的是否为同一功能、同一套餐与同一使用条件。

更正旧资料后，怎样复查回答

查清 A 的版本差异后，能着手改的是几份具体材料。

在自己的当前文档里，把版本、功能和启用条件放在一起；在仍可访问的旧版介绍旁，补上历史适用范围及当前说明入口。旧资料可以保留，但读者需要知道它现在还适不适用。

对确认沿用旧资料的渠道和转载方，提供具体段落、版本差异及更正依据。请求修正失效的产品描述，不要求删除有依据的批评或真实用户经历。

随后按原问题和采集条件复测，分别记录回答是否纠正、引用是否变化，以及可见引用页是否更新。平台未显示的抓取、检索或更新环节继续标为未知。

复测时，引用和回答要分别看。回答改对了、引用没变，传播路径仍然不明；引用换成官网、描述却还是错的，也得继续查。我们要解决的是产品事实被说错的问题。

品牌能够维护自己的资料，也能够公开更正依据；但它无法单方面决定所有第三方怎样评价自己，更不能保证哪一份材料会被 AI 采用。

回到开头，团队此时能够交付的，已经不只是“AI 说错了”这张截图：哪句话有问题，引用原文说了什么，遗漏了哪个版本，哪些页面可以更正，都有了记录。至于系统为什么偏偏采用这份材料，证据不够，就先不下结论。

资料来源

〔1〕Microsoft Bing Blog，Evolving role of the index: From ranking pages to supporting answers，2026-05-06。用于说明可支撑的事实、来源与冲突处理的系统目标，不是公开信源权重表。

〔2〕Nelson Liu、Tianyi Zhang、Percy Liang，Evaluating Verifiability in Generative Search Engines，Findings of EMNLP 2023。借用陈述支持与引用支持的核查思路，不外推历史测评数据。

〔3〕Google Search Central，Add a Byline Date to Google Search Results，页面更新于 2025-12-10。用于区分页面日期与内容所述事件日期，不据此推断 AI 采用信息的时间。

资料查阅于 2026 年 10 月 9 日。

GEO 深度研究：机制、证据与边界 · GDR-04

封面插画由 MiniMax AI 生成。