一个很常见的现场
我们做过一次品牌 AI 诊断，客户是一家做了十二年的区域培训机构。同一个问题「这家机构怎么样」，我们问了四个 AI 引擎，得到四种答案：一个说主营 K12 学科辅导，一个说主营成人职业技能，一个说机构已迁址，还有一个干脆把它和另一家同名的机构搞混了。
客户老板看到结果有点急：「我们从来没开过成人课。」
问题不在 AI。问题在于，网上关于这家机构的信息本来就是打架的：五年前的招聘启事写的是学科辅导，三年前的一篇行业报道写的是职业教育，地图标注还是老校区地址，而官网上有一半栏目两年没更新。「成年课」和「迁址」是模型从这些碎片里推出来的。
AI 为什么对矛盾这么敏感
模型组织答案时，会做一件事：交叉验证。它手上如果有三条关于你的信息，两条一致、一条相反，它的处理通常是——降低整体置信度，或者干脆跳过你这个主体，去推荐信息更干净的那个品牌。
这不是它在「惩罚」你，是它在规避风险。对一个不肯定的对象做推荐，比不推荐更容易出错。
所以「矛盾」带来的损失，往往不是说你不好，而是它选择不说。很多老板以为 AI 没提自己是因为知名度不够，其实是因为信息太乱。
矛盾通常来自这六个地方
| 来源 | 典型表现 | 处理难度 |
|---|---|---|
| 官网自身 | 首页和关于页口径不一致 | 低 |
| 工商信息平台 | 变更后未同步 | 中 |
| 地图 / 点评平台 | 老地址、老电话、旧门头照 | 中 |
| 招聘网站 | 早年岗位描述代表旧业务 | 中 |
| 媒体报道 | 不同时期报道定位不同 | 高（需策略性处理） |
| 内容平台 | 各地代理或员工各写各的 | 中高 |
排在最后两类的，往往最花时间，因为它们不完全由你控制。
排查：先做一张事实卡片
修复的前提是知道「正确版本」是什么。建议先做一张事实卡片，用最土的方式——一个表格，写清楚下面这些字段：
- 企业全称、简称、英文名（如果有）
- 成立年份
- 注册地与主要办公地
- 主营产品 / 服务的标准叫法（不要用内部简称）
- 目标客户类型
- 服务区域
- 核心资质、认证、专利数量
- 公开电话、邮箱、官网
字段越少越好，最好控制在 10 项以内。范围一大就维护不住。
修复：按优先级铺开
- 官网统一（1 周内可完成）。所有页面口径对齐事实卡片，关于页作为唯一标准版本。
- 高权重第三方同步（2–4 周）。地图、点评、行业黄页、工商信息平台，逐个核对更新。老地址要么删掉，要么保留并标注「旧址」。
- 内容平台自查（1–2 个月）。公众号、知乎、百家号、视频号简介，统一用事实卡片里的表述。
- 历史内容处理。旧稿件有两个选择：删除，或者保留但在文首加一行「本文发布于 2019 年，业务范围以官网最新信息为准」。第二种通常更划算，因为删除会丢掉内容积累。
- 建立新内容的统一入口。给所有对外写稿的人一份「品牌事实与表述规范」，一页纸就够，避免新的矛盾继续产生。
一个反例：越修越乱
有家建材企业想「优化形象」，让三家代运营同时改简介，结果三个平台出现三个不同版本的品牌定位，还各自加了不同版本的「行业领先」表述。三个月后 AI 的诊断结果比之前更混乱。
一致性不是「写得更漂亮」，而是所有地方说同一件对的事。宁可表述朴素，不要表述花哨但不统一。
关于效果，必须说清楚的一点
信源一致性是必要条件，不是充分条件。做到一致，只是让 AI 不再因为矛盾而排除你；最终推不推荐、在哪个问题下推荐，取决于模型自身的判断，AI 的答案不由任何服务商控制，我们也不会承诺某个问题下一定会提到你。
下一步可以做什么
先只做一件事：把事实卡片做出来。哪怕先写 8 行，也算有了标准答案。
然后是核对——打开你公司的地图标注、公众号简介、官网关于页，三处并排看，把不一样的地方圈出来。通常你会在十分钟内发现问题，而且问题往往比你预想的多。
