AI 推荐你的四个信任前提

四月的一个下午，一家做宠物扫地机器人的出海团队在 Perplexity 里问：八十平公寓、养长毛猫、木地板，买哪台。答案列了三个品牌，没有他们。他们页面上 CE 认证、两年保修、评分 4.6、几千条评论，一样不缺。运营的结论是“评论还不够多”，于是又排了十篇新测评。

AI 推不推荐你，不取决于你说得多好，而取决于四个可被机器验证的前提：证据能复核、说法四处一致、旁证来自站外、数据是当下的；四项是串联，缺一项，另外三项一起打折扣。

信任不是态度，是四项可验证的检查

模型没有“喜欢”这个动作。它把品牌放进答案，等于替买家承担一次选错的风险，所以只对能核对的东西给高置信度。四个前提各挡一类失败：

前提	AI 在核对什么	最常见的反例
证据	这句话有没有条件、口径和出处	“军工级电芯”“行业领先吸力”
一致	官网、listing、评测、知识库是不是同一个说法	官网写两年保修，平台 listing 写一年
独立	除了你自己，还有谁这么说	所有材料都挂在自家域名下
新鲜	这个数字是哪一年的	2023 年的价格表还挂在页面上

四项里最难的不是写，是对账。预算通常只花在“写”上，所以“证据”看起来最好，“一致”和“独立”最差。

E-E-A-T 常被当成一份操作清单，其实它是搜索质量评估指南里的描述性概念，不是排名因子。把它翻译成机器能执行的动作，就是上面这四项：经验、专业、权威、可信，最后都要落成一句能被核对的话，否则只是自我评价。

证据与一致：先能复核，再不打架

证据的门槛，是这句话能被第三方重做一遍。 可用的句子有固定骨架：对象、条件、数字、口径。“25℃ 室温、标准档、地毯模式，连续工作 120 分钟”别人能复现；“超长续航、强劲吸力”不能。形容词不算错，是零信息——模型摘不到东西时，只会用最保守的一句替你说：“该品牌也提供同类产品。”

一致比丰富优先。同一个实体出现多个版本，模型不会挑一个信，而是降低整体置信度；价格、保修、认证编号、型号别名是四个高发区。这也不是文案问题：主数据没统一，页面写得再准，也会在下一个渠道被推翻。先把 SKU、保修口径、认证有效期对齐，再谈表达，写法见把参数写成证据。

判断方法很土：遮住品牌名，把官网、listing 和一篇站外评测并排读。三处对同一件事给出不同答案时，你在 AI 那里的可信度等于三者中最低的那个。

独立与新鲜：站外说话，说的还得是现在

第一方页面是申请，第三方是背书。模型分不清谁更真诚，但看得见证据的分布：如果所有材料都在自己域名下，这就是单一信源，风险由你独自承担。评测媒体、实验室、社区、平台评论各补一块，组合比单点爆款重要，来源差异见评测语料从哪来。

反例是自己攒一个“第三方”：注册个域名、发几篇署名不同的“评测”，短期内可能被摘到。但域名、主体、付款账户、图片版权会留下关系，一旦被识别成同一方，四项里最先崩的是独立，而这一项崩了很难补回来。

新鲜度更便宜，也更致命。认证过期、型号停产、价格变动、退货窗口调整，任何一个没更新，都会让前两项清零。Agent 阶段尤其如此：它要下单，就必须知道现在有没有货、几天能到、能不能退。

所以修复顺序不该按“哪项最缺”排，而该按“多便宜、多致命”排：先改数字和日期，再补句子，最后做外联。三类投入的预算逻辑完全不同，怎么分见信任资产的预算怎么分。

四十分钟自测：四项各打一分

前提	检查动作	过线标准	负责人
证据	抽 5 个核心页，遮住品牌名读一遍	每页至少 3 句带条件与数字的独立句	内容
一致	同一 SKU 在官网、平台 listing、两个站外来源的规格与政策	型号、保修、认证编号、价格口径一致	运营 + 商品
独立	列出提到品牌的独立来源，按类型去重	至少 3 个不同类型来源，且不全在自家域名	市场
新鲜	查页面日期、认证有效期、价格与库存	关键数字有更新日期，过期项清零	商品 + 技术

0–1 分：先补可见性，别做外联。2 分：按上表修最便宜的那一项。3 分：可以进候选集。4 分：把口径做成巡检，不再靠人记。分数只用来排顺序；一旦变成考核指标，团队就会去刷“独立来源”，那是另一个坑。

修复按下面四步走，不要按表格从上到下：

对账：四个渠道的型号、保修、认证编号、价格并排列出，只留一个口径，差额当场定谁改。
补句：给 5 个核心页各写 2–3 句带条件与数字的句子，替换掉没有主语的形容词。
上日期：关键数字标注更新日期，过期认证和停产型号下架，价格与库存接回主数据。
外联：按来源类型补最缺的一类，先求不同类型各一个，再谈数量。

每步的验收都不看排名：对账看表格里还剩几个空格，补句看遮住品牌名后还能不能读懂，上日期看有没有一条超过 12 个月没动，外联看独立来源的类型数。

示例：一款产品的四种说法

示例：假设某清洁电器品牌（品牌与数字均虚构，只演示口径），官网写“续航 180 分钟”，平台 listing 写“150 分钟”，一篇 2024 年的评测写“120 分钟”，保修官网 24 个月、listing 12 个月。同一个问题在助手里问三次，两次答案里没有它，一次把它放在最后，附一句“续航数据存在差异”。

改法不复杂：以实验室主数据为准，三个渠道统一口径，页面写清测试条件（档位、地面材质、电池状态），评测方更新旧数据，每个数字后面标更新日期。一周后同一批问题再问，品牌不一定立刻出现，但“数据存在差异”这句应该先消失。这是可验证的第一步，引用层面的度量见AI 可见度基线怎么建。

边界：这四个前提什么时候不适用

第一，低决策成本品类。手机壳、数据线、收纳盒，AI 很少做品牌级比较，修证据的回报低于修抓取与 listing。

第二，新品零站外提及。独立这一项从 0 到 1 需要时间，先做第一方证据和可被抓取；为了“独立”去买假评测，会让四项一起归零。

第三，成交集中在平台内。平台 AI 读的是 listing、评论与履约，官网证据的权重往后放。

第四，强监管品类。医疗器械、儿童安全、食品接触材料，合规结论不能靠“新鲜”或“独立”替代，法务口径优先。

第五，把四项当 KPI。分数是排优先级的工具，不是考核表；指标一旦被考核，产出的就是恰好过得去的假证据。

四个前提合起来，是权威与站外这条线的地基：可信度来自别人愿意替你说话，不是你把自己说得更响。

这个月只做一件事：挑卖得最好的一个 SKU，把续航、价格、保修、认证四项，在官网、平台 listing 和两个站外来源上列成一张四列表，标出不一致的格子；先改数字，再改文案，改完给每个数字加日期。