海外买家在 Reddit 和 Trustpilot 上说的，AI 都在读

一家做咖啡器具的品牌准备进英国市场。运营在 Google 里搜品牌名，看到的都是官网和两篇联盟测评。但买家用英文问“这个牌子的手冲壶值不值”时，AI 引的是一条 Reddit 讨论和一家评测站榜单：被顶到最上面的回答在说壶嘴漏水，评测站的结论是“配件齐全，但手柄偏短”。这两句团队没写过，也没否认过。

AI 不只听你说话，它先听别人怎么说你；第三方语料是模型的社会证明，所以正确顺序是先审计它说了什么，再决定你能改什么——把预算压在可干预的那一格，而不是花在删不掉的那条帖子上。

三类语料，三条不同的信任路径

评测、社区、问答，看起来都是“别人说你”，但在答案里扮演的角色不一样，处理方式也不能一样。

类型	谁在写	AI 拿它做什么	常见误判
评测	媒体、垂类测评站、联盟榜单	提供“和谁比、适合谁”的结构化判断，常被当作对比依据	以为发一篇通稿就等于上了评测
社区	真实买家、爱好者、本地论坛	提供使用体验、踩坑记录、售后温度，语气最像人话	以为差评删掉就没了，其实会被转述更多次
问答	提问者、回答者、平台 Q&A	提供具体问题的具体解法，覆盖最长尾的追问	以为回答越多越好，不管答案有没有被采纳

共同点是：这三类都是你不在场时，别人替你下的判断。区别在可干预程度——评测可以 pitch、可以补参数清单；社区只能参与、不能管理；问答可以补官方答复，但不能替买家说话。混成一件事的常见结局是公关发了稿、社区还在骂、问答页三年没人回。

这条线属于权威与站外的核心工作，但它不是写内容：内容由你决定，语料由别人决定。

审计只看四个维度

审计不是收集链接，而是判断这堆语料够不够支撑一句“可以推荐”。

维度	要回答的问题	不合格的信号	怎么采
量	同一个问题下，有几个独立来源提到你	全是官网加一条通稿	跑问题集，记录被引用的域名
质	提到你时给的是事实还是形容词	只有“不错”“性价比高”，没有型号、场景、对比	逐条摘出可核验的原句
时效	最近一次认真讨论是什么时候	引用的全是老帖，产品已经换代	对照发布时间与产品版本
情感	抱怨集中在哪一类问题	差评分散（正常）还是同一问题反复出现（结构性）	按主题归类，不按星级

四个维度里，只有“量”和“时效”能靠外部动作较快改善；“质”和“情感”改的是产品、包装和履约。分不清这一点，GEO 预算就会悄悄变成公关预算，而且是没有 KPI 的那种。

反例也在这里。常见做法是买好评拉评分，但评分是平台的字段，不是模型证据：模型读的是原文里那句具体描述。一条“很好用”对答案没贡献，“第三次充电后接触不良，客服换新用了九天”反而会被摘走；清理之后评分与原文对不上，模型看到的是矛盾。

先分类，再动手

把审计结果按可干预程度分三格，比按好坏分两格有用得多。

类别	例子	该做什么	不要做什么
可干预	自有店铺评论、官方 Q&A、你给的样品与事实清单、评测页的事实纠错	提高评论的信息密度，回复具体问题，把参数与对比补齐	诱导好评、返现换评
半可干预	媒体评测、榜单收录、社区讨论	提供可核验材料，用真实身份参与，一次说清	假装用户发帖、批量小号
不可干预	竞品对比帖、历史差评、平台排序	记录、观察趋势、把它当产品或履约的输入	要求删帖、发函施压

大多数团队把九成精力花在第三格。第三格的正确动作是“读”，不是“改”：抱怨指向包装，归履约；指向说明书，归内容；指向价格，归定价。它不该由内容团队背，但必须由内容团队记录，否则下季还会踩同一个坑。

四步审计，一周跑完

步骤	做什么	谁来做	怎么算过
1 建问题集	选 20 个买家真会问的问题，含品牌词、品类词、“值不值”“和谁比”	增长	至少 8 个是比较与适配类问题
2 采引用	在 2–3 个 AI 入口各跑一遍，记录答案引用了哪些域名	内容	得到域名×问题矩阵，标出官网占比
3 读原文	打开每个被引页面，摘出提到你的原句	内容	每条都有原句，不凭印象
4 分格行动	按可干预程度分三格，给第一格排本周动作	增长与运营	本周能动、且不需新预算的动作不少于 3 个

第 1 步的问题不要自己编。从客服工单、站内搜索词、竞品问答页里抄，问题要来自买家问题链，不是关键词工具。八个“适不适合我”比二十个“是什么”更决定推荐。

第 2 步要在同一地区、同一语言下采样，否则会把地区差异当成语料差异。入口不同，该记的东西也不同，见AI 搜索把海外电商流量切成了四段；记录表怎么建，参考AI 可见度基线。

另有一个前置条件：被引页面得抓得到。有些社区对爬虫限制严格，你浏览器里看得到的讨论，模型未必读得到，先查AI 爬虫地图。

示例：一次审计改变了什么

示例：假设一家做宠物用品的出海品牌要进澳洲市场。它用 20 个英文问题跑了一遍：官网只出现在 4 个问题的引用里，Reddit 出现在 9 个，两家评测站出现在 6 个。Reddit 的高频原句是“包装在运输中会压扁”，评测站的高频原句是“同价位里配件更全”。数字是假设值，只演示判断顺序。

判断很直接：好话在评测站，问题在社区。可干预格里只有两个动作——把包装改成双层瓦楞并在商品页写清楚，请两家评测站补上配件清单。半可干预格里，运营用品牌账号在原帖下回复一次，说明改版时间与批次号，不辩解、不刷屏。不可干预格里，那条旧帖留着，只在被再次引用时补一条评论。

八周后复测，同一批问题里“包装”从“会压扁”变成“已改版”，官网被引用的问句多了三个。审计只能证明语料变了，不能证明销量变了；承认前者，第三个月被追问 ROI 时才不至于哑口。

边界：什么时候别做这件事

第一，品类还没有第三方讨论。新品类、超小众 B2B，社区没人聊，审计只会得到一张空表。这时先做自有证据与商品页，不是花钱造讨论——造出来的讨论没有历史，模型也不认。

第二，语料本身读不到。平台封闭、站点限制爬虫，你连别人怎么说都拿不到。先做人工抽样，别把“没看到”当成“没被说”。

第三，已经出现系统性信任问题。大规模投诉、监管介入、集体退款，这不是 GEO 问题，先处理召回、退款与合规；语料层面的动作会被下一条投诉盖过。

第四，预算只够做一件事。先对齐品牌实体，再谈语料。实体不清，同一条提及散在几个名字上，审计出来的“量”是假的。

第五，把审计当日报。它是基线，不是监控，每月一次足够。

本月只做一件事：用 20 个问题跑一遍，把提到你的第三方页面逐条打开，摘出原句，按“可干预 / 半可干预 / 不可干预”分三列。然后只做第一列里不需要新预算的三件事；另外两列写进下个月复盘，不写进这个月的 OKR。