案例。

让 AI 在「敏感肌适合什么面霜」里，给出品牌。

敏感肌人群依赖权威信源，竞品在传统搜索已经占了位置。项目开始时，品牌在 AI 回答里的出现不稳定：有时被提到，有时完全不在推荐里。

• 拆四个场景：敏感肌修复、油痘肌清洁、湿疹保湿、银屑病保湿。每个场景 24 条问题，共 96 条。
• 按信源类型分层：医疗媒体 35%、垂直网站 30%、新闻媒体 25%、社交媒体 10%。
• 统一成分、适用人群与竞品对比的表述，减少 AI 回答里的事实冲突。

新品上市时 AI「查无此产品」，先修事实，再谈推荐。

新品上市初期，AI 无法识别两款新品的名称，推荐链条断裂；有的回答把新品误归为竞品系列，或传播「平替」「降配」的说法；零售价与生产工厂的表述在不同平台互相矛盾。项目初期，负面表述占比超过 60%。

• 建立官方叙事库：统一三款产品的定位、价格、产地与工厂表述，消除逻辑冲突。
• 在母婴垂类、百科与权威媒体布置信源，提高官方信息的密度。
• 针对「平替」「降配」等表述做纠偏内容，重塑三款产品的矩阵关系。

该项目以事实治理为主，结果用「口径是否统一」衡量，不使用提升百分比。

让 AI 在补钙问题里，既推荐品牌，也带出购买链接。

补钙的需求按人群分得很细，不同人群的关注点不同。项目开始时，品牌在部分场景能被提到，但位置不稳定，回答里的购买入口也不完整。

• 按人群拆分场景，每类单独建问题集，不用一套问题覆盖所有人。
• 围绕剂量、吸收、适用人群做科普内容，配权威信源。
• 对齐豆包、千问回答中的价格、规格与购买入口，让推荐能走到下一步。