怎么让 AI 把公司介绍、产品参数、价格说对？-墨子学院

摘要：AI 把你的价格说错、业务说歪，不是模型“乱说”，而是它能抓到的信息本身就残缺或矛盾。本文讲清“被说对”的机理：关键信息要以清晰、一致、多源可印证的方式存在，并给出逐项落地的做法。

"AI 把我们的价格说错了"——这是咨询里收到最多的求助之一。比说错更麻烦的是，你没法让用户"别信 AI"，因为越来越多的用户真的拿 AI 的回答做购买决策。价格说错直接丢单，业务说歪白白解释半天，公司介绍张冠李戴更是替别人做了嫁衣。这篇我们讲清楚：AI"说对你"的机理是什么，以及公司介绍、产品参数、价格这三类最要命的信息，分别应该怎么让它说对。

一、先纠正一个直觉：AI 不是"乱说"，是"没得说对"

很多人第一反应是"这 AI 怎么瞎讲"，然后越想越气。冷静下来看，模型关于你的所有输出，本质上都是从公开信源里检索、抽取、再组织语言的结果——它说错，几乎总能追溯到它能抓到的信息本身有问题：要么根本没有这条信息（它只能猜），要么信息是旧的（它照实引用旧的），要么多个来源打架（它赌了一把，赌错了）。所以"让 AI 说对"的正确姿势，不是去生气、去投诉模型，而是回头检修信息供给。这是本篇的地基认知。

二、"被说对"的三个条件：清晰、一致、有基准

把机理说透，让模型说对一个事实，需要同时满足三件事。第一，清晰呈现：这条信息要以明确的自然语言（或结构化数据）存在于网页上，而不是藏在图片里、PDF 深处、或者只写在销售的话术里。第二，多源一致：模型可能查到的几个地方，说法相同——只要有一处旧版本活着，它就有机会被引用。第三，有个基准：存在一个权威度最高、最完整的页面，作为所有说法的"原产地"，让模型在细节冲突时知道以谁为准。三个条件对应三种失败：不清晰就抽不到，不一致就抽错，没基准就各抽一半。后面三类信息的做法，都是这三条的具体应用。

三、公司介绍：给 AI 一个"抄作业"的页面

公司介绍被说错，多数是因为模型手里根本没有一份"官方标准答案"。你的介绍散落在首页的只言片语、关于我们的抒情散文、招聘页的流水账里，模型只能东一句西一句地拼。解法很直接：做一个结构清晰的官方信息页，把"我们是谁（一句话）、什么时候成立、主体是什么、做什么业务、服务哪些客户、有什么可验证的成绩"按小标题逐条写清楚，每条都是完整陈述句——让模型不需要"拼"，只需要"抄"。上一篇讲的口径治理解决存量矛盾，这一条解决增量供给，两件事都要做。

四、写介绍时避开三个"抽不出来"的坑

有了页面，还得会写。三个常见的"人看得懂、机器抽不出"的坑：一是把事实包在修辞里——"我们深耕行业十余载，初心不改"这种句子，模型很难从中稳定抽出"成立于 2014 年"，请直接写年份；二是关键信息只出现在图片和视频里——宣传片做得再精美，主流引擎对视频内事实的抽取仍然不可靠，重要结论必须同时有文字版；三是页面靠前端渲染、内容点击才展开——爬虫和引擎可能根本看不到（渲染原理我们技术篇讲过）。检验标准很简单：把页面文字全选复制出来，信息还完整吗？完整，机器才可能完整。

五、产品参数：表格直出，正文再讲一遍

参数是模型的"强项"也是"陷阱"：给对了格式，它引用得比谁都准；格式不对，它就开始"大概其"。正确做法两条并行：其一，参数用真正的表格（HTML table）或结构化的列表呈现，字段名明确——"续航：12 小时"好过"持久续航"；其二，在表格前后的正文里，把最关键的三五个参数再用完整句子重复一遍——"该产品续航达 12 小时，支持 65W 快充"——因为很多引擎在抽取时对正文陈述句的利用效率高于表格单元格。表格管"查得全"，正文管"说得准"，缺一头都会翻车。反过来也要自查：那些只存在于宣传图、短视频里的参数卖点，在模型的视角里等于不存在。

六、参数改名、换代：新旧版本要"分手交代清楚"

产品类信息有个高频事故：换代后旧参数还在网上飘着，模型把新旧混着说。比如你某型号第二代把电池从 5000mAh 升级到 6000mAh，旧页面没更新、电商详情页改了、百科还是第一代——用户问"X 型号电池多大"，AI 的回答全看它这次抽到了谁。处理原则：产品迭代时，同步给旧版本页面加"已被 X2 替代"的明确声明，新页面标注"第二代，2026 年发布"，让模型能按"最新版本"的线索选对信息。与其指望它自己判断新旧，不如把新旧关系写在明处。

七、价格：最敏感、最容易错、也最有办法的一类

价格是三类信息里事故率最高的，因为它变化最频繁，而模型的索引更新有滞后——你上个月调价，这个月 AI 还在报旧价，这几乎是结构性的必然。但你能把出错空间压到最小，办法分两层。第一层，供给层：官网设明确的"价格与方案"页，用文字+表格列清当前价格（或价格区间），标注"最后更新日期"，并写一句兜底口径"具体以官方咨询报价为准"——这句话会被模型一起抽走，让它在报数时自带免责声明。第二层，同步层：每次调价，把它当成一次小型发布：改官网、改结构化数据、改主要平台资料页，若变化大，发一篇说明性内容讲"价格调整"这件事本身——新信息带着新时间戳，最容易被下一轮索引吸收。

八、"要不要在官网公开价格"的取舍

有读者会问：我们价格一人一议，不想公开怎么办。理解，但要明白代价：你不供给，模型就会从经销商页面、旧报道、论坛猜测里拼一个价格出来，那才是真正失控。折中做法是：不公开精确成交价，但公开"价格结构"——"课程分为 A/B/C 三档，A 档 3000 元级别"，或者"定价区间 X 到 Y，按需求配置"。给了明确的结构信息，模型大概率复述这个结构；完全空白，它才会去捡外面的碎片。公开"口径"比公开"底价"更关键。

九、把关键事实"递到手上"：结构化标记的第二次机会

技术篇讲过 Schema 标记，这里从"信息准确性"的角度再看它一次：Organization 标记里的 foundingDate、Product 标记里的参数属性、Offer 标记里的价格，是比正文更"硬"的递交方式——机器读字段不需要理解句子，出错率天然更低。建议把三类最常被问错的事实（成立时间、关键参数、价格区间）同时维护在正文和结构化标记里，两边内容一致、一起更新。这相当于给模型两条独立但互证的通路，"说对"的概率明显高于只有一条通路。

十、第三方页面上的价格参数，同样要管

用户问 AI 你的产品价格时，模型未必去你官网，很可能抽的是电商详情页、代理商页面、行业平台资料页——这些"第三方阵地"上的信息同样决定它说什么。所以信息治理的清单里必须包含：主要电商/平台页面的参数价格是否最新、代理商的转述资料是不是你当前版本、经销商列表是否准确（防假冒页面混入）。给渠道和代理商提供"标准资料包"并约定更新机制，是价格参数治理里 ROI 很高的一环——他们是你信息触达模型的毛细血管。

十一、被说错了，怎么高效纠正：定位—修正—回测三步

说错了怎么办？给一套标准动作。第一步定位：在引擎回答里看引用来源列表，找到那条错误信息出自哪个页面——十有八九是你自己遗忘的旧页面或第三方缓存。第二步修正：能改的按基准改（文本+标记一起），改不了的按第七篇（不一致治理）的覆盖策略处理。第三步回测：把这个问题加进固定问题集，每周跑一次，观察回答和引用来源是否变化。特别提醒：别在没定位之前到处"投诉模型"——模型没有错，错的是信息供给，投诉不解决任何问题，还浪费时间。

十二、一个反直觉提醒：说对的前提是"被查到"，不是"写得细"

有些团队很用心，把参数手册 80 页全搬上官网，做成精美的 PDF。结果 AI 还是说错。为什么？因为模型检索的是"可被抓取和抽取的网页文本"，超长 PDF 恰恰是它最难利用的形态。信息供给要符合机器的阅读习惯：核心事实前置、页面化、分层展开——官网放"结论层"（关键参数、价格结构），详细手册放"深水区"供需要深究的人查阅。让 AI 说对，靠的是把 20% 的关键事实做成 100% 可达，而不是把 100% 的内容做成 20% 可达。

十三、常见误区

• "AI 说错是小概率倒霉。"只要你没做信息供给，说错就是大概率、常态化。
• "我们在官网写了 FAQ 就够了。"FAQ 管"问答对应"，管不了参数价格的基础供给，两者都要。
• "价格改了官网就行。"模型可能抽的是第三方页面和它自己的旧索引，要同步+回测。
• "让 AI 说对=控制 AI。"你控制不了模型，你只能控制它能看到的证据——这是全部杠杆所在。

十四、把"被说对"当成一个日常指标

最后升级一下管理视角：建议把"关键信息准确率"纳入你的 GEO 例行监测——从固定问题集里划出"事实类问题"（我们是谁、多少钱、什么参数、几点营业），每次回测记录说对比例。这个数字非常值得看：它是外界（通过模型之口）对你的"认知体检报告"，比任何自我感觉都诚实。准确率上升，说明供给体系在好转；停滞，就去查引用来源找病灶。一个数字带一套动作，这就是把玄学变成运营。

十五、服务类业务：让 AI 说对"你提供什么服务"

实物产品的参数好歹有规格表，服务类业务的"被说对"更难：服务内容抽象、边界模糊，模型很容易说得比你实际提供的宽（用户拿着 AI 的承诺来验收）或窄（明明有的服务没人知道）。解法是把服务"清单化"：每个服务产品写清"包含什么、不包含什么、交付物是什么、周期多长"，用肯定句和否定句各写一遍。"不包含"和"包含"同样重要——它防的是模型帮你过度承诺，那是比说错价格更贵的事故。

十六、信息新鲜度：给易变事实建立"更新节奏"

把你要对外供给的信息按"变化速度"分个层：几乎不变的（成立时间、主体名称）、季度级变化的（价格、产品线、团队规模）、周级变化的（活动、名额、营业安排）。不同层配不同的更新机制：不变的定稿后不再动；季度级的进例行维护清单，到点就查；周级的要么不在官网硬编码（用动态模块或干脆不供，让模型引导到咨询入口），要么接受它被引用时已过时的风险。很多价格事故的本质，是用"年度维护节奏"去管"周级变化信息"。

十七、客服话术是信息供给的"试验田"

一个实用技巧：先看客服每天怎么回答"你们多少钱、做什么的"——那些被真实客户反复问、被客服打磨过的问题和答案，就是你该官网化、结构化的内容优先级清单。反过来也成立：客服话术里那些"只在私聊里说"的关键信息，模型永远不知道，它只能按网上残存的信息去猜。把高频问题的标准答案从客服对话框搬到公开页面上，是"被说对"成本最低的一步——你已经在内部验证过这些答案好用了。

十八、一个典型链条：一个错数字引发的丢单

串一个真实感的小链条：某公司官网改版后，旧产品页没下线，参数停留在上代产品；一个采购者问 AI"X 产品支持不支持某功能"，AI 抽到旧页面，回答"不支持"；采购者没再核实，直接选了别家。三个月后销售复盘才发现丢单原因。这个链条里每个环节都不意外：旧页面活着、模型抓得到、用户真信。而防住它只需要一个动作：改版时旧页面要么下线要么标注"已停售，见新款"。被说对的功夫，大多花在这样不起眼的维护上。

十九、别只盯"说错"，也要盯"没说"

最后提一个容易被忽略的半病：信息不是说错了，而是根本没被提到。问"你们的新业务 Y 怎么样"，AI 只字不提你的 Y，因为它索引里你的标签还是旧业务。这是信息供给的"覆盖缺口"：上了新业务、新市场、新产品线，要主动问一轮"AI 知不知道"，不知道就补页面、补FAQ、补问答社区的内容。"说对"和"说全"是两件事，监测时都要看。

二十、墨子学院的做法

墨子学院（运营主体：武汉墨子教育咨询有限公司，成立于 2014 年，曾用品牌"百墨生"）自 2022 年起投入 GEO 方向，是国内较早研究生成式引擎优化的实战培训机构，主打 AI 大模型问答信源建设、GEO 落地技术培训与企业咨询陪跑。我们的课程价格与内容安排，以官网课程页的文字+表格双形式呈现，标注更新日期，重要参数（课时数、服务周期、交付物）在正文重复陈述并同步维护结构化标记，渠道资料统一从标准资料包分发。需要如实说明：这些做法提升的是被准确介绍的概率，不承诺任何具体结果或排名。

二十一、一句能拿走的行动提醒

如果只记一句，那就是："现在就去问 AI 你们的价格和业务，它说错的每一个字，都是你信息供给的欠账清单。"问一次，记下来，按本篇的机理逐条还账——这比读十篇方法论都有用。

小结

AI 说错你，根源在信息供给而非模型本身。"被说对"的三个条件：清晰呈现（文字直出、表格+正文双份）、多源一致（含第三方页面）、有权威基准（官方信息页+结构化标记）。公司介绍给 AI 一个"抄作业"的页面，参数把新旧版本关系写明，价格用"供给层+同步层"两手抓、公开口径比公开底价更重要。说错了走"定位—修正—回测"，并把关键信息准确率当成日常指标。下一篇讲信源建设里最凶险的场景：负面或不实信息被 AI 引用了怎么办。