品牌语料盘点：五个客户平均 240 个来源，官网只占 30 个

AI 认识你，靠的是 240 个页面，其中只有 30 个是你写的。2026 年 3 月我们给五个 B2B 软件客户做了语料盘点，把四个引擎在品牌词和产品词问答里挂出来的来源全部列出来、去重、分类。平均 240 个来源，自家官网占 30 个，12.5%。

盘点要回答三个问题

它读了什么：哪些页面在给 AI 提供关于你的信息。 它读错了什么：哪些页面的描述和事实不符。 它缺了什么：哪些信息本该有、但一个来源都没有。

这三个问题比"我们被引用了几次"有用得多。次数是结果，语料是原因。

怎么收集来源

四个引擎，每个跑 20 个查询：10 个品牌词，5 个产品词，5 个"品牌加场景"。

每个回答记录两样东西：挂出来的域名，以及它描述你的原话。原话必须抄，不能只记域名。

五个客户、400 次问答，去重后拿到 1180 个来源域名，平均每个客户 236 个。顺手还收到 300 多条描述原话，这批原话是后面判断对错的依据。

平均结构长什么样

平台内容占了四成，这个数字每次都让客户惊讶。他们一直以为官网是主战场，实际主战场在别人的地盘上。

读错了什么

五个客户里有三个存在明显错误描述。

一个被写成"仅支持私有部署"，实际有 SaaS 版。错误来源是 2023 年的一篇媒体报道，被三个目录站转载。

一个被写成"开源软件"，实际只有 SDK 开源。来源是 GitHub 上一个第三方项目的 README。

一个被写成"总公司在深圳"，实际在成都。来源是某招聘网站的旧信息。

三条错误的共同点：都不是官网写的，但都被 AI 当成事实，因为多个来源重复了同一个说法。

缺了什么

缺口集中在三块：中文场景内容、新版本文档、客户案例的量化结果。

新版本文档缺得最要命。一个客户 2025 年上线了三个新功能，文档站更新了，但中文语料里一个字都没有。结果 AI 回答"你们支持向量检索吗"时，说"暂不支持"。

这条错误每天在替他拒绝客户。

盘点之后做什么

三类动作，按优先级：

改错的。找到错误来源页，发更正请求。改不动的，就在官网和平台写一版更清楚的说法，让正确信息在数量上压过错误信息。

补缺的。缺口里最影响成单的先补，通常是新版本文档和部署方式。

建台账的。把 240 个来源记成一张表，标注类型、是否准确、最后检查日期。每半年复查一次。

一个判断

语料盘点比关键词研究有用。关键词研究告诉你别人搜什么，语料盘点告诉你 AI 以为你是谁。后者错了，前者做得再好也没用。

这活儿一次四个小时，五个人工。不做，你就一直在猜。