品牌事实卡：AI 时代品牌口径的最小单元

可以换口径，但不能编。「服务 3000 家门店」不便公开时，写「覆盖 20 个省份」也行——任何可核实的具体事实都优于一个虚构的漂亮数字。

品牌事实卡是一份把品牌的定义、主体、数字、边界固化下来的结构化底稿，用于保证同一个品牌在官网、百科、稿件、社交平台上的口径完全一致。 它不是对外物料，而是所有对外物料的上游母版。

做 GEO 的人很快会撞上同一堵墙：内容发了不少，AI 却还是说不清你是谁。多数时候原因不是量不够，而是口径不一致。

为什么口径比数量更要紧

AI 在不同信源看到互相矛盾的信息时，只有两种处理方式：放弃引用，或者随机挑一个——而你无法控制它挑到哪个。

常见的打架现场：

这些在人眼里是小疏漏，在模型眼里是可信度信号缺失。KDD 2024 的《GEO: Generative Engine Optimization》用约 1 万条查询做的对照实验里，提升最大的三类改动是引用来源、加入引语、加入统计数字——它们有一个共同前提：这些数字必须经得起交叉验证。

12 个字段，填完通常不超过 40 分钟。

数字必须带时间点。「服务 3000 家门店」会过期，「服务 3000 家门店(截至 2026 年 6 月)」不会——它变成了一个永远正确的历史陈述;
写不出数字就不写。「服务过很多客户」对 AI 没有任何价值，占位置还稀释密度；
边界句必须成对。只写「适合谁」而不写「不适合谁」，AI 无法判断该不该在对比问题里推荐你；
主体名称只用一种写法。简称、全称、英文名各选一个固定形式，并在事实卡里把三者的对应关系写清楚。

填完 12 个字段,内部对齐一次，确保市场、销售、客服说的是同一套；
回灌官网:把定义句和关键数字做成官网上一段可见的事实块——AI 不只读标记，也读正文；
同步结构化数据:用 Schema.org 的 Organization 把主体、成立时间、联系方式再声明一遍。⚠ 声明必须与正文一致，打架时引擎倾向于两个都不采信；
校准存量渠道:百科、点评、公众号简介、各平台账号简介逐个对一遍，这一步最耗时也最见效；
作为写稿的输入:此后所有稿件的数字都从事实卡取，不允许现编。

我们自己也踩过。领航鲸对外统一使用「瞬维 AI」作为公司简称，但早期部分内部物料写成了「顺为 AI」——同音不同字。对人来说一看就懂，对模型来说那是两个不同的实体,引用会被拆散到两个名字上。

这类问题的成本极不对称：发现时改一处只要一分钟，不发现则会让所有内容的权重分流，而且在数据上表现为「提及率上不去」，极难归因到真正的原因。

事实卡是内部底稿；把它渲染成对外形态，通常有三种：

三者内容必须完全一致。Google 官方文档《AI features and your website》把「重要内容以文本形式存在」列为明确要求，所以三者里可见事实块的优先级最高——它是唯一一个不依赖任何额外规范的形态。

问：事实卡多久更新一次？

关键数字变化时立刻更新，否则每季度过一遍。更新后要把回灌过的渠道再走一遍，只改事实卡不回灌等于没改。

问：数字不方便公开怎么办？

可以换口径，但不能编。「服务 3000 家门店」不便公开时，写「覆盖 20 个省份」也行——任何可核实的具体事实都优于一个虚构的漂亮数字。

问：小公司有必要做这么正式吗？

越小越有必要。大品牌有百科、有媒体报道做交叉印证，小品牌的口径只要有一处不一致，AI 就没有第二个信源来仲裁。

---

领航鲸把事实卡做成了产品里的一个必填对象：填一次，稿件生成、官网 AI 数据单元、体检的口径一致性检查全部从它取值；体检会把官网正文与事实卡逐字段比对，不一致的地方直接列出来。