统计区间：2026-01 至 2026-07，同一组 30 个成分类提问、同一批平台前后对比。数据口径见文末声明。
本页目录
合作对象与服务范围
- 所属行业
- 美妆个护 / 功效护肤
- 企业规模
- 年营收 2.3 亿 · 190 人
- 主要渠道
- 天猫、抖音、屈臣氏
- 决策角色
- 品牌总监 / 研发经理
- 合作起始
- 2026 年 1 月
- 服务套餐
- 旗舰托管版
- 监测平台
- 6 个国内 AI 平台
- 当前状态
- 合作中，已续约 1 次
客户当时的处境
这是一家做了 8 年的功效护肤品牌，主力是烟酰胺、A 醇与酸类三条产品线。它的用户是典型的「成分党」——会先去问 AI，再决定买不买。
- 30 组成分提问中只被提及 11 组，其中用官方数据回答的只有 7 组
- 21 条错误说法被反复引用，例如「这款 A 醇可以天天用」「酸类后立刻叠烟酰胺」
- 官网成分页是一张长图，浓度、pH、检测信息全在图里
- 有两处错误宣称是竞品话术，被 AI 误安到了自己头上
客户想要的结果
客户提的诉求分三层，从防守到进攻：
- 止血：把不属于自己的功效宣称澄清掉
- 立据：浓度、pH、检测结论能被引用，而不是被博主转述
- 进榜：在「成分怎么搭」「浓度多少合适」这类问题里出现
我们补的一条
不写任何疗效。护肤品不能宣称治疗作用，一旦越线，不但有监管风险，AI 平台也会降低这类内容的采信度。所有内容只用「浓度、pH、检测值、使用顺序」四类事实说话。
180 组采样：说错了，而且错得很具体
2026 年 1 月，用 6 个平台 × 30 组成分提问（浓度、搭配、耐受、顺序、孕妇可用性）完成首轮采样，逐条比对答案中的说法与产品实际配方。
基线采样中的四类问题
| 问题类型 | 具体表现 | 出现次数 |
|---|---|---|
| 完全未提及 | 答案只给头部国际品牌 | 19 / 30 组 |
| 数据来源非官方 | 引用博主测评与过期成分库 | 23 / 30 组 |
| 错误宣称 | 功效、用法、搭配与实际配方不符 | 21 条 |
| 无引用来源 | 答案没有可点击的品牌官网链接 | 30 / 30 组 |
最麻烦的一条
AI 说「该品牌的 A 醇精华可以每天使用」。实际产品是 0.3% 浓度、建议隔天建立耐受——这个说法来自一篇 2022 年的测评，文章里其实针对的是另一个浓度更低的产品。
成分提问表现（优化前 → 当前）
三个阶段，把长图里的成分信息变成可引用的数据
成分事实核对
DAY 1–30我们做了什么
把 3 条产品线、11 个 SKU 的浓度、pH 值、配伍禁忌逐项列表，与 21 条被引用的错误说法逐条比对，标注「事实错误 / 表述误导 / 张冠李戴」三类；同时确认合规红线：不写疗效、不写「最」「第一」、不比较处方药。
客户配合了什么
研发提供配方浓度与 pH 实测值；品牌方确认哪些信息可公开、哪些只能写区间；提供了 3 份第三方检测报告与 2 份人体功效测试摘要。
三张表与成分页建设
DAY 31–90我们做了什么
把成分长图拆成三张可抓取的 HTML 表：浓度与 pH 表（含检测方法）、第三方检测结论表（机构、编号、项目）、配伍禁忌表（能搭 / 需间隔 / 不建议）；每个 SKU 一页成分说明，页内标注配方版本与最后核验日期；部署 Product + FAQPage 结构化数据。
客户配合了什么
研发审校 11 页中的数值（分 3 批返回）；法务确认配伍表述不构成医疗建议；提供检测报告扫描件用于公开引用。
错误宣称纠偏
DAY 91–180我们做了什么
针对仍被沿用的 9 条说法，做「正确用法」专题页：不否认错误说法，而是给出带条件说明的正解（如「0.3% A 醇建议隔天晚间使用，建立耐受后再评估频率」）；在 2 家成分查询平台提交数据更正；建立月度复测，30 组提问逐条核对。
客户配合了什么
每月 30 分钟的数值复核；客服团队同步了一份「常见误解应答口径」，与页面表述保持一致。
说清楚了，客诉和退货一起降了
以下数据由客户提供并经我方核对，统计区间 2026-01 至 2026-07，同口径对比。
| 指标 | 合作前（2025-12） | 当前（2026-07） | 变化 |
|---|---|---|---|
| 成分提问提及率 | 11 / 30 组 | 22 / 30 组 | 2.0× |
| 官方数据引用占比 | 23% | 54% | +31 个百分点 |
| 被沿用的错误宣称 | 21 条 | 4 条 | -81% |
| 官网引用链接 | 0 次/月 | 19 次/月 | 新增来源 |
| 「用法不当」类客诉 | 月均 34 件 | 月均 19 件 | -44% |
说明：客诉数据来自客服工单分类统计，剔除物流与包装类；该指标受促销活动影响，此处仅作同期趋势参考。
三个没有回避的困难
源头找不到
发生于 DAY 45
有 5 条错误说法被多个平台互相引用，但最早那篇文章已删除。我们只能做正解页，让「正确说法」比「错误说法」更具体、更可引用。
教训：纠偏的胜负手不是删掉错，而是让对的更容易被摘。
浓度公开的边界
发生于 DAY 31–50
研发担心公开精确浓度被抄配方。最终采用「主成分给区间、功效相关成分给精确值、复配体系不公开」的三级策略，既满足引用需要，也守住核心。
教训：公开不是全开，是按「可验证性」分级。
合规与表达的拉扯
发生于 DAY 60–120
「修护」「舒缓」这类词在不同平台尺度不一。法务给了一份禁用词表，我们把所有形容词替换成可测量的表述，例如「经测试，经皮水分流失下降 12%」。
教训：把感受写成数据，是最稳的表达方式。
客户怎么评价这段合作
「以前我们最怕的不是没人提，是被提错。有个客户拿着 AI 的说法来投诉，说我们骗人——实际上那句话我们从来没说过。现在至少能指着官网那一页说：这是我们的原话。」
「三张表做完之后，客服的重复解释少了很多。用户会自己去看配伍表，问的问题从『能不能一起用』变成『我这个顺序对不对』，效率完全不一样。」
服务评分
客户方 2 位对接人匿名打分，2026-07 收集，满分 5 分。
合作关系的演进
把长图变成数据
成分信息都在长图里，AI 引用常张冠李戴。首月完成成分库结构化，引用正确率显著回升。
引用正确率进对齐检查
成分提问正确引用过半后，客户把「AI 引用是否正确」纳入电商详情与客服话术的对齐检查。
新品备案与页面同步
当前每月复测；新品备案信息与内容页同步上线，研发团队提供一手数据。
敏感肌与医生背书
计划扩建敏感肌人群的高频提问内容，并补充皮肤科医生的专业背书页。
成分型产品做 GEO，关键在「事实密度」
把图变成表
成分图、检测报告、配方表，只要还是 JPG，对 AI 就等于不存在。三张 HTML 表的成本，远低于一篇软文。
纠偏要给正解
只说「这是错的」没有用，要给「正确做法 + 适用条件」。AI 需要的是可复述的答案，不是否认。
合规先于传播
护肤品不碰疗效、不碰绝对化用词。越线的内容即使被引用，也随时可能被平台下架，反而是负债。
关于这个项目的常见疑问
同一组 30 个成分类提问，2026-01 采样时被提及 11 组，其中 7 组引用了官方数据（浓度、pH、检测结论），7÷30 ≈ 23%；2026-07 复测提及 22 组，其中 16 组引用官方数据，16÷30 ≈ 54%。判定标准与提问集均未变。
采用三级策略：主成分给区间（如 3%–5%），与功效相关的关键成分给精确值，复配体系与工艺参数不公开。可验证性有了，核心也没有全部交出去。
本案例全程不出现治疗、修复疾病、替代药物类表述，只写浓度、pH、检测数值与使用顺序。所有文案经客户法务确认后才上线。