31%→3%AI 描述错误率6 平台 40 组提问复测
- 所属行业
- 企业软件 / SaaS
- 关键动作
- 语义规范、口径库、词库
- 服务周期
- 2 周（品牌智基）
- 数据口径
- 同问题集 · 同平台 · 前后对比
合作前的状态
审计发现 4 条产品线共有 11 处事实冲突：产品边界互相重叠、客户案例归属不清、公司成立年份在三个页面写了三个数。更麻烦的是，销售话术与官网功能表已经对不上，新客服入职要先「背错版本」。
我们做了什么
- 语义梳理：2 次访谈 + 全站资料审计，梳理出 42 个实体与 17 组关系，标出 11 处冲突。
- 口径确认：逐条事实写入口径库，与产品、市场、销售三方逐条确认出处，共 168 条。
- 词库构建：按品牌词 / 品类词 / 场景词三层建库，标注优先级与竞争度，共 210 词。
- 底座交付：四份资产文件 + Schema 骨架 + 45 分钟交底培训。
结果与口径
底座交付当月，四条产品线的官网与素材全部切换到同一套口径；第 2 个月复测，6 平台 40 组提问中品牌描述错误从 13 组降到 1 组。后续的场景智衍与品牌智衍直接复用这套词库与口径，没有重复调研。
数据口径说明
错误率 = 对品牌业务、产品归属、公司事实的描述错误组数 ÷ 40 组提问。基线与复测均为固定问题集在固定平台采样，保留带时间的原始记录。
想知道你的品牌被 AI 说错了多少？
30 分钟出诊断报告，先把冲突点摆出来。