「问题形态」的购物 prompt，正在拉大店铺之间的引用差距

AI 购物回答正在越来越多地按「问题形态」的查询来做匹配，而不是按关键词形态的查询。只以叙述形式回答的商家页面，正因为这一点在丢失引用。

这个变化在本月的各引擎上都能看到。进入助手的购物 prompt 越来越不像「防水登山鞋」，而更像「这几双鞋里哪一双是真的能扛一整天大雨」或「42mm 版本适不适合宽脚」。这些都是有可验证答案的问题，而回答它们的系统需要一段能在单一、可提取单元内解决该问题的文本。

实际后果是：两个事实质量完全相同的页面，在 AI 回答里的表现可以差异巨大。把「防水等级：10000mm，经 4 小时持续降雨测试」写在独立的、紧贴问题的模块里的页面会被引用；把同一事实埋在三段品牌叙事里的页面不会——不是因为事实缺失，而是因为没有哪一段能单独解决这个查询。

有两类模式反复出现：

• 在对比型查询上，问答区块的表现优于散文。 当页面包含明确的「问题 — 回答」对时，这些对会被不成比例地高频选为支撑引用，而且往往是被逐字引用而非改写。
• 问题覆盖率如今是一项可度量的缺口。 回答了前十个买家问题的页面，被引用的 prompt 分布范围明显比只回答品牌自己选定的两三个问题的页面更宽。

还有一个叠加效应。由于助手在首个回答含糊时会改问一个更窄的问题，缺少某个具体答案的页面会被反复探查，然后被彻底移出候选列表。这种失败是悄无声息的：没有报错，只是该页面不再出现在助手所考虑的来源集合里。

已经上线结构化问答层的卖家反馈，收益最大的是兼容性、尺码和耐用性问题——恰恰是商品描述历来回避的问题，因为它们不容易写得好看。

Visora 视角。 我们扫描过的多数店铺其实已经拥有这些答案；它们存在于客服工单、评价回复和销售对话里。缺的是商品页上那种可提取的、问题形态的呈现。在 geovisora.com/audit 免费扫描一次，就能看到你最重要的买家问题中，目前哪些在页面上没有「可引用就绪」的答案，从而优先补上价值最高的缺口，而不是重写整个目录。