AI尽调 品牌事实不是“AI有没有提到你”，而是投资人、采购、大客户、并购顾问用AI检索公司时，AI能否准确说出你的定位、产品、客户、资质、融资、风险和竞品边界。
如果AI把“生态合作伙伴”写成“付费客户”，把旧业务当成主营业务，或遗漏SOC 2、ISO 27001、等保、信创适配等采购关键证据，影响的不只是品牌印象，而是融资第一轮判断、供应商准入、并购估值和风险问题清单。
什么是 AI尽调 品牌事实？
AI尽调 品牌事实指AI在投资、采购、并购、合作评估中，对公司关键公开信息的提取、归纳、排序和引用结果。核心目标是让AI回答可核验、不过度推断、不过期。
它和传统SEO有三个区别：
| 对比项 | 传统SEO | AI尽调 品牌事实 |
|---|---|---|
| 核心问题 | 用户能否搜到你 | AI是否正确解释你 |
| 主要对象 | 搜索结果页、标题、摘要 | AI答案、引用来源、事实链 |
| 风险点 | 排名低、点击少 | 错误事实进入投资或采购判断 |
| 优化对象 | 页面排名与流量 | 事实资产、来源可信度、答案准确率 |
Google在有用内容文档中强调，内容应提供原创信息、完整解释、清晰来源和超出显而易见的分析；在生成式AI搜索优化指南中也提到，AI搜索仍依赖可抓取、可索引、有质量的网页内容。放到品牌尽调场景，结论很直接：如果你的公开事实不清楚，AI会去别处拼答案。
投资人和大客户为什么会先问AI？
AI适合做第一轮尽调，因为它能把官网、新闻、社媒、第三方评测、数据库和公开文档压缩成一页判断。用户真正想知道的通常不是“这家公司介绍”，而是：
- 这家公司到底做什么，是否和我理解的一样？
- 客户、融资、资质、案例有没有可验证证据？
- 它和竞品相比适合什么客户？
- 有没有负面事件、合规风险或夸大宣传？
- 如果进入下一轮尽调，应该重点问哪些问题？
这不是猜测。2026年的DIALECTIC创业公司评估论文描述了一个LLM多智能体系统：先收集创业公司事实，再组织成问题树，最后生成支持或反对投资的论点。另一篇VC尽调多智能体框架论文则把实时网页检索、官方登记资料和结构化投资情报结合起来，并要求在数据缺失时明确标注，而不是生成未经验证的数字。
对品牌方来说，重点不是“投资人会不会用AI做最终决策”。严肃投资和采购不会只靠AI拍板。真正的风险是：AI答案会影响对方的第一印象、问题顺序、风险假设和是否愿意继续沟通。
AI尽调最容易查哪些品牌事实？
高风险事实有一个共同点：变化快、来源分散、表述相近、容易被AI推断过度。
| 事实类型 | 常见AI错误 | 应指定的权威来源 |
|---|---|---|
| 公司定位 | 把旧业务、媒体标签或实验产品当成主营业务 | 官网首页、关于我们、核心产品页 |
| 目标客户 | 把“可服务行业”写成“主要客户群” | 解决方案页、客户案例页 |
| 客户与案例 | 把合作、渠道、生态伙伴写成付费客户 | 客户授权案例、联合新闻稿 |
| 融资与股东 | 漏掉最新轮次，或把传闻写成事实 | 公司新闻稿、投资方公告、监管披露 |
| 收入与规模 | 编造收入、员工数、ARR或增长率 | 官方披露、年报、可信数据库 |
| 产品能力 | 混淆版本、套餐、API、集成范围 | 产品页、文档、集成页 |
| 安全与合规 | 漏掉认证，或引用过期证书 | 信任中心、资质页、审计报告摘要 |
| 价格与套餐 | 引用旧价格或第三方错误整理 | 定价页、销售FAQ |
| 创始人与管理层 | 混淆同名人物、旧职位或离任信息 | 管理团队页、LinkedIn、公司公告 |
| 并购与改名 | 旧品牌、新品牌、母公司关系混乱 | 并购公告、品牌迁移说明 |
| 负面事件 | 只引用争议，忽略后续处置结果 | 官方声明、权威媒体更新 |
| 竞品对比 | 把竞品话术当成客观结论 | 对比页、第三方评测、客户证言 |
| 地区与服务范围 | 把区域业务写成全球业务，或反过来 | 服务区域页、本地页面、渠道页 |
如果公司处在并购、改名、融资、危机回应或新品发布窗口，事实更新要按“尽调材料”标准处理，而不是普通公关稿标准。并购场景可参考M&A场景下保持AI答案正确的方法。
先建一张“品牌事实底表”
不要一开始就写更多文章。先列出20条绝不能被AI讲错的事实，并给每条事实指定唯一权威来源。
| 序号 | 事实项 | 正确表述 | 权威来源 | 风险等级 | 更新频率 |
|---|---|---|---|---|---|
| 1 | 公司一句话定位 | 用一句话说明你做什么、服务谁、解决什么问题 | 首页、关于我们 | 高 | 每季度 |
| 2 | 核心产品 | 产品名称、功能边界、版本差异 | 产品页、文档 | 高 | 每月 |
| 3 | 目标客户 | 行业、规模、角色、典型场景 | 解决方案页 | 中 | 每季度 |
| 4 | 客户案例 | 只写已获授权的客户和结果 | 案例页、联合稿 | 高 | 每月 |
| 5 | 安全合规 | 认证名称、有效期、适用范围 | 信任中心 | 高 | 证书变更时 |
| 6 | 集成能力 | 已支持系统、API、限制条件 | 集成页、文档 | 中 | 每月 |
| 7 | 价格与套餐 | 公开价格、计费口径、是否定制报价 | 定价页 | 中 | 价格变更时 |
| 8 | 融资与股东 | 轮次、时间、投资方、公开披露口径 | 新闻稿、投资方公告 | 高 | 事件发生时 |
| 9 | 管理团队 | 当前职务、过往经历、离任变化 | 团队页、LinkedIn | 中 | 人事变更时 |
| 10 | 竞品边界 | 你适合谁、不适合谁、与竞品差异 | 对比页、评测页 | 中 | 每季度 |
MaxAEO在品牌AI可见性项目中常用一个判断原则：凡是会进入Term Sheet、供应商评审表、并购问题清单或董事会材料的事实，都应进入品牌事实底表。 这能避免团队只优化“介绍文案”，却遗漏真正影响决策的事实。
用Prompt矩阵模拟真实AI尽调
只问“介绍一下某公司”没有意义。AI尽调测试要模拟真实身份、真实任务和真实决策。
建议每月固定测试：4个平台 × 8类问题 × 3种身份 = 96条答案样本。平台可包含Google AI Overviews/AI Mode、ChatGPT、Perplexity、Microsoft Copilot，以及目标市场常用的DeepSeek、豆包、Kimi、通义千问等。
| 身份 | 重点关注 | 示例Prompt |
|---|---|---|
| 投资经理 | 业务、客户、增长信号、风险、竞品 | “你是B2B SaaS投资经理，请基于公开信息评估的业务、客户、增长信号、主要风险和同类竞品。” |
| 企业采购负责人 | 安全、成熟度、集成、供应商风险 | “你是大型企业采购负责人，是否适合作为供应商？请列出安全资质、客户案例、产品成熟度和潜在风险。” |
| 并购顾问 | 股权、团队、产品、负面事件、整合风险 | “请核查最近一年是否发生融资、并购、改名、负面事件或管理层变化，并给出来源。” |
| 行业分析师 | 类别归属、市场位置、替代品 | “和分别适合什么客户？请按产品能力、客户类型、价格、生态集成比较。” |
| CIO/CTO | 架构、安全、兼容性、部署限制 | “是否能接入现有系统？请列出公开可验证的集成、API、部署和安全证据。” |
| 法务/合规 | 资质、声明、争议、数据处理 | “请只使用可验证来源回答：有哪些合规资质、隐私声明和公开争议？” |
每条答案都要拆成原子事实核对。例如“某公司服务金融和制造业客户，并已完成ISO 27001认证”应拆成三条：服务金融客户、服务制造业客户、完成ISO 27001认证。金融领域的FinGround论文也采用原子声明验证和表格核算来降低幻觉，其实验报告在相同检索条件下相对最强基线降低了68%的幻觉率。
如何修复AI引用来源？
AI更容易采用稳定、清晰、可抓取、与问题强相关的页面，而不是零散口号。修复顺序应从权威事实源开始。
| 来源层级 | 要解决的问题 | 适合页面 |
|---|---|---|
| 核心事实层 | AI能否说清你是谁、做什么、服务谁 | 首页、关于我们、产品页 |
| 决策证据层 | 投资人和采购是否能核验证据 | 案例页、信任中心、定价页、集成页 |
| 第三方验证层 | AI是否能找到外部佐证 | 媒体报道、第三方评测、客户联合稿 |
| 变更记录层 | 旧信息是否被新信息覆盖 | 改名公告、并购说明、价格变更页、风险澄清页 |
修复时不要只改一句官网Slogan，而要把事实写成AI可引用的“证据块”：
- 一句话定义：品牌是什么，不是什么。
- 适用对象：适合哪些客户、行业、规模、场景。
- 可验证证据：客户、案例、证书、集成、第三方评测。
- 边界条件：不支持什么、不承诺什么、哪些功能只在特定套餐中提供。
- 更新时间：页面显示最近更新时间，避免AI继续引用旧版本。
第三方评测页尤其容易影响竞品比较和采购判断。评测内容要提供事实表、对比口径和更新频率，避免AI只抓取主观评价；可参考第三方测评页如何被AI采用。
LinkedIn、播客文字稿、创始人访谈和合作公告不能替代官网，但能补充AI的外部引用来源。尤其在B2B场景，LinkedIn上的公司更新、创始人观点和合作公告常被AI用于判断专业度；做法可参考把LinkedIn公司内容变成AI引用来源。
脱敏案例：一个“客户事实”错误如何影响采购判断
一家B2B软件公司在官网写过“与某大型集团生态部门展开合作”。第三方文章转述为“已服务某大型集团”。AI在采购类Prompt中进一步概括为“拥有大型集团客户案例”。
问题在于：原始事实是生态合作，不是付费客户。采购团队看到AI答案后，可能把它当成成熟度证据；一旦进入正式尽调，销售团队又无法提供客户授权材料，信任反而下降。
修复动作应分三步：
- 在官网案例页只保留已授权客户；生态合作单独放在“合作伙伴”页面。
- 在合作公告中明确合作性质，例如“生态合作”“技术集成”“联合市场活动”，避免写成客户案例。
- 在FAQ或采购材料中补一句边界：“合作伙伴不等同于付费客户，客户案例以授权案例页为准。”
这类修复比单纯“增加正面内容”更有效，因为它减少了AI推断空间，也减少了销售、法务和采购之间的口径冲突。
哪些页面最该优先优化？
优先级看两个维度：错误后果有多严重、AI是否容易找到替代来源。
| 页面 | 优先级 | 优化重点 |
|---|---|---|
| 关于我们 | 高 | 公司定位、成立时间、总部、团队、业务边界 |
| 产品页 | 高 | 功能边界、适用场景、版本差异、不可用能力 |
| 信任中心 | 高 | 安全认证、隐私、合规、审计、数据处理 |
| 客户案例页 | 高 | 授权客户、结果指标、适用行业、证据截图 |
| 定价页 | 中 | 计费口径、套餐差异、是否定制报价 |
| 集成页 | 中 | 已支持系统、API、限制条件、部署方式 |
| 对比页 | 中 | 适用客户、能力边界、证据来源 |
| 新闻稿/公告 | 中 | 融资、并购、改名、合作性质、更新时间 |
定价和集成信息尤其容易被AI答错。定价页应避免只写“联系我们”，至少提供计费变量、套餐差异和适用条件；延伸阅读可看定价页AEO如何影响AI价格答案。集成页则要回答“X是否能与Y配合使用”，否则AI会从论坛、竞品文章或旧文档里拼答案。
应该监测哪些指标？
AI品牌监测要同时看出现、位置、事实、引用和风险，单看“有没有提到”不够。
| 指标 | 定义 | 计算方式 |
|---|---|---|
| AI提及率 | 目标Prompt中品牌被提到的比例 | 品牌出现次数 / 总测试次数 |
| AI推荐排名 | 在推荐列表或竞品比较中的位置 | 第1名、第2名、未出现 |
| 事实准确率 | 原子事实中正确事实占比 | 正确事实 / 全部事实 |
| 高风险错误数 | 涉及客户、融资、安全、负面、价格的错误 | 按错误条数统计 |
| 引用覆盖率 | 关键事实是否带可信来源 | 有来源事实 / 关键事实 |
| 引用支撑率 | 引用页面是否真的支持该结论 | 支撑结论的引用 / 全部引用 |
| 竞品替代率 | AI推荐竞品而不推荐你的比例 | 竞品优先次数 / 总次数 |
| 纠偏周期 | 修复来源后AI答案变化所需时间 | 从发布到答案变化的天数 |
这里要特别注意“引用支撑率”。一项覆盖55,393个查询的Google AI Overviews研究发现，AI答案中的原子声明仍可能不被引用页面支持。换句话说，有引用不等于事实正确，引用页面必须真的支撑该结论。
如果目标客户会使用多个AI入口，不要只看ChatGPT。Copilot、Grok、Google AI Mode等平台也会影响B2B品牌发现和比较，相关监测框架可参考容易被B2B品牌忽略的AI搜索引擎。
优化前后怎么判断有效？
有效的AI尽调优化，不是让AI“更会夸你”，而是让答案从含混判断变成可核验事实。
| 对比项 | 优化前 | 优化后 |
|---|---|---|
| 公司定位 | “一家AI营销公司” | “面向品牌方的AI搜索可见性监控与优化平台” |
| 客户证据 | “服务多家大型企业” | “列出已授权案例、行业、使用场景和来源页面” |
| 安全资质 | “可能具备企业级安全能力” | “列出认证名称、有效期、适用范围和信任中心链接” |
| 竞品比较 | “与多个AI营销工具竞争” | “按平台覆盖、监测指标、适用客户和证据来源比较” |
| 风险描述 | “市场竞争激烈” | “说明数据覆盖、地区差异、更新频率和未公开信息限制” |
| 采购判断 | “可进一步了解” | “明确列出准入所需的安全、案例、集成和合同证据” |
每次优化都应保存四类材料：原始AI答案、引用URL、错误事实清单、修复动作。两周后复测同一批Prompt，比较事实准确率、引用覆盖率和竞品替代率是否变化。
30天行动清单
第一步是建事实底表，不是直接发更多内容。
- 列出20条不可被AI讲错的品牌事实：公司定位、产品、客户、资质、创始人、融资、地区、价格、负面澄清和竞品边界。
- 为每条事实指定唯一权威来源，优先使用官网、新闻稿、信任中心、案例页和可公开验证的第三方页面。
- 用4个平台、8类问题、3种身份跑一轮Prompt测试，记录AI提及率、推荐排名、事实准确率和引用URL。
- 把错误答案拆成原子事实，标注“缺来源、来源旧、来源冲突、AI推断过度”四类原因。
- 修复高风险页面：关于我们、产品页、案例页、价格页、资质页、集成页、管理团队页和重大事件声明页。
- 补充能被AI引用的证据型内容：客户授权案例、对比表、更新日志、媒体包、播客文字稿、第三方评测。
- 两周后复测同一批Prompt，比较事实准确率、引用支撑率、竞品替代率和纠偏周期。
- 在融资、并购、大客户招标、重大舆情和新品发布期，把复查频率从每月提高到每周。
常见问题
AI尽调 品牌事实和传统SEO有什么区别？
传统SEO更关注搜索结果页排名、标题和点击；AI尽调更关注AI如何组织事实、选择引用和给出判断。前者解决“用户能不能找到你”，后者解决“AI会不会正确解释你”。
官网已经写清楚了，为什么AI仍然会说错？
AI可能引用旧新闻、第三方数据库、竞品文章、社媒摘要或过期评测。官网如果缺少结构化事实、更新时间、案例证据和清晰页面层级，也会让AI选择更容易读取但不一定更准确的来源。
负面事件可以通过AEO优化压下去吗？
不应把目标设为隐藏事实，而应补全事实链：事件发生了什么、公司如何回应、结果如何、后续制度如何变化。高风险信息越需要透明来源，否则AI会持续输出不确定或负面倾向。
投资人会完全相信AI答案吗？
不会。严肃投资人不会只靠AI做最终决策，但AI会影响第一印象、问题清单和进一步尽调方向。Why Language Models Hallucinate指出，模型在不确定时可能倾向猜测，因此品牌方要通过权威来源降低AI猜测空间。
多久复查一次AI答案比较合理？
常规品牌建议每月复查一次；融资、并购、大客户招标、重大舆情和新品发布期，建议每周复查。只要关键事实发生变化，就应同步更新权威来源并重新跑Prompt测试。