价格改了半年，AI 还在报旧价——这不是 AI 的错，是信源管理的债。
文｜小智
来源｜智讯
封面｜AI生成
先讲一个真实场景：某家电品牌去年 9 月调价，官网、电商旗舰店全部同步更新。今年 3 月，销售在客户那里看到 ChatGPT 的回答——「该品牌某型号售价约 2999 元」，这是旧价格，新价已经 3499。客户据此砍价，成交直接丢了 400 块利润。这就是「信息时效性」问题：在 AI 时代，你改完自己的网站，不等于 AI 改了它的答案。本文讲清旧信息从哪来、怎么治、如何预防。
一、旧信息是怎么混进 AI 答案的
很多人以为「官网改了就行」，但 AI 的答案至少有三条信息通道，每条都可能藏着你的旧口径：
路径一：训练数据。模型预训练时抓取过你的旧页面，旧价格已经「内化」进模型权重。这类旧信息最难处理——即使原页面已删除，模型仍可能在数月甚至更久的时间内持续输出旧口径，直到被新数据稀释或模型升级。
路径二：联网检索。带搜索功能的 AI 会实时抓网页，但如果你的旧页面仍被搜索引擎收录（常见于 forgotten 的旧活动页、旧新闻稿），AI 就会抓到过期货。
路径三：第三方信源。百科词条、点评平台、垂直媒体、经销商页面没同步更新，AI 交叉验证时采信了旧数据——而第三方信源往往恰恰是你最不管的地方。
二、四步 SOP：从发现到闭环
处理时效性问题，靠「想起来了改一下」必然漏网，必须流程化：
第一步「发现」靠批量测试。沿用 GEO 监测体系，每月（敏感行业每周）用固定词库在各 AI 平台批量提问，重点标注答案中的价格、参数、促销政策、联系方式、资质信息五类易过期内容，截图存档。
第二步「定位」要追问来源。大部分 AI 平台支持查看引用来源；顺着引用链接找到仍在传播旧信息的页面，列出清单。清单要区分「自家阵地」（官网、公众号、自营账号）和「第三方信源」（百科、媒体、经销商），后者需要逐家联系修订。
第三步「更新」讲顺序。先改自家阵地并保留「更新日期」标注（带日期的页面会被 AI 判定为活跃信源），再逐一修订第三方信源，最后对搜索引擎提交重抓。注意：不要直接删除旧页面——404 会让 AI 转而采信更不可控的缓存和转载，正确做法是更新内容 + 保留 URL。
第四步「验证」要等周期。更新后 2 周复测同批问题：联网检索类答案通常 1-4 周内刷新；训练数据类则要按月跟踪，若旧口径仍在，加大新内容产出量去稀释，必要时用问答平台做「新口径」的结构化占位。
三、三个关键细节：时间戳、口径库、源头治理
| 机制 | 做法 | 解决什么问题 |
|---|---|---|
| 时间戳规范 | 所有信息型页面标注「更新于 X 年 X 月」 | AI 优先采信近期更新的页面 |
| 口径库 | 价格/参数/政策统一存档，全渠道共用一份 | 避免「官网新价、经销商旧价」的相互打架 |
| 源头治理 | 大促/调价前 2 周先更新信源，再上线活动 | 把「事后救火」变成「事前布防」 |
四、预防胜于修复：把时效性写进内容流程
最高效的方案是让旧信息根本没有机会出生。建议把三个动作固化到内容流程里：所有常青内容加更新日期并季度复审；大促、调价、政策变化前先发「信源更新清单」给所有渠道；把「旧信息出现次数」纳入月度 GEO 复盘——它的意义不亚于提及率：一个在 AI 嘴里「念旧」的品牌，每一次回答都是一次小小的信任损耗。整体维护节奏可参照《GEO见效之后的90天维护SOP》。
特别提醒一类高发场景：经销商和代理体系。总部改了价，下游几千个经销商页面还在报旧价，AI 抓到一个就会影响一批答案。这类问题的解法是口径库 + 定期巡检，必要时把「信源同步速度」写进经销商协议。
五、常见问答
Q：改了官网，AI 多久会更新答案？
联网检索类 1-4 周；模型内化的旧口径可能要数月。所以「更新后立刻去质问 AI 为什么没改」没有意义——按 2 周、4 周、8 周三个节点复测即可。
Q：AI 说的旧信息纯属错误（根本没存在过），怎么办？
那属于幻觉/负面信息问题，处理路径不同，见《AI回答里说我们产品不好怎么办》。本文只解决「曾经对、现在过期」的信息。
Q：需要专门雇人做时效性管理吗？
不需要。把它并进现有的月度监测（《品牌AI可见度监测方法》），每次复测加标五类易过期字段即可，每月增量工作量不超过半天。
写在最后
信息时效性问题，本质上是「品牌口径管理」在 AI 时代的延伸。以前只要官网和物料一致就万事大吉，现在还要对 AI 的「记忆」负责。好消息是：处理路径完全确定，成本也可控——把四步 SOP 跑起来，你的 AI 答案就会像你的官网一样，永远说新话。
资料来源：智讯站项目实践与行业监测数据整理（2026年10月）。
