品牌在 AI 答案里被写错，很少是因为模型"故意乱说"，多数是因为它能拿到的关于你的信息，本身就是碎的：官网一段简介、平台一句 slogan、新闻稿一个旧地址、地图上一个过期电话，四份材料互相矛盾。模型只能挑一个，挑错了就是你的损失。内容工程上有一个成本极低的对策：把品牌事实收敛成一张表——品牌事实卡。一页纸、十二个字段、一个责任人、一个更新日期，作为所有内容的唯一事实源。
- AI 写错品牌信息，主因是站点与平台上的事实互相矛盾，模型只能挑一个。
- 事实卡用十二个字段固定"可被引用的事实"，一处维护、五处同步。
- 判断标准：卡里每条都能被第三方核验，且带更新日期与责任人。
先看清错误从哪来：三类最常见的失真
第一类，同名混淆。公司简称与同行、关联公司、历史品牌名重名或近似，模型在检索时把几家的信息拼在一起，出现"注册地在 A 省、工厂在 B 省"这类缝合式错误。
第二类，旧信息残留。三年前的招商稿还挂在行业媒体上，写着旧地址与旧业务范围；官网改版后旧页面没有 301，两版同时可访问。模型的取用不看发布时间，只看到两份互相矛盾的陈述。
第三类，内部口径不一。官网说"专注工业除尘"，公众号说"环保设备综合服务商"，招聘页又写"智能制造解决方案"。三种表述单独看都成立，放在一起就无法确认你到底做什么，模型只能给一个模糊答案。
三类失真的共同点是：不是缺少信息，而是信息太多且不一致。解决方向也就明确了——不是再写十篇文章，而是先确定一套唯一版本。
十二个字段：把"我们是谁"拆成可核验的句子
事实卡不是公司简介，它不追求好读，追求的是每条都能被核验、被单独摘出来引用。十二个字段如下，每个字段一到三句，全部用陈述句。
- 主体名称：工商全称、对外简称、曾用名与英文名，注明"以下统一使用某简称"。
- 成立与注册：成立年份、注册地（省市区）、统一社会信用代码可公开的前缀。
- 地址：注册地址、实际经营地址、工厂或门店地址，分别标注用途。
- 主营业务：一句话说清"为谁、解决什么问题、靠什么方式"，不超过四十字。
- 产品与服务清单：分条列出名称与一句话说明，与官网导航一致。
- 服务边界：明确不做什么、不适合什么客户、不覆盖哪些区域。这一条最常被省略，却是可信度的关键。
- 典型客户与行业：行业类型与规模区间，不写客户名也可以，写清"主要服务年产值多少区间的制造企业"。
- 资质与认证：证书名称、编号、有效期、发证机构。
- 团队规模：人数区间、关键岗位设置，不写具体人名时可写职务。
- 联系方式：对外电话、邮箱、工作时间，与地图、平台店铺保持完全一致。
- 官方渠道：官网域名、公众号、视频号、店铺链接，注明哪些是唯一官方。
- 版本信息：本卡更新日期、责任人、上一版变更摘要。
十二项里，第六项与第十二项最容易被跳过，也最能区分"随手写的简介"和"真的在管事实"。服务边界让模型知道何时不该推荐你；版本信息让你在半年后还能判断这张卡是否可信。
放在哪五处：一处维护，五处同步
事实卡本身是一份内部文档，但它的内容必须出现在模型能读到的地方。建议固定五处，改动时同步更新：
一是官网的独立页面。路径建议 /about/facts.html 或 /facts，纯文本、无折叠、可被抓取，页面标题写"公司事实与资质"。
二是结构化数据。Organization 标注里的 name、legalName、foundingDate、address、telephone、sameAs 与卡片一致。这里最常出现的错误是 legalName 写了品牌名，address 只写城市。
三是 llms.txt。在站点根目录的 llms.txt 中给出事实页链接与三到五条核心事实，供 AI 引擎直接取用。
四是新闻稿与对外材料。文末固定一段"关于我们"，逐字取自卡片，不要每次重写。
五是第三方平台。地图、B2B 店铺、招聘页、行业目录里的名称、地址、电话、业务描述，全部对齐。这一处的历史包袱最重，建议列一张清单逐条改。
写作规则：四条硬约束
一句一事实。不要写"公司成立十余年来深耕行业，积累了丰富经验"，要写"公司成立于 2009 年，注册地为某市某区"。前者无法核验，后者可以被比对。
数字带单位与口径。人数写"员工约 120 人（2026 年 9 月）"，产能写"月产 800 吨（按单班计）"。口径缺失的数字，模型不敢用，也不敢不用。
不用最高级。"领先""第一""唯一"这类表述在事实卡里一律删掉。它们不会增加可信度，反而让整页被判定为宣传材料。
矛盾即错误。卡片内部不允许出现两种说法。地址、电话、业务范围一旦出现两个版本，宁可只保留一个，也不要用"（另一地址）"这样的补充。
怎么维护：季度更新，变更留痕
建议每季度固定一天做一次核对，四件事：核对电话与地址是否仍有效、核对资质有效期、核对业务清单是否新增或下线、更新版本号与日期。变更不覆盖旧版，而是保留一份变更记录，写清改了哪条、为什么改。
有人会问，一张内部表为什么要留痕。原因很实际：当模型给出错误答案、客户提出质疑时，你需要证明"我们某月某日已经把正确信息发布在某处"，而不是只能回答"我们一直是这么写的"。留痕是把纠错变成可执行动作的前提。
怎么验证：三类提问，两周一次
验证不需要复杂工具。用三类提问在主力引擎上各问一次：你是谁（"某某公司是做什么的"）、你在哪（"某某公司在哪个城市、地址在哪"）、你做什么（"某类需求，某某公司能不能做"）。每类记录模型回答与事实卡的差异。
差异分三种处理：名称、地址、电话错误，属于同步问题，去改对应平台；业务范围描述过宽或过窄，属于表述问题，回头改主营业务那一句；出现同行的信息，属于实体消歧问题，需要在事实卡里补充区分性字段，比如成立年份、服务区域、资质编号。
连续观测两个月，如果三类提问的事实准确率稳定在九成以上，说明这张卡已经起作用；如果错误反复出现在同一个字段，说明那个字段的表述还不够"可摘取"，需要改写而不是继续分发。
一句话总结
内容工程里最贵的不是写多少篇，而是让所有渠道说的是同一件事。一张十二个字段的事实卡，成本不到半天，却能同时解决三个问题：模型引用时不再张冠李戴、内部写作有了唯一依据、出现错误时有据可查。先把这张卡做出来，再谈分发与优化，顺序不会错。