ai 推荐的商品分 3 类看,可靠性差别很大:参数型标品可以信一半,看它给的型号与参数对不对;非标品与定制类只能信三成,得回到评价与售后页面核;服务类几乎不能当结论,它给的是通用流程,落不到你所在的城市。判断方法就 1 句:把 ai 说的型号抄下来,去商品页对参数,对得上 3 项以上再考虑下单。
我做过 1 次对照,用同 1 个问题问 3 个平台「2000 元以内的燃气热水器选哪个」。3 个答案给了 5 个型号,其中 2 个在官方旗舰店已经停产,1 个参数写错了升数。剩下的 2 个型号能查到,参数也对得上。这个结果说明,ai 给的清单可以当搜索起点,不能当结论。
3 类里第 1 类的价值最大。标品的参数有统一口径,ai 把 5 个型号的参数拉成 1 张表,省掉 20 分钟比价时间。它给错的时候,你在商品页对 1 次就能看出来。
把 ai 给的型号抄进搜索框,进官方旗舰店或品牌官网。看 3 项:型号是否在售、核心参数是否一致、包装清单是否齐全。3 项对上,说明 ai 至少没编型号。
参数里最容易被写错的是单位与量级。空调的制冷量写成 3500 瓦,有的页面写 3500W,有的写 3.5kW,看着不同实际一样;热水器的升数指温升 25 度时的出水量,与容量不是 1 个概念,这一条 ai 经常混。
标品的参数在电商页面、品牌官网、检测报告 3 处都有,训练语料里重复出现,模型记错的概率低。反过来,参数一旦被商家自己改写,模型学到的就是改后的版本,这条要防。
价格这一项不能信。ai 给的价格来自历史语料,1 年前的促销价与今天差几百块很常见。价格必须回商品页看当日到手价,页面上的划线价只作参考。
| 维度 | ai 能给什么 | 必须自己核什么 | 核的位置 |
|---|---|---|---|
| 材质 | 常见材质名称 | 具体型号用的哪 1 种 | 商品详情页参数栏 |
| 尺寸 | 常规尺寸区间 | 实测尺寸与安装位是否匹配 | 详情页尺寸图 |
| 做工 | 笼统描述 | 接缝、封边、五金件 | 买家秀与追问 |
| 售后 | 通用政策 | 本地有没有服务点 | 品牌官网服务网点查询 |
| 交期 | 行业常规天数 | 这款的实际排产周期 | 客服确认并截图 |
5 行里第 4 行最要紧。非标品的售后是本地化的,ai 说「全国联保」,实际你所在的区可能没有服务点,安装要等 5 天。买之前查 1 次服务网点,比看 10 条评价有用。
评价要看 2 个位置:带图的追评与 3 星以下的长评。追评里常出现用 1 个月后的问题,短评里全是收货当天的感受。3 星以下的长评会写清具体缺陷,这类信息 ai 提炼不出来。
服务类的价格与交付都在本地,ai 给的是全国均价与通用流程。问「本地搬家公司怎么选」,它会给 6 条通用建议,给不出你家 6 楼有没有电梯、小区能不能进货车这些具体条件。
这类问题要换问法。把条件写进去:楼层、电梯、距离、大件数量 4 项。条件写全,ai 的回答会具体一些,但仍然要回到本地平台核 1 次报价与评价。
服务类还有 1 个坑:ai 会把某个平台的规则当通用规则讲。比如退款时限、上门费标准,各平台不一样,按它说的去谈容易谈崩。
换个思路也管用:让 ai 列出「该问商家的问题」,不用它给答案。问「买定制柜要问商家哪些事」,它能给出 10 条清单,尺寸、板材、五金、安装、售后逐条覆盖。这份清单拿去和商家谈,比自己现场想省事。
标品同样适用这个办法。让它列「这款空调的安装附加项有哪些」,答案里会包括打孔、加长铜管、支架、高空作业 4 类,都是下单后容易被临时加钱的环节。
第 3 步花 10 秒。型号停产的信号很明显:官方页面显示「已下架」,第三方店铺在清库存。这类型号买回来,配件与售后都成问题。
把预算、用途、硬条件写进问题。问「3000 元以内、卧室用、静音优先的空调选哪个」比问「空调哪个好」有用 3 倍。条件写得越具体,模型越难用套话应付。
要求给依据。加 1 句「说明依据来自哪里」,答案里会出现参数对比、评测来源这类内容。没有依据的答案,读到第 2 段就能看出来。
追问 1 次差异。拿到 3 个型号后问「这 3 个的差别在哪」,模型会把差异点列出来,这份差异比推荐结论更有用。
同一个问题在 3 个平台各问 1 次,把答案里的型号列出来。3 份都出现的型号优先看,只出现 1 次的往后放。交集里的型号通常是被语料反复验证过的,出错概率低。
答案的写法也能看出差别。有的平台会给参数表,有的只给推荐结论。给参数表的更容易核,因为每 1 个数字都能拿去对页面。只给结论的,问 1 句「这几个型号的差别在哪」,能逼出细节。
时间也要对。3 次提问排在同 1 天,间隔不超过 2 小时。隔几天再问,平台的版本可能更新过,答案会变,对比就失去意义。我一般 1 个上午问完 3 个平台,把答案复制到 1 个文档里排在一起看。
第 1 个坑是把它当比价工具。ai 的价格是历史数据,同 1 款产品 3 个月里能差 400 元。比价回电商页面看。
第 2 个坑是信「销量第 1」这类说法。这类表述没有数据源,也不区分品类与时间段,看到就跳过。
第 3 个坑是用它替代看说明书。安装尺寸、承重、电压这些参数,说明书写得最准,ai 复述时容易漏条件。
第 5 个坑是把「销量」当质量。销量高的多半是低价走量款,用料与售后都按成本卡着做。看销量之前,先看这款在你关心的那 1 项指标上排第几。
还有 1 个习惯可以养:把每次核过的型号记在 1 张表里。型号、参数、页面链接、核对日期 4 列,下次换同类商品时直接翻表,省掉重问 3 个平台的工夫。
第 4 个坑是只问 1 个平台。3 个平台问同一题,取交集。交集里的型号是最稳的,只出现 1 次的型号要多核 1 遍。
本文信息核对时间:2026-11