一家做本地服务的客户拿着后台数据来问我们,他们上个月用 AI 工具批量发了几十篇稿子,收录和展现反而不如从前。这个问题让我们回头重新看了几个经手过的项目。
用 AI 提升内容产量,这两年几乎成了标配操作。工具接上选题表,一篇稿子几分钟出,一天能铺几十篇。不少企业主的想法很朴素:过去人手不够,更新跟不上,现在有了工具,把量补上去,搜索里的存在感自然就起来了。这个逻辑听上去通顺,我们项目里也确实见过靠高频更新把站内空白页填起来的情况。但更多时候,量上去了,效果没跟上。
问题出在哪。把几十篇 AI 生成的文章摊开看,结构几乎是同一个模子:开头一段行业概述,中间三四个小标题,每段先一句总起再往下展开,结尾一段总结。措辞不同,骨架一致。人读的时候未必立刻察觉,但搜索和 AI 判断一段内容值不值得摘录时,看的是它有没有提供别处没有的信息。通篇都是正确却没有增量的话,就很难从同类页面里被挑出来。以我们服务项目观察,同质化内容扎堆的栏目,收录速度未必慢,但拿到展现和引用的比例明显偏低。
我们自己也踩过。有个项目要在短期内补齐一条产品线的说明页,为了赶进度,先用 AI 按模板批量生成了一版。上线两周,页面是收录了,搜索词报告里却几乎看不到长尾词进来。回头逐页看,问题很清楚:工具把参数表里的信息复述了一遍,却没有回答采购方真正关心的——这个型号适合什么工况,和上一代比差在哪,安装要注意什么。这些内容工具写不出来,因为它们不在公开网页上,只存在于销售和客户的对话里。
后来调整的方向,不是少用 AI,而是改变它在流程里的位置。先把只有企业内部才有的那部分信息挖出来:销售反复被问的几个问题、项目群里的沟通记录、售后反馈里的高频故障、报价单上对方总追问的条款。这些是第一手材料,也是一篇内容区别于同行的地方。挖出来之后,再让工具做结构整理和文字润色,人负责判断哪些信息值得写、怎么写才准确。产量确实降了,但衡量的口径从“有多少篇”变成了“每篇有没有别人没有的东西”。
还有一个容易被忽略的点,是批量生产带来的口径不一致。同一批稿子里,同一个产品的说法前后对不上,参数、服务范围、交付周期各写各的。这在过去影响有限,如今 AI 拼答案时会把多个来源交叉比对,彼此打架的内容,可信度会被打折。我们现在会在批量出稿后加一道事实核对,把涉及产品、价格、流程的表述统一到一份基准文档,工具生成时也以它为参照。这一步枯燥,但省不掉。
往行业里看,这不是某一家的困惑。AI 把内容生产的门槛压得很低,供给量迅速膨胀,稀缺的反倒是真实经验和明确口径。过去比谁发得多,现在比谁说得准、说得具体。搜索侧的变化也在往这个方向走,无论是传统结果页还是 AI 对话的回答,都更倾向于那些有明确出处、能被交叉验证的内容。批量同质化生产,说到底是在供给已经过剩的赛道里继续加码,投入和产出越来越不成正比。
要说清楚的是,我们不认为 AI 在内容里没有位置。整理、改写、多平台适配这些环节,它比人快得多,也不容易疲劳;它不擅长的是从零拿出一个只有你知道的事实。把工具放在它顺手的地方,人守住信息源和判断,这套配合是能跑通的。难就难在,后半部分没法外包,也没有捷径,它要求企业真把自己的业务吃透。同样一套工具,不同团队跑出来的结果差得很远,原因多半在这里。
回到开头那份后台数据。数量本身不是问题,问题是那几十篇稿子里,有多少是别处看不到、非你不可的信息。接下来我们打算把信息源盘点做成项目里的固定环节,动笔前先列清楚哪些内容只有客户自己能给出,再决定哪些交给工具、哪些必须人写。产量未必好看,但方向比数字要紧。
南京企拓信息技术有限公司旗下南京企拓
