如何发现并修复 AI 答案中的错误

在本文中，我们会使用 Ahrefs Brand Radar 来收集 AI 答案，并查看它们引用了哪些页面。我们还会使用我们在 Letaido 中构建的一个自定义应用，它连接 Brand Radar 的数据，用于自动化事实核查流程。这个步骤是可选的，但能为你节省大量时间。

事实核查流程的基础是两类提示词。它们结合起来，既能发现已知问题，也能揪出你没想到要去查的错误。

如果你不告诉事实核查器正确答案是什么，它就无法抓到错误。这就需要一份“事实来源”文档：一份关于你产品、可核查的主张清单，每条都附上一个能证明它的 Link。

它一举两得：事实核查器会用它来对照 AI 答案；人工审核者也会用同一份清单，在任何人给作者发邮件之前判断被标记的回复是否属实。

一旦你发现某个 AI 答案不正确，下一个问题就是：这些错误信息从哪儿来的？

你当然可以手动追溯这些错误的来源，但当你要检查上百条答案时，很快就会变得耗时。对于更大规模的审计，我们建议用 AI 来承担大部分繁重工作。

并不是每个错误页面都同样值得追着改。优先处理那些最可能提升 AI 答案质量，或能直接触达潜在买家的页面。

以下是需要重点关注的主要信号：

• 严重程度：优先修复可能影响购买决策的错误，例如错误的价格、套餐可用权限、提供的服务、产品限制或缺失的功能。
• 引用频率：在多个答案或平台上频繁被引用的页面，比一次性来源更有影响力。
• 引用稳定性：在多次重复检查中持续出现的来源，比只出现一次的来源更有价值。
• 自然搜索流量：具备可观搜索流量的页面，既能通过传统搜索触达买家，也能通过 AI 答案触达买家。
• 权威性：引用域名和域名评分可以增强说服力，尤其是当某个页面也经常被引用且相关性很强时。
• 关系：你或同事是否已经认识作者？能否有人帮忙引荐？该媒体/网站之前是否回应过你？例如，在我们的活动中，Glen 是联系某个网站的合适人选，因为他和对方已有关系。另一个场景中，引用来自我们早有合作关系的网红，因此由我们的合作伙伴团队来负责外展最合适。

其中一些信息可以在 Brand Radar 中找到：

如果你在使用我们的 Letaido 应用，数据会从 Brand Radar 拉取，并直接显示在受影响页面旁边：

当你找到想要外展的页面后，下一步就是弄清楚到底谁对它负责。

对于少量页面，AI 助手中提供的标准网页抓取工具通常就足够用来抓取页面，并查找作者或联系方式信息。

但在更大规模下，逐个检查 URL 很快就会变得不现实。通常你会想使用 Apify 之类的抓取 API，或其他能获取页面 HTML 的来源。

我们的应用会先尝试使用 Ahrefs 存储的快照。如果不行，就尝试 Apify；如果在引用页面上找不到联系方式，它会跟随链接（如果有）进入作者页面，再在那里尝试一次。

从署名作者开始。先查看文章署名行和作者页面，然后在需要联系方式时，再去看他们的 LinkedIn 或 X 主页。

如果你找不到作者，或他们已经不在那儿了，就往上找一级。对于媒体而言，可能是编辑或内容负责人；在小公司里，创始人或营销负责人可能是最佳联系人。

实在不行，就使用公司的通用联系方式或支持渠道，并请求对方把你的消息转发给负责该页面或内容的人。

HeyReach 或 BuzzSumo 等工具可以帮助补全缺失的联系方式，并识别更可能适合联系的人选。它们中的许多都提供 API 或 MCP，因此你可以将其功能接入 AI 辅助流程中。

让你的外展更有帮助、而不是提出要求。你可以感谢对方介绍了你的产品，指出一到两处具体错误，Link 到可靠来源以提供正确的信息，并明确表示对方是否更新页面完全没有压力。

举个例子，这是我们发过的一条消息：

这会降低开启对话的门槛，但也可能效果更差，因为你要求对方在还没看到更正所带来的价值之前就先回复你。

如果没有收到回复，就跟进一次。之后，就继续处理名单上的下一个页面。我们的一些跟进消息确实起到了作用。

外展还有一些更实用的小建议：

• 保持友好。不要指责作者传播虚假信息，也不要以声誉受损来威胁对方。

• 先假设页面是因为过时而不准确，而不是作者主观恶意。

• 让请求尽量具体。相比一长串抱怨，一条已经核实的更正更容易被采纳。

• 如果你需要发送更多私信，或在没有既有联系人关系的情况下进行跟进，可以考虑使用 LinkedIn Premium 或 Sales Navigator。Sales Navigator 甚至允许你在对方未读第一条消息时发送跟进消息。

• 至少要跟踪这些信息：URL、联系人、外展日期、渠道、需要修正的主张、回复、跟进以及已确认的变更。

• 另外，以防万一，你可以在外展前给页面截个图。如果你使用联系表单，请保存消息已提交的凭证。如果你使用 Ahrefs，可以用 Site Explorer 记录页面在不同日期之间的变化。

我们联系了 26 位作者，指出他们文章中的不准确信息。14 位回复（53.8%），其中 6 位做出了我们能在页面上核实的更正（23%）。

这项工作仍在进行中，当然，作者也没有义务做任何修改。即便如此，能让接近四分之一的文章得到更正，已经是个令人鼓舞的结果。

这是其中一个外展目标页面在变更前后的对比（差异视图来自 Ahrefs 的 Site Explorer）。

没错，即使我们没有全部捕捉到，更新页面确实也为 AI 答案引入了正确事实。下面是一个例子（特别感谢 thatmarketingbuddy.com 的 Joonas）：

还有两位作者表示会进行修改，但在我们复查结果时仍未完成。因此我们没有将其计入已确认的更正数量。

在 26 位联系人中，有 12 位没有回复。

我们从未收到过明确拒绝更新文章的回复。不过，有些作者愿意更正的前提是：我们需要作为回报去提及或推广他们的产品。我们拒绝了。 我们认为，保持已发布信息的准确性本身就值得去做；而提供交换条件，对那些不求回报就更正的作者也不公平。

这次外展也暴露了我们自身解释上的问题。部分困惑来自于对 Brand Radar 定价与功能限制的描述不够清晰。这也给了我们一个改进方向：让撰写产品相关内容的人更容易理解到底包含了哪些内容。

得到回复比促成修改更容易。你在规划这项工作时要记住这一点。你需要预留时间核实对方承诺的更新是否落实，也要预期有些消息会石沉大海。

你无法控制 AI 助手会说什么，但你可以让它们——以及其他所有人——更容易找到正确的信息。

这意味着要在全网监控品牌提及，并在发现不准确之处时快速响应。依我经验，内容创作者在发布后的一段时间最在意自己的作品，因此尽早联系更有机会让他们修正页面。

当然，这并不能保证任何结果。你无法确定某个页面是否会在 AI 答案中被引用。但行动更快，或许能阻止虚假信息进入部分 AI 回复。

你也可以寻找一些信号，判断某个页面更可能被引用。它的 DR、口碑以及与你关心主题的相关性，都可以作为有用的替代指标——尤其是当你处在一个很窄的细分领域，网上相关页面屈指可数时。新鲜度也可能很重要，特别是当新页面比 AI 系统已经在引用的来源更新时。

你可以用 Firehose 之类的工具来设置品牌提及监控。

你也可以通过 API 连接你的代理，让它在发现每个新来源后立即自动核查事实，从而实现近乎实时的监测。

网络提及已经成了一种“货币”。把你的名字放到某些页面上需要付费，而显然，让你的品牌被准确呈现同样可能需要付费。这很关键，因为你的品牌在网上哪里被提到——以及这些提及具体说了什么——会对你在 AI 答案中的可见度产生巨大影响。

这也是为什么像我们这样，能自动化发现并修复不准确信息的应用会非常有用。但正如我们所发现的，除非你愿意为别人更新关于你品牌的信息提供某种回报，否则你可能很难推进下去。

但更大的问题，是 AI 开发者需要解决的：AI 系统在回答品牌相关问题时，究竟如何选择信任哪些来源。眼下，这套机制实际上对谁都没有好处。

你不能指望每位内容创作者或网站所有者都一直核对事实，并把每家公司的信息持续更新。但你可以期待一家企业重视并维护自身信息的准确性。企业完全有理由这么做——错误或过时的信息会直接伤害其业务。

AI 系统应该更擅长识别这一点。谈到一家公司的基本事实时，来自企业自身的准确且最新的信息，应当比第三方网站上的旧提及更有分量。

感谢阅读！欢迎来和 Glen 以及 Mateusz 打个招呼。