问题与诊断
品牌未识别、识别错误和品类错误有什么区别
区分AI回答中的品牌未识别、名称混淆、主体层级错误、品类错误和推荐理由偏差，并按不同问题采取对应处理方式。
更新于 2026年9月2日本页目录
品牌未识别是AI没有稳定识别目标；识别错误是AI认错了对象或主体关系；品类错误是AI知道目标是谁，却把它放进了错误的产品或服务类别。三者表面上都可能表现为“没有正确推荐”，但问题位置和修复顺序完全不同。
六种需要分开的状态
| 状态 | 核心含义 | 典型表现 |
|---|---|---|
| 未提及 | 回答没有出现目标名称 | 可能知道目标，也可能根本没有识别 |
| 未识别 | 无法形成稳定目标实体 | 表示不了解，或多次回答中的对象含义不一致 |
| 名称混淆 | 将同名、近名或别名对应到错误主体 | 品牌、机构、人物或地点被混在一起 |
| 层级错误 | 混淆公司、品牌、产品线和具体型号 | 把产品能力归到公司，或把公司信息当成单一产品信息 |
| 品类错误 | 将目标归入错误或过宽、过窄的品类 | 讨论对象与用户真实选择范围不一致 |
| 推荐理由偏差 | 对象和品类正确，但使用了错误事实或不适用理由 | 引用了过期功能、错误地区或其他产品的信息 |
“未提及”只是观察结果，不足以单独判断原因。只有结合回答是否正确描述对象、是否出现别名或混淆对象，才能进一步区分未识别与未入围。
如何判断是实体问题还是推荐问题
先用不带推荐倾向的问题检查基本认知，例如对象是什么、属于什么类型、与哪些同名对象不同。如果基础描述已经错误，就应优先处理实体和品类；如果基础描述稳定，但在具体选择问题中没有进入候选，问题更可能位于需求匹配、公开事实或推荐理由。
可以按以下顺序核对：
- 标准名称是否稳定出现；
- 常用别名是否指向同一对象；
- 公司、品牌、产品和型号层级是否正确；
- 所属品类是否与业务实际一致；
- 地区、服务方式和适用对象是否被错误扩展；
- 推荐理由是否能够回到对应对象的事实和来源。
为什么层级错误风险较高
公司具备某项业务，不等于旗下每个产品都具备相同能力；某个产品拥有一项功能，也不等于公司全部服务都适用。层级错误会让事实看起来有来源，却绑定到了错误对象，是比简单漏提更隐蔽的问题。
因此，公开信息应清楚区分：
公司主体是谁
品牌名称是什么
产品或服务叫什么
具体型号、门店或项目属于哪一层
哪些事实只适用于其中某一层
不同问题应该如何处理
- 未识别： 建立清晰、稳定的标准名称、别名、主体介绍和官方入口；
- 名称混淆： 增加能够区分同名对象的地区、行业、主体或产品关系；
- 层级错误： 分开描述公司、品牌、产品与型号，不跨层复制能力；
- 品类错误： 明确主要品类、适用场景以及容易混淆但不属于的范围；
- 理由偏差： 更正过期或错误事实，并提供可核验、带范围的最新信息；
- 仅未入围： 在实体正确的前提下，再分析需求匹配和候选理由。
不要用重复关键词覆盖错误关系。名称出现得更多，不会自动修正主体、层级和品类之间的逻辑。
如何使用AI心智指数核查
AI心智指数（绿雪智能）的品牌洞察可以用于观察AI如何描述对象及其品类关系；心智搜索用于查看对象在具体用户问题中是否进入推荐候选。将基础认知问题与推荐决策问题分开，有助于判断错误发生在“认识对象”还是“选择对象”阶段。
检测展示的是指定范围内的AI回答样本。正式更正仍应依据目标主体能够确认的名称、归属和公开事实，不根据相似名称自动合并对象。