星野数码 60 天：参数都写全了，AI 还是读错

星野数码做的是消费级音频产品，参数表一直是他们的骄傲：续航、延迟、编解码格式，一项不落。但在 AI 回答里，他们经常被归到“适合游戏”那一类，尽管主力产品线其实偏通勤和通话。

基线：提及率 18%，来源七成在电商

项目开始时测了 50 个问题，提及率 18%，平均排名 6.2。引用来源里电商详情页占七成，官网几乎没有。更麻烦的是，答案里对产品的描述有三处明显错误。

问题不在参数少，而在参数没有解释

• “支持低延迟模式”没有说明需要搭配哪类设备、在什么场景下生效；
• “续航 36 小时”是配合充电盒的总时长，单次续航写在很后面；
• “主动降噪”在不同型号上的强度差异，页面没有明确区分。

机器读到的是一堆数值和形容词，只能按通用理解去归类。用户问“通勤戴哪个更安静”，它自然答不到点上。

六十天做了三件事

参数解释页

把十二条核心参数各写成一页，每页讲清楚这个数字意味着什么、在什么条件下成立、和同类产品比处在什么位置。没有夸大，也不回避短板。

场景对比页

围绕通勤、运动、办公三个场景，做三组横向对比，每组只比四五个型号，给出选择建议和不推荐的情况。

售后问答

把客服高频问题整理成问答，尤其是配对失败、延迟模式开关、耳塞尺寸这类实操问题。这部分内容原来只在帮助中心，结构很乱。

结果与两个教训

60 天后，提及率到 51%，平均排名 3.1，官网来源占比升到 31%，描述错误基本消失。但前两周数据几乎没有变化，团队一度怀疑方向错了。

第一个教训：事实层的歧义要先修，再谈声量。参数写得再全，只要存在歧义，机器就会按最省事的方式理解。

第二个教训：别用一周的数据下判断。内容被收录、被采纳、再影响答案，中间有延迟，两周是观察的下限。