用 AI 做调查有一个很容易忽略的地方：你在题目里举的例子，会变成答案。我们自己踩了一次，而且是连续踩了四个月才发现。
一、一份跑了四个月的热榜
我做的 eyeGEO 从 6 月起，每天问五个中文 AI 同一个问题：一位在选购面部护肤产品的消费者，最常向 AI 问哪 8 到 10 类问题？把五个 AI 的答案汇总，被越多 AI 提到的场景排得越前面。
上周准备把它写进一份公开报告，回头对照了题目原文。旧版题目里给 AI 的消费者画像写着「关心补水保湿、美白淡斑、抗老紧致」，格式说明里还举了例子：「例如：换季保湿、成分研究、节日送礼」。
6 月 1 日到 9 月 24 日的 79 天里，热榜最前面的五个场景是：抗老紧致（79 天上榜）、美白淡斑（79 天）、成分研究（79 天）、换季保湿（74 天）、节日送礼（70 天）。前两个来自画像，后三个来自范例。身体护理那一份也一样，前五名全部能在画像或范例里找到原词。
这份热榜量到的，主要是我们自己写的题目。
二、为什么影响会这么稳定
单看一次回答，AI 顺着例子说几句不奇怪。奇怪的是它能稳定 79 天。我的理解有三层。
第一，范例给的是「标准答案长什么样」。模型对格式范例很敏感，会同时模仿格式和内容，例子里的词是最省力的答案。
第二，画像框定了想象的范围。你告诉它这位消费者关心 A、B、C，它列场景时就会先从 A、B、C 出发，很少跳出去。
第三，汇总方式放大了这种一致。我们按「几个 AI 同时提到」来排名，而这几个词恰好是每个 AI 都会拿到的共同输入。五个模型各自发散的部分互相抵消，共同照抄的部分叠在一起，就稳稳排在最前面。扫描用的温度设得比较低，也让每天的结果更像同一份。
所以题目里的偏差，在单个模型身上还只是倾向，汇总以后就被放大成了结论。
三、第二个例子：「提到了」怎么认
同一次自查里，品牌排名这边也出了问题。系统里登记的品牌名是「巴黎欧莱雅」，AI 回答里却大多只写「欧莱雅」。8 月初到 9 月下旬保存的回答片段里，只写「欧莱雅」的有 991 条，写全名的只有 104 条，这个品牌的提及率被算成了 0.7%。
但 991 条也不能照单全收，其中一部分讲的是「欧莱雅集团旗下的兰蔻」这种集团层面的说法。所以名字对照表要写两列：哪些写法算提到，哪些写法要排除。玉兰油和 OLAY 是同一种情况。
这类问题的麻烦在于，它不会报错，数字照样出来，看起来也很正常。
四、拿到一份 AI 榜单时怎么检查
十分钟能做完：
- 要题目原文，包括角色设定、格式说明和范例。只有一句「我们问了 AI 护肤相关问题」的概述，先存疑。
- 把题目里出现过的词圈出来，对照榜单前几名。前几名正好都在题目里的，结论要打折扣。题目里点过名的品牌，排名也最不可信。
- 换一种不带例子的问法，在两个 AI 里用无痕窗口各问一遍，看原来的前几名还在不在。
五、如果是自己出题做测量
这一段是写给自己跑监测的团队的，也是我们改完之后在用的清单：
- 画像只写「在选购什么」，不写他关心什么。
- 格式说明只留空格子，不给任何真实的场景名或品牌名当例子。
- 题目里不出现自家品牌名，也不出现竞品名。
- 名字对照表列全中文名、英文名、常见简称和明星产品线，同时写明哪些写法不算。
- 改题目那天记下日期，前后的数据不要放在同一条趋势线上比较。
我们 9 月 25 日起换了新题目，旧的四个月热榜不再拿来下「消费者最关心什么」的结论。里面倒有一类场景值得留意：没写在题目里却反复出现，例如「敏感肌护理」79 天里上榜 55 天、「油皮控油」39 天。这些更可能是 AI 自己的判断。新题目的结果收满一个月后，会连同题目原文一起公开。
下次有人给你一份 AI 榜单，第一句话可以先问：题目能给我看一下吗？
数据来源：eyeGEO 每日场景热榜，2026-06-01 至 2026-09-24，每天分别询问豆包、DeepSeek、文心一言、通义千问、腾讯元宝（9 月中旬前另含 Kimi）；名字统计基于 2026-08-01 至 2026-09-23 保存的回答片段（每条保存前 400 字）。
本文首发于公众号「GEO即欧社」知乎版（2026-09-30）。