上周跟个做美妆品牌的朋友吃饭，他说花了三个月搭的品牌知识库，喂给GPT之后，AI推荐的内容全是错的。
我问他塞了什么进去。
他列了个清单：从2018年品牌成立以来的所有公众号推文、所有经销商的朋友圈文案、所有没落地的营销方案、甚至还有当年找媒体发的所有公关稿。
我当时就笑了。
你以为的”知识库越全越好”，在GEO里是死路
很多人搭知识库的逻辑还是十年前的内部知识库逻辑——把所有东西都存进去，方便内部人查制度、查产品手册。但GEO要的品牌知识库，根本不是给人看的，是给大模型当参考资料用的。这俩逻辑从根上就不一样。
大模型的逻辑很简单，它不会像人一样分辨”这个内容是三年前的，那个是现在的”，也不会判断”哪个是官方说的，哪个是经销商瞎编的”。它只会抓所有收录内容里，重复率最高、出现频次最多的表述，当正确答案输出。
低权重的冗余内容，会直接稀释你想让AI输出的核心信息的优先级。
你花了几万块钱做的官网产品页、最新的检测报告、官方发布的售后政策，本来应该是AI回答用户问题时的第一优先级参考，结果被一堆过期的、口径不统一的、早就没用的旧内容盖过去了，相当于你花了钱打广告，结果被旁边的小广告把位置占了。
亏不亏？
真的，我现在见了上来就问”怎么往知识库加内容”的客户都头疼。你先去删东西行不行？
我踩过最傻的坑：把经销商的话术也塞进了知识库
去年给一个做床垫的品牌做GEO优化，一开始图省事，把网上能找到的所有和这个品牌相关的内容全导进了知识库。包括全国几百个经销商的门店活动文案、朋友圈话术，甚至还有某个三线城市经销商三年前在本地论坛发的广告帖。
结果上线才一周，就出了问题。有用户问GPT”XX品牌的棕床垫有没有甲醛问题”，AI直接输出了三年前那个经销商说的”零甲醛，孕妇婴儿直接睡”——但实际上品牌现在的官方检测报告里，棕床垫的甲醛释放量是符合国标，但根本没到”零甲醛”的程度。要是真有用户信了这句话，出了问题，责任算谁的？
那之后我就给品牌知识库定了个死规矩：准入门槛不是”是不是和品牌相关”，而是”是不是品牌官方统一口径、现在仍然生效的内容”。
经销商的话术？删。三年前的旧款产品介绍？删。没落地的营销方案草稿？删。当年为了蹭热点写的、现在和品牌定位完全不符的公众号推文？删。
有人说，这删完了知识库不就空了吗？
空点怕什么。AI要的不是你内容多，是你说的话准。
现在就能动手做的一件事：给知识库内容打”有效期”标签
不用买什么昂贵的知识库系统，就用个免费的在线表格，每一条你要放进知识库的内容，必须填三个字段：内容类型、生效时间、失效时间。
比如你2023年换了新的售后政策，那旧政策的失效时间就标2023年新政策发布的当天。比如你2024年上了新款的精华，那2022款旧精华的介绍，失效时间就标新款上市的当天。
我不确定所有品牌都适合这么干，但至少To C的消费品牌，这么操作完，AI输出错误信息的概率至少降了一半——这是我做了二十多个项目摸出来的感觉，不是什么精准数据。
要是你连给内容打标的时间都没有，那就先做最简单的事：把所有过期超过1年、且和现在核心业务无关的内容全删掉。
别舍不得。
那些你当年花了几万块写的公关稿、做的活动海报、熬了好几个大夜写的推文，只要现在已经不生效了，对GEO来说就是垃圾。
没人会翻你三年前的朋友圈。
AI也不会。
上次那个美妆朋友，回去把知识库里面2019到2022年的所有旧活动文案、经销商话术全删了，只留了最新的产品成分表、官方的研发说明、现在在用的售后政策，再喂给GPT，现在AI推荐的内容基本不会跑偏了。
知识库不是仓库。
是货架。