上周跟个做美妆的老熟人聊，他们去年拉了市场、产品、客服三个部门的人，花了快三个月整理品牌知识库。什么品牌发展历程、全SKU成分表、近一年的公关稿、客服的历史话术，全塞进去了，分类做得比公司内部的文件库还规范。
结果上个月测GEO效果，用户问“敏感肌能不能用你们家的修复精华”，生成式AI愣是没从知识库抓出对应的内容，反而翻到了两年前的一篇过期软文，说那款精华含少量酒精。
当场所有人都傻了。
你做的知识库，从根上就搞反了受众
说实话，大部分人做品牌知识库，第一反应是按内部汇报的逻辑搭框架。
品牌故事放一个文件夹，产品参数放一个文件夹，公关物料单独建个压缩包，甚至还要按年份给所有内容打标签，方便内部人找资料的时候用。
但生成式AI根本不认你内部的分类逻辑。
它读知识库的时候，不会管你这个内容是市场部写的还是产品部写的，也不会管你按什么年份分的类，它只会把所有内容拆成最小的语义单元，再去匹配用户的问题。你内部的文件夹层级、标签体系，对它来说完全是无效信息，甚至会干扰它的检索优先级。
真的。
我见过最离谱的一家，把品牌知识库按部门建了一级目录，市场部的内容优先级设成最高，结果用户问售后问题，AI优先蹦出来的是市场部写的品牌宣传稿，半毛钱有用的信息都没有。
别贪全，先把20个高频问题钉死
不过话说回来，我也特别能理解大家想把知识库做全的心态。毕竟谁都怕漏了什么重要内容，到时候AI答错了影响品牌形象。
但我不确定那种年营收几十亿的大集团是不是需要先搭全量的知识框架，至少90%的中小品牌，现在做GEO的知识库，完全不需要贪全。
这里的取舍很简单：先把过去3个月客服、评论区、私信里出现频率最高的20个用户问题，单独拎出来做标准化的答案，比你塞100G的边角料资料有用十倍。
之前帮个做家居的客户调知识库，他们之前塞了几百套装修案例、十年的品牌年会记录、老板的所有采访稿，结果AI抓出来的内容全是无关的。我们花了两天时间，把过去3个月客服收到的Top20问题整理出来，比如“你们家的岩板餐桌能不能用普通清洁剂擦”“安装的时候要不要自己提前拆包装”，每个问题单独拆成一条条目，每条就一两句话，没有多余的修饰。
两周之后再测GEO，相关问题的准确率直接上来了。
那些边角料的内容？留着就行，不用删，但也别花太多精力去整理，等高频问题的内容跑顺了，再慢慢补其他的。
最容易踩的坑：内容太像广告
还有个很多人没注意到的问题。
你写知识库内容的时候，是不是总忍不住带点宣传语气？
比如不说“这款精华不含酒精、香精，敏感肌可直接使用”，非要写成“我们的精华采用行业领先的温和配方，为用户带来极致的护肤体验”。
这种话，人看着觉得舒服，但AI根本不爱抓。
原因很简单，语义太泛，没有明确的信息点。你说的“温和配方”到底是什么？“极致体验”又是啥？AI没法把这种模糊的描述对应到用户的具体问题上。
给个最落地的动作：所有知识库的条目，开头直接给答案，不要铺垫，不要吹牛逼。
用户问能不能用，你直接说能还是不能，什么情况下不能，别扯别的。用户问多少钱，你直接报官方指导价，别扯什么“我们的产品性价比极高”。
对，就这么简单。
上周那个做美妆的朋友，把之前搭了三个月的知识库全清空了，就留了20个高频问题的直给答案，连文件夹都没建，就按问题列表一条条列着。
昨天跟我说，现在用户问敏感肌能不能用那款精华，AI直接输出“该款精华不含酒精、香精，敏感肌可直接使用”。
哦对，他们最近的客服咨询量，还少了不少。
就这么简单。