Google地图上高评价，
AI却回答"查无此店"
——针对京都的10家体验店，用日、英、繁体中文、简体中文四种语言各问了一遍
一家和服租赁店，Google地图评分4.9、评价数量超过500条。可当你把它的名字输入ChatGPT询问详情，得到的回答是"没能确认到这家店"，然后AI转手给你推荐了另一家名字相近的店。
另一边，一家评价数量只有其一半（272条）的小茶室，价格、时长，AI却一字不差地说了出来。
AI时代的店铺如何触达顾客？这份报告总结了用日、英、繁体、简体四种语言询问京都10家观光体验店的结果和分析。
【指名类的四象限】AI如何理解你的生意
在这次的观察里，AI对店铺的反应可分为四类。
A｜被准确理解
A店｜茶道体验・清水寺一带
问"A店的费用和时长是多少？"，AI给出了三种方案的不同时长和费用，甚至还注明了儿童同行时的注意事项，内容全部准确。而引用来源，都是这家店自己的官网。原本我的一个设想是询问时的语言不同会导致回复内容不同，但在针对特定单家店铺时没有出现这个问题。这家店并没有中文页面，可用繁体中文去问，照样是同样的精度。AI读的是它那张日文官网上的事实，自己把它转成繁体中文来回答。也就是说，真正需要的不是"多语言页面"，而是"AI读得懂、又能引用的事实"。
这是一家小型茶室，在sns上也没有多少声量，但它给AI的内容却十分完美，想必也不会被外国客人误解。
B｜内容被编造
B店｜茶道体验
AI认得这家店。地址、营业时间、口碑评价都对。可是询问价格时信息缺失。而关于时长，AI是这么写的：
体验时间（约60〜90分钟的方案居多）
事后证明这个数字没有出处。是AI从别家的行情推测出来、拿去填空的。
而且在同一段回答里，AI把B店和其他茶道体验并排列出，说"各家的区别我也能帮你比较介绍"。换句话说，AI对B店的理解，只停留在"和其他茶道体验差不多的一家"。
这是店主本人最难察觉的状态。名字搜得出来，地址也对，所以不觉得有问题。可里面的内容，是AI用想象填上去的。
C｜被说成"不存在"
C店｜和服租赁
Google评价4.9，口碑超过500条（数值均为2026年7月时点）。外国客人的口碑也很好。把这家店问给ChatGPT，结果是这样：
"（C店的名字）"这家店没能确认到。
然后转手推荐了两家名字相近的别家。用繁体中文问，更直白：
京都没有找到叫这个名字的店。
那500多条高评价，对AI而言是无声的。
D｜被并进别家
同样的店家和同样的问题，我再问了一次。这次答案变了：
应该是指（另一家店名）。评价5.0，口碑约1,600条以上，非常受欢迎。
这是另一家店。同在京都市内、汉字写法差一个字的另一家法人，有自己的域名。也就是说，AI把找不到的C店，并进了一家名字相近、却有自己页面的别家。
值得注意的是，AI写的是"应该是指"。它自己也没把握。同一个问题两次给出互相矛盾的答案，就是证据。AI不是不知道C店，而是手里没有判断依据，所以每次都在猜。
这种状态可怕在哪？C店那500多条高评价，此刻可能正在帮竞争对手引流，而店家很大可能并不知道这件事情。
分开这四种情况的，不是规模。
| 口碑数 | AI的处理 | |
|---|---|---|
| C店（和服） | 518条 | 被说不存在／被混同为别家 |
| A店（茶道） | 272条 | 从价格方案到来访注意事项都被准确说明 |
口碑更多的那家，反而AI看不见。
【源头的两个方向】指名类问题需要自己的声音，而推荐类问题需要他人的评价
区别在于每家店"把信息放在哪儿"。为了对比，再摆一家（E店）进来。E店没有独立域名的官网，只有一张预约SaaS的页面。即便如此，AI也认得它。
| 信息放在哪 | 那页的主语 | 结果 | |
|---|---|---|---|
| A店 | 自家官网（日・中） | A店 | 被准确引用 |
| E店 | 预约SaaS的页面 | E店 | 被认识・被引用 |
| B店 | 免费CMS的页面 | B店 | 被认识，但不被引用 |
| C店 | 预约平台的商品页 | 平台 | 无法作为实体成立 |
被登记为C店"官网"的，是预约平台上的一个介绍页。那一页的最终主体，是平台，不是C店。在AI看来，C店不是"一家店"，而是"某个预约网站里的一件介绍商品"。
由此看出的原则，只有一条：
AI认的，是"实体（entity）"，不是关键词、也不是页面。而能被当成一个实体来对待的，只有那些"自己讲自己、且能被引用"的页面所属的店。
C店在这个意义上，没能成为一个"实体"——因为它只作为平台里的一件商品存在。这并不意味着你必须大动干戈地建立自己的网站，有没有独立域名并不是关键。E店只有一张SaaS页面，但那一页的主语写的是"E店"，所以AI把它当成一家店认了下来。AI需要的，是你自己发出的声音，以可引用的形式存在。
但是，AI会因问法不同，改变它求索的源头
这是上文提到过的"语言不同是否会造成影响"的验证结果，也是这次最值得注意的发现之一。
当你点名问"A店是家怎样的店？"，AI引用的是这家店的官网。价格、时长，全从店家自己的官网取。
可当你换成探索式地问"京都有没有推荐的茶道体验？"，引用来源就全变了：
- 大型旅游指南媒体（Lonely Planet 等）
- 京都市、日本政府观光局的官方观光网站
- 面向访日游客的"推荐N选"文章
体验店的官网，几乎一家都没被引用。
| 问法 | AI看的地方 | 该下手的地方 |
|---|---|---|
| 点名（"◯◯是家怎样的店？"） | 你的官网 | 想被准确讲述，在这里 |
| 探索（"京都有没有◯◯"） | 第三方文章・聚合媒体 | 想一开始就被找到，在这里 |
这两件，是完全不同的课题。官网的精益求精对应的是，如何在对方知道你存在的情况下更好地理解你，而别人问"京都的茶道体验"时，AI会去看其他"人"是否提到了你。
【适用范围】各语言的赢家不同——但要看品类
用四种语言问同一个"请推荐京都xx体验"的问题，不同品类中的结果截然相反。
茶道：四种语言，都是同样的三家
日语、英语、繁体、简体——无论用哪种语言问，都是同样的三家必定登场。语言带来的差异，几乎没有。
和服：四种语言全部登场的店，一家都没有
| 日 | 英 | 繁 | 简 | |
|---|---|---|---|---|
| 店① | ● | ● | ● | |
| 店② | ● | ● | ● | |
| 店③ | ● | ● | ● | |
| 店④（并吞C店的竞争对手） | ● | ● | ● | |
| 店⑤ | ● | ● | ||
| 店⑥ | ● | |||
| 店⑦ | ● | |||
| 店⑧ | ● | |||
| 店⑨ | ● | |||
| 店⑩ | ● | |||
| 店⑪ | ● | |||
| 店⑫ | ● | |||
| 店⑬（业界最大手） | ● | |||
| 店⑭ | ● |
这里我们可以看到三个要点：
第一，日语里推荐的前三名（店⑥・⑦・⑧），在其他任何语言里一次都没出现过。
第二，业界最大手（店⑬），只在简体中文里出现。身为日本最大级别的和服租赁，用日语问"京都租和服去哪家？"，AI也不会提它。
第三，指名类四类里那家无法被正确识别的C店，四种语言全部为零——所以它根本不在上面这张表里。而更加残酷的是，在询问C店时被AI错误关联的店，在英、繁、简三种语言里都登场了。
为什么会有这么大的差距
看引用媒体，答案就清楚了。
| 语言 | 茶道的主要引用来源 | 和服的主要引用来源 |
|---|---|---|
| 日语 | japan.travel・japan-atlas 等 | 着物レンタル比較ナビ 等 |
| 英语 | Lonely Planet・Reddit 等 | Japan Cheapo 等 |
| 繁体 | michi-japan・japan-atlas 等 | MATCHA・Japan Cheapo 等 |
| 简体 | （各语言共通的国际媒体） | MATCHA・Japan Cheapo 等 |
茶道，各语言引用的是同一批国际旅游媒体（Lonely Planet、japan.travel、japan-atlas 等）。看的是同一批文章，所以推的是同一批店。
和服，各语言引用的是完全不同的比较网站。日语是"着物レンタル比較ナビ"，中文圈是 MATCHA，英语是 Japan Cheapo。看的是各自不同的文章，所以推的是各自不同的店。
决定AI推荐哪家店的，是那个语言里写"汇总文章"的媒体。
而且，请仔细看这些名字：japan-atlas、MATCHA、Japan Cheapo、着物レンタル比較ナビ，它们不是大牌报道媒体，而是专写"京都◯◯推荐10选"的联盟营销站。2026年7月目前的情况是，这些媒体，事实上在决定AI的推荐。
所以对于店铺来说，"要不要做多语言对应和推广"这个问题，暂时或许没有通用答案，它至少需要实际根据你所处的品类来进行测试分析。
【对策】两种不同问题类型的不同解法
这次调查导出的对策，有四条。
① 想被点名时准确讲述 → 把可引用的事实，自己放上去
价格、时长、可对应的语言、要不要预约。把这些，作为明确的事实，写在自家官网上。这是文中A店在做的事。B店缺的正是让AI也能准确读取的自我说明。而且，别以为挂在预约平台上就没事了，那会让你丧失自己的声音。
② 想被找到 → 出现在AI看的那些文章里
这不是自家网站的活儿，是"汇总文章、比较网站、观光媒体上的收录"，也就是公关的活儿。还有一个出人意料的引用来源：Reddit。在英语的提问里，AI反复参考 Reddit 的讨论帖。日本的商家里，盯着这里的人可能少之又少。
③ 针对推荐型问题该在哪里宣传 → 按品类、按语言各不同，所以得测
茶道和和服，AI看的媒体完全不同。导致有些品类里，对象语言不同出来的结果也会不同。一般论给不出答案。你的品类、你想针对的语言圈里，AI实际引用的是什么，目前来看需要实际的检测才最有效。
④ 今后的可能性 → 用自己的域名，占住一个独有的品类
探索式里出现过一次情况是，有独立域名、又做到了差异化的店（"欢迎带小孩"之类），也会被提上一句。目前可能的推测是，如果不想走营销文章这条路，那就用你自己创建的页面，强调一个只属于自己的身份特点。或许对小店而言，这会是一个现实的战略。
局限性声明
这次调查仅限于个人的简单实验。10家店铺、1个模型（ChatGPT）、少数几次问答尝试。因此做不了统计意义上的主张，只能算是一次私人观察。
众所周知，AI的回答每次都会发生变化。C店第一次和第二次给出不同答案，就是证据。本该把同一个问题问上几十遍，作为分布来看。
以及，现在不少生成AI模型都会记住用户过去的对话，并据此改变回答。所以对于店铺运营者而言，用你自己的账号问ChatGPT"京都推荐的xx？"，就算你的店出来了，那也不能证明任何事。因为可能只是AI记得你而已。本次调查，是在关闭记忆的状态下做的。测的不是排名，而是"一个什么都不知道的AI，提到你的概率"。
结语
AI搜索领域今天还没有足够完整的方法论。其实很多人都处于摸石头过河的状态，我自己最开始的假设有一半并未成立。"一家店铺在日语里出得来、中文里会消失"这个预想，按品类，时而成立、时而不成立。包括错掉的假设在内，我都会在这里公开记录下来。因为在这个领域我希望提供的不是侃侃而谈的理论，是实测的数据。
参考・背景
本文里称作"实体（entity）"的这套想法，英语世界叫 entity-based SEO，放到生成AI上则以 GEO（Generative Engine Optimization）在讨论。学术上的起点是 Aggarwal 等人的《GEO: Generative Engine Optimization》（arXiv:2311.09735，KDD 2024），文中把"在生成引擎里被看见"的条件，整理为 retrievable（可检索）・groundable（可作为依据）・citable（可引用）。实体的识别，据说跑在三个信号上——结构化数据（Schema.org）、来自第三方的一致提及、一致的标识符。另外，"在某些点评网站上有资料，就更容易被AI引用"这类具体数字，业界也在流传，但并未经过同行评审，本文仅作参考。
本文为个人的研究・信息分享项目，与特定团体、大学等无关。
对调查方法的细节、或有意做类似调查的朋友，欢迎联系。