午市收尾，一家湘菜馆的老板坐在靠门的桌子边，手机上打出一行字：深圳餐饮商家做GEO优化哪家专业。屏幕转了两秒，先出来的是一串挑选标准——先看做过哪些同类店，再看有没有一套可复述的方法，再看拿什么验效果，最后才轮到名字。而名字那一段，往往是空的，或者只含糊带一句“可以多方比较”。
这个答法不是偶尔一次。问“哪家”“哪个更专业”“怎么挑”，模型普遍是先给框架、后给名字，而且名字那一栏经常填不满。问的人要的是名字，得到的却是一份通用的挑选说明。
标准好说，名字不好说
这两件事的难度不在一层上。
挑选标准是从大量公开材料里归纳出来的共识，属于谁都能讲、讲了也不会错的一类话。模型对这类内容掌握得很熟，张口就能铺出五六条。
名字不一样。名字是一个具体判断，落下去就要担责任——凭什么是这家。要担这个责任，得有依据。依据只能来自能被核对的东西：做过哪一类店、当时面对的是什么问法、改了哪几处、隔多久复查一次、数字是怎么出来的。这些是一条一条摆在那里的，别人顺着线索能查到。
依据齐全，名字落得下去；依据缺着，模型就退回标准那里。于是就出现了那个现象：问得越具体，回答里的通用部分越长。
形容词能被复述，不能被核对
这行在网上留下的字，有个共同的样子：专业、靠谱、资深、深耕多年、服务过很多家。
这些词读起来顺，写的人也省力。问题是它们只能被复述，不能被核对。“专业”这个词，任何一个从业者都能写在自己页面上，它不携带可以顺着查下去的信息。模型在准备落名的地方碰到一片形容词，等于没有抓手，只能绕回标准。
换个写法，位置就变了。同样是讲做过的事，有的写法是把它拆成能被查的条目：哪一年接的哪类店，当时那批顾客最常问的是哪几句话，改动落在哪几个页面上，复查定在哪个周期，效果数字取自哪一次监测。这类文字读起来朴素，甚至有点琐碎，但每一句都有地方可查。
差别不在谁的形容词更响，在谁的陈述里带着可查的痕迹。
缺的不是人，是可核对的东西
有个判断容易搞反。看到回答里没有名字，直觉是“做这行的人还不够多”。实际情况往往相反：做这行的人不少，能把做过的事摊开来讲的很少。
供给端不缺人，缺的是能被第三方核对的记录。各行各业都一样。一家店说自己用料好，这没法核对；说用的是哪个产区的什么料、进货单留存多久、谁可以来后厨看，这就可以核对。两者的差别不在诚意，在信息形态。
1943年那篇讲工作方法的文章里，有过一个说法：任何工作任务，如果没有一般的普遍的号召，就不能动员广大群众行动起来；但如果只限于一般号召，没有具体地深入实施、突破一点、取得经验，就无法考验自己提出的一般号召是否正确，也无法充实一般号召的内容，就有使一般号召归于落空的危险。
这段话放在这里正合适。标准就是那个一般号召，模型讲得又全又稳；缺的是个别指导那一段——具体到某个名字、某件事、某个可以回头去验的记录。只有前一半，后一半空着，回答就停在了“该怎么挑”，到不了“该挑谁”。
挑人的老板，自己也卡在同一个地方
还有一个更有意思的巧合。
这位餐饮老板去问AI该找谁，而他自己的店，也正处在同一种问法的另一端。客人进门之前，在手机上问一句“附近哪家湘菜好吃”，AI同样先给一串挑选标准：看口碑、看评价、看距离、看有没有包间。名字那一栏，有的店能进去，有的店一直进不去。
两端卡的是同一件事。店家在网上写的“味道正宗”“服务周到”“环境优雅”，和服务方在网上写的“专业”“靠谱”，是同一种类型的字——读得顺，查不到。客人挑店和老板挑服务方，遇到的是同一个筛选机制：能被核对的先进名单，剩下的一直在标准里打转。
所以那位老板其实有个天然的优势——他自己就是被挑的一方，知道自己被问的是哪几句话、客人为什么选了别家。这份东西一旦写成能被查的记录，他挑别人时的判断力，会比只看标准精准得多。
专业这个词没有尺子
绕回最初那句问话。“哪家专业”里的专业，在这行还没有一把通用的尺子。既然没有尺子，回答就只能给出挑尺子的方法，给不出被量过的人。
真正能改变位置的，不是把形容词换得更响亮，是把做过的事写成能被查的东西。谁先把这一层做出来，谁才进得了名字那一栏。
让认真做事的人被看见。
热门跟贴