生意不差，AI眼里却是透明的：一家家宴餐厅的体检记录

北市区有一家家宴餐厅，开了两年，有包房，做宴请。我们没进店，没问老板，没惊动任何人——只拿公开信息，给它做了一次 AI 可见性体检。

为什么选它？因为它代表了一大类店：线下生意逻辑成立，AI 眼里却近乎透明。

它的线下，其实很好

一家地图平台给它的数据近乎满分：评分 4.3，人均不到七十，两部电话、营业时间、定位，全齐。用户口碑里有真东西——有客人在平台上写，家里老人过生日，店里给布置了花艺、横幅和气球，包间私密，多层楼都是包间。

宴请型门店最值钱的差异化，它其实有。问题是下面这些。

第一件：注册名里，藏着一个繁体字。

这家店在工商登记的名字里，用了一个繁体字；而对外的所有平台，写的全是简体。同一个字，两种写法。对人是小事，对 AI 是大事：AI 判断"这两个名字是不是同一家店"，靠的是字符串和信息交叉。一个字的写法差了，实体就裂成两半——AI 不会替你猜它们是同一家。

第二件：最强的地标，没有写在任何地方。

它门口三公里内，有一个大型住宅区和地铁站。本地人找这家店，说的大多是那个地名。但我们把它的资料翻遍：工商登记、地图、本地信息站——没有一个平台的记录里，写着这个地名。用户按脑子里那个地名问 AI，AI 按资料里的另一个地名配，中间是断的。

第三件：一条腿走路。

地图平台的资料是满分，除此之外：短视频平台没有它的商家页，种草平台搜不到它，团购平台上公开搜索也找不到痕迹。全网能被 AI 读到的用户内容，只有一条。而今天一半以上的本地决策，发生在接入了短视频和搜索的 AI 助手里——那些地方，它不存在。

第四件：最值钱的口碑，睡在一条点评里。

"生日宴给布置得很好"——这是客人自发的夸奖，是宴请型门店最硬的卖点。但它只活在一条点评的正文里：没有变成任何平台上的"服务标签"，没有包间数量、各坐多少人、宴席价格带这些结构化信息。AI 推荐宴请餐厅时，看到一个干巴巴的菜系标签，看不到"这家店会把生日宴布置到位"。

同区还有一家字号高度相近的餐厅。用户问 AI 的时候只要说得模糊一点，AI 给出错的那个，一点都不奇怪。

看不见。老板的眼睛在店里——菜品、成本、员工、客人，已经占满了。平台资料的裂缝、AI 消歧的机制、信源的覆盖缺口，这些东西不站到"AI 怎么读你"的位置上，一辈子看不见。

而修复的方向，说破其实不复杂：名称统一、把地标焊进资料、把缺失的平台补上、把睡着的口碑变成结构化字段。第一步几乎零成本，全是信息纠偏。

这篇体检做完没几天，我们已经和店家取得了联系，业务上的对接正在谈。接下来，店家会提供更多内部信息：真实的评价结构、平台后台的数据、经营的细节。

公开信息，已经足够找出上面这四件事。企业内部的信息，能找出来的只会更多——外面看是裂缝，里面看才是全貌。

说实话，上面这些操作，拆开看每一条都不算难。难的是三件事：

一是知道往哪看。 注册名的繁简、地标锚点的缺位、口碑和结构化字段之间的差距——这些问题有固定的模式。我们为什么第一时间就去查那个字的写法？因为我们手里攒着十几个行业的实体一致性案例模式，同类问题见得多了，看一家新店像看一道做过的题。

二是知道用户会怎么问。 修复的目标不是"资料变好看"，是"接得住用户的问法"。我们的问句资产库里沉淀着一万多条商家意图语义、覆盖十五个以上行业——用户在 AI 对话框里会怎么说到一家店，有什么问法，哪种问法 AI 接得住、哪种接不住，这是长期积累出来的分布数据，不是拍脑袋想出来的。

三是改得全、改得准。 漏一处，印证链就断一环；改错口径，反而制造新的矛盾信息。这需要一套跨行业的操作纪律。

单点式的做法——一个案例、一次经验、一套网上抄来的清单——在这个问题上出不了效果。AI 对一家店的认知是全网多处信息喂出来的，应对它的资产也得是分布式的。 这是这件事真正的门槛，也是我们和"发稿子"的区别。

上面这套，只针对宴请型餐饮。换个行业，问题结构完全不同：医美的核心是信任前置，教培的决策人是家长，装修的决策周期长达数月——基础不同、口碑结构不同、客户的问法不同，手法自然不同。我们不做一套模板打天下，每个行业的问题分布，得用它自己的数据去摸。

你的生日宴能惊艳到客人，但惊艳不到 AI——它压根没看清你是谁。

你的店经得起这样查一次吗？我们花三天，不用你配合，给你一份同样的体检报告：AI 知不知道你、有没有推荐你、说的对不对，以及先修哪一处。这还只是公开信息能做到的部分。报告拿到手，修不修、修多少，你自己定。