一間早餐店有兩百則「好吃、老闆親切」，另一間只有幾十則評論，卻有人寫：「早上七點能取餐，推嬰兒車不用爬階梯，但內用很吵。」
如果顧客問 AI：「我要帶兩歲小孩吃早餐，趕八點上班，哪裡方便？」你押哪間？
先別急著拿星等下注。這裡有個常被偷渡的假設：**人類用來表示滿意的分數，等於 AI 用來判斷適合的資訊。**兩者有交集，卻不是同一件事。
我傾向認為，一則有邊界的四星評論，有時比十則空泛五星更有推薦價值。因為推薦需要理由，「大家都說讚」只是其中一種。
星星很亮，內容可能很暗
從「狂燒 Token」這類產業敘事切進來，我更想追問：當商家忙著生產更多文字，哪些文字真的增加了可供判斷的資訊？
「專業、細心、值得推薦」可以貼在牙醫、攝影師、修車廠，甚至早餐店下面。這些話未必是假，只是辨識力很低。
試著換成：「攝影師願意等孩子情緒穩定再拍，不催笑；成品偏自然光，不適合想要華麗棚拍的人。」
這則評論透露了服務方式、適合對象與限制。若 AI 搜尋能取得並使用它，就多了材料回答「誰適合找這位攝影師」。至於是否採用、如何排序，仍取決於系統、來源與當下問題；沒有人能憑一段文案保證推薦。
評論的價值，可能正從替商家鼓掌，移向替需求劃出邊界。
差評也可能替你找到對的人
想像一間安靜的小酒館收到三星：「不能大聲聊天，也不接十人聚餐，規矩很多。」
店主看了血壓升高。但另一位顧客正在找「可以一個人坐、不會遇到大型聚會的酒吧」。同一句抱怨，竟然提供了匹配線索。
這不表示差評越多越好。食安疑慮、亂收費與服務失誤，不能靠「客群不同」洗成特色。真正有意思的是：某些低分評價描述的，是偏好衝突，而非品質失敗。
如果行銷只追求抹平所有不滿，商家也可能把自己的輪廓磨掉。最後每間店都親切、專業、高 CP 值，像同一張臉換了招牌。
誰有能力被寫清楚？
這裡也有一道不太舒服的落差。擅長引導顧客留下具體評論的商家，可能比埋頭做好服務、卻不懂經營文字的人，更容易留下可供 AI 使用的線索。
那麼，被推薦的是服務品質，還是服務被描述的品質？兩者不能直接畫上等號。
對在地商家與專業工作者而言，比較實際的數位行銷調整，是把邀評從「給我們五星」，改成「這次我們幫你解決了什麼？有什麼不合你的期待？」讓顧客用自己的話說，別把關鍵字稿交給他照抄。
店家也能在回覆裡補上可核對的資訊，例如預約方式、無障礙入口與服務範圍。這些資訊同樣需要在官網保持一致；評論不該被迫代替完整的服務說明。
櫃檯上擺著兩張邀評卡。一張寫「五星送小菜」，另一張寫「你今天為什麼選我們？」趕著接孩子的客人拿起手機，留下一句：「只有這家願意把湯分開裝，回家麵還沒爛。」