一间早餐店有两百则“好吃、老板亲切”，另一间只有几十则评论，却有人写：“早上七点能取餐，推婴儿车不用爬阶梯，但堂食很吵。”
如果顾客问 AI：“我要带两岁小孩吃早餐，赶八点上班，哪里方便？”你押哪间？
先别急着拿星级下注。这里有个常被偷渡的假设：**人类用来表示满意的分数，等于 AI 用来判断适合的信息。**两者有交集，却不是同一件事。
我倾向认为，一则有边界的四星评论，有时比十则空泛五星更有推荐价值。因为推荐需要理由，“大家都说赞”只是其中一种。
星星很亮，内容可能很暗
从“狂烧 Token”这类产业叙事切进来，我更想追问：当商家忙着生产更多文字，哪些文字真的增加了可供判断的信息？
“专业、细心、值得推荐”可以贴在牙医、摄影师、修车厂，甚至早餐店下面。这些话未必是假，只是辨识力很低。
试着换成：“摄影师愿意等孩子情绪稳定再拍，不催笑；成品偏自然光，不适合想要华丽棚拍的人。”
这则评论透露了服务方式、适合对象与限制。若 AI 搜索能取得并使用它，就多了材料回答“谁适合找这位摄影师”。至于是否采用、如何排序，仍取决于系统、来源与当下问题；没有人能凭一段文案保证推荐。
评论的价值，可能正从替商家鼓掌，移向替需求划出边界。
差评也可能替你找到对的人
想象一间安静的小酒馆收到三星：“不能大声聊天，也不接十人聚餐，规矩很多。”
店主看了血压升高。但另一位顾客正在找“可以一个人坐、不会遇到大型聚会的酒吧”。同一句抱怨，竟然提供了匹配线索。
这不表示差评越多越好。食品安全疑虑、乱收费与服务失误，不能靠“客群不同”洗成特色。真正有意思的是：某些低分评价描述的，是偏好冲突，而非品质失败。
如果营销只追求抹平所有不满，商家也可能把自己的轮廓磨掉。最后每间店都亲切、专业、性价比高，像同一张脸换了招牌。
谁有能力被写清楚？
这里也有一道不太舒服的落差。擅长引导顾客留下具体评论的商家，可能比埋头做好服务、却不懂经营文字的人，更容易留下可供 AI 使用的线索。
那么，被推荐的是服务品质，还是服务被描述的品质？两者不能直接画上等号。
对本地商家与专业工作者而言，比较实际的数字营销调整，是把邀请评价从“给我们五星”，改成“这次我们帮你解决了什么？有什么不合你的期待？”让顾客用自己的话说，别把关键词稿交给他照抄。
店家也能在回复里补上可核对的信息，例如预约方式、无障碍入口与服务范围。这些信息同样需要在官网保持一致；评论不该被迫代替完整的服务说明。
柜台上摆着两张邀请评价卡。一张写“五星送小菜”，另一张写“你今天为什么选我们？”赶着接孩子的客人拿起手机，留下一句：“只有这家愿意把汤分开装，回家面还没烂。”