最近 AI 新闻的叙事，从模型多强、Token 烧多少，一路讲到 Agent 能代办什么。我比较在意一件没那么炫的事：当消费者把「帮我找人」交给 AI，商家的营销文案，可能突然变成规格文件。
而规格文件最怕的，就是「什么都可以」。
我倾向一个有点惹人嫌的看法：想被 AI 推荐，商家可能得先让自己更容易被排除。 因为需求越具体，「我们提供全方位服务」就越难帮助配对。听起来很万能，拆开来却没有一个可以确认的条件。工程师看到这种需求文件，通常会先去泡咖啡。
客人问的，已经不是你的关键词
想象一位租房族，晚上发现空调滴水。他没搜索「台北空调维修推荐」，而是问助理：
帮我找明晚能来中山区、愿意修十年以上分体式空调的师傅。出租屋不能大拆，先告诉我上门检测多少钱。
这是一个假设场景，但它把差异摊得很清楚：客人交出的是一包限制条件，不是一串搜索词。
甲店网站漂亮，写着「专业团队、服务热忱、品质保证」。乙店页面简陋，却列出服务区域、晚间预约方式、老机检修范围、检测费，还说明哪些漏水状况可能需要拆装。
乙店未必比较会修。可是，要判断谁符合这次需求，乙店留下的线索比较能用。这里没有什么神秘的 AI 黑科技，只有甲店把广告词交出去，乙店把判断材料交出去。
「不要把话说死」开始有代价
传统营销常怕条件写太细会流失客人。价格先别放、限制先别讲，让人私信再说。这套做法有它的理由：服务需要估价，也需要沟通。
但消费者若先请 AI 整理候选名单，私信可能根本不会发生。信息空白不代表弹性，也可能只是助理无法确认。至于它会排除、追问，还是乱猜，得看工具与数据来源；不能把「AI 会懂」当成运营策略。
更麻烦的是，规格完整也不等于能力可靠。写得清楚的普通店，可能比手艺很好、网络资料却停在五年前的师傅更容易被辨识。AI 推荐放大的，有时是信息整理能力，不全是服务品质。这个落差，才是营销人真正有工作做的地方。
与其再替师傅生二十篇「空调保养五大秘诀」，我更想把他每天接电话确认的问题整理出来：哪种机型修过、哪个区域不跑、报价包含什么，案例里究竟解决了哪个故障。结构化数据可以协助机器解析，却不是推荐保证书；网站、商家信息与实际接单条件对不上，标记再漂亮也只是把矛盾排版整齐。
曝光仍然重要，评论、口碑与来源可信度也没有退场。只是「很多人看过我」和「这次需求有理由选我」，中间还隔着一段证据。
那位空调师傅可能仍不喜欢写文章。他接起电话，第一句就是：「十年以上可以看，但你先拍排水管给我。明晚剩八点半，检测费我先跟你讲。」
这几句话，他每天说。网站首页却还挂着四个大字：服务至上。