品牌事实库（Brandwiki）把你的资质、案例、方法论、产品参数逐条结构化入库，每条可审定、可溯源，全渠道口径一致，成为 AI 能直接引用的权威事实源。
AI 引用你的时候，说得对不对
AI 回答里提到你的品牌，信息未必准确：可能引的是三年前的产品参数，可能把同行的资质安到你头上，也可能编一段听起来合理但你从没说过的描述。
这类错误的根源是同一个：没有一份权威、结构化、可核对的品牌事实源，AI 只能从散落各处的二手信息里拼。官网一个说法、公众号另一个说法、第三方名录还挂着五年前的旧版本，模型没有办法判断哪个算数。
品牌事实库把这件事收口：你是谁、做什么、凭什么可信，逐条写清楚、逐条审定、逐条留出处。AI 抓到的是同一份事实，不是七个版本。
品牌事实的五类输入
| 类别 | 装什么 |
|---|---|
| 产品与服务事实 | 产品参数、服务范围、交付方式、适用场景 |
| 专业知识与案例 | 方法论、行业洞察、客户案例与可披露的成果数据 |
| 资质与真实口碑 | 执业资质、认证、奖项、媒体报道、真实客户评价 |
| 竞争优势与差异 | 与同行的实质差别、可验证的能力边界 |
| 品牌主张与形象 | 定位表述、价值主张、创始故事、品牌调性 |
五类之外的东西不进库。事实库的价值来自它的可信度，掺进宣传语就废了。
服务内容
事实结构化入库
把散落在官网、手册、合同、PPT、员工脑子里的品牌信息收拢，拆成一条条独立、原子、互不冲突的事实，按上述五类归位。每条事实有唯一标识、明确表述、适用范围。
审定与溯源
每条事实标注出处和审定状态。你确认过的才进库，没有出处的先挂待核。这一步决定了事实库能不能当权威源用：AI 引用的每一句，你都能指着说出它从哪来。
AI 可引用格式
把审定过的事实转成 AI 平台能直接读取的形态：结构化 FAQ、schema.org 实体标记、LLM 专用摘要文件、围绕核心能力的深度内容页。事实写得再准，格式不对也传不过去。
口径统一与持续维护
同一条事实在官网、社媒简介、第三方名录、内容分发平台保持一致表述。改一处，同步其余。业务变化时走同样的审定流程更新入库，杜绝旧版本继续在外面流通。
和 AI 友好网站的分工
两条线经常一起交付，但边界很清楚：
| 品牌事实库（Brandwiki） | AI 友好网站 | |
|---|---|---|
| 管什么 | 写什么事实 | 怎么让机器读到 |
| 交付 | 结构化事实条目、审定流程、口径管理机制 | 信息架构、结构化数据标记、抓取基建、跨渠道一致性 |
| 飞轮位置 | 立身（01） | 筑基（02） |
事实没理清楚，网站做得再规范也只是把错误信息高效地送出去；事实理清楚了没有承载，AI 依然读不到。
效果验证
一家线下深耕十余年的专业服务机构，此前在主流 AI 平台几乎查无此人。梳理并审定品牌事实、完成结构化入库后，AI 回答中的品牌事实引用率达到 72%：AI 提到这家机构时，引用的是它自己审定过的表述，不是别处拼来的旧信息。
适合谁
- 被 AI 说错过：参数、资质、服务范围出现过明显偏差
- 品牌表述分散在多个渠道，各说各的，没人管口径
- 资质、案例、方法论有厚度，但从没结构化整理过
- 准备做内容分发，需要先有一份能让智能体照着写的事实源
常见问题
品牌事实库和 AI 友好网站是什么关系？
分工是「写什么事实」和「怎么让机器读到」。品牌事实库负责事实本身：每条事实的内容、口径、出处和审定状态。AI 友好网站负责承载：信息架构、结构化数据标记、抓取基建，让这些事实能被 AI 完整读取。两条线可以分开买，合起来才是完整的一段。
我们已经有官网和产品手册了，还需要事实库吗？
需要。官网和手册是写给人看的：同一个资质在不同页面写法不同、旧版参数还挂在某个角落、案例数据散在几份 PPT 里，人能靠上下文补齐，AI 不能。事实库做的是把这些散落表述收敛成一份带出处、带审定状态、带更新时间的结构化事实，AI 抓到哪一份都一样。
事实由谁审定？
由你审定，我们负责梳理、结构化和维护。每条事实都要有明确出处（合同、资质文件、公开报道、内部口径文档），经你确认后才进库。没有出处或你不认的表述不进库，这是事实库和内容营销最本质的区别。
入库之后怎么维护？
业务在变，事实就得跟着变。新增资质、新案例、产品参数调整、口径更新，都会走一次同样的审定流程再同步到全渠道出口。事实库不是一次性交付物，是一套需要持续跑的口径管理机制。