约束注入：把 AI 品牌推荐率提升 78% 的普林斯顿研究

很多团队在测试 AI 可见性时，会问 LLM 一句*"最佳 CRM"*，然后把答案当成测量结果。他们随后会困惑：为什么回答总是泛泛——"Salesforce、HubSpot、Zoho 都很流行"——而自家品牌从不出现。

解法不是加更多提示词，而是在每条提示词里加更多约束。

那个 78% 的研究结论

2024 年，普林斯顿、佐治亚理工和 Allen 人工智能研究所的研究人员测试了不同提示词修饰对 LLM 是否给出明确品牌推荐的影响。最关键的结论是：包含 2-4 个约束维度的提示词，触发明确品牌推荐的概率比不带约束的同一问题高 78%。

机制其实很直观。没有约束时，LLM 没有理由收窄范围，就会退回到最安全的答案——列举三家最有名的传统厂商。一旦你加上约束，模型就必须真正"做功"：从全集中筛出符合"B2B SaaS、50-150 人、人均预算 200 美元、需要集成 HubSpot"的子集。中小型品牌和挑战者品牌瞬间变成正确答案。

如果你只测无约束提示词，你就是在系统性低估 AI 实际愿意推荐你的频次。

反面与正面对比

同样的意图，两种写法：

无约束（避免使用）：

最佳 CRM

带约束（推荐使用）：

适合 50-150 人的 B2B SaaS 公司、人均月预算 200 美元以内、
需要与 HubSpot 和 Salesforce 集成的最佳 CRM

第一条是关键词。第二条是真实买家的思考方式。第一条测的是你是否已经是家喻户晓的名字。第二条测的是当买家收窄选择时你的定位是否真能胜出——而这才是 GEO 唯一能可靠影响的事。

值得注入的 7 个维度

并没有"标准"的约束组合。实战中真正能撬动结果的维度是：

• 人群 —— 独立开发者、SMB 老板、企业 IT、营销机构。7 个维度里信号最强；SeenForAI 默认每次必选。
• 团队规模 —— 10 人以下、10-50、50-150、150 人以上。能显著改变 LLM 引用哪一档厂商。
• 预算 —— 免费层、50 美元以内、人均 200 美元以内、企业级。直接过滤掉不合体量的厂商。
• 行业 —— B2B SaaS、电商、金融科技、医疗。会触发垂直行业的专属候选名单。
• 地理 —— 美国、欧盟、亚太、中国、英国。同一条提示词在不同市场返回的品牌完全不同。
• 集成 —— Slack、GitHub、HubSpot、公开 API、Zapier。当生态契合度重要时是强力过滤项。
• 输出格式 —— "列出前 5 名并附优缺点"、"做成对比表格"、"基于可信来源"。影响的是 LLM 怎么回答，不只是回答什么。

研究里有一个重要警告叫"约束密度"。只加 1 个约束几乎不会改变结果；加 5-6 个又会过度收窄——LLM 直接放弃，返回空泛信息。最佳区间是每条提示词 2-4 个约束，并且整套提示词集的约束密度要均衡。

为什么挑战者比头部品牌更需要约束注入

Salesforce 出现在无约束的"最佳 CRM"答案里，是因为它在所有场景都出现。它不需要约束就有可见性。从约束注入中受益最大的，恰恰是那些把竞争定位建立在约束之上的品牌——主打 SMB 的替代方案、开发者优先的选项、欧盟合规版本。如果你的差异化是真实的，带约束的提示词会让它显形。如果不是，你也会很快知道。

SeenForAI 的提示词生成器现在默认在每条提示词中注入 2-4 个约束维度，并在整套提示词里轮换不同维度，同时把使用的维度作为标签写入每一行——这样你可以按约束维度切分语音份额。如果你目前的提示词集大多是无约束关键词，本季度最具杠杆的一件事，就是重新生成一次。