AI生成的评价AI看，AI引流的陷阱人来跳

最近有个餐厅服务员遇到了一件挺有意思的事。

一位顾客落座后，一直拿着手机对着菜单。服务员以为他在看菜品图片，后来才听见他颇为得意地对同伴说：

"ChatGPT推荐这个最棒。"

于是他真的按推荐点了。

菜端上桌，他却没显得多满意，最后甚至没吃完。

如今把整份菜单拍给AI，让它根据口味、预算和人数帮忙选菜，已经是常规操作。找餐厅更省事：告诉AI几个人、花多少、想吃什么、要不要安静，它直接筛出几家，有的还能顺手订座。

过去我们自己翻评论。

如今AI替我们翻。

问题来了：

AI判断哪家店值得吃时，它读的那些评论，又是谁写的？

越来越多，是AI。

好评如今连打字都省了

从前餐厅求好评，至少还得请顾客自己凑几十个字。

现在桌上贴张NFC，碰一下，系统就能根据门店位置、招牌菜、关键词和消费场景生成评论。

顾客只需要表达一个意思：

"挺满意。"

AI负责扩展成：

菜品新鲜，环境宜人，服务周到，性价比合理，特别适合朋友聚会，下次还来。

图片说明：有赞碰碰贴官网展示的AI帮写评论界面。

这已经不是个别现象。

大众点评公布，2025年平台收到近4.5亿条评价，其中被处理的AIGC评价超过1100万条。

但最难应对的，反而不是那些一眼就能识破的。

火锅店下面突然有人夸"烤串外酥里嫩"，查查菜单就知道。

真正棘手的是：

AI一句假话都没说。

假设一家店确实有六人包间，酸菜鱼88元，商场B2能停车，周末通常要排半小时。

AI完全可以写：

周六六点多到店，等了差不多半小时。我们六个人坐包间正好，酸菜鱼份量挺足，停车直接停B2，人均不到100。

价格是真的。

停车是真的。

排队时间也合理。

唯一假的，是根本没人经历过这顿饭。

AI没有凭空编造一家餐厅。

它只是把关于餐厅的真实信息，伪装成了一个人的亲身经历。

再往前一步，甚至连人都是真的。

顾客真的来了、真的付钱、真的吃了。最后服务员说：

"好评送甜品，碰一下这里，AI帮您写。"

顾客扫一眼：

"差不多就是这个意思。"

发送。

这时候账号、订单、位置、菜品全是真的。

平台真正难以回答的，已经不是"这条评价是真是假"，而是：

这到底是谁的想法？

更棘手的是，大家可能根本不需要作弊

假如以后普通人都懒得自己写呢？

吃得不错：

"帮我写一下。"

体验一般：

"帮我整理得客观点。"

有点不满：

"别太尖锐，帮我润色一下。"

最后网上越来越多：

菜品新鲜。 环境舒适。 服务不错。 性价比高。 适合朋友聚餐。

这些话可能全部属实。

但1000家餐厅下面都是这些话时，它们也就越来越没参考价值了。

AI不一定先把点评变假。

它可能先把点评变成正确的废话。

真人原本可能只写：

鱼还行，我们仨吃一份有点少。

AI一润色：

鱼肉鲜嫩，分量适中，适合朋友聚餐。

后一句漂亮多了。

但最宝贵的"我们三个人没吃够"，没了。

AI特别擅长把人的表达整理得完整、得体、平均化。点评真正提供区分度的，恰恰是那些不平庸的东西。

于是文字越容易生产，另一类数据就越珍贵：

人到底做了什么。

"下次还会来"可以批量生成。

三个月以后真的又来了一次，不能。

有没有复购、有没有退款、订位后有没有取消、收藏以后到底去没去，这些信号不需要用户写成一篇漂亮文章。

美团今年调整商家评分体系时，已经把复购率纳入了进去。

当一句"值得再来"越来越廉价以后，这个人到底有没有再来，自然越来越珍贵。

可偏偏就在点评文字越来越贬值的时候，另一头的AI却开始越来越依赖这些文字。

AI写完，另一个AI接着读

过去找餐厅是：

1000个人写点评 → 你翻30条 → 自己判断。

如今正在变成：

1000个人写点评 → AI读完 → 给你3家 → 你选1家。

美团"小团"、Yelp、ChatGPT都已经在朝这个方向推进。

用户甚至不用再看原始评价。

一句：

公司附近，六个人，人均150，安静一点，晚上七点还能订到。

AI直接给答案。

图片说明：Yelp官方展示的餐厅摘要，说明文字标注为根据近期点评生成。

这意味着点评正在从"写给消费者看的东西"，变成写给另一个AI看的数据源。

而已经有研究直接比较过真人点评、AI润色点评和AI直接生成点评对推荐系统的影响。

结果很简单：

真人点评训练出来的推荐系统表现最佳。

原因也不难理解。

1000条来自1000次不同消费经历的文字，和AI围绕几十个事实扩写出来的1000种说法，看起来都是1000条数据，实际不是一回事。

后者文字很多。

独立的信息源却可能很少。

更棘手的是，AI不只会读，还会替我们总结。

携程上线AI点评摘要之后，有研究发现，AI整理出来的总体印象存在偏正面的倾向。

用户出发前觉得更期待了。

真的入住以后，给出的评分反而下降，人与人之间的评价分歧也更大。

AI把大家的话总结得挺好看，人去了发现不是那么回事。

这时候，"AI推荐的坑人来踩"已经不是一句玩笑。

而这还只是：

真人写 → AI读。

如果上游也逐渐变成：

AI写 → AI读。

事情才真正开始绕起来。

一个六人包间，怎么变成"大家都说适合聚会"

假设一家餐厅只有一个普通条件：

有六人包间。

AI点评工具围绕这个事实生成：

六个朋友来正好。 特别适合家庭聚会。 公司小聚很方便。 包间聊天很舒服。

单独看，每一句都合理。

可推荐AI再读这些文字时，接收到的已经不再是：

这家店有六人包间。

而是：

很多顾客都觉得这家店特别适合聚会。

一个客观属性，被批量扩写成了"消费者共识"。

于是推荐AI把更多六人聚会送过去。

更多六人客群真的来了。

真人再留下：

确实适合聚会。

慢慢地，一个最初只是被AI放大的标签，甚至可能真的变成现实。

这才是这条链路最有意思的地方：

AI从现实里拿一个事实，写成很多人的体验；另一个AI把这些"体验"读回去，再根据它分配真人客流。

新的客流继续产生新的数据。

然后下一轮继续。

AI开始同时站在口碑系统的两头：

一头替人写。

一头替人读。

中间的文字越来越多，背后的独立经验却未必一起增加。

最后还是那个普通消费者掏钱验证答案。

他打开手机问：

"附近哪家最好？"

AI认真读完几千条点评，给他挑了三家。

他选一家，真的去了。

吃完坐在那里，看着盘子里剩下的菜，突然很想知道：

到底是谁跟AI说这家最好吃的？