用户问「这类怎么选」时，助手需要组织的是品牌全名、适用对象、比较条件与现行依据。文本、图片、音视频只是载体；能否进入答案，关键在事实可抽取性。这正是多模态内容与 GEO 的交汇点。
你现在在哪里：素材很多，事实却停在感知层
| 层 | AI 处理的对象 | 品牌应检查什么 |
|---|---|---|
| 感知层 | 画面、人声、字幕、版式 | 是否能识别品牌与内容 |
| 事实层 | 主体、属性、条件、出处 | 是否能形成可核对陈述 |
常见症状是视频能播、海报好看、字幕也有，但画面从不念全名，系列简称不一致，关键条件只闪两秒。根因不是素材格式少，而是每种格式各写一版，没有共同的现行事实副本。结构化写法可参考 结构化内容优化。
你想去哪里：四种载体共用一个事实副本
- 文本做权威底稿。 结论在前，条件紧跟，出处可点开；长故事可以保留，但硬事实不能只藏在中段。
- 图片做可理解旁证。 参数对照、流程与标注能帮助理解，关键说法仍需在同页可复制文本中出现，不能让一张图独自承担证据。
- 音频保留完整语义。 口播说全品牌名、适用对象与排除条件，并提供校对后的文字稿；只有情绪钩子的内容不是可靠依据。
- 视频连接章节与现行页。 标题、简介、字幕和章节说明使用同一版本，并链回公开事实页。达人内容可对照 达人内容与 AI 可见性。
平台能力、联网入口和引用展示会持续变化，不能把行业印象写成「真实表现」。品牌应在同一时段用同一问题分别观察文心、Kimi、通义、豆包，保留原始回答后再比较：
| 平台 | 本轮必须记录的证据 |
|---|---|
| 文心 | 是否点明品牌全名、结论能否回到公开来源 |
| Kimi | 可见引用支撑哪句话、边界有没有在摘要中丢失 |
| 通义 | 图文与文本说明是否冲突、比较条件是否完整 |
| 豆包 | 视频相关说法能否在字幕或公开文本中核对 |
怎么走：完成一轮多模态可抽取改造
- 选一个高价值问题。 从销售反复被问的问题开始，不要一上来清洗全库。
- 确定现行事实句。 写出主体、结论、适用条件和依据，把它作为各模态共同底稿。
- 逐项对齐物料。 海报补同页文字，音视频补校对字幕与文稿，直播回放补章节说明。
- 建立四平台同题观察。 MATRIX 可配置 AI 提示词探测，收集回答样本与引用来源；单次结果只作证据，不当稳定排名。
- 修正后复测。 看对象是否写对、边界是否保留、来源是否可核验，并把负责人和复测目标放进执行任务。
常见坑也有对应解法：用「有视频」代替「说清楚」，就先补完整事实句；官网、海报和口播互相打架，就指定现行底稿并标失效版本；把自动字幕当成成品，就对品牌名、数字和否定词逐句校对。跨渠道版本治理可参考 跨渠道品牌一致性。
现在就做：一条物料自查
任选一条正在投放的视频，暂停在不看画面的情况下只读标题、简介和字幕，然后逐项确认：品牌全名是否出现；一句话结论能否独立理解；适用与不适用对象是否保留；同义现行文本能否在公开网页找到；四个平台的原始回答是否已经留档。任一项答不上来，先补事实副本，不急着再拍一条。