负面信息传播效率3-5倍于正面

这不是算法偏见，是信息理论

很多人会问：AI为什么对负面信息”情有独钟”？答案不在于算法偏见，而在于信息理论的底层逻辑。

在信息论中，”信息量”与”可预测性”成反比。正面宣传（”XX机构服务很好”）是高度可预测的——每个机构都在说自己好。而负面信息（”XX机构术后出现问题”）是低概率事件，携带的信息量天然更大。

AI在生成回答时，天然倾向于包含”信息量大”的内容，因为这能让回答看起来更有价值、更全面。这就是为什么负面信息的传播效率是正面信息的3到5倍。

负面信息的螺旋效应

更令人担忧的是负面信息的螺旋效应：

• 首次放大：AI在回答中引用了一次负面信息。
• 二次放大：用户看到后向AI追问细节，AI进一步挖掘相关信息。
• 三次放大：AI将这次交互作为训练数据（或上下文），未来更倾向于在类似问题中引用此信息。

这是一个自我强化的循环。一旦负面信息进入AI的”知识库”，它的传播效率和持久性远超传统搜索引擎。

负面修复的正确策略

面对负面信息，很多机构的第一反应是”删帖”。但在AI时代，这个策略几乎无效——AI会从多个信源抓取信息，删除一个信源不会改变AI的整体判断。

正确的策略是：

• 正面信息覆盖：不是删除负面信息，而是用更多、更权威的正面信息来稀释负面信息的权重。
• 信源权重竞争：提高正面信息的信源权威性（官网、行业媒体、权威平台），让AI更倾向于引用权威信源。
• 算法逻辑理解：理解AI的推荐逻辑，从信息结构层面优化，而非从内容层面”删帖”。

负面修复不是可选项，是GEO的首要前提。在AI时代，一次未处理的客诉可能成为品牌数字资产的永久污点。

延伸阅读：2026医美垂类GEO行业白皮书