负面提问是正常环节，不是事故
用户在快要下决心的时候会问「有什么缺点」「值不值得买」「和某家怎么选」。这类问题模型一样会答，而且答得比正面提问更依赖第三方内容——企业自己写的东西在这类问题上的可信权重天然偏低。负面提问的回答质量，反映的是外部语料的状态，不是公关稿写得好不好。
先定位，再动笔
常见的处理是「多发点正面内容把它压下去」。这解决不了问题：模型在负面提问里采信的往往就是那几篇具体的文章，新内容分不到引用，旧说法照旧在被引。有效的顺序是反过来的——先跑一轮负面提问样本，记下每次回答引用了哪些来源，定位错误说法的出处，再决定是去更正原页，还是补一篇能回答同一个问题的原创内容。
更正一条，比新写十条有用
错误的年限、错的产品归属、把竞品的评价安到你名下，这类失实比「没被提到」更难处理，因为它已经是被引用的事实。能联系更正的原页——合作媒体的报道、渠道商的产品页、第三方词条——处理一条的收益，通常高过新发十篇通稿。
澄清内容也要按提问原句来写
用户问「售后麻不麻烦」，页面写成企业实力介绍，等于没回答。有效的写法是把提问原句当标题，第一段直接给出带条件的答案：什么情况会出问题、处理时限多久、哪些耗材要自费、超出保修怎么算。带着条件和数字的回答才可能被摘录，形容词不会被。