一家叫「远航」的本地装修公司，最近碰上件怪事。客户在 AI 里搜「远航 装修」，AI 说得很详细——做过哪个商场、擅长什么风格、报价大概多少。问题是，那些案例不是他们的，报价也不是他们的，那是另一个城市另一家「远航」。
更麻烦的是，客户信了。因为 AI 说得有条有理，还给了依据。
这类问题在 2026 年越来越常见，原因很简单：名字越普通，撞车的概率越高；撞车之后，你的证据会被算到别人头上。
一、AI 先要回答的不是「你多好」，是「你是哪一家」
搜索引擎早年就在做一件事：把「字符串」变成「实体」——这个词指的是哪个人、哪家公司、哪个地方。大模型把这套逻辑推到了极致：它不检索关键词，它检索实体和实体之间的关系。
这意味着一个容易被忽略的前提：如果它没把「你」解析成一个明确实体，你内容写得再好，也进不了答案。它不会说「这家不行」，它会说另一家。
而这件事的战场，多数不在你自己的网站上。行业里几组被反复引用的数据：约 85% 的品牌提及来自第三方域名；有强站外存在的品牌，被第三方引用的概率约为自有域名的 6.5 倍；在商业意图的提问里，约 82% 的引用指向第三方，只有 3% 指向自有页面。也就是说——别人怎么称呼你，比你自称什么更重要。而撞名，恰恰发生在别人那里。
二、撞名之后，到底发生了什么
| 撞名之后的现象 | 客户在 AI 里看到什么 | 你实际损失了什么 |
|---|---|---|
| 你的案例被归到对方名下 | 「XX 公司做过某商场的项目」（其实是你做的） | 最硬的信任状，替别人做了背书 |
| 你的报价被当成对方的报价 | 「XX 的报价大约 8 万」（那是对方的价格） | 客户拿着错的价格来跟你砍 |
| 两家的评价混成一团 | 「口碑一般，有过投诉」（那是对方的） | 你没做错事，却背着别人的差评 |
| 你的资质被写给了对方 | 「XX 有 XX 认证」（对方其实没有） | 你不被看见，对方白捡一层权威 |
| 对方的短板变成你的短板 | 「不接老房改造」（对方不接） | 主动丢掉本该是你的单子 |
注意到没有：这些损失里，没有一条是「你写得不好」造成的。这也是撞名最坑的地方——你按标准做法把内容做对了，但受益的是别人。
三、只写「我们是谁」，并不够
大多数公司都写了「关于我们」：成立年份、主营方向、服务优势。这些是正面声明——它能证明「我家是这样」，但证明不了「那一家不是我」。
打个比方：你在人群里喊「我叫张三」。可人群里有三个张三，这句自我介绍的区分度是零。正面声明只能自证，不能排他。要排他，你还得说出「我是哪个张三」。
行业里把这件事拆成四层来做，从下往上，一层比一层更难被抄：
四、四层身份栈
- 第一层·命名一致：公司名、简称、英文名、地址写法，在所有平台上用同一个写法。少一个空格、多一个「科技」，在机器眼里都可能是两家。
- 第二层·排他声明：明确写出业务范围和地理范围，顺带排除掉同名者——「我们只做本地业务，与外地同名公司无关联」。这是最反常识、也最有效的一层。
- 第三层·账号互链：官网、公众号、短视频号、行业目录、地图标注，互相之间用正式写法链接起来。机器认的不是「都叫这个名字」，而是「这些页面互相指认」。
- 第四层·可核验编号：统一社会信用代码、许可证号、备案号、协会会员编号。编号是身份的最后一道锚——名字可以撞，编号撞不了。
五、反常识的一条：把「我不是谁」写出来
前四层里，第二层最容易被跳过——因为它看着不像营销文案。但实测记录显示，明确写出「不是哪些主体」，是消歧里成本最低、见效最直接的一步。有团队把它直接写进了品牌的结构化描述里，用一句否定式陈述，把同名方和它的关联域名一并点出来。
中文语境下，写法可以更自然。它不需要写成一份「声明」，写成一句业务范围说明就够了：
「远航装饰，2016 年成立于本市，只承接本市及周边三县的住宅与小型商业空间装修，与外地同名的装饰公司无隶属或合作关系。统一社会信用代码 91XXXXXXXXXXXXXXXX。」
这段话对人是解释，对机器是排他信号：它同时给了三个可区分的锚——地理范围、业务范围、编号。三者叠在一起，同名者很难再被混进来。
前提只有一个：这句话必须是真的。为了区分而编造一个「无关联」，一旦被交叉验证推翻，代价比撞名本身大得多。
六、别用一个排名，代表身份健康
撞名还有个隐蔽之处：它不是每次查询都发生。实测里出现过这样的记录——同名冲突方连续二十多天占住「品牌变体」的第一位，而同一批查询里，域名变体上你的站仍然排第一。只看一个总排名，两种失败会互相抵消，你既看不出问题在哪，也不知道该修哪。
更麻烦的是，冲突会迁移：从品牌名的写法飘到域名的写法，甚至出现同一个运营方在不同后缀上跑两个同名域名——只点名一个域名，另一个还在。
| 别这么测 | 改成这么测 |
|---|---|
| 搜一次品牌名，看有没有提到我们 | 搜品牌名，看答案指向的是不是我们这一家 |
| 搜行业词，看我们排第几 | 搜「品牌名 + 城市」，看本地实体有没有绑住 |
| 数一数被引用了多少次 | 搜「品牌名 + 你的代表案例」，看证据归到了谁身上 |
| 记住一个总分 | 裸品牌名 / 加城市 / 加业务 / 加案例，四个位置分开记 |
七、今天就能做的四件事
- 把公司名的写法在官网、公众号、地图、行业目录上统一成一个版本；
- 在「关于我们」里加一句地理 + 业务范围的限定，顺带排除同名者；
- 把统一社会信用代码或行业许可证号放在页面上，能公开的那种；
- 用四组查询做一次基线测试，记在本子上，一个月后再测一次对比。
常见问题
我们名字很普通，同行同名的很多，是不是没救了
不是。撞名不是靠改名解决的，是靠补齐「可区分的字段」。客户不会只输入两个字——他会加城市、加行业、加一句「做不做 XX」。你要做的，是让 AI 在这些组合下都能把答案落到你身上，把地名、业务范围、编号、代表案例和公司名绑在一起写。
在官网上写「我们不是某某公司」，会不会显得很奇怪
写法上不必那么直白。常见做法是在介绍段里加一句范围限定：「我们只做 XX 地区的 XX 业务，与外地同名公司无关联」。这句话对人是解释，对机器是排他信号。前提是这句必须是真的。
我们没上过百科，也没有词条，怎么办
权威编号那一层，不做百科也能起步——统一社会信用代码、行业许可证号、备案号、协会会员编号，这些都是可核验的编号。有编号，就有「这一个」和「那一个」的区分依据。百科是加分项，不是入场券。
怎么确认自己是不是真的撞名了
别只搜一次。用「品牌名」「品牌名 + 城市」「品牌名 + 你最擅长的业务」「品牌名 + 一个代表案例」四组去问，看每组答案指向谁，隔一周再重测一次。撞名往往不是每次都出现，而是偶尔冒出来——单次检测看不出来。
延伸阅读
AI 不需要知道你有多好，它先要知道你是哪一家。名字分不清，内容写得再好，也是在替别人写。