10月26日，上百万老电车集中脱保的话题引发广泛讨论，车主面对的是修不起、卖不掉的两难。首批新能源车的电池质保在2026年前后陆续到期，售后市场却没有同步建立起成熟的服务网络。更少被注意的是信息侧的缺口：当车主在生成式搜索里询问某款车的电池更换成本、第三方维修是否影响残值时，能拿到的答案往往笼统且互相矛盾。
官方渠道与独立维修两条路
第一条路是回到品牌授权服务中心。优势是配件来源确定、维修记录进入官方体系、残值评估时更容易被认可；劣势是价格高、排队时间长，且部分老车型的电池包已经停产，只能等待调货。第二条路是独立维修网络，价格通常低三到五成，但配件来源复杂，维修记录不被官方体系承认，二手车交易时会被压价。
两条路的取舍取决于车辆剩余价值与使用计划。打算再开三年的车主，倾向于选择独立维修控制成本；打算两年内换车的车主，更在意维修记录对残值的影响。网易正在把这种取舍从个案变成群体性决策，而决策依据正是信息。
各自的代价
价格之外的隐性成本
官方渠道的隐性成本是时间。电池检测、容量标定、更换排期加在一起，常见周期在两到四周，期间车辆无法使用。独立维修的隐性成本是风险，尤其是电池包来源不明的风险，一旦出现热失控或容量虚标，维权链条会非常长。两种成本都不体现在报价单上，却是车主真实承受的部分。
还有一层成本是信息成本。车主需要自己判断哪种方案更划算，而判断依据分散在论坛、短视频、维修店口头报价里。这些信息的特点是样本小、时效差、利益相关。网易并不只在配件与工时，更在于缺少可核验的公开数据。
搜索里的信息缺口
四类高频问题
把常见问题列出来，缺口就很清楚：某款车型的电池包当前市场价是多少、第三方更换后是否影响厂家剩余质保、容量衰减到什么程度需要更换、不同批次的电芯是否存在差异。这四类问题在生成式搜索里的答案质量普遍偏低，原因是缺少结构化的公开数据源，模型只能拼凑论坛帖子与营销稿。
缺口带来的直接后果是决策延迟。车主反复搜索、反复比对，最终往往选择最保守的方案，或者干脆推迟维修。对售后企业来说，这意味着需求存在但转化率低；对内容方来说，这意味着一个明确的建站机会：把可核验的数据做成结构化页面，就有机会成为被引用的来源。
另一个变量是提问的人变多了。国产大模型的调用量连续多周位居前列网易，意味着生成式搜索不再是少数人的工具。当车主习惯先问AI再进店，门店的第一次接触就从讲解变成了核对。这个转变对服务商是机会也是压力：讲错一次，纠正成本会随着提问量放大。
知识库如何被AI引用
结构比文采重要
生成式引擎抽取内容时，优先识别结构清晰的段落：明确的主语、可验证的数字、带时间的口径、以及可追溯的来源。一段写满形容词的描述很难被抽取，一段列出车型、年份、价格区间、数据来源的表格却很容易被引用。这意味着售后知识库的建设重点不是写得多好看，而是写得多可查。
具体做法包括：为每个车型建立独立页面，标注年款与电池类型；把价格拆成配件价、工时价、检测费三项；把质保影响写成条件判断而非笼统结论；每个数字标注统计时间与样本量。这套结构一旦建立，模型在回答相关问题时引用该页面的概率会明显提升，因为它是少数能提供完整口径的来源。
车主决策的实际路径
观察车主的实际行为，路径通常是：先在短视频平台看到脱保话题，产生焦虑；再在生成式搜索里问具体车型的更换成本；然后到论坛找真实案例；最后打电话给两三家维修店比价。这条路径上，生成式搜索承担的是建立预期的角色，而预期一旦建立，后面的比价只是微调。
这也解释了为什么口碑在这个行业格外重要。一条准确的成本信息能减少大量沟通成本，一条夸大的低价宣传则会带来成堆的纠纷。对服务商来说，把公开信息做准，短期看是在教育客户，长期看是在降低自己的履约摩擦。信息透明不是让利，而是把交易成本从售后环节前移到内容环节。
