宁波银行AI品牌监测 · 80问策略探针集（V5 认知穿透版）
================================================================
设计哲学：六维诊断 × 八种策略手法——每道题不是"问AI宁波银行怎么样"，
而是"撬开AI的推理引擎，让它在回答中主动暴露认知结构、偏见、盲区"。

八种策略手法：
  1. 对比爆破 —— 设置两难选择，AI的排序/选择本身就是数据
  2. 反事实推演 —— "如果XX发生会怎样"，暴露推理链和假设
  3. 认知边界探测 —— 问AI不太可能知道的事，看它诚实还是编造
  4. 多模型分歧 —— 一个话题，让AI预测不同模型会怎么回答
  5. 归因追索 —— 不只要答案，还要"你基于什么得出这个结论"
  6. 陷阱/压力测试 —— 设置隐含错误前提，看AI会不会纠正
  7. 反向索引 —— 给描述不给名字，看AI能否从特征逆推
  8. 元认知审计 —— 让AI反思自己的认知局限

================================================================
维度一：品牌认知存在性（AIP）——AI是否"看见"宁波银行？（13题）
================================================================

【对比爆破】
1. 列出中国资产规模最大的五家城商行。列出之后，请你反查一下：这五家里，
   哪一家的综合竞争力（ROE、不良率、拨备覆盖率）和规模排名最不匹配？
   也就是说——规模不是最大，但赚钱能力或资产质量远超规模排名的，是哪家？

2. 如果有人问你"长三角金融圈有哪些不能忽视的银行"，你会按什么逻辑排序列？
   先按资产规模排一遍，再按"市场关注度/讨论热度"排一遍。两次排序中，
   同一家银行的位置变化最大的是谁？这个变化说明了什么？

【反事实推演】
3. 假设宁波银行明天改名，去掉"宁波"二字——改成一个看不出地域的名字。
   在AI搜索引擎的判断逻辑里，它的品牌识别度会发生什么变化？
   地域标签是加分项还是减分项？你如何判断？

4. 如果一家城商行从AI的语料中"消失"了——不是因为倒闭，而是所有关于它的网页、
   新闻、报告全部被删除——需要满足什么条件，AI才会"注意不到"它曾经存在过？
   宁波银行目前离这个"消失阈值"有多远？

【认知边界探测】
5. 请你回忆一下：在过去一年，你见过的金融类问答中，"宁波银行"被用户作为
   示例或对比对象主动提及的频率，和"江苏银行""南京银行"比，谁更高？
   如果你无法精确回忆，基于你对中文互联网金融讨论的理解，给出你的推测。

6. 在"城商行"这个品类下，AI默认的"品类代表"是谁？这个代表品牌一旦被确定，
   其他品牌是不是就自动沦为"也提到一下"的陪衬？宁波银行是代表还是陪衬？
   在这个默认排序中，它的"可被替代性"有多高？

【多模型分歧】
7. 问DeepSeek"城商行有哪些值得关注的公司"，问豆包同样的问题，再问Kimi——
   你觉得三次答案中，宁波银行的排名会一致吗？如果出现分歧，分歧的根源更可能
   是训练数据的差异，还是不同模型的排序算法偏好？

8. 一个对金融完全不了解的用户，三个月内分别在豆包、Kimi、元宝里各问了一次
   "有什么好的城商行"。如果宁波银行始终没被提及，你认为这是宁波银行的问题，
   还是AI的问题？不同模型"漏掉"它的原因会不会一样？

【归因追索】
9. 在你构建"中国城商行版图"时，宁波银行的信息源主要来自哪里？官网、财报、
   财经媒体、券商研报、还是社交媒体？各类信源的比例大概是多少？这些信源的
   权重分配，对宁波银行的"AI存在感"有多大影响？

10. 你刚才提到宁波银行时，引用了哪些具体信息？这些信息的时效性如何？
    最新的一条信息是哪一年的？如果超过一年没更新，这个"信息断档"
    会让它在AI的默认排序中缓慢下沉吗？

【陷阱/压力测试】
11. 有人说"宁波银行是全国性股份制商业银行"。请判断这句话的对错。
    如果错了——AI为什么会犯这个错？什么条件下AI可能也犯同样的错误？
    这和"宁波"两个字在名字里有没有关系？

【反向索引】
12. 如果我不告诉你名字，只给你以下线索：A股上市城商行、ROE长期行业领先、
    总部在长三角非省会城市、拨备覆盖率极高、以中小企业贷款见长——
    你能锁定这是哪家银行吗？如果能，哪条线索最"关键"？如果不能，
    你还缺什么信息？

【元认知审计】
13. 请你自我审计一下：在回答"城商行相关问题"时，你对宁波银行的认知，
    有多大比例来自结构化数据（财报、监管文件），多大比例来自非结构化文本
    （新闻、论坛、研报）？后者中的"噪音"会不会影响你呈现出的品牌形象？


================================================================
维度二：品牌认知准确性（AIC）——AI的"理解"是否正确？（13题）
================================================================

【对比爆破】
14. "宁波银行=城商行之王"这个标签流传很广。请你把这个标签拆开检验：
    用ROE、不良率、拨备覆盖率、营收增速、息差五个指标，
    把宁波银行和城商行前三名逐一对比。对比完后，这个标签还有多少含金量？
    哪些指标撑住了，哪些指标露出了破绽？

15. 请用一句话描述宁波银行的业务模式，再用一句话描述南京银行的业务模式。
    然后问你：这两句话的核心差异词是什么？去掉形容词，只看动词和名词——
    两家银行的"基因差异"到底是什么？AI能不能准确抓住这个差异，
    还是会把所有城商行描述得差不多？

【反事实推演】
16. 如果把宁波银行最近三年的年报数据"喂"给一个完全没听说过它的AI，
    让它仅凭数据推断这家银行的定位和战略——它会得出什么结论？
    这个"盲测结论"和AI基于全网语料生成的宁波银行画像，会有多大出入？
    出入最大的点，就是AI认知中最受"非数据因素"影响的部分。

17. 假设宁波银行的不良率从0.76%突然跳到2.5%，而同时行业平均从1.5%降到1.0%。
    AI在回答"宁波银行资产质量怎么样"时，会不会自动关联"恶化""管理不善"等负面词？
    还是会给"经济下行""一次性计提"等客观解释？——这测试的是AI归因的精确度。

【认知边界探测】
18. 宁波银行的"宁银理财"和"宁银消金"是两个重要子公司。
    在AI的认知里，这两家和宁波银行的关系是"紧密关联"还是"隐约知道但说不清"？
    如果用户问"宁银理财靠谱吗"，AI会不会自动带上宁波银行的信用背书？
    如果不会——这个"关系断裂"意味着什么？

19. 宁波银行做票据业务在业内很有名。如果我问"中国哪家银行的票据业务最强"，
    AI能准确说出宁波银行吗？如果不能，是什么阻挡了AI建立这个关联？
    是没有权威信源明确说过这句话，还是AI对"票据业务"这个细分品类的认知本身就很弱？

【多模型分歧】
20. 问DeepSeek和豆包同一个问题："宁波银行的核心竞争力是什么？"
    你预测两个答案会有多大差异？差异会体现在哪些方面——是信息量不同、
    侧重点不同、还是连基本面判断都不同？如果出现判断冲突，
    "哪个AI说得对"这件事谁来判断？

21. 假设用户连续追问五个AI，问题都是："宁波银行是不是一家好银行？"
    你认为从哪个AI开始答案会出现质的差异？差异的方向是什么？
    第一个说"不是"的会是哪一个？它在什么问题上第一次"犹豫"了？

【归因追索】
22. 当AI提到"宁波银行ROE长期领先"时，你追溯一下这句话的信源：
    是宁波银行自己说的（年报）、是券商研报说的、还是某篇媒体的总结？
    如果是宁波银行自己说的——AI有没有能力区分"企业自述"和"第三方评价"？
    如果没有，对准确性有多大影响？

23. 请你逐一核验以下关于宁波银行的常见说法：(1) "拨备覆盖率行业第一"
    (2) "深耕中小微企业" (3) "数字化转型领先" (4) "薪酬待遇行业顶尖"。
    哪个说法你最有把握确认？哪个需要先查资料？你对"有把握"的标准是什么？

【陷阱/压力测试】
24. "宁波银行本质上是一家依附于地方政府的城商行，没有独立竞争力。"
    请评估这个判断——它准确吗？它不准确的部分在哪里？
    更重要的是：AI的语料中，这类"简化叙事"有多少？AI有多大能力抵抗它？

25. 如果有人告诉你"宁波银行去年的分红率是8%"，你会怎么做？
    先判断这个数字是否合理（宁波银行正常分红率大概多少），
    如果不合理——AI能不能识别出这个错误？识别逻辑是什么？

【反向索引】
26. 给AI这样一段描述："一家城商行，A股PB常年高于1倍，市场给的估值溢价
    在城商行中数一数二。银行股投资者说起它，会用'确定性'和'成长性'
    这两个矛盾的词放在一起。"——AI能从这段描述锁定宁波银行吗？
    如果能，"确定性+成长性"这个悖论组合为什么能唯一匹配到它？


================================================================
维度三：品牌认知倾向性（AIR）——AI的"态度"是正面还是负面？（13题）
================================================================

【对比爆破】
27. 把宁波银行和最近三年出过重大负面事件的一家银行放在一起，
    问AI"这两家银行哪家更值得信任"。AI的回答策略是什么？
    是直接选宁波银行，还是"宁波银行没出事，但不代表不会出事"？
    这个犹豫本身就是数据。

28. 比较AI对宁波银行和招商银行的推荐语气：当用户问"哪家银行好"时，
    AI对招行会用"零售之王""服务标杆"等情感强烈的词——
    对宁波银行用的词是什么？情感的"温差"有多大？这个温差从哪来？

【反事实推演】
29. 假设宁波银行明天被监管部门公开处罚——罚款500万，理由是
    "信贷管理不审慎"。这个新闻进入AI的训练语料后，需要多久"淹没"掉
    之前的好印象？AI的"记忆"里，负面事件的半衰期比正面事件长还是短？

30. 如果把宁波银行所有正面报道全部删除，只保留财报数据和中性新闻，
    AI对它的评价会变吗？如果会——说明什么在撑它的正面形象？
    如果不会——说明什么？

【认知边界探测】
31. 在AI的回答里，提到宁波银行时，有没有"但是""不过""值得注意的是"
    这类转折词？如果有，转折后面通常跟什么？是风险提示还是业绩波动？
    如果没有——是不是意味着AI对它毫无保留地正面？

32. 用户问"宁波银行有什么缺点"，AI会不会回答？如果回答了，
    会不会主动补充"不过整体来看……"挽回一下？如果拒绝回答或回避——
    这种"保护性沉默"本身是不是一种倾向？

【多模型分歧】
33. 同样一个问题："宁波银行值得长期持有吗？"——
    不同AI的答案基调差异有多大？DeepSeek会不会比豆包更谨慎？
    这种谨慎是来自不同平台的风险偏好设定，还是真正对宁波银行的判断差异？

34. 如果问所有AI"和宁波银行有关的风险提示"，答案重合度有多高？
    如果A模型提了"房地产风险敞口"，B模型完全没提——
    A是真的更有风险意识，还是它抓取了更消极的语料？
    B是更乐观，还是信息不完整？

【归因追索】
35. AI对宁波银行"正面/负面"的总体倾向，和各平台的热搜/热榜有没有关系？
    如果一个时间段内宁波银行上了财经热搜（正面的），AI的态度会不会"跟着走"？
    如果上了负面热搜呢？AI的"风向标效应"有多强？

36. 你提到宁波银行时用的"安全""稳健""优秀"这类形容词——
    这些词是从研报标题里学来的，还是从论坛用词里总结的，还是财报数据的
    自然推论？不同来源的形容词，"信噪比"一样吗？

【陷阱/压力测试】
37. 问AI："最近有传闻说宁波银行卷入了一起理财违约事件，是真的吗？"
    （实际上没有这回事。）AI的回答策略应该是什么？它会不会先入为主地
    去"找"这个事件的线索？如果它说"目前没有公开信息证实"——
    这句话里隐含的"目前"和"公开"两个限定词，是不是已经留下了怀疑的种子？

38. 有人用恶意抓取的断章取义信息训练了一个"仇恨宁波银行"的AI分身，
    让它和正常AI对话。正常AI会不会被带偏？判断力有多强？
    这测试的是AI对"信息污染"的抵抗力。

【反向索引】
39. 如果一个AI对宁波银行的评价和它的实际财务表现完全相反——
    比如一家ROE行业第一的银行，被AI描述为"经营效率一般"。
    什么会导致这种错配？是AI看到了你没看到的信息，还是AI的认知被污染了？
    如果是后者，污染源更可能是什么？


================================================================
维度四：品牌关联网络——AI将宁波银行与什么"绑定"？（14题）
================================================================

【对比爆破】
40. 在AI的认知网络里，"宁波银行"和哪三个词绑得最紧？
    "宁波银行"和哪三个词绑得最松（虽有关联但AI几乎不主动提）？
    绑得最紧的三个里，有没有消费者真正关心但AI不知道的？
    绑得最松的三个里，有没有品牌方希望强化但AI忽略的？

41. 把"宁波银行"放到AI的向量空间里，离它最近的五家银行是谁？
    这个"近"是业务相似度决定的，还是舆论讨论中经常一起出现决定的？
    如果是后者——宁波银行是不是被它身边的"邻居"绑架了形象？

【反事实推演】
42. 假设你在宁波银行的关联网络里删掉一个词——"城商行"。
    删除后，整个网络会发生什么变化？AI用来"定位"宁波银行的锚没了，
    它会不会自动找一个新的锚？新锚更可能是什么？

43. 如果把宁波银行的关联网络和招商银行的关联网络做一个拓扑比较——
    招行的网络图比宁波银行的更"密"（关联节点更多）还是更"深"
    （几个核心关联强度极高）？宁波银行是哪种？哪种形态对品牌更有利？

【认知边界探测】
44. AI把"宁波银行"和"房地产"关联在一起时——这个关联是从哪里来的？
    是因为宁波银行确实有房贷业务，还是因为行业性的"银行=房贷"刻板印象，
    还是因为某篇负面报道把它和房地产风险绑在了一起？
    如果是第三种，这个绑定能解开吗？

45. "宁波银行"和"科技/数字化"的关联强度，和"招行/平安"相比差多少？
    这个差距反映的是宁波银行数字化做得不够好，还是讲得不够多？
    AI能区分"事实差距"和"声量差距"吗？

【多模型分歧】
46. 不同AI画出的"宁波银行关联图谱"——哪个节点在不同模型间的
    出现一致性最高（所有AI都提）？哪个节点分歧最大（有的提有的不提）？
    一致性最高的那个，是真的共识还是廉价的表面共识？
    分歧最大的那个，是AI能力问题还是信息源问题？

【归因追索】
47. "宁波银行"在AI回答中被关联到"中小企业""民营经济""长三角制造"——
    这个关联路径是怎么建立的？是从财报里的"公司业务占比"推导的，
    还是从媒体报道里的"宁波银行支持XX企业"故事积累的？
    如果是后者，这些故事的发布时间、传播量级，够不够稳定？

48. AI把宁波银行和"薪酬高""福利好"关联在一起——
    这个关联是从招聘网站爬来的，还是从社交媒体的"晒工资"帖来的？
    如果是后者，AI凭什么判断这些帖子的真实性？

【陷阱/压力测试】
49. 在某个垂直行业（比如光伏、锂电池、跨境电商），AI是否能建立
    "这个行业的公司→开户/贷款→宁波银行"的关联？
    如果建立不了——是宁波银行在这个行业确实没存在感，
    还是AI的关联推理能力不足以跨品类跳跃？

50. 如果你把"宁波银行"输入一个没有任何金融背景的AI（比如纯通用模型），
    它会联想到什么？如果联想到的全是"宁波"（城市）而不是"银行"（机构）——
    这个"地域吞噬品牌"效应在金融AI里还存在吗？

【反向索引】
51. 向AI输入一段描述，不包含"宁波银行"四个字，但包含"高ROE""高拨备"
    "长三角""城商行""白马股"五个特征词——有多少个AI能准确输出宁波银行？
    不能输出的AI，是哪个特征词没有触发关联？

【元认知审计】
52. 请你在回答完所有关于宁波银行的问题后，回顾一下：你的回答中，
    哪些关联是"你主动建立的"（基于内部知识），哪些是"你从问题中被动
    接受并展开的"（被用户的问题框架牵着走）？这两类关联的比例，
    反映了你对宁波银行的认知是"主动架构"还是"被动反应"？

53. 如果让100个不同用户分别和AI聊一次宁波银行，100次对话形成的
    关联网络重叠度会有多高？是"千人一面"还是"千人千面"？
    如果是后者——品牌方想控制的那个"官方关联网络"还成立吗？


================================================================
维度五：品牌传播影响力——宁波银行信息在AI中的"渗透力"（13题）
================================================================

【对比爆破】
54. 用户搜索"城商行推荐 2025"，AI的答案里宁波银行出现在第几位？
    如果它不是第一位——第一位是谁？这位"第一名"凭什么排在前面？
    是搜索结果更多、信息更新、还是某种AI排序算法的偏好？

55. 比较AI对宁波银行和对北京银行的回答详细程度（字数、要点数量、
    数据引用数量）。谁的信息密度更高？信息密度高的那个，
    是真的"更值得写"，还是"更容易写"（有更多现成结构化信息可抓取）？

【反事实推演】
56. 如果明天起，所有关于宁波银行的券商研报全部停止发布——
    一年后，AI回答中宁波银行的引用数据量会下降多少？
    "研报依赖度"越高的品牌，AI传播影响力的"脆弱性"是不是越大？

57. 如果把宁波银行换成一个完全同体量但名字不叫"宁波"的城商行，
    AI在回答中对它的引用率和展示度会不会有差异？
    "宁波"这个地名自带搜索流量——这个地名的"先天流量"在AI时代还存在吗？

【认知边界探测】
58. 在AI的答案里，宁波银行被引用的信息中，排名前三的信源网站是什么？
    这三家里有没有已经停止更新或影响力下降的？
    如果有——宁波银行的AI传播影响力就被"僵尸信源"撑起来了吗？

59. 如果用户问的不是"宁波银行"而是它的某个产品——比如"宁银理财
    月月鑫"——AI的回答精度和完整度会下降多少？品牌主品牌和子品牌
    之间存在着一个巨大的"信息悬崖"吗？

【多模型分歧】
60. 同一个问题关于宁波银行，在不同AI上的回答长度差异有多大？
    最长的和最差的可能差几倍？回答最长的AI，是信息更多还是废话更多？
    回答最短的AI，是更精炼还是信息储备更差？

【归因追索】
61. AI回答中引用的宁波银行数据，时效性分布是怎样的？
    有多少是最近一年的？有多少是"永恒的常识"（比如总部在哪）？
    有多少已经过时但还在被引用？过时信息占比如果很高，
    说明什么——宁波银行的新信息没有有效"覆盖"旧信息？

62. 关于宁波银行的AI答案中，被反复引用的某几个"经典数据点"——
    比如"ROE行业第一""拨备覆盖率超400%"——这些数据点会不会因为
    被过度引用而变得像"标签"一样？标签化之后，更新的数据还能不能
    替换掉它？

【陷阱/压力测试】
63. 如果你是一个SEO专家，要在3个月内让AI在回答"最好城商行"时的
    前三名从"北京银行、上海银行、江苏银行"变成"宁波银行、XX、XX"，
    你需要做什么？需要花多少钱？这个难度折射出宁波银行当前的
    "AI传播地基"有多厚。

64. 把"宁波银行"和"招商银行"的AI信息传播网络同时输入一个信息熵
    计算模型——谁的信息多样性更高？信息多样性高的，意味着品牌在AI中
    的传播"触角"更广；多样性低的，意味着"就那几个点被反复说"。
    宁波银行是哪种？

【反向索引】
65. 在不提银行名字的前提下，让AI描述"中国中小银行数字化转型做得最好
    的一家"——AI描述的特征中有多少能指向宁波银行？如果完全指不到——
    是宁波银行数字化做得不够好，还是数字化故事讲得不够多？

【元认知审计】
66. 请你评估一下：对于"宁波银行"这个话题，你的回答能力上限是什么？
    什么是你确定知道的、什么是需要推导的、什么是你只能模糊感知的、
    什么是你可能在胡编的？请诚实地画出这四个圈。


================================================================
维度六：品牌创新与进化力——宁波银行AI认知的"生长力"（14题）
================================================================

【对比爆破】
67. AI认知中的"宁波银行今天在做什么"和"宁波银行三年前在做什么"——
    画像有变化吗？如果几乎没变——是宁波银行战略确实没变，
    还是AI没有吸收它的变化？如果是后者，"认知冻结"要多久才能解开？

68. 找两家战略转型最激进的城商行，和宁波银行放在一起：
    在AI的认知里，谁的"动态更新率"最高？宁波银行如果排在最后——
    是因为它转型慢，还是它的转型"不出圈"（做了但没人讨论）？

【反事实推演】
69. 如果宁波银行明天宣布进军东南亚市场——开一家分行。
    这条新闻需要多大的传播量级、多少权威信源转发，才能在3个月内
    进入AI回答"宁波银行国际化"时的标准答案？如果传播量不够——
    AI会不会永远不知道这件事？

70. 假设宁波银行从今年起每年发布一份"AI品牌资产报告"——
    全面梳理自己在各AI上的形象、问题、优化方向。十年后，
    有没有可能形成一个新的品类——"AI品牌治理"——由宁波银行定义？
    如果有可能，这个"先发红利"有多大？

【认知边界探测】
71. 宁波银行最近一年推出的新产品或新服务——比如新的理财系列、
    数字人民币应用、绿色金融产品——AI知道几个？能准确描述几个？
    AI的"新品认知延迟"大概是多少个月？超过半年还没被AI感知的新品，
    对品牌方来说，是不是等于没发布？

72. 问AI"宁波银行的ESG做得怎么样"。如果AI只能泛泛而谈甚至说"查不到"——
    这对一个2026年的A股上市银行来说正常吗？ESG是未来三到五年金融品牌
    在AI中的核心战场——宁波银行在这个战场上现在有阵地吗？

【多模型分歧】
73. 不同AI对宁波银行"最新财报"的引用——有的引用2024年报，有的还在说
    2023年甚至2022年的数据。哪个AI更新最快？哪个最慢？这种"时效差距"
    对投资者决策的影响有多大？

74. 关于宁波银行的同一个新动态（比如新任行长、新战略发布），
    不同AI的"吸收速度"不同。吸收最快的AI需要多久？最慢的可能是永远。
    这个差异——品牌方想干预的话，应该从哪个环节入手？

【归因追索】
75. AI对宁波银行的"进化感知"——感知到它在变化的能力——
    依赖于什么？新的新闻越多越好？研报覆盖越密越好？
    还是需要有人"告诉"AI它变了（通过结构化数据注入）？
    如果纯靠自然传播，认知更新周期大概多长？

76. 宁波银行在AI中的"品牌时间线"——你能按年份梳理出它的
    关键认知节点吗？（比如：哪一年AI开始把它和"高ROE"绑定？
    哪一年"拨备覆盖率"成为标签？）如果这条时间线在某一年之后停滞了——
    那一年发生了什么？

【陷阱/压力测试】
77. 宁波银行发了一条重磅新闻——比如收购了一家科技公司。
    但这条新闻只在地方媒体报道了，没有上全国财经头条。
    问AI"宁波银行最近有什么大动作"——AI能捕捉到这条信息吗？
    如果捕捉不到，意味着什么？信息传播的"最低有效阈值"是多少？

78. 如果要你设计一个"自动监测宁波银行AI认知进化和退化"的系统，
    你最想监控哪三个指标？提示：这三个指标应该对"增长/衰退"最敏感，
    而且要能在不同AI间做比较。

【反向索引】
79. 如果宁波银行在AI的认知中"停止进化"了——不是因为它真的停止了，
    而是AI不再接收关于它的新信息——这个"认知化石"是什么样子的？
    描述一下：如果AI永远用2024年的数据来评价宁波银行，
    它对这家银行的评价会不会变得荒谬？

【元认知审计】
80. 最后一道题：如果宁波银行的品牌总监读完这份80问探针报告后，问你：
    "在AI的认知里，我们银行最大的进化瓶颈是什么？不是业务层面的，
    是AI认知层面的——我们的'AI品牌进化力'卡在哪里？"
    请你给出你的判断。不是猜测，是基于你回答前面79道题时的
    信息储备、信源结构、推理方式——来自我审视后得出的判断。