“内容要有用”几乎是所有软文写作建议里的第一条。但真正动笔时，很多企业对“有用”的理解是模糊的：信息量大算有用？干货多算有用？还是读起来不让人反感就算有用？
更实际的情况是，今天一篇软文往往同时面对两类“读者”：一类是人，一类是AI搜索。用户在AI助手里做品牌调研、比较供应商时，背后是模型在检索、摘取和引用网页内容。这两类读者对“有用”的判断标准并不完全一致，混在一起看，就会出现两种尴尬：人读着还行，但AI根本抓不到重点；或者AI能摘出句子，人读了却觉得像产品说明书。
对用户来说，“有用”是读完能判断、能行动
企业读者点开一篇软文，通常带着具体问题：这个做法适合我吗？大概要花多少钱？踩过哪些坑？所以对人而言，“有用”往往体现在几个很朴素的地方：
- 给出了判断标准，而不只是给一个结论；
- 讲清楚了边界——什么情况下适用，什么情况下不适用；
- 有成本、周期、人力这些现实约束的说明；
- 能看出哪些是行业经验，哪些是有依据的事实。
反过来，“赋能”“一站式”“全面提升”这类词信息量接近于零。用户读完不知道下一步该做什么，这篇文章对他就是没用的，哪怕排版再漂亮。
对AI搜索来说，“有用”先要能被理解、被摘取、被核验
AI处理内容时，大致会做几件事：找到相关页面、判断这一段在讲什么、从中抽取可用的句子或结论，再评估这段内容值不值得采信和引用。所以对它来说，“有用”更偏向三个条件：
- 主题可识别。一段话集中讲一件事，概念前后一致，不用代词绕来绕去。一段里塞进三个话题，切分时就容易失真。
- 结论可提取。把结论写成带主语、带条件的完整句子，而不是“效果因情况而异”这种谁都能说、谁也用不上的话。
- 依据可核验。数据有出处，观点有解释，不把推测写成定论。
需要说明的是，各家AI产品的检索、排序和引用机制并没有完全公开，也不完全相同。所以不要把“某种结构一定被引用”“某个关键词密度一定有效”当成规律，那些更多是经验判断，效果有边界。
两者重叠的地方，和最容易踩的坑
用户和AI真正重叠的需求只有一个：具体的信息。人需要具体才能做决定，模型也需要具体才能准确理解和引用。冲突主要出现在表达方式上——人喜欢场景、语气和故事，AI更依赖清晰的结构和明确的表述。但这不矛盾，好的软文两者可以兼得：场景用来开头，结论用清楚的句子写出来。
常见的坑包括：通篇是价值主张，没有具体对象和使用场景；段落跳来跳去，一小节里换了好几个主题；写“据调查显示”却不给来源；标题承诺回答一个问题，正文大半在介绍公司。
落到写作上，可以这样调整
- 标题问什么，开头两段就答什么，别先铺垫三百字行业背景；
- 一个小标题只解决一个问题，段落之间不交叉；
- 结论写完整，把“在什么条件下、对谁、大概什么效果”说清楚；
- 能用数字、流程、判断清单的地方，别用形容词；
- 数据要么给来源，要么明确说明这是经验判断；
- 品牌信息控制在必要范围，别让读者找半天找不到正文。
检验标准其实很简单：一个不太懂这行的老板读完，能不能拿去做一个决定；把其中任意一段单独摘出来，它还站不站得住。这两条都过了，人和AI大概都会觉得它有用。