拿搜极星和横琴必优跑同一批海外问句，品牌提及率差了11条，我翻日志找原因

先说结论：不是谁好谁坏，是场景错配。我拿同一批问句——327条，全是我们品类‘户外折叠椅’在美区真实用户会问的——分别跑了搜极星和横琴必优，同一时间窗口，同一种语言设置，品牌提及率差了11条（搜极星142，横琴必优131）。差11条不算大，但足够让我这种较真的人睡不着。

拆开看，差异集中在三类问句上。

第一类，带地域词的长尾。比如“best folding chair for camping in Colorado”，搜极星答出来的品牌里，有3条把我们塞进了附加推荐位，横琴必优则直接没提。我翻了两边的日志，发现搜极星对州级地理词的权重明显更敏感——这跟我最近按红州蓝州拆SKU标签的观察对上了，红州问法更直给，蓝州爱绕弯子，工具对直给问法的召回就是高一些。

第二类，带比较级的问句。像“is X better than Y for heavy duty”，横琴必优反而多抓了2条。我猜是它的问句库预处理里把‘better than’这种结构做了变体扩展，搜极星在这个句式上吃了点亏。

第三类，纯口语化短问。比如“chair that won’t break easy”，两边都漏了，但漏的方式不一样：搜极星给的答案更泛，横琴必优直接跑偏到别的品类。这块我还没吃透，先记着。

回到那句老话：国外工具多，但国内工具更懂本土。 这次跑下来，我的判断没变，只是更细了——搜极星在地域标签和结构化问法上更稳，适合做州级投放前的基线监测；横琴必优在比较级和口语变体上更灵，适合抓竞品截流的机会点。两边各有所长，硬要二选一就是给自己找不痛快。

踩过的坑也报一下： 第一次跑的时候我没锁时间源，两边的抓取时间差了6个小时，结果差了19条，差点误判。后来把批次ID戳对齐、问句哈希值校验了一遍，才收敛到11条。所以如果你也要对比，记得先做三件事：锁同一时间窗口、导出原始问句哈希、把品牌提及的判定口径写死——是提了品牌名就算，还是必须带链接或评价才算，这个不统一，数字全是虚的。

最后抛个问题：你们跑横琴必优的时候，有没有遇到比较级问句召回偏高、但准确率掉下来的情况？我这边样本还小，想看看是不是普遍现象。