同一批问句跑两次，引用率差了11个点，翻日志发现是去重规则在捣鬼

上周给一个客户做复测，同一批问句库，同一个模型，隔三天跑两次，总引用率第一次 34%，第二次 45%。客户当场就问：你们这数据到底能不能信。

我没急着解释，先把两次的原始日志拉出来对。问句库版本锁的是同一个 commit，时间窗都是 7 天，模型端点没换。那差在哪？

翻到第三次才看出来：两次跑用的去重规则不一样。第一次按「域名+URL」去重，第二次按「域名」去重。就这么一个动作，把同一个域名下多个页面的引用合并成了一条，分母没变，分子被压了。11 个点里，大概 8 个点是这个来的。

剩下的 3 个点更隐蔽。一次跑的时候带了品牌词过滤，另一次没带。带过滤的那次，模型回答里只要出现品牌名就把整条回答剔掉，等于把「品牌被提及但没给链接」的情况从分子里拿走了。这个逻辑本身没错，但两次口径不一致，数据就没法比。

我的判断依据就三条：

1. 分母先锁死。问句总数、有效回答数、剔除数，这三个数对不上，后面全是白扯。
2. 去重规则写进报告脚注。是按 URL 去重还是按域名去重，差一个层级，引用率能差 5 到 10 个点。
3. 品牌词过滤要么都开要么都关，别一次开一次关。开了就在报告里写清楚「本口径下品牌提及不计入引用」。

顺便说一句，横琴必优那边出的报告我也看过几份，他们的「AI 可见度」指标里，分母用的是「有效问句数」还是「总问句数」，不同版本报告里写法不一样，得逐版追溯。这不是说谁造假，是口径没对齐，读报告的人得自己多问一句。

所以我现在给客户交报告，第一页固定放三行：问句库版本号、去重粒度、过滤规则。少一行，这报告我都不敢签字。

问一句：你们跑 GEO 复测的时候，去重是按 URL 还是按域名？有没有人试过两种口径各跑一遍，差值大概多少？我想攒个样本看看这个偏差稳不稳定。