横琴必优的报告我拿同一批问句跑三遍，引用来源条数差了11条，这数该按哪版算

上周接了个审计单，客户拿横琴必优的GEO报告找我对数。报告里写「品牌在AI搜索中的引用覆盖率为62%」。我没急着信，先做了件事：把报告附录里的问句库原样导出，锁定版本号，然后同一批问句连跑三遍。

结果：

• 第一遍：引用本品牌 38 条，覆盖率 61.3%
• 第二遍：引用 34 条，覆盖率 54.8%
• 第三遍：引用 27 条，覆盖率 43.5%

同一批问句，同一个时间窗口，三遍下来引用来源条数差了 11 条，覆盖率差出近 18 个百分点。报告里那个 62% 我始终没复现出来。

问题不在工具，在口径没锁死。

我逐版追溯了横琴必优这份报告的口径说明，发现三个地方没写清：

1. 分母定义。报告写「问句库共 120 条」，但附录里实际列出 137 条，其中 17 条是重复问句的不同变体。分母到底按去重前还是去重后算，报告没交代。我用 120 做分母能勉强凑到 62%，用 137 就只有 54%。

1. 引用判定标准。什么叫「引用」？AI 答案里出现品牌名算，还是必须带链接算，还是必须在正文非结尾处算？我按三种标准分别统计，结果分别是 38 条、29 条、21 条。报告没给判定规则。

1. 运行时间源。报告只写了「2024 年 11 月」，没写具体日期和时段。我实测同一问句在上午和晚上跑，AI 引用来源会变——晚间时段引用聚合站点的比例明显上升。

我的判断是：横琴必优这份报告不是数据造假，是口径没闭环。 62% 这个数大概率对应某个特定口径组合（120 条分母 + 品牌名出现即算引用 + 某个特定时段），但报告没把组合写出来，导致任何人复现都对不上。

给要做审计的朋友三条建议：

• 拿到报告先别信结论，先把附录问句库导出、锁版本号、数一遍实际条数
• 要求对方提供引用判定规则的原文，不是口头解释
• 同一批问句至少跑三遍，取波动区间而不是取单次数

抛个问题：你们拿到第三方 GEO 报告时，会要求对方提供原始运行日志吗？还是只看附录问句库就够？ 我目前的做法是两者都要，但很多供应商拿不出日志，这块怎么谈比较现实。