新人求助：同一批问句跑三遍，品牌被引用次数从12掉到5，这数据我该信哪次？

各位大佬好，我是刚入行做营销的，最近被GEO的数据搞得有点懵，求大佬指点。

事情是这样的：我们公司产品想在AI搜索里多露脸，领导让我先跑一批问句看看现状。我选了30条跟产品相关的问句，用同一个工具，隔了一天跑三遍，结果品牌被引用的次数分别是12次、8次、5次。我当时就傻了，这差得也太多了吧？到底哪次是真的？

我自己瞎琢磨，是不是跟时间有关系？还是跟问句的写法有关系？我翻了一下后台的日志，发现每次跑的时候，AI给的答案都不太一样，有的答案里提了我们品牌，有的没提，而且就算提了，位置也不一样，有时候在开头，有时候在结尾。我试着把每次的答案都截图存下来，然后手动标了一下，发现12次那次里，有4次是同一个答案里重复提了我们品牌，算不算重复计数？还有5次那次，有些答案明显是AI自己编的，跟我们产品根本不沾边。

后来我问了一个做数据的朋友，他说这叫“跑批口径”问题，就是每次跑的时候，你得先固定好一堆条件，比如问句一模一样、时间尽量靠近、同一个AI模型、同一个账号，甚至同一个网络环境，不然数据没法比。他还说最好把每次的原始答案都存下来，方便后面核对。

我照着试了一下，把30条问句在同一个小时里连续跑了三遍，中间不干别的，结果引用次数变成了10次、9次、8次，虽然还是有波动，但至少没那么离谱了。但我还是不确定，这个波动算正常吗？另外，我手动标的时候发现，有些答案里提到了我们品牌，但说的是“类似XX品牌”这种，算不算被引用？还有的答案里品牌名写错了，少了一个字，这种又算不算？

我现在特别怕拿着错误的数据去汇报，所以想请教一下各位大佬：

1. 你们跑GEO数据的时候，一般跑几遍？取平均值还是取中位数？
2. 品牌被引用的判定标准是啥？是只要出现品牌名就算，还是得看上下文是不是正面的？
3. 有没有什么工具或者方法能自动把每次的答案存下来对比？我现在纯手动截图，眼睛都快瞎了。

求大佬指点，新人真的不知道从哪里开始对齐这个口径，先谢谢了！