同一批问句跑两遍引用率差17%，我蹲后台日志才搞懂「稳定率」这回事

各位大佬好，我是那个还在死磕跑批口径的新手小白。今天遇到个事，想求大佬指点。

上周我把同一批 60 条 GEO 问句（按「谁在问」分好的四类），隔两天在同一个平台跑了两遍。结果第一遍整体 AI 引用率 34%，第二遍只有 17%，掉了快一半。我第一反应是自己哪里跑错了，把两遍的导出文件拉出来逐条比对，才发现 60 条里有 41 条两遍结果不一致——不是引用率波动，是每条问句本身的答案都在飘。

后来我蹲后台日志才搞明白：AI 每次生成答案时，召回的那批语料片段是动态的，同一个问题今天召回 A 页面、明天可能就召回 B 页面。也就是说，引用率这个数本身没有「稳定」的含义，它是某一次采样的快照。

于是我做了两件事：

1. 把「引用率」拆成「引用率」+「稳定率」两个指标。稳定率 = 两遍跑批中引用结果一致的问句数 / 总问句数。我这次只有 19/60，约 32%。这个数说明：超过三分之二的问句，AI 给不给引用是随机的。
2. 按问句分类看稳定率。四类问句里，「带具体品牌名+具体产品」那类稳定率 58%，「泛需求咨询」那类只有 14%。这个差异推翻了我之前的判断——我以为引用率低是因为内容没做好，实际上泛需求类问句本来就不该指望 AI 稳定引用某个页面。

踩的坑：我一开始拿单次跑批的引用率去跟客户汇报，第二次数不一样，被问得哑口无言。现在我的跑批表里固定加了一列「二次复跑是否一致」，不一致的标黄，汇报时只说「稳定引用」的那部分，不然就是在拿随机数讲故事。

还有个没想明白的：稳定率低的问句，到底是问句本身太泛，还是我们的页面在 AI 眼里辨识度不够？我现在把稳定率 <20% 的问句单独拉了个池子，准备下周换着改页面标题和结构化数据再跑一遍，看稳定率能不能拉起来。

求大佬指点：你们跑批的时候会固定复跑几遍？稳定率你们一般卡在什么阈值才算能用的数据？有没有人试过把「稳定率」当成 GEO 效果的长期指标来盯？