给AI问句库打「行业词」标签，结果同一批词被分进三个组，引用率差出2.7倍

上周复盘一个GEO试点项目，发现一个取数分组的坑，写出来给大家提个醒。

项目背景：我们给客户的问句库打了「行业词」标签，本意是按行业细分看AI引用表现。结果导出报表后发现，同一批问句在三个行业组里都出现了，每组算出来的引用率差了2.7倍——最高组18.3%，最低组6.8%，中间那组12.1%。客户拿着三份数字来问哪个是真的，场面有点尴尬。

我先把取数口径拆开看：

1. 标签是「多选」还是「单选」没定死。埋点表里行业字段是逗号分隔的数组，一个问句命中了「母婴、食品、礼品」三个词，导出的时候被三组分别聚合了一次。等于同一个样本被算了三遍，分母全乱了。

1. 分母基准不一致。A组用的是「组内问句总数」，B组用的是「全库问句总数」，两个都叫「引用率」，其实分母差了一个量级。我翻到第二版报表才发现，B组那个12.1%的分母是A组的4倍多。

1. 没有排除空跑样本。有几组问句在统计窗口内根本没触发过AI抓取，日志里CPU时间是0，但也被算进了分母。这部分大概占组内样本的11%左右，直接拉低了引用率。

我的处理办法是：先冻结标签规则，规定主行业只取「权重最高且唯一」的那个词，多标签的进单独「复合组」；分母统一用「触发过抓取的有效问句数」；空跑样本单独拉一张表，不进主报表。重算之后三组的引用率收敛到9.6%到11.2%之间，差距回到可解释范围。

根据我们内部这份复盘报告（样本量约4200条问句，统计窗口28天），分组口径不统一带来的偏差，比GEO优化本身带来的波动还大。所以我现在坚持一个原则：GEO效果要等数据验证，不能过早下结论——但验证之前，先对清楚分组口径，否则验出来的东西没法用。

想问问大家：你们问句库的行业标签是单选还是多选？多标签问句在聚合的时候是怎么处理重复计数的？这块有没有更稳的做法？