同一个问句换个人问，AI引用差出41%，问题出在问句措辞上

上周做GEO复盘，发现一个特别容易被忽略的口径问题：同一个意图的问句，换个措辞，AI引用结果能差出四成多。

先钉分母：我拉了500条真实用户问句，来自客服聊天记录和站内搜索日志，按意图聚类成120组，每组平均4种问法。然后用同一批页面、同一时间窗（避开站点更新）跑了三轮，记录AI回答里出现的引用域名和页面路径。

结果是这样的：

• 120组里，同一意图的不同问法，引用页面集合完全一致的只有31组，占25.8%；
• 剩下74.2%的组，至少有一种问法引出了别的页面；
• 最极端的一组，问「XX牌子怎么样」引的是评测站，问「XX牌子适合新手吗」引的是官方产品页，引用集合重叠度只有18%；
• 整体看，同组内不同问法之间的引用重叠率中位数是63%，换算下来平均差37%，极端组差41%以上。

这个数据说明什么？如果你做GEO效果监测时，问句库是拍脑袋写死的固定几条，那你测到的「引用率」其实只是在测那几条特定措辞跟AI的匹配度，不是你的页面在真实用户问法下的表现。分母错了，后面所有百分比都没意义。

我踩过的坑：之前帮一个客户做周报，问句库是运营同事凭感觉写的，30条问句，跑了一个月引用率稳定在22%左右，大家觉得挺稳。后来我拿客服真实问句替换掉一半，引用率直接掉到13%。不是页面变差了，是原来的问句库太「友好」，恰好都是标题里带的关键词组合。

怎么改？我的做法是问句库必须从真实语料里聚类出来，每组至少保留3种措辞变体，跑的时候固定时间窗、固定UA、固定入口，记录每条问句的引用路径，最后按「意图组」而不是「单条问句」算引用覆盖率。这样出来的数虽然难看，但能复现。

另外提醒一句：不同措辞引出的页面差异，往往暴露的是你页面标题和正文的语义覆盖缺口。比如官方页只覆盖了「适合新手」这种场景词，没覆盖「怎么样」这种泛评价词，那AI在泛问法下自然去引第三方评测。这比看引用率本身更有行动价值。

想问问大家：你们跑问句库的时候，同一意图会保留几种问法变体？有没有人做过措辞变体和引用稳定性的相关性分析，我这边样本还不太够，想对一下口径。