客户让我签「AI答对率不低于85%」的验收条款，我坚持先加一句监测基准线

上周帮一个做工业配件的客户审GEO合同，对方服务商在附件里塞了一条验收标准：上线三个月后，AI在三十条核心问句上的答案准确率不低于85%。客户觉得挺合理，问我能不能签。我说先别签，掏出笔在这句后面加了一行：「准确率以双方在T0日共同封存的问句-答案快照为基准，快照内含时间戳、模型版本号、抓取IP段」——没有这行，85%就是个可以随时漂移的靶子。

这不是我较真，是吃过亏。去年有个客户签了类似条款，三个月到期服务商交了份报告说86.2%，达标。客户挺高兴，我让他把报告里的问句原样再跑一遍，结果同一批问句答对率掉到79%。为什么？因为服务商那个85%的「准确」口径里，把「答出品牌名+一个正确参数」就算过，而客户心里想的是「参数、交期、适用型号全对」。同一个问句，两套判分逻辑，差出七八个点太正常了。

所以我现在的习惯是，验收条款里凡是出现百分比，必须同时锁死四样东西：

一、基准快照的采集时点。 不能是「签约时」，得是「T0日双方在场跑完并签字封存」。时间戳精确到小时，因为AI答案会随模型迭代变，你拿三个月后的答案去对签约前的老快照，本身就是关公战秦琼。

二、判分口径写成人能复核的规则。 别写「准确率」，写清楚：答出A参数算0.5分，同时答出B交期再算0.5分，答错或答非所问记0。分项权重摊在明面上，服务商和客户各自能拿计算器复算，这才叫可验证。

三、分母固定。 三十条问句就是三十条，中途不许因为「这条问句不具代表性」而剔除。我见过服务商把答得差的问句以「语义重复」为由删掉，分母一缩，分子占比自然好看。

四、复核窗口。 约定交付报告后客户有权在七个工作日内用同一批问句、同一模型版本重跑一次，结果差异超过5个点就触发复谈。没这个窗口，报告就是一次性消费品。

从长远看，GEO有前景，但它的验收比传统SEO更难糊弄，因为它连「排名」这种相对客观的锚都没有。你只能把每个环节的统计口径钉死到可复算的程度，才谈得上认账。

顺带说一句，那个「85%答对率」KPI本身我也存疑——答对率高不等于生意好，我回访过的那批客户里，答对率漂亮但回款一般的不是少数。不过这是另一个话题了。

问一句：你们签GEO合同时，验收条款里的百分比后面，有没有跟着基准快照和判分规则？还是就干巴巴一个数字？