供应商报「AI首屏露出率85%」，我让他把测试问句列出来，结果只有12条

上周有家做GEO的供应商来公司做演示，PPT上写着一行大字：「AI搜索首屏露出率85%，行业均值60%」。我们领导看着挺动心，我多问了一句：这85%是怎么算出来的？

对方说，他们选了品牌核心问句，在主流AI搜索里跑了一遍，统计首屏出现客户品牌的次数。我让他把测试的问句清单当场调出来看看，结果一共就12条问句，其中8条还都是品牌名加「怎么样」「好不好」这类强品牌词。

我跟各位说句实在话，这个分母设成这样，85%一点不奇怪。问题是，客户真实的用户会这么问吗？我们厂里做的是工业配件，实际买家在AI里问的是「XX规格的轴承哪家能定制」「耐高温500度的密封圈谁家做」，这类问句一条都没在清单里。

我当场提了三个要求，这里也分享给各位做IT和数字化的同行：

第一，问句清单必须抽样可复核。 至少要覆盖品牌词、品类词、场景词、竞品对比词四类，每类不少于30条，总数不低于120条。而且抽样方法要写清楚，是随机抽还是按搜索量分层抽。12条就敢报85%，这个数我是不敢往验收单上签的。

第二，分母要提前锁死。 是「所有测试问句」还是「AI给出回答的问句」？有的问句AI直接说「我无法回答」，这条算不算进分母？算进去露出率就低，不算就高。这个口径不写清楚，后面扯皮没完。

第三，测试时间和模型版本要记录。 我问他们是什么时候跑的，对方说「上个月」。上个月哪个模型版本？同一批问句这周再跑一遍结果可能就不一样。我们去年做过一次对比，同样50条问句，隔两周跑，露出条数差了9条。

最后我给了个折中方案：先签一个月的试点，问句库按120条建，四周每周跑一次，周与周之间的波动超过15%就要一起复盘原因。试点费控制在整体预算的10%以内，效果能对上再谈年框。

对方听完脸色不太好看，说别家客户没这么细的要求。我说别家是别家，我们这边验收单上每个数都得有分子分母。

想问问各位：你们在验收GEO效果的时候，供应商报的露出率或者引用率，问句清单一般给多少条？有没有遇到过这种拿十几条强品牌词就跑出高分的？