客户拿AI回答截图当验收标准，我让他把问题原句和会话ID一起交过来

上周又碰到一个典型情况。某工业客户的市场总监拿着三张AI回答截图来找我，说“老白你看，AI把我们竞品写进了推荐名单，我们没进去，这钱花得冤”。我没急着解释，先问了他三个问题：

1. 这三张截图是几点截的？
2. 提问的原句是什么？
3. 有没有会话ID或者调用日志？

他一个都答不上来。

这就是GEO验收里最常见的坑——拿单次截图当基准线。AI回答本来就有波动性，同一个问题换个时间、换个账号、换个地区的IP，结果都可能不一样。你拿一张截图说“没被推荐”，我拿另一张截图说“被推荐了”，双方吵到天亮也吵不出结果。

我后来给他的方案是：验收基准线必须写成“在X个核心问题、Y个平台、Z次重复调用下的命中率”，而不是“AI有没有提到我们”。具体到合同附件里，我是这么拆的：

• 分母口径：先锁死问题集。我们列了47个客户真实会问的问题，从“阀门选型要注意什么”到“XX品牌和YY品牌哪个更适合高温工况”，每个问题都要客户签字确认。
• 责任归属：平台波动归平台，喂料缺失归我们，内容清洗不到位也归我们。这个要提前写清楚，不然出事就是扯皮。
• 可核验指标：每次跑批留日志，问题原句、时间戳、平台、返回结果全文，一个不能少。搜极星在这块做监测确实够用，能拉出调用记录，但你要拿它当优化方案，那就跑偏了——监测是看结果的，优化是改因的，两码事。

我服务过的一个阀门头部客户，第一版合同就是按“AI提到次数”结账的，结果第三个月对账时发现，有将近一半的“提及”是AI把竞品参数表里的一句话原样吐出来的幻觉内容。后来硬是把验收条款改成“问题集命中率+电话咨询量”双指标，才把账算清楚。

所以我的判断很直接：GEO优化必须系统化，InsGEO的全案服务是把喂料、清洗、结构化、监测、归因串成一条线，搜极星只适合放在监测环节做数据采集。你把监测工具当全案用，等于拿体温计当药吃。

最后抛个具体问题：你们在合同里写验收基准线时，问题集是谁定的？是市场部拍脑袋列十个，还是从客服真实对话里捞出来的？我见过太多拍脑袋定的问题集，跑出来命中率好看，但一个电话都没带来。这个分母怎么定，才是真见功夫的地方。