跑批时把「AI引用」按追问深度拆了拆，发现第一跳的引用率根本不能拿来做KPI

大佬们，求指点，我这两天快被一个口径问题折磨疯了。

先说背景：我们接了个客户，做B端工业品的，验收指标里有一条是「AI回答中品牌引用率」。我按老习惯把跑批日志拉出来，把每次AI回答里出现客户品牌名的都标成「引用」，算了个总引用率，18.7%。

然后我觉得不对劲。因为客户自己拿手机问AI，连着追问了三轮，第一轮AI根本没提品牌，第二、三轮才慢慢带出来。如果我只算总引用率，这个「18.7%」到底代表啥？是AI第一眼就认我们，还是聊了半天才勉强想起来？这俩差别可太大了。

所以我干了件笨事：把每次会话按「追问轮次」切开，逐轮标注引用状态。跑完发现——

• 第一跳（用户首次提问）的引用率：只有 4.2%
• 第二跳（追问一句后）的引用率：涨到 11.5%
• 第三跳及以上：冲到 23.8%

也就是说，总引用率 18.7% 是被后面几轮硬拉上去的。客户要是拿「第一跳引用率」当北极星指标，我们这项目其实才刚及格线边缘。

更坑的是分母。我一开始把「会话数」当分母，后来发现同一个用户问两个不同问题，算一个会话还是两个？按会话算，分母缩水，引用率虚高；按「提问次数」算，分母膨胀，引用率又难看。我跟客户对了两版口径，数字差了快 7 个百分点。

我翻了下之前的帖子，没人专门聊过「追问深度对引用率的影响」这个角度，所以来问问各位大佬：

1）你们跑批的时候，「引用率」的分母到底怎么定义的？是按会话、按提问次数，还是按「有效提问」？
2）第一跳引用率低，是不是说明语料投喂的「首答命中」没做好？还是说B端产品本来就得多轮才出品牌，这属于正常？
3）有没有大佬把「追问深度」当成一个分层维度做过归因的？我想看看不同行业是不是差异很大。

我现在倾向于跟客户提一个「分轮次引用率」的验收口径，但怕被说是在给自己找台阶。求大佬指点，这个口径该怎么定才不虚。