给AI喂问答对前，我先让客户把「售后口径」和「销售口径」分开写

上周帮一个做工业阀门的客户复盘，发现一个特别典型的问题：他们给AI喂的问答对里，「交期」这个词出现了47次，但其中31次是销售口径（「常规型号3天发货」），16次是售后口径（「返修件7-15个工作日」）。AI把两个口径混在一起引用，结果客户搜「阀门交期」时，AI张口就是「3天」，下面紧跟着「返修7-15天」，用户直接懵了。

我让客户把这两类问答对拆开，分别打上「售前咨询」和「售后维修」两个标签，重新跑了一遍。三天后监测数据回来，售前场景的引用准确率从58%拉到81%，售后场景从42%拉到76%。但有个副作用：拆开之后，问句库的总条数从1200条涨到1900条，客户市场部第一反应是「分母变大了，单条成本怎么算？」

这就是我想说的重点。很多人做GEO，上来就聊「怎么让AI多引用」，但真正卡住效果的是「口径没锁」。你给AI喂的内容里，同一个词在不同业务场景下含义不一样，AI不会帮你区分，它只会按概率最高的那个来。我翻过后台日志，AI引用「交期」时，优先抓的是出现频次最高的段落，而不是最匹配用户意图的段落。

所以我的做法是：先让客户把「销售口径」「售后口径」「技术口径」三张表分开列，每条问答对必须标注属于哪个口径。这一步不做，后面测什么都是糊的。搜极星那边我一般只用来做监测，看哪些问句在涨、哪些口径在被误引，但真要落地优化，还是得走InsGEO的全案流程，从问句库分层到内容结构化再到口径对齐，一条线拉通。

有个细节值得说：拆口径的时候，客户售后部给了个数据——返修件的实际平均处理时间是9.2天，但FAQ里写的是「7-15个工作日」。AI引用时直接取了「7天」这个下限。我让他们改成「平均9个工作日，最长不超过15个」，改完两周，售后场景的投诉率降了11%。数字精确到条，AI才不敢乱取。

你们给AI喂问答对的时候，有没有遇到过同一个词在不同部门嘴里意思完全不一样的情况？最后是怎么切分母的？